índices de validação considerados também são propostas com o objetivo de reduzir o custo computacional do processo de classi cação das imagens;
Aplicar técnicas de análise de textura em imagens para avaliar e ltrar amostras de treina- mento e/ou protótipos do SOM que correspondem a regiões de transição entre classes de cobertura terrestre. Tais protótipos, juntamente com os pixels da imagem associados a eles, são tratados de maneira especial procurando garantir um melhor desempenho na classi cação das imagens;
Incorporar informações espaciais a respeito dos protótipos do SOM em critérios de fusão de agrupamentos, além das informações de distância multiespectral. Medidas de com- pacidade e de fronteira espaciais são utilizadas para facilitar a discriminação de classes de cobertura terrestre que apresentam alto grau de similaridade espectral;
Comparar o desempenho dos métodos de classi cação propostos com métodos convencio- nais de classi cação não-supervisionada de imagens de sensoriamento.
1.3 Organização do texto
O presente documento está dividido em sete capítulos. Este primeiro capítulo apresenta o contexto dentro do qual o trabalho foi desenvolvido, seus aspectos relevantes e objetivos.
O capítulo 2 apresenta os fundamentos teóricos do sensoriamento remoto, descrevendo par- ticularmente os mecanismos e sistemas envolvidos no processo de aquisição de dados em nível orbital. O capítulo 2 também apresenta as características e as principais técnicas de processa- mento digital de imagens de sensores remotos, onde os paradigmas e métodos tradicionais de classi cação de imagens são abordados de maneira especial.
O capítulo 3 descreve as características e propriedades do SOM, além de apresentar seu algoritmo de aprendizagem e considerações sobre seus parâmetros de treinamento. O mesmo capítulo apresenta, ainda, uma breve revisão sobre métodos que buscam segmentar de maneira automática os neurônios de um SOM treinado, descrevendo em particular o método de segmen- tação do SOM proposto por Costa e Andrade Netto (1999, 2001), o qual serviu de base para
os métodos de classi cação apresentados nos capítulos 4 e 5 .
Os capítulos 4, 5 e 6 apresentam os métodos de classi cação de imagens de sensoriamento remoto propostos neste trabalho. O capítulo 4 apresenta um metodologia de classi cação que emprega técnicas de morfologia matemática para realizar o particionamento do SOM. Considerações sobre o processo de amostragem das imagens e explicações sobre os parâmetros adotados para o treinamento do SOM também são relatadas. O capítulo 4 mostra, ainda, a aplicação do método de classi cação proposto e compara o seu desempenho com o do algoritmo K-médias.
O capítulo 5 apresenta um aprimoramento da metodologia de classi cação apresentada no capítulo 4, onde índices de validação de agrupamentos são aplicados para avaliar a qualidade de diferentes partições dos conjuntos de dados das imagens. Uma estratégia para simpli car o cálculo dos índices baseada na abstração de dados produzido pelo SOM também é apresen- tada, incluindo uma revisão sobre diferentes índices de validação propostos na literatura e uma análise experimental comparativa sobre um conjunto de índices pré-selecionados. O capítulo 5 apresenta, também, um método de ltragem de amostras baseado em medidas de textura para acentuar as bordas da U-matrix.
Diferentemente dos métodos apresentados nos capítulos 4 e 5, o capítulo 6 deste trabalho apresenta um método de classi cação de imagens que emprega um método de agrupamento hierárquico com restrições de conectividade, e que incorpora informações espaciais, além de informações de distância, para segmentar os protótipos do SOM. Comparações do método de classi cação proposto com o algoritmo K-médias padrão, e com uma versão "janelada" do mesmo, são apresentadas.
O capítulo 7 apresenta algumas considerações nais sobre os métodos de classi cação pro- postos, uma análise das principais contribuições deste trabalho e perspectivas de trabalhos futuros.
Finalmente, esta tese apresenta, ainda, uma mídia (CD) com informações adicionais sobre os desenvolvimentos e testes experimentais realizados neste trabalho.
Capítulo 2
Processamento Digital de Imagens de
Sensoriamento Remoto
2.1 Introdução
A função principal do processamento digital de imagens de sensoriamento remoto é a de prover técnicas e ferramentas que facilitem a identi cação e extração de informações contidas nas imagens sobre fenômenos ou alvos da superfície terrestre. Para isso, sistemas dedicados de computação são utilizados para realizar atividades de análise e tratamento de imagens bru- tas coletadas pelos sensores remotos. Esses sistemas computacionais basicamente apresentam técnicas que tentam simular a capacidade do sistema visual humano em reconhecer padrões espectrais existentes em uma cena da superfície terrestre (representada pelo conjunto de pixels da imagem). O resultado desse processo é a produção de outras imagens, contendo informações especí cas, extraídas e/ou realçadas.
A grande vantagem proporcionada pelo uso de técnicas computacionais no reconhecimento de padrões em imagens é a capacidade de processar o grande volume de informações presentes numa cena. Embora o sistema visual humano possua uma habilidade notável de identi car padrões, di cilmente ele é capaz de analisar rapidamente a enorme quantidade de informações detalhadas existentes em uma imagem. Diferentes tipos de ruídos e distorções, ocasionados pelos processos de aquisição, transmissão e visualização de imagens coletadas por sensores re-
motos, também colaboram para limitar ainda mais a capacidade do olho humano (Crósta, 1992). As técnicas do processamento digital de imagens de sensoriamento visam, portanto, eliminar essas barreiras, promovendo a extração de informações das imagens através da au- tomatização da análise dos dados contidos nas mesmas, substituindo assim procedimentos de interpretação visual.
Um aspecto importante, que deve ser considerado quando se pretende estudar e desenvolver técnicas para o processamento digital de imagens de sensoriamento remoto, é o fato dessas ima- gens serem adquiridas em diferentes faixas do espectro eletromagnético, o que as confere uma característica multiespectral. Apresentando essa característica, as imagens de sensoriamento remoto geralmente se diferenciam de outras imagens digitais. Em vista disso, conforme ressalta Mather (2004), para que se possa entender as propriedades de uma imagem de sensoriamento remoto e interpretar adequadamente os padrões de cobertura terrestre existentes na mesma é importante compreender os mecanismos envolvidos no seu processo de aquisição.
Nesse sentido, este capítulo tem como objetivo apresentar os fundamentos do sensoriamento remoto, descrevendo basicamente os processos interativos da radiação eletromagnética com a superfície terrestre, os diferentes níveis de aquisição de dados e, em particular, os mecanismos e sistemas envolvidos no processo de aquisição de imagens em nível orbital. Posteriormente, as características das imagens de sensoriamento remoto e suas principais técnicas de processamento são apresentadas, onde os paradigmas e métodos tradicionais de classi cação são abordados de maneira especial.