Ferramentas do usuário

Ferramentas do site


spring:legal:func

Diferenças

Aqui você vê as diferenças entre duas revisões dessa página.

Link para esta página de comparações

Ambos lados da revisão anteriorRevisão anterior
Próxima revisão
Revisão anterior
Próxima revisãoAmbos lados da revisão seguinte
spring:legal:func [2008/11/25 17:34] jpedrospring:legal:func [2008/12/04 17:01] jpedro
Linha 1: Linha 1:
-=== Novas Funcionalidades (versão Spring 5) === 
  
-**Generalizações Agregações**+==== Generalização 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 exemploobserve a expressão abaixo:+A lingaugem LEGALa 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);   ndvi_20 = (nir - red)/(nir + red);
  
-Supondo que as as bandas radiometricas ("red"near-infrared") tem resolução 20x20m, essa equação nos dá o indice de vegetação 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// //nir// representam imagens radiometricas nas bandas do vermelho e o infra-vermelho proximo, na resolução 20x20m, 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) );   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. 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|}}
  
spring/legal/func.txt · Última modificação: 2008/12/05 18:40 por jpedro