Diferenças

Aqui você vê as diferenças entre duas revisões dessa página.

--- spring:legal:func [2008/11/25 17:34] – jpedro
+++ spring:legal:func [2008/12/04 17:01] – jpedro
@@ Linha 1: / Linha 1: @@
-=== Novas Funcionalidades (versão Spring 5) ===
-**Generalizações e Agregações**
+==== Generalização e Agregação ====
-A lingaugem LEGAL, a partir da versão 5 do Spring permite explorar as diferenças de resolução entre dados em modelagem a partir das estatísticas básicas tais como:
-Media, Mediana, Maioria, Minoria, Maximo e Minimo. A figura abaixo ilustra essa situação.
-Por exemplo, observe a expressão abaixo:
+A lingaugem LEGAL, a partir da versão 5 do Spring permite explorar as diferenças de resolução entre dados em modelagem a partir de estatísticas básicas tais como:
+  Media, Mediana, Maioria, Minoria, Maximo e Minimo.
+A figura abaixo ilustra as perdas de informação para representar um mapa a diferentes resoluções:\\
+{{spring:legal:wikleg001_.jpg|}}
+Observe a expressão abaixo:\\
   ndvi_20 = (nir - red)/(nir + red);
-Supondo que as as bandas radiometricas ("red" e "near-infrared") tem resolução 20x20m, essa equação nos dá o indice de vegetação a cada local (pixel, cela) de uma área de trabalho. Entretanto poderemos ter generalizações baseadas nesses dados de sensores a diferentes resoluções, por exemplo:
+Supondo que as variáveis //red// e //nir// representam imagens radiometricas nas bandas do vermelho e o infra-vermelho proximo, na resolução 20x20m, a equação acima nos dá o indice de vegetação para cada local (pixel, cela) de uma área de trabalho. Entretanto pode-se ter generalizações baseadas nesses dados de sensores a diferentes resoluções, por exemplo:
   ndvi_200 = Maximo ( (nir - red)/(nir + red) );
@@ Linha 28: / Linha 32: @@
 Dessa maneira o LEGAL pode ajudar em estudos visando a adequação de escala e resolução para integrar dados de sensores em modelagem.
-** Operações de vizinhança **
+==== Operações de Vizinhança ====
+(a partir da versão Spring 5.0.4.2)
+Com o objetivo de permitir o desenho mais flexivel e explicito de operações envolvendo vizinhanças foi introduzida uma Função "Distancia" que implementa a distancia dada pelo número mínimo de celas entre cada local e o foco da vizinhança que o contém, como na figura:
+{{spring:legal:legwik002.jpg|}}
+A partir de operações de ordem ou igualdade pode-se então efetivamente definir vizinhanças. Por exemplo a região ressaltada na figura anterior pode ser descrita de diversas maneiras:
+  (Distancia()== 2)
+  (1 < Distancia() < 3)
+  (2 <=Distancia() < 3)
+  ...
+Uma grande variedade de vizinhanças podem ser assim especificadas, como ilustrado na figura:
+{{spring:legal:wikleg003.jpg|}}
+A interação entre as vizinhanças assim definidas e os dados matriciais de uma base de dados pode entao ser modelada como o "produto" entre a região e as variáveis que representam mapas, grades e imagens, de uma base de dados, resultando em expressões tais como:
+  ((Distancia() < 3) * nir)
+  ((Distancia() < 3) * red)
+A partir daí pode-se então extrair estatisticas simples tais como:
+  Media, Mediana, Maioria, Minoria, Maximo e Minimo.
+Permitindo a descrição de diversas operações de vizinhança, como ilustrado abaixo:
+  nir_av = Media ((Distance() < 3) * nir));
+  red_av = Media ((Distance() < 3) * red));
+  ndvi_av = Media ((Distance() < 3) * ((nir - red)/(nir + red)));
+Segue-se um exemplinho que descreve um método de detecção de alvos, cuja expressão matemática pode ser dada pela equação:
+  det = (m0 - m1) / s1
+Aqui, **m0** representa uma imagem com os valores médios nas vizinhanças 3x3 de cada pixel de uma imagem original, **m1** por sua vez representa outra imagem com as médias sobre vizinhanças definidas pelo conjunto diferença entre vizinhanças 9x9 e 3x3, sobre essas mesmas vizinhanças é então determinado o desvio padrão correspondente, representado pela variável **s1**. As linhas relevantes de um programa em LEGAL para implementar esse método são exemplificadas abaixo:
+  m0 =  Media((Distance() <= 1) * m) ;
+  m1 =  Media((1 < Distance() < 4) * m) ;
+  s1 =  sqrt (Media((1<(Distance()< 4) * (m- m1)^2)) ;
+  det = (m0- m1) / s1 ;
+A figura a seguir ilustra as diferentes vizinhanças envolvidas no programa acima, a imagem de entrada representada pela variável **m**, as médias e a imagem resultante associada à variável **det**
+{{spring:legal:legwik004.jpg|}}