Please use this identifier to cite or link to this item: https://repositorio.ufu.br/handle/123456789/31718
Full metadata record
DC FieldValueLanguage
dc.creatorAvelar, Marcelo Henrique Freitas-
dc.date.accessioned2021-05-06T16:18:46Z-
dc.date.available2021-05-06T16:18:46Z-
dc.date.issued2021-02-
dc.identifier.citationAVELAR, Marcelo Henrique Freitas. Metodologia para análise da deformação rígida e elástica entre diferentes bandas de uma imagem multiespectral. 2020. 57 f. Trabalho de Conclusão de Curso (Graduação em Engenharia Mecatrônica) – Universidade Federal de Uberlândia, Uberlândia, 2021.pt_BR
dc.identifier.urihttps://repositorio.ufu.br/handle/123456789/31718-
dc.description.abstractAs part of human evolution, among many other processes, technology leads to improve farming techniques through Unmanned Aerial Vehicles (UAV), focusing on better plan-tations and, consequently, on foods’ quality. This vehicles works on registering tillages’ photos by multispectral cameras. This paper proposes a methodology based on turningfunctions, to analyze the deformation of multispectral images obtained by UAV, classify-ing it through polygonal shapes comparison. One of the main challenges in this context is the classification and alignment of the deformations among the different bands, whereas combining many bands of multispectral images must provide better and diversified re-sults. Using the Control Point Selection (cpselect) tool, common points between pairs of different bands were manually obtained. Then, an algorithm was executed to obtain the best polygon formed by this points. Finally, using those best polygons, the method of turn-ing functions was applied for polygonal shapes comparison and then the dissimilarities were registered. Preliminary results has shown that both blue and green bands obtained better shape matching, whereas red and NIR were less similar (according to the adopted parameters). The purposed method was validated and performed good results too, as shown by some other authors. It was possible to verify which pair of bands worst or best matches one with another. However, the method couldn’t be concluded for another plantation types or another multispectral camera, once this method was validated just for a image’s series registered just by one camera. Therefore, future works with different types of plantations are necessary for a more generalized validation.pt_BR
dc.languageporpt_BR
dc.publisherUniversidade Federal de Uberlândiapt_BR
dc.rightsAcesso Abertopt_BR
dc.rights.urihttp://creativecommons.org/licenses/by-sa/3.0/us/*
dc.subjectDeformaçãopt_BR
dc.subjectDeformationpt_BR
dc.subjectElásticapt_BR
dc.subjectNon-rigidpt_BR
dc.subjectBandaspt_BR
dc.subjectBandpt_BR
dc.subjectRígidapt_BR
dc.subjectRigidpt_BR
dc.subjectMultiespectralpt_BR
dc.subjectMultispectralpt_BR
dc.subjectProcessamentopt_BR
dc.subjectProcessingpt_BR
dc.subjectDigitalpt_BR
dc.subjectImagenspt_BR
dc.subjectImagespt_BR
dc.subjectPDI sensoriamento remotopt_BR
dc.subjectSensingpt_BR
dc.subjectRemotept_BR
dc.subjectGeoprocessamentopt_BR
dc.subjectGeoprocessingpt_BR
dc.subjectDissimilaridadept_BR
dc.subjectDissimilaritypt_BR
dc.subjectTangentept_BR
dc.subjectTangentpt_BR
dc.subjectCumulativopt_BR
dc.subjectVANTpt_BR
dc.subjectRegistropt_BR
dc.subjectRegisteringpt_BR
dc.subjectInfravermelhopt_BR
dc.subjectInfraredpt_BR
dc.subjectMosaicopt_BR
dc.subjectMosaicpt_BR
dc.subjectSimilaridadept_BR
dc.subjectSimilaritypt_BR
dc.subjectEuclidianopt_BR
dc.subjectEuclidianpt_BR
dc.subjectInfravermelho próximopt_BR
dc.subjectNear-infraredpt_BR
dc.subjectNIRpt_BR
dc.subjectTilept_BR
dc.subjectKAZEpt_BR
dc.subjectSURFpt_BR
dc.subjectMSERpt_BR
dc.subjectRed-edgept_BR
dc.subjectDronept_BR
dc.subjectOverlappt_BR
dc.subjectPointspt_BR
dc.subjectPolygonalpt_BR
dc.subjectShapept_BR
dc.subjectPolygonpt_BR
dc.subjectDistancept_BR
dc.subjectAffinept_BR
dc.subjectTurning functionpt_BR
dc.subjectFunctionpt_BR
dc.subjectMatlabpt_BR
dc.subjectTurningdistpt_BR
dc.subjectCpselectpt_BR
dc.subjectTransformaçãopt_BR
dc.subjectTransformationpt_BR
dc.subjectRGBpt_BR
dc.subjectCamerapt_BR
dc.subjectSatelitept_BR
dc.subjectSatellitept_BR
dc.subjectCombinaçãopt_BR
dc.subjectMatchingpt_BR
dc.subjectPolígonopt_BR
dc.subjectPlantaçãopt_BR
dc.subjectVegeraçãopt_BR
dc.subjectCampopt_BR
dc.titleMetodologia para análise da deformação rígida e elástica entre diferentes bandas de uma imagem multiespectralpt_BR
dc.title.alternativeMethodology for the analysis of rigid and elastic deformation between different bands of a multispectral imagept_BR
dc.typeTrabalho de Conclusão de Cursopt_BR
dc.contributor.advisor1Escarpinati, Mauricio Cunha-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/5939941255055989pt_BR
dc.contributor.referee1Backes, André Ricardo-
dc.contributor.referee1Latteshttp://lattes.cnpq.br/8590140337571249pt_BR
dc.contributor.referee2Silva, Leandro Henrique Furtado Pinto-
dc.contributor.referee2Latteshttp://lattes.cnpq.br/4534176583993364pt_BR
dc.creator.Latteshttp://lattes.cnpq.br/8896044796795332pt_BR
dc.description.degreenameTrabalho de Conclusão de Curso (Graduação)pt_BR
dc.description.resumoComo parte da evolução humana, entre tantos outros processos, a tecnologia leva ao aprimoramento das técnicas agrícolas por meio de Veículos Aéreos Não Tripulados (VANT), com foco no melhor plantio e, consequentemente, na qualidade dos alimento. Este trabalho propõe uma metodologia baseada em funções de ângulo acumulativo para analisara deformação de imagens multiespectrais obtidas por VANT, classificando-as através da comparação entre formas poligonais. Um dos principais desafios neste contexto é a classificação e alinhamento das deformações entre as diferentes bandas, uma vez que, aocombinar-se diferentes faixas do espectro, obtemos resultados melhores e diversificados. Usando a ferramenta Seleção de Ponto de Controle (cpselect), pontos comuns entre pares de bandas diferentes foram obtidos manualmente. Posteriormente, um algoritmo foi exe-cutado para obter o melhor polígono formado por estes pontos. Finalmente, utilizando os polígonos obtidos, o método das funções de ângulo acumulativo foi aplicado para comparação das formas poligonais e, em seguida, as dissimilaridades registradas. Os resultados preliminares mostraram que as bandas azul e verde obtiveram uma melhor correspondência de forma, enquanto avermelha e NIR eram menos semelhantes (de acordo com os parâmetros adotados). O método proposto foi validado e também apresentou boas con-siderações por alguns outros autores. Foi possível verificar qual par de bandas melhor ou pior combina uma com a outra. Porém, o método não pode ser concluído para outra câmera multiespectral, uma vez que este método foi validado apenas para uma série de imagens registradas apenas por uma câmera. É necessário, portanto, futuros trabalhos com outros tipos diversificados de plantios para uma validação mais generalizada.pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.courseEngenharia Mecatrônicapt_BR
dc.sizeorduration61pt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAOpt_BR
dc.subject.cnpqCNPQ::ENGENHARIAS::ENGENHARIA ELETRICA::TELECOMUNICACOESpt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO::PROCESSAMENTO GRAFICO (GRAPHICS)pt_BR
Appears in Collections:TCC - Engenharia Mecatrônica

Files in This Item:
File Description SizeFormat 
MetodologiaParaAnálise.pdf2.27 MBAdobe PDFThumbnail
View/Open


This item is licensed under a Creative Commons License Creative Commons