[pt] A presente tese investiga a representação explícita de conhecimento específico na interpretação de imagens de baixa resolução multitemporais adquiridas por satélite. Neste contexto, o termo conhecimento específico, se refere a todo e qualquer tipo de conhecimento que torna um indivíduo capaz de ou mais apto para realizar uma determinada tarefa. Dentro do escopo desta tese, conhecimento específico compreende o conjunto das informações necessárias para a interpretação de imagens de satélite de baixa resolução, como por exemplo: as características das classes presentes, o manejo agronômico e a ecologia da região de interesse. Assim sendo, a presente tese propõe um modelo para a interpretação baseada em conhecimento de imagens de satélite de baixa resolução visando reproduzir o raciocínio empregado pelo foto-intéprete ao realizar a interpretação visual. Neste modelo são empregadas diferentes formas de conhecimento específico: 1) Conhecimento espectral que associa as diversas assinaturas espectrais observadas na imagem de entrada às classes da legenda, agrupando em uma única classe espectral as classes da legenda cujas assinaturas espectrais sejam de difícil discriminação. 2) Conhecimento contextual que indica os diversos contextos relevantes para a discriminação de classes da legenda com assinaturas espectrais semelhantes. 3) Conhecimento multitemporal que relaciona, considerando a classificação anterior, as classificações possíveis no presente momento e a possibilidade de ocorrência de cada uma delas. A potencialidade desta abordagem foi avaliada através de uma série de experimentos, onde, como base de dados, são utilizadas imagens de duas regiões inseridas na Alta Bacia do Rio Taquari ao leste do pantanal mato-grossense. O objetivo primordial destes experimentos foi explicitar a contribuição de cada forma de conhecimento. Os resultados obtidos foram animadores e indicam que o uso de abordagens baseadas em conhecimento pode automatizar grande parte do processo de fotointerpretação, aumentando a produtividade dos foto-intérpretes. No futuro, os resultados da presente pesquisa contribuirão para a construção de sistemas capazes de realizar uma estratégia de interpretação qualquer a ser definida pelo próprio foto-intérprete, acelerando o monitoramento do uso do solo com base em imagens de baixa resolução adquiridas por satélite. / [en] The present thesis investigates the explicit representation of specific knowledge for the automatic interpretation of multitemporal low resolution satellite images. In this context, the term specific knowledge refers to all and any type of knowledge that makes an individual capable or more competent to carry out one determined task. In the scope of this thesis, specific knowledge comprehends the necessary information for the interpretation of low resolution satellite images, for instance: the characteristics of the classes in the legend, the agronomic management, and the ecology of the region under interest. Thus, the present thesis proposes a framework for the knowledge based interpretation of low-resolution satellite images which concerns at reproducing the reasoning used by the photo-interpreter while performing the visual interpretation. This model employs three different kinds of specific knowledge: 1) Spectral knowledge, that associates the diverse observed spectral signatures in the input image to the correspondent classes in the legend, grouping under a single spectral class the classes of the legend whose spectral signatures are difficult to be discriminated. 2) Contextual knowledge, which indicates the diverse contexts for the discrimination of the classes in the legend with similar spectral signatures. 3) Multitemporal knowledge, which relates, considering the previous classification, the possible classifications at the present moment and their respective possibility of occurrence. The potentiality of this methodology was evaluated through a series of experiments. The dataset consisted of images of two regions inserted in the Upper Watershed of the Taquari River, situated at the east of the Brazilian Pantanal, a lowlands ecological sanctuary located in the States of Mato Grosso and Mato Grosso do Sul. The main objective of the experiments was to evaluate the contribution of each sort of knowledge. The results indicate that the use of knowledge based methods can automate great part of the interpretation process, increasing the productivity of the photointerpreters. In the future, the results of the present research can guide the development of systems capable to automatically perform any interpretation strategy, defined by the proper photointerpreter, speeding up the monitoring of land use based on low resolution satellite images.

[pt] O objetivo genérico desta Tese foi o desenvolvimento de técnicas computacionais baseadas em conhecimento para apoiar a interpretação automática de dados de sensoriamento remoto multi-temporais, com ênfase na investigação da aquisição e representação explícita de conhecimento temporal, bem como na sua integração com outros tipos de conhecimento dentro do processo de interpretação. Dois objetivos específicos, inter-relacionados, foram perseguidos: (i) o desenvolvimento de um novo método de classificação baseado no conceito de cadeias nebulosas de Markov (CNM), que provê meios para a estimação de seus parâmetros temporais e para a utilização de conhecimento temporal no processo de classificação; e (ii) a modelagem e implementação de um ambiente baseado em conhecimento, de código livre, para a interpretação de dados de sensoriamento remoto. Para validar o novo método de classificação multitemporal, foram realizados experimentos voltados à interpretação de uma seqüência de três imagens LANDSAT de uma área na Região Centro-Oeste do Brasil, utilizando um método estocástico e outro analítico para a estimação das matrizes de transição de classes que compõem o modelo CNM. Enquanto os classificadores mono-temporais obtiveram uma acurácia média por classe de 55%, o esquema multi-temporal alcançou acurácias entre 63% e 94%. Resultados semelhantes em termos de acurácia global foram verificados. Além disso, quando comparado a abordagens multi-temporais correlatas, o método proposto obteve melhores resultados. De forma a validar o ambiente baseado em conhecimento aqui proposto, o método CNM foi implementado através de suas funcionalidades. Um conjunto de experimentos nos quais diferentes variações do método CNM, estruturadas no novo ambiente, foi executado satisfatoriamente. / [en] The general objective of this research was the development of knowledgebased computational techniques to support the interpretation of multitemporal remote sensing data, focusing on the investigation of the explicit representation of temporal knowledge and its integration to other types of knowledge; and also on the processing and acquisition of temporal knowledge. Two interrelated, specific objectives were pursued: (i) the development of a novel multitemporal classification method based on the concept of fuzzy Markov chain (FMC) that provides for the automatic estimation of its temporal related parameters and for the exploration of temporal knowledge in the classification process; and (ii) the design and implementation of an open-source, knowledge-based framework for multitemporal interpretation of remote sensing data. In order to validate the new multitemporal classification method, experiments were carried out aiming at the interpretation of a sequence of three LANDSAT images from the central region of Brazil, using both a stochastic and an analytical technique to estimate the class transition possibilities that compose the FMC model. While the monotemporal classifiers used in the experiments attained an average class accuracy of approximately 55%, the multitemporal scheme reached accuracies between 65% and 94%. Similar results in terms of overall accuracy were also observed. Furthermore, when compared to two alternative multitemporal classification approaches, the devised method consistently showed better results. In order to validate the proposed multitemporal framework, the FCM-based method was implemented using its temporal functionalities, and a number of experiments in which different variants of the FCM-based method were structured through the framework were successfully carried out.

[pt] O presente trabalho apresenta uma metodologia para modelagem do conhecimento multitemporal para a interpretação automática de imagens de sensores remotos. O procedimento de interpretação utilizado combina os conhecimentos multitemporal e espectral usando técnicas da lógica nebulosa. O método utiliza diagramas de transição de estado para representar as possibilidades de mudanças de classe dentro de um determinado intervalo de tempo. As possibilidades de mudança são estimadas a partir de dados históricos da mesma região usando algoritmos genéticos. O método foi validado experimentalmente usando como base um conjunto de imagens Landsat-5 da cidade do Rio de Janeiro, obtidas em 5 datas separadas por aproximadamente 4 anos. Os resultados experimentais indicaram que o uso do conhecimento multitemporal, conforme modelado pelo método proposto traz uma melhora importante de desempenho da classificação em comparação à classificação puramente espectral. / [en] The present work presents a methodology to model the multitemporal knowledge for the automatic interpretation of remotely sensed images. The used interpretation procedure combines the multitemporal and spectral knowledge using fuzzy logic techniques. This method uses state transition diagrams to represent the possibilities of class changes within a given time interval. The change possibilities are estimated based on historical data by using genetic algorithms. The method was validated by experiments using a set of Landsat-5 images of the Rio de Janeiro City, Brazil, acquired at 5 dates separated by approximately 4 years. The experimental results indicated that the use of the multitemporal knowledge as modeled by the proposed method brings an important performance improvement in comparison with the pure spectral classification.