Tópicos Avançados de Deteção Remota

Código:

EG4011

Sigla:

EG4011

Áreas Científicas
Classificação	Área Científica
OFICIAL	Engenharia Geográfica

Ocorrência: 2021/2022 - 1S

Ativa?	Sim
Unidade Responsável:	Departamento de Geociências, Ambiente e Ordenamento do Território
Curso/CE Responsável:	Mestrado em Engenharia Geoespacial

Ciclos de Estudo/Cursos

Sigla	Nº de Estudantes	Plano de Estudos	Anos Curriculares	Créditos UCN	Créditos ECTS	Horas de Contacto	Horas Totais
M:EG	2	Plano de Estudos do M: ENG.GEO_2013-2014	2	-	6	56	162

Língua de trabalho

Português - Suitable for English-speaking students

Objetivos

O objetivo desta unidade curricular é apresentar os principais conceitos e técnicas de Processamento Digital de Imagem (PDI) com ênfase nas imagens adquiridas por sensores de deteção remota.

Resultados de aprendizagem e competências

Pretende-se que os estudantes:

- Conheçam e compreendam os principais conceitos e métodos usados no processamento de imagens de deteção remota.

- Sejam capazes de selecionar e utilizar as ferramentas de PDI adequadas para a extração de informação relevante a partir de imagens de deteção remota.

- Sejam capazes de aplicar os conhecimentos adquiridos na análise efetiva de dados simulados e experimentais, recorrendo a meios computacionais avançados.

Modo de trabalho

Presencial

Programa

1. Conceitos básicos de processamento digital de imagem.
2. Operações pontuais / Calibração de imagem.
3. Filtros espaciais / Redução de ruído.
4. Modelos de representação de cor.
5. Segmentação de imagem.
6. Operações Morfológicas.
7. Correções Geométricas / Referenciação de imagens.
8. Imagens multi-espectrais / Componentes principais.
9. Classificação de imagens multi-espectrais.
10. Clustering / Classificação não-supervisionada.
11. Operações no espaço das frequências.

Bibliografia Obrigatória

Richards J.A. Jia X.; Remote Sensing Digital Image Analysis
Gonzalez Rafael C.; Digital image processing. ISBN: 0-13-008519-7
Rafael C. Gonzalez; Digital image processing using MATLAB. ISBN: 0-13-008519-7

Bibliografia Complementar

Szeliski, R.; Computer Vision: Algorithms and Applications, Springer, 2010
Sonka Milan; Image processing, analysis, and machine vision. ISBN: 0-495-08252-X

Métodos de ensino e atividades de aprendizagem

As aulas TP são usadas em parte para apresentação de matéria teórica, ilustrada com exemplos variados, e tem outra parte dedicada à execução de pequenos projetos práticos (computacionais). As aulas do tipo “Outras” sãousadas para dar apoio à realização dos trabalhos práticos computacionais assim como esclarecer quaisquer dúvidas que os estudantes possam ter.

Software

SNAP
MATLAB

Tipo de avaliação

Avaliação distribuída com exame final

Componentes de Avaliação

Designação	Peso (%)
Prova oral	20,00
Trabalho escrito	30,00
Trabalho prático ou de projeto	50,00
Total:	100,00

Componentes de Ocupação

Designação	Tempo (Horas)
Estudo autónomo	60,00
Frequência das aulas	42,00
Elaboração de projeto	40,00
Trabalho escrito	20,00
Total:	162,00

Obtenção de frequência

Realização dos Trabalhos Práticos, com entrega dos respectivos relatórios dentro dos prazos fixados, e com classificação não inferior a 40% da cotação correspondente (8 valores na escala 0-20).
Os estudantes poderão ter de responder a questões relacionadas com os trabalhos práticos realizados, durante as aulas ou em exame oral.

Fórmula de cálculo da classificação final

A classificação final será determinada com base no desempenho nos trabalhos práticos (50%) e num mini-projeto individual (50%), não podendo nenhuma destas componentes ser inferior a 40% da cotação correspondente (8 valores na escala 0-20).

Melhoria de classificação

Os trabalhos práticos não são susceptíveis de melhoria de nota.