DETECÇÃO AUTOMÁTICA DE ARESTAS LATERAIS DE EDIFÍCIOS EM FOTOGRAFIAS AÉREAS

(1)

V Colóquio Brasileiro de Ciências Geodésicas ISSN 1981-6251, p. 969-977

DETECÇÃO AUTOMÁTICA DE ARESTAS LATERAIS DE EDIFÍCIOS

EM FOTOGRAFIAS AÉREAS

EDGAR NOGUEIRA DEMARQUI 1 JÚLIO KIYOSHI HASEGAWA 2

MAURICIO GALO 2

Universidade Estadual Paulista - Unesp Faculdade de Ciências e Tecnologia – FCT 1 _{Programa de Pós-Graduação em Ciências Cartográficas} 2 _{Departamento de Cartografia, Presidente Prudente – SP} [email protected], {hasegawa, galo}@fct.unesp.br

RESUMO – Este trabalho propõe uma metodologia para a determinação automática das arestas laterais

de edifícios em fotografias aéreas digitais. A metodologia proposta consiste nas seguintes etapas: redução do espaço de busca através da detecção das sombras projetadas pelos edifícios, geração de uma sub-imagem no entorno de cada sombra detectada, extração das bordas na sub-sub-imagem, conexão dos pixels de borda, e análise de cada uma das bordas para identificar quais pares de pontos correspondem às arestas de edifícios. Na seleção dos pares de pontos que definem cada uma das arestas de interesse utiliza-se um procedimento seqüencial, baseado nos seguintes critérios: inclinação da reta (de modo a selecionar os pares de pontos que são radiais) e na distância entre os pontos, nas direções radial e transversal. Os resultados alcançados nos testes realizados se mostraram promissores para a identificação das arestas de edifícios.

ABSTRACT – This work proposes a methodology for automatic detection of lateral edges of buildings in

digital aerial images. The proposed methodology consists in the following stages: search space reduction through the detection of shadows projected by buildings, sub-image generation around detected shadows, edge extraction and pixels connection, and edge analyses to identify the pairs of points corresponding to edges of buildings. The pairs of points are selected using a sequential approach based in the following criteria: angular coefficient (to evaluate if the segment of line defined by the points is radial) and the distances in radial and transversal directions. The obtained results in the experiments are promising, since most part of edges of buildings was correctly detected.

1 INTRODUÇÃO

Uma das grandes vantagens da Fotogrametria Digital baseia-se na possibilidade de automação de várias etapas do processo de produção fotogramétrico. Entretanto, a extração automática e robusta de informações nas imagens aéreas se apresenta como uma problemática ainda não totalmente resolvida.

Com isto, existem várias pesquisas no âmbito da Fotogrametria Digital e Processamento Digital de Imagens com o propósito de viabilizar técnicas para a obtenção de informações que descrevam as feições presentes em imagens aéreas (ou terrestres), tais como: edificações, quadras, estradas e rodovias, etc.

No caso de edifícios, o conhecimento de sua localização e dimensões pode ser útil não só para fins de mapeamento, como também para outras aplicações, tais como: modelagem do terreno, realidade virtual, e computação gráfica.

Deste modo, este trabalho apresenta uma metodologia para a determinação automática, de modo

monoscópico, das arestas laterais dos edifícios presentes em fotografias aéreas, conhecendo-se os parâmetros de orientação interior e exterior.

A identificação das arestas laterais de edifícios pode ser útil para a modelagem de áreas urbanas, assim como para reconstrução tridimensional das edificações, podendo contribuir inclusive com outros processos como, por exemplo, na geração de ortoimagens, mais especificamente com a geração de “true-orthophoto”.

2 DETECÇÃO DE SOMBRAS EM IMAGENS AÉREAS

No campo da Fotogrametria e do Sensoriamento Remoto, a presença de áreas sombreadas acarreta na perda de informação de uma porção do terreno representado na imagem, sendo motivo de pesquisas. Estas pesquisas visam obtenção de metodologias eficientes para a identificação automática destas áreas (LI et al., 2004; MADHAVAN et al., 2004; SALVADOR, et al., 2004; POLIDÓRIO et al., 2003).

(2)

V Colóquio Brasileiro de Ciências Geodésicas

Polidório et al. (2003) propõem uma metodologia baseada nas características radiométricas e atributos de cor das regiões de sombra. Segundo estes autores, as regiões afetadas por sombras realçam o efeito do espalhamento atmosférico de Rayleigh, no qual pequenas partículas em suspensão na atmosfera desviam as ondas eletromagnéticas de pequeno comprimento de onda, correspondente ao azul e violeta, saturando a região sombreada com essas cores (este é o fenômeno que causa a aparência azul do céu).

Com isto, as áreas sombreadas apresentam pouco brilho e alta saturação em imagens digitais, possibilitando a definição de um índice para a detecção de sombras. Polidório et al. (2003), propõem a utilização do sistema de cores HSI (hue, saturation e intensity – matiz, saturação e intensidade), onde determina o índice SDW (ShaDoW), que é obtido a partir da análise do valor de I-S, sendo I a intensidade e S a saturação.

As sombras são determinadas para os casos em que I–S for menor ou igual a um limiar (k) pré-estabelecido:

1, se I S k SDW 0, caso contrário − ≤  =  

(1) onde:

- SDW = 1 indica região de sombra; - SDW = 0 indica região sem sombra.

Polidório et al. (2003) advertem que o valor de k é dependente das características e da altitude do sensor utilizado para a obtenção das imagens analisadas. Como resultado final é gerada uma imagem binária com as áreas de sombra em branco e o restante em preto.

3 DESLOCAMENTO DEVIDO AO RELEVO

Considerando uma fotografia aérea vertical, a projeção perspectiva ocasiona a visualização dos objetos presentes na cena de forma deslocada, sendo que isto não ocorre nas edificações localizadas no ponto nadir da imagem, ou mesmo nas proximidades dele.

A geometria perspectiva descrita anteriormente pode ser mais facilmente verificada em imagens aéreas de áreas urbanas.

A Figura 1 mostra uma imagem aérea de uma destas áreas, na qual se observa que não é possível visualizar os lados dos edifícios posicionados no centro da imagem, enquanto que os edifícios próximos às bordas apresentam uma inclinação que possibilita a visualização de suas laterais.

Figura 1 - Efeito provocado pela projeção com perspectiva central numa imagem de uma área urbana. Fonte: Wolf e Dewitt (2000).

Esta inclinação das feições é acentuada conforme se aumenta a distância em relação ao ponto nadir da imagem, ou seja, é diretamente proporcional à distância do mesmo ao centro da imagem e inversamente proporcional a altura de vôo.

É importante notar que as linhas que definem as bordas dos edifícios são radiais e que, quando prolongadas, convergem para o ponto nadir na imagem (Figura 2). Esta característica dos edifícios será explorada neste trabalho, objetivando extrair as arestas radiais dos mesmos.

Deste modo, ao se analisar a equação da reta (Equação 2), das linhas que definem as arestas laterais dos edifícios, observa-se que o coeficiente linear (b) terá um valor igual a zero, considerando-se uma situação ideal sem a presença de erros.

y=a * x b+ (2) Nesta equação as coordenadas (x,y) representam as coordenadas no Sistema Fotogramétrico (WOLF e DEWITT, 2000).

(3)

Figura 2 - Representação do comportamento radial das arestas das laterais de edifícios em uma imagem aérea vertical.

Fonte: Adaptado de Tavares e Fagundes (1991).

4 METODOLOGIA PROPOSTA

A metodologia proposta pode ser dividida em duas etapas principais: 1) redução do espaço de busca na imagem através da detecção de sombras na imagem e geração de sub-imagens da região abrangendo o entorno destas sombras; e 2) determinação das arestas laterais dos edifícios presentes nas sub-imagens geradas, através da análise da disposição radial das bordas extraídas das sub-imagens.

Para a implementação dos algoritmos foi utilizado o ambiente de programação do software C++Builder 5.0. Também foram usadas algumas das funções disponíveis na biblioteca UPTK (Unesp Photogrammetric Tool Kit), mais especificamente as funções relativas ao processamento de imagens digitais, extração de feições e manipulação de vetores e matrizes (para maiores detalhes ver REISS e TOMMASELLI, 2005).

4.1 Redução do Espaço de Busca

Para a extração das áreas com presença de sombras em imagens digitais foi utilizada a técnica proposta por Polidorio et al. (2003), a qual utiliza as componentes saturação e intensidade do modelo de cor HSI.

Para obter estas componentes, foi utilizada uma função disponível na biblioteca UPTK, onde o dado de entrada é uma imagem colorida (RGB), enquanto que os dados de saída são as componentes HSI. A partir daí é calculado o índice SDW (pela Equação 1), para cada pixel, confrontando com um limiar pré-estabelecido, e com isto são determinadas as regiões com presença de sombra.

A partir das sombras detectadas foi utilizada a função <RegionGrowing>, da biblioteca UPTK, a qual possibilita o crescimento de regiões em imagens binárias. Esta função possui algumas características que facilitaram

as análises realizadas, como a identificação dos pontos que delimitam o retângulo envolvente da região.

Foram definidos limiares de seleção superior e inferior para a área das sombras de interesse. Para a definição destes limiares foi usada a área (em metros quadrados) formada pelas sombras, através da contagem do número de pixels e posterior conversão para o terreno usando o valor de GSD (Ground Sample Distance), o qual pode ser calculado através dos valores da escala da fotografia e do tamanho do pixel na imagem.

Após alguns testes empíricos, ficou definido que seriam selecionadas as sombras com área entre 100 m2_e 600 m2_{(limiar inferior e superior, respectivamente). Com} isto, para cada sombra extraída foi verificado se as sombras extraídas possuíam uma quantidade de pixels dentro do intervalo definido pelos limiares.

A partir das sombras selecionadas foram geradas sub-imagens. Com base no retângulo envolvente das sombras foi acrescentada uma expansão de 200% em relação à sua altura e largura (Figura 3).

Figura 3 – Esquema da geração das sub-imagens em relação ao retângulo definido pela sombra selecionada. Fonte: Adaptado de Demarqui (2007).

Na Figura 3 (X1, Y1) e (X2, Y2) representam respectivamente as coordenadas do canto superior esquerdo e inferior direito do retângulo envolvente e (Dx, Dy) as dimensões do retângulo determinado pela sombra. Pode-se observar que as coordenadas do limite superior a esquerda e do limite inferior a direita são calculados a partir destas grandezas.

Com isso cada sub-imagem gerada é 900% maior que o retângulo definido pela sombra, de forma a garantir a presença do edifício que ocasionou esta sombra na sub-imagem. Estes valores foram definidos após testes empíricos, de modo a evitar que partes dos edifícios sejam excluídas.

Também pode ocorrer das sombras selecionadas se encontrarem perto das bordas da imagem e nestes casos a definição da sub-imagem pode exceder os limites da imagem aérea analisada. Nestes casos, se faz necessário redefinir as sub-imagens, de modo que a área de interesse selecionada ocupe apenas a área útil da imagem original.

(4)

4.2 Determinação das Arestas Laterais de Edifícios

A determinação das arestas é realizada analisando-se as bordas das feições preanalisando-sentes na sub-imagem. Deste modo, executa-se a extração de bordas nas sub-images geradas. A seqüência dos processos utilizados para a extração das bordas é ilustrada na Figura 4, sendo utilizadas funções da biblioteca UPTK (maiores detalhes sobre esta biblioteca podem ser encontrados em REISS e TOMMASELLI, 2005).

Figura 4 – Processamentos realizados nas sub-imagens para a extração das bordas.

Fonte: Adaptado de Demarqui (2007).

As técnicas de Processamento Digital de Imagens empregadas nesta etapa abrangem vários tópicos da literatura, não sendo objeto deste trabalho descreve-las. As referências sugeridas são: Artero (1999), Gonzalez e Woods (2000), Pratt (1991) e Sonka et al. (1999).

Após a extração de bordas, os procedimentos gerais para a determinação das arestas laterais realizadas nesta etapa podem ser vistos no fluxograma da Figura 5.

Figura 5 - Fluxograma das etapas para a seleção das bordas das arestas laterais.

Para cada uma das bordas de cada sub-imagem foram realizadas análises que definem o grau de representabilidade destas em relação à aresta de um edifício.

Primeiramente são definidos todos os segmentos de reta que podem ser constituídos a cada dois pontos pertencentes da borda em análise. Neste caso, havendo n pontos representando uma borda, serão analisados (n-1)! segmentos de retas. Este processo é realizado de forma a não aceitar retas formadas por pares de pontos repetidos ou por dois pontos de mesmas coordenadas.

Deste modo, cada ponto pi é analisado com relação aos pontos que seguem, isto é, pi+1, pi+2, pi+3,..., pn. Com isto, determina-se qual par de pontos é o mais provável representante da aresta do edifício. Para isto são observados três critérios gerais:

• Disposição radial: como já foi visto anteriormente, em função da geometria das fotos as laterais dos edifícios presentes na imagem estão dispostas radialmente, apresentando o coeficiente linear (b) da equação da reta (Equação 1) próximo de zero; deste modo são selecionados os segmentos de reta em que o valor do coeficiente linear é menor do um limiar pré-estabelecido;

• Distância transversal com a borda rotulada: este critério tem como finalidade evitar a seleção de retas que não existem, pois o par de pontos analisado pode, coincidentemente, estar disposto de forma radial, mas não representar uma parte da borda analisada. Neste caso, verifica-se se a reta formada pelos pontos tem

(5)

uma distância nula com a borda ou esteja numa distância máxima de 2 pixels (proximidade);

• Distância radial da reta: selecionar o par de pontos que tenham as maiores distâncias entre si, ou seja, que forma o maior segmento de reta dentre aqueles

analisados, isto é: (dist_mín ≤dist_{par _ pontos} ≤dist_máx).

Estes três critérios são utilizados em duas fases, sendo que a primeira etapa constitui-se numa filtragem do total de pares de pontos, utilizando limiares pré-definidos para cada critério citado anteriormente. A definição dos limiares se deu após várias análises e testes, sendo que os seguintes fatores foram considerados:

I. Coeficiente linear da reta: Dependente da qualidade dos parâmetros de orientação das imagens utilizadas. Após testes empíricos, ficou definido como sendo 1,20% do valor da diagonal da fotografia o valor máximo de b (módulo de b). Deste modo, todos os segmentos de retas com coeficiente linear acima deste valor são descartados;

II. Limiar de distância transversal: São considerados próximos da borda os segmentos de reta que possuem pelo menos 80% dos seus pontos a uma distância igual ou inferior a 2 pixels da borda. Os demais segmentos são descartados do processamento;

III. Limiar de distância radial: São considerados os pontos cuja distância entre si esteja dentro do intervalo entre 0,60% e 2,30% do valor da diagonal da imagem. Estes valores foram definidos após vários testes empíricos.

Com isto são obtidos os pares de pontos com possibilidades de representarem a lateral de um edifício, diminuindo assim a quantidade de pontos envolvida no processamento.

Considerando um par de pontos hipotéticos ideais, estes representariam perfeitamente a aresta de um edifício, tendo as seguintes características:

I. Coeficiente linear com valor nulo;

II. A distância transversal da reta formada pelo par de pontos em relação aos pixels da borda é nula; III. Maior distancia radial da reta definida pelo par de

pontos.

Deste modo, durante a execução da primeira etapa foram determinados os valores extremos a serem utilizados na segunda etapa de seleção, de forma a determinar o segmento de reta que mais se aproxima do ideal. Estes valores extremos são máximos para os critérios de distância e proximidade, e mínimo para o critério do coeficiente linear, sendo recalculados a cada borda analisada.

Os pares de pontos selecionados na primeira etapa são avaliados quanto à sua equivalência, em relação aos

valores extremos calculados para a borda as quais pertencem, utilizando a Equação 2:

p_{dr dr}R p_{dt dt}R p R_{b b} valormax _p _p _p dr dt b ⋅ + ⋅ + ⋅ = + + (2) onde:

Rdr – razão entre a distância do par de pontos e a distância máxima;

Rdt – razão entre a porcentagem da distância radial dos pontos definidos pelo par analisado e a maior porcentagem;

Rb – razão entre o parâmetro b definido pelo par de pontos e o valor mínimo do parâmetro b;

pdr – peso de Rdr; pdt – peso de Rdt; pb – peso de Rb.

Os valores dos pesos pdr, pdt e pb foram definidos após vários testes empíricos como sendo, respectivamente: 1,2; 1,8 e 0,3. O valor de pb é menor em relação aos outros pesos, pois este parâmetro se mostrou sujeito às variações mais abruptas nos testes realizados, e por isso foi necessário reduzir sua atuação no cálculo. Além disso, pode ocorrer de um valor pequeno de b estar relacionado a um par de pontos que não esteja representando uma borda ou parte da mesma.

Já o valor de pdt é alto devido à necessidade de se selecionar pares de pontos que formem retas que não estejam distantes mais do que dois pixels da borda rotulada.

Para o peso pdr foi definido um valor próximo de 1, pois as variações deste fator são mais suaves, e seu efeito no valor final não necessita de redução nem de ampliação. Deste modo, pretende-se selecionar o par de pontos que tenha o maior valor calculado pela Equação 2.

Na Figura 6 pode ser visto o fluxograma com a seqüência dos critérios de seleção adotados.

(6)

Figura 6 - Fluxograma dos critérios de seleção dos pares de pontos de interesse.

5 EXPERIMENTOS REALIZADOS

Foram realizados experimentos com fotografias aéreas digitalizadas, obtidas por uma câmara métrica de distância focal igual à 153,16 mm, na escala 1:8.000 da área urbana de Presidente Prudente, provenientes de um levantamento aerofotogramétrico realizado no ano de 2003. Os dados da triangulação deste levantamento foram obtidos em Prado et al. (2006).

Pela imagem da Figura 7 observa-se o resultado da extração de sombras, usando o procedimento descrito na Seção 2, realizado em um recorte de uma das fotografias do levantamento citado acima, onde as sombras estão destacadas em branco e o restante da cena em uma tonalidade mais escura.

Figura 7 – Resultado da extração das sombras em uma das fotografias aéreas.

Conforme pode ser visualizado na imagem da Figura 7, a técnica desenvolvida por Polidório et al. (2003) apresentou bons resultados para a extração das sombras, tendo extraído praticamente todas as presentes na imagem (sombras de edificações, de vegetação).

A partir das sombras extraídas na fotografia da Figura 7 foram selecionadas as sombras que se enquadravam no intervalo adotado, conforme visto na Seção 4.1, sendo descartadas as sombras restantes.

Na imagem da Figura 8 é observado o resultado da diminuição dos espaços de busca, a partir da extração das sombras mostrada na Figura 7, sendo geradas as sub-imagens contendo o entorno das sombras selecionadas. Como pode ser visto por esta figura, houve uma diminuição da área que será processada, abrangendo apenas a vizinhança dos edifícios presentes na cena.

(7)

Figura 8 – Sub-imagens geradas a partir da extração das sombras dos edifícios presentes na imagem.

Pela Figura 8 pode ser visto que algumas das sub-imagens estão sobrepostas a outras, devido à proximidade dos edifícios e das respectivas sombras extraídas.

A partir da Figura 9 até a 14 são mostrados alguns resultados referentes à determinação de algumas das arestas laterais para os casos de seis edifícios. As arestas estão indicadas na cor azul, enquanto que a borda da qual foi extraída é indicada na cor verde.

Pela imagem da Figura 9 pode ser visto que a aresta determinada corresponde à parte da borda que representa a lateral do edifício.

Figura 9 – Aresta lateral extraída do prédio 1. Na imagem da Figura 10, a aresta determinada representa corretamente a lateral do edifício, sendo que

somente em sua base houve uma falha. Isto ocorreu devido ao fato da borda extraída não abranger esta parte da lateral edifício.

Figura 10 – Aresta lateral extraída do prédio 2. A Figura 11 mostra a imagem do prédio 3, onde também ocorreu um problema na parte inferior da aresta do edifício, enquanto que no restante da lateral não houve falha na determinação da aresta. Esta falha ocorreu devido ao processo de extração de bordas não ter proporcionado a representação de toda a extensão lateral do edifício.

(8)

Observa-se pela imagem da Figura12 que a aresta determinada corresponde a toda a extensão da borda que representa uma aresta lateral do edifício.

Figura 12 – Aresta lateral extraída do prédio 4. Na Figura 13, a aresta obtida apresentou uma falha na parte inferior da lateral do edifício, mesmo com a borda extraída representando esta parte do edifício. Isto ocorreu devido ao valor calculado para a Equação 2 (critério de seleção) ter sido maior do que o valor obtido em relação aos pontos inferiores da borda, os quais foram descartados na determinação da aresta.

Figura 13 – Aresta lateral extraída do prédio 5. Pela imagem da Figura 14 pode ser observado que, ao contrário do que ocorreu com algumas das outras sub-imagens, houve uma falha na parte superior da borda que representava a aresta lateral do edifício. A aresta determinada não abrange uma pequena extensão da parte superior do edifício, onde a borda extraída tem uma forma fechada (como um polígono), o que prejudicou a determinação da aresta.

Figura 14 – Aresta lateral extraída do prédio 6.

6 CONCLUSÕES

A identificação automática das arestas laterais de edifícios pode ser útil em algumas aplicações, como no próprio cálculo da altura dos edifícios, podendo esta altura ser usada para o refinamento do processo de determinação de pontos homólogos (correlação de imagens). Também se destaca o uso desta informação em técnicas de reconstrução 3D dos edifícios da imagem.

Pelas análises dos experimentos realizados, a metodologia se mostrou viável para a determinação das bordas que definem os edifícios em imagens aéreas, sendo necessários mais estudos para solucionar alguns problemas específicos mostrados nos experimentos.

A redução do espaço de busca através da extração das regiões de sombra se mostrou satisfatória. O fato de serem extraídas áreas de vegetação como sendo de sombra não produziu dados equivocados na etapa de determinação das arestas de edifícios, quando estas sub-imagens foram processadas.

Apesar da complexidade da tarefa de extrair automaticamente feições específicas em imagens aéreas, houve apenas dois casos em que as bordas de duas feições foram identificadas como sendo de edifícios, mas na realidade não eram. Nestes dois casos, as feições selecionadas encontravam-se dispostas de forma radial, sendo que uma se representava um alinhamento de quadra e o outro um muro de divisa de lotes.

Como as arestas são determinadas a partir das bordas extraídas, a metodologia é logicamente dependente da qualidade da extração destas últimas. Deste modo, em alguns casos não foi possível a correta determinação da aresta lateral do edifício, devido ao fato da borda não representá-la corretamente.

(9)

Estes casos ocorreram por causa da própria estrutura física de alguns edifícios (como sacadas e janelas) e em outros casos devido à sombra do próprio edifício que é projetada sobre a sua face lateral visível na imagem.

Como sugestões para trabalhos futuros são recomendados:

• Aplicação de uma pré-análise nas imagens analisadas para a eliminação das áreas de vegetação, para que não aconteça a seleção de sombras de vegetação na etapa de geração das sub-imagens;

• Testes com outros extratores de borda, devido à importância desta etapa para a metodologia apresentada neste trabalho;

• Melhorias na definição dos limiares utilizados, de modo a torná-los mais genéricos;

• Adaptação da metodologia para a aplicação em imagens provenientes de sensores orbitais de alta resolução, visando à análise dos resultados e possibilidades de uso.

AGRADECIMENTOS

Os autores agradecem ao prof. Dr. Mário Luiz Lopez Reiss do Instituto de Geociências da Universidade Federal do Rio Grande do Sul pelas sugestões no desenvolvimento dos algoritmos e auxílio no uso das funções da biblioteca UPTK.

REFERÊNCIAS

ARTERO, A. O. Técnicas para a extração automática

de feições retas em imagens digitais. 1999 133 f.

Dissertação (Mestrado em Ciências Cartográficas) – Faculdade de Ciências e Tecnologia, Universidade Estadual Paulista, Presidente Prudente.

DEMARQUI, E. N. Determinação Automática da

Altura de Edifícios em Imagens Aéreas. 2007 134 f.

Dissertação (Mestrado em Ciências Cartográficas) – Faculdade de Ciências e Tecnologia, Universidade Estadual Paulista, Presidente Prudente.

GONZALEZ, R. C.; WOODS, R. E. Processamento de

imagens digitais. São Paulo: Edgard Blücher, 2000.

509p.

LI, Y.; SASAGAWA, T.; GONG, P. A System of the Shadow Detection and Shadow Removal for High Resolution City Aerial Photo. In: INTERNATIONAL SOCIETY FOR PHOTOGRAMMETRY AND REMOTE SENSING CONGRESS, XX, 2004, Istambul. Anais do

XX ISPRS Congress, 2004.

MADHAVAN, B. B; TACHIBANA, K.; SASAGAWA, T.; OKADA, H.; SHIMOZUMA, Y. Automatic Extraction of Shadow Regions in High-Resolution ADS40 Images - By Robust Approach of Feature Spaces

Analysis. INTERNATIONAL SOCIETY FOR

PHOTOGRAMMETRY AND REMOTE SENSING CONGRESS, XX, 2004, Istambul. Anais do XX ISPRS

Congress, 2004.

MIKHAIL, E. M., BETHEL, J. S., MCGLONE, J. C.

Introduction to modern Photogrammetry. New York:

John Wiley & Sons, 2001. 479 p.

PRADO, F. A.; SOUZA, G. G. B.; SILVA, H. A.; BARBOSA, L.; BARBOSA, L. A. Geração de Base

Cartográfica a partir de Fotografias Aéreas. Trabalho

de Graduação. Universidade Estadual Paulista, Faculdade de Ciências e Tecnologia, Curso de Graduação em Engenharia Cartográfica, Presidente Prudente, 2006. PRATT, W. K. Digital Image Processing. 2° ed. New York: John Wiley & Sons, 1991. 698p.

POLIDORIO, A. M.; IMAI, N. N.; TOMMASELLI, A. M. G.; FLORES, F. C.; FRANCO, C. Realce do grau de artificialidade de feições em imagens aéreas coloridas. In: Edson Aparecido Mitishita; Antonio Maria Garcia Tommaselli;. (Org.). Série em Ciências Geodésicas. 1 ed. Curitiba: Editora da Universidade Federal do Paraná, 2003, v. 3, p. 277-291.

REISS, M. L. L.; TOMMASELLI, M. G. UPTKImage: Uma Classe de Objetos para Manipulação de Imagens Digitais em Fotogrametria. In: CONGRESSO BRASILEIRO DE CARTOGRAFIA, XXII, 2005, Macaé.

Anais do XXII Congresso Brasileiro de Cartografia.

Rio de Janeiro – RJ: Sociedade Brasileira de Cartografia, 2005. v.1. p.1-9.

SALVADOR, E., CAVALLARO, A., EBRAHIMI, T. Cast shadow segmentation using invariant colour feature. In: Computer Vision and Image Understand. v. 95, p. 238-259, 2004.

SONKA, M.; HLAVAC, V.; BOYLE, R. Image

Processing Analysis and Machine Vision, 2ª ed.,

Brooks/Cole Publishing Company, 1999. 770p.

TAVARES, P.; FAGUNDES, P. M. Fotogrametria. Rio de Janeiro: Sociedade Brasileira de Cartografia. 1991. WOLF, P. R.; DEWITT, B. D. Elements of

Photogrammetry – with Applications in GIS. 3rd_ed.