VECTORIZAÇÃO DE PMOT´S    ATRAVÉS DE PROCESSOS        AUTOMÁTICOS E    SEMIAUTOMÁTICOS COM  RECURSO A SOFTWARE LIVREMarcel...
OBJETIVOS GERAIS Explicitar a aprendizagem e as tarefas realizadas durante o  período de estágio no Serviço de SIG da Câm...
OBJETIVOS ESPECÍFICOS: 1. ESTÁGIO Aquisição de informação geográfica através da digitalização  de plantas dos PMOT em sup...
OBJETIVOS ESPECÍFICOS: 2. METODOLOGIA      CONVERSÃO RASTER PARA VETORIAL   Preparação dos mapas para digitalização;   D...
ESCOLHA DO TEMA: Existe uma quantidade expressiva de bibliografia sobre a  conversão de informação raster para vetorial;...
CRONOGRAMA
ESTÁGIO
ESTÁGIO: ATIVIDADES
ESTÁGIO: LISTA DE PMOT’S              SELECIONADOS                     Plano                       Data                   ...
ESTÁGIO: SINÓPSE
METODOLOGIA PARAVECTORIZAÇÃO DOS            PMOT
SOFTWARE LIVRESoftware livre é aquele cuja licença de utilização, permite queos utilizadores executem, copiem, distribuam,...
SOFTWARE UTILIZADO  Software                        Utilidade                            FunçõesFiji          Pacote de pr...
METODOLOGIA      Raster   para   VectorialSistema de                       Modelo de   Visão                       Kolesni...
METODOLOGIA: SVA A estrutura de um Sistema de Visão Artificial” (SVA ) é um  sistema capaz de adquirir, processar e inter...
METODOLOGIA: MODELO DE KOLESNIKOV     Pré-processamento          Processamento        Pós-processamentoa) Binarização     ...
ESQUEMA METODOLÓGICO
METODOLOGIA: DIGITALIZAÇÃO Equipamento utilizado: Scanner de alimentação de grandes  dimensões e de grande precisão.     ...
METODOLOGIA: PRÉ-PROCESSAMENTO Recorte da área de estudo:
METODOLOGIA: PRÉ-PROCESSAMENTO Eliminação da informação marginal   Legendas, título, rosa-dos-ventos, margens, notas de ...
METODOLOGIA: PRÉ-PROCESSAMENTO                Filtro Gaussiano     Original               Filtro Seletivo Gaussiano
METODOLOGIA: SEGMENTAÇÃO A Segmentação permite subdividir a imagem nas diversas  partes ou objetos constituintes:
TIPOS DE SEGMENTAÇÃO:Crescimento de regiões:•Os algoritmos de crescimento de regiões procedem a uma busca por grupos de pi...
METODOLOGIA: SEGMENTAÇÃO  Parâmetros para alcançar uma boa segmentação: As regiões de uma imagem a segmentar deverão ser ...
METODOLOGIA: SEGMENTAÇÃO Experimentação de 11 algoritmos de segmentação disponíveis  nos softwares GIMP e FIJI:     Seleç...
SEGMENTAÇÃO                             StatisticalAdaptive Edge                              Region  Detection           ...
METODOLOGIA: REFINAMENTO Consiste na filtragem dos objetos segmentados através de um  método designado de morfologia mate...
METODOLOGIA: GEORREFERENCIAÇÃO Georreferenciação: Elaborado com a ferramenta  “georreferenciador” do Quantum GIS, tendo p...
METODOLOGIA: VECTORIZAÇÃO Vectorização: elaborado a partir do módulo “ r.to.vect” do  GRASS, com as opções “s” (suavizaçã...
METODOLOGIA: PÓS-PROCESSAMENTO Módulo “v.clean” do Grass para resolução de problemas  “topológicos”:                     ...
RESULTADOS
VECTORIZAÇÃO: STATICAL REGION          MERGING
VECTORIZAÇÃO: ADAPTIVE EDGE         DETECTION
VECTORIZAÇÃO: NÍVEL DE ALTERAÇÕES    Verde (original); amarelo (alterado); vermelho (vetorizado manualmente)
RESULTADOS: ÁREA DAS FEIÇÕES POR         TIPOLOGIA (M 2 E %)                    Área total vetorizada: 46 617 m 2 ; 78% d...
RESULTADOS: PERCENTAGEM DAS        FEIÇÕES POR TIPOLOGIA                  199 Feições digitalizadas: 64% das feições não ...
RESULTADO FINAL
METODOLOGIA: CONCLUSÃO Resultados satisfatórios: permite a poupança de tempo e  trabalho na vectorização; Metodologia or...
FIM
Próximos SlideShares
Carregando em…5
×

Vectorização de PMOT´s através de processos automáticos e semiautomáticos com recurso a software livre

347 visualizações

Publicada em

Vectorização de PMOT´s através de processos automáticos e semiautomáticos com recurso a software livre

0 comentários
0 gostaram
Estatísticas
Notas
  • Seja o primeiro a comentar

  • Seja a primeira pessoa a gostar disto

Sem downloads
Visualizações
Visualizações totais
347
No SlideShare
0
A partir de incorporações
0
Número de incorporações
1
Ações
Compartilhamentos
0
Downloads
3
Comentários
0
Gostaram
0
Incorporações 0
Nenhuma incorporação

Nenhuma nota no slide

Vectorização de PMOT´s através de processos automáticos e semiautomáticos com recurso a software livre

  1. 1. VECTORIZAÇÃO DE PMOT´S ATRAVÉS DE PROCESSOS AUTOMÁTICOS E SEMIAUTOMÁTICOS COM RECURSO A SOFTWARE LIVREMarcelo SilvaOrientador: Prof. Alberto Gomes
  2. 2. OBJETIVOS GERAIS Explicitar a aprendizagem e as tarefas realizadas durante o período de estágio no Serviço de SIG da Câmara Municipal de Esposende; Desenvolvimento de uma metodologia apoiada em software SIG livre, para a vectorização de Planos Municipais de Ordenamento do Território (PMOT) elaborados em formato raster;
  3. 3. OBJETIVOS ESPECÍFICOS: 1. ESTÁGIO Aquisição de informação geográfica através da digitalização de plantas dos PMOT em suporte papel; Aquisição de técnicas de manuseamento e utilização otimizada de scanner de grandes dimensões; Aquisição de competências na utilização de software SIG Geomedia; Elaboração de um projeto SIG de espacialização da informação; Disponibilização dos PMOT no portal webSIG;
  4. 4. OBJETIVOS ESPECÍFICOS: 2. METODOLOGIA CONVERSÃO RASTER PARA VETORIAL Preparação dos mapas para digitalização; Digitalização dos PMOT; Seleção de softwares livres a utilizar; Pré-processamento das imagens; Experimentação dos diversos algoritmos de segmentação; Vectorização dos PMOT; Pós-processamento da informação vetorizada;
  5. 5. ESCOLHA DO TEMA: Existe uma quantidade expressiva de bibliografia sobre a conversão de informação raster para vetorial; O boom no estudo da temática e no desenvolvimento de algoritmos de segmentação deu-se na década de 80 e 90 do século XX; A conversão de informação raster para vetorial é do interesse de diversas áreas do saber (medicina, geografia, indústria, segurança, etc) No domínio dos SIG, existe alguma metodologia desenvolvida:  Extração de feições a partir de imagens de satélite (extração da rede viária e edificado). No campo da conversão de informação gráfica disponível em mapas e car tas para o formato vetorial, não foi encontrada uma metodologia que abrangesse de uma forma relevante todos os aspetos que envolvem este processo.
  6. 6. CRONOGRAMA
  7. 7. ESTÁGIO
  8. 8. ESTÁGIO: ATIVIDADES
  9. 9. ESTÁGIO: LISTA DE PMOT’S SELECIONADOS Plano Data AutorEsboceto do Anteplano de Urbanização de 1967 Arq. Carlos Carvalho Dias e Arq. Lúcio MirandaEsposendePlano de Urbanização da Área Central de 1994 PLANUMEsposendePlano de Pormenor da Zona Centro de 1992/1996 Arq. Bernardo FerrãoEsposende e LagoaPlano de Pormenor da Área Nascente do 1993/1998 Arq. Bernardo FerrãoAglomerado de EsposendePlano de Pormenor da Zona Norte de Esposende 1983/1997 Arq. Bernardo FerrãoPlano de Pormenor de Urbanização da Zona a 1985 TECNOPORNascente da E.N.13Plano Geral de Urbanização Apúlia 1986 TECNOPORPlano de Urbanização de Apúlia 1995 PLANUMPlano Geral de Urbanização entre Ofir, Fão e 1984 TECNOPORApúliaPlano de Pormenor de Urbanização da Zona 1984 TECNOPORSituada entre Esposende e Marinhas.
  10. 10. ESTÁGIO: SINÓPSE
  11. 11. METODOLOGIA PARAVECTORIZAÇÃO DOS PMOT
  12. 12. SOFTWARE LIVRESoftware livre é aquele cuja licença de utilização, permite queos utilizadores executem, copiem, distribuam, alterem emelhorem o sof tware original. Comparação aproximada de custos entre software proprietário e livre:
  13. 13. SOFTWARE UTILIZADO Software Utilidade FunçõesFiji Pacote de processamento gráfico SegmentaçãoGIMP Processamento de imagens Segmentação/recorte de imagensMirone Processamento de imagens georreferenciadas Morfologia MatemáticaQuantum GIS SIG Desktop Layout final/ GeorreferenciaçãoGrass SIG Desktop Vectorização; pós-processamento
  14. 14. METODOLOGIA Raster para VectorialSistema de Modelo de Visão Kolesnikov Artificial
  15. 15. METODOLOGIA: SVA A estrutura de um Sistema de Visão Artificial” (SVA ) é um sistema capaz de adquirir, processar e interpretar imagens correspondentes a cenas reais.
  16. 16. METODOLOGIA: MODELO DE KOLESNIKOV Pré-processamento Processamento Pós-processamentoa) Binarização a) Esqueletização a) Filtragemb) Filtragem de ruído b) Vetorização b) Análisec) Segmentação c) Interpretação
  17. 17. ESQUEMA METODOLÓGICO
  18. 18. METODOLOGIA: DIGITALIZAÇÃO Equipamento utilizado: Scanner de alimentação de grandes dimensões e de grande precisão. Site da CME: 100 DPI (JPEG) Destino Vectorização: 300 DPI (TIFF) Planta de Síntese do Plano de Pormenor de Urbanização da Zona Situada entre Esposende e Cepães, (Escala 1/1000): exemplar representativo ao nível das características dos polígonos, áreas com trama, diversidade das feições, etc.
  19. 19. METODOLOGIA: PRÉ-PROCESSAMENTO Recorte da área de estudo:
  20. 20. METODOLOGIA: PRÉ-PROCESSAMENTO Eliminação da informação marginal  Legendas, título, rosa-dos-ventos, margens, notas de rodapé, etc. Ajuste do contraste  Realce da imagem Remoção do ruído  Existe um conjunto de filtros, para este tipo de operação: ajuste do brilho (brightness) da imagem, filtros morfológicos, filtro Gaussiano, etc . Utilizou-se o filtro Gaussiano seletivo, que permite suavizar as áreas na fotografia que se encontram abaixo de um determinado limiar sem afetar as feições.
  21. 21. METODOLOGIA: PRÉ-PROCESSAMENTO Filtro Gaussiano Original Filtro Seletivo Gaussiano
  22. 22. METODOLOGIA: SEGMENTAÇÃO A Segmentação permite subdividir a imagem nas diversas partes ou objetos constituintes:
  23. 23. TIPOS DE SEGMENTAÇÃO:Crescimento de regiões:•Os algoritmos de crescimento de regiões procedem a uma busca por grupos de pixels com uma determinada propriedade de similaridade, como pertencentes a uma mesma região e por isso são utilizados para a deteção de regiões homogéneas.Contorno:• É um algoritmo capaz de detetar as bordas dos objetos, a partir dos quais, constrói os seus contornos, considerando assim como um objeto a região dentro desse contorno.
  24. 24. METODOLOGIA: SEGMENTAÇÃO Parâmetros para alcançar uma boa segmentação: As regiões de uma imagem a segmentar deverão ser uniformes e homogéneas no que diz respeito a determinadas características: como a textura ou os tons de cinzento; O interior das regiões deverá ser simples e com poucos “buracos”; As regiões adjacentes deverão ter valores muito diferentes no que diz respeito às características que as caracterizam e deverão ser também uniformes; Os limites de cada segmento deverão ser simples e não rugosos e espacialmente precisos;
  25. 25. METODOLOGIA: SEGMENTAÇÃO Experimentação de 11 algoritmos de segmentação disponíveis nos softwares GIMP e FIJI: Seleção de 2 algoritmos com os melhores resultados. Original Adaptive edge Statistical Region detection Merging
  26. 26. SEGMENTAÇÃO StatisticalAdaptive Edge Region Detection Merging Vantagens: Bons Vantagens: Facilidade resultados na deteção de uso; bons resultados de bordas; facilidade de na criação de regiões de uso devido a ser um interesse e método automático; descriminação de pouco sensível ao ruído feições. Desvantagens: Desvantagens: não Dificuldade na deteção permite ajustes pelo de linhas mais operador. esbatidas.
  27. 27. METODOLOGIA: REFINAMENTO Consiste na filtragem dos objetos segmentados através de um método designado de morfologia matemática. A morfologia permite: realce da imagem, esqueletização, filtragem do ruído, etc. Imagem Original Encerramento Esqueletização (Segmentanção)
  28. 28. METODOLOGIA: GEORREFERENCIAÇÃO Georreferenciação: Elaborado com a ferramenta “georreferenciador” do Quantum GIS, tendo por base os ortofotos do concelho de Esposende (2003);
  29. 29. METODOLOGIA: VECTORIZAÇÃO Vectorização: elaborado a partir do módulo “ r.to.vect” do GRASS, com as opções “s” (suavização) e “ area” ativas; Adaptive edge detection Output Segmentação Statistical Region Merging
  30. 30. METODOLOGIA: PÓS-PROCESSAMENTO Módulo “v.clean” do Grass para resolução de problemas “topológicos”: Feições duplicadas Remoção de “ruído” Eliminação de áreas de pequenas dimensões Vectorização manual de feições Pós-processamento não reconhecidas Recuperação de entidades Edição de feições incorretamente representadas Reconhecimento de Definição dos objetos atributos
  31. 31. RESULTADOS
  32. 32. VECTORIZAÇÃO: STATICAL REGION MERGING
  33. 33. VECTORIZAÇÃO: ADAPTIVE EDGE DETECTION
  34. 34. VECTORIZAÇÃO: NÍVEL DE ALTERAÇÕES Verde (original); amarelo (alterado); vermelho (vetorizado manualmente)
  35. 35. RESULTADOS: ÁREA DAS FEIÇÕES POR TIPOLOGIA (M 2 E %) Área total vetorizada: 46 617 m 2 ; 78% da área total vetorizada não sofreu qualquer edição; 10% da área foi alterada as suas feições em parte; 12% da área total teve de ser vetorizada novamente; Área das feições 78% Inalteradas 36536,11 m2 10% Alteradas 4739,32 m2 12% Vetorizadas manualmente 5341,94 m2 100% Total 46617,37 m2
  36. 36. RESULTADOS: PERCENTAGEM DAS FEIÇÕES POR TIPOLOGIA 199 Feições digitalizadas: 64% das feições não sofreu qualquer tipo de intervenção; 21% das feições sofreu alterações ao nível da edição; 15% das feições tiveram de ser manualmente vetorizadas; Feições: Inalteradas Alteradas Vetorizadas manualmente 15% 21% 64%
  37. 37. RESULTADO FINAL
  38. 38. METODOLOGIA: CONCLUSÃO Resultados satisfatórios: permite a poupança de tempo e trabalho na vectorização; Metodologia orientada para documentos a vetorizar complexos e extensos; Necessidade de experiência e conhecimento do operador para:  Decidir quais etapas necessárias e dispensáveis, tendo em conta as características do documento a digitalizar (estado de conservação, cor, tipo e forma de representação da informação na planta);  Utilizar e configurar o software para obter os melhores resultados possíveis; Metodologia complexa do ponto de vista do número de etapas a realizar;
  39. 39. FIM

×