@InProceedings{OliveiraFormEpipLuiz:2002:ApAg,
               author = "Oliveira, J{\'u}lio C{\'e}sar and Formaggio, Antonio Roberto and 
                         Epiphanio, Jos{\'e} carlos Neves and Luiz, Alfredo Jos{\'e} 
                         Barreto",
                title = "{\'{\I}}ndice para avalia{\c{c}}{\~a}o de 
                         segmenta{\c{c}}{\~a}o (IAVAS): uma aplica{\c{c}}{\~a}o em 
                         agricultura",
                 year = "2002",
         organization = "Simp{\'o}sio Latino-Americano de Percepcion Remota Y Sistemas de 
                         Information Espacial, 10; Reunion Plenaria de SELPER, 21.",
             keywords = "AGRONOMIA, digital processing, image segmentation, agricultural 
                         statistics, Landsat.",
             abstract = "Remote sensing techniques are increasingly been used for obtaining 
                         more rapid, accurate and cheap agricultural statistics comparing 
                         with the current subjective used methodologies. One important 
                         aspect of these methodologies is the estimation of the crop areas 
                         that must be made in objective ways. Orbital imagery may allow 
                         approaches in the municipality or in the county levels, so that 
                         the use of segmentation algorithms for extracting the limits of 
                         the crop plots is an essential step in the process of agricultural 
                         land use classification. Thus, the main objective of the present 
                         research was the development of a quantitative method for 
                         evaluating results of orbital imagery segmentation. Proposed 
                         methodology also defines criteria for selecting thresholds (area 
                         and similarity)for the used segmentation algorithm. From the 
                         obtained results it was verified that the quantitative methodology 
                         proposed was suitable and competent for defining the excellent 
                         segmentation thresholds. The area/similarity thresholds pair 16/24 
                         provided the best segmentation results for the study area when 
                         considering reference data obtained with field data. But, when 
                         reference data were obtained by the user through manual 
                         interpretation, the thresholds that produced the best segmentation 
                         results were 16/44 and 16/45. RESUMO: Partindo da hip{\'o}tese de 
                         que a t{\'e}cnica de classifica{\c{c}}{\~a}o de imagens por 
                         regi{\~o}es, associada aos dados oriundos de sensoriamento 
                         remoto, {\'e} um meio eficaz para estimar {\'a}rea plantada, o 
                         presente trabalho teve como objetivo geral o desenvolvimento um 
                         sistema quantitativo para avalia{\c{c}}{\~a}o dos resultados 
                         gerados no processo de segmenta{\c{c}}{\~a}o de imagens 
                         digitais. Tal sistema de avalia{\c{c}}{\~a}o baseou-se em 
                         medidas de discrep{\^a}ncia, em rela{\c{c}}{\~a}o a um dado de 
                         refer{\^e}ncia, usando os seguintes par{\^a}metros: 
                         a)n{\'u}mero de pol{\'{\i}}gonos; b)comprimento total de 
                         linhas; c)vari{\^a}ncia das {\'a}reas dos pol{\'{\i}}gonos; 
                         d)centro de massa mais pr{\'o}ximo; e e)faixa de 
                         coincid{\^e}ncia. A metodologia aqui apresentada define 
                         tamb{\'e}m crit{\'e}rios para a escolha dos limiares 
                         (similaridade e {\'a}rea)para o algoritmo de 
                         segmenta{\c{c}}{\~a}o por crescimento de regi{\~o}es. A partir 
                         dos resultados obtidos, verificou-se que o sistema quantitativo 
                         proposto mostrou-se competente no processo de 
                         avalia{\c{c}}{\~a}o dos resultados gerados pelo algoritmo 
                         segmentador. O par de limares 16/24 (similaridade / 
                         {\'a}rea)forneceu a melhor segmenta{\c{c}}{\~a}o para a 
                         {\'a}rea de estudo quando os dados de refer{\^e}ncia foram 
                         obtidos por levantamento de campo. Por{\'e}m, ao adotar como dado 
                         de refer{\^e}ncia a interpreta{\c{c}}{\~a}o visual feita em 
                         tela do computador pelo operador, os pares de limiares 16/44 e 
                         16/45 foram os que proporcionaram as melhores 
                         segmenta{\c{c}}{\~o}es.",
  conference-location = "Cochabamba, Bolivia",
      conference-year = "11-15 nov. 2002",
                label = "10345",
             language = "pt",
           targetfile = "INPE 9420.pdf",
        urlaccessdate = "28 abr. 2024"
}