Esta tese se concentra em aplicar os modelos de mistura de distribuições na segmentação de imagens SAR polarimétricas multi-look. Dentro deste contexto, utilizou-se o algoritmo SEM em conjunto com os estimadores obtidos pelo método dos momentos para calcular as estimativas dos parâmetros do modelo de mistura das distribuições Wishart, Kp ou G0p. Cada uma destas distribuições possui parâmetros específicos que as diferem no ajuste dos dados com graus de homogeneidade variados. A distribuição Wishart descreve bem regiões com características mais homogêneas, como cultivo. Esta distribuição é muito utilizada na análise de dados SAR polarimétricos multi-look. As distribuições Kp e G0p possuem um parâmetro de rugosidade que as permitem descrever tanto regiões mais heterogêneas, como vegetação e áreas urbanas, quanto regiões homogêneas. Além dos modelos de mistura de uma única família de distribuições, também foi analisado o caso de um dicionário contendo as três famílias. Há comparações do método SEM proposto para os diferentes modelos com os métodos da literatura k-médias e EM utilizando imagens reais da banda L. O método SEM com a mistura de distribuições G0p forneceu os melhores resultados quando os outliers da imagem são desconsiderados. A distribuição G0p foi a mais flexível ao ajuste dos diferentes tipos de alvo. A distribuição Wishart foi robusta às diferentes inicializações. O método k-médias com a distribuição Wishart é robusto à segmentação de imagens contendo outliers, mas não é muito flexível à variabilidade das regiões heterogêneas. O modelo de mistura do dicionário de famílias melhora a log-verossimilhança do método SEM, mas apresenta resultados parecidos com os do modelo de mistura G0p. Para todos os tipos de inicialização e grupos, a distribuição G0p predominou no processo de seleção das distribuições do dicionário de famílias. / The main focus of this thesis consists of the application of mixture models in multi-look polarimetric SAR image segmentation. Within this context, the SEM algorithm, together with the method of moments, were applied in the estimation of the Wishart, Kp and G0p mixture model parameters. Each one of these distributions has specific parameters that allows fitting data with different degrees of homogeneity. The Wishart distribution is suitable for modeling homogeneous regions, like crop fields for example. This distribution is widely used in multi-look polarimetric SAR data analysis. The distributions Kp and G0p have a roughness parameter that allows them to describe both heterogeneous regions, as vegetation and urban areas, and homogeneous regions. Besides adopting mixture models of a single family of distributions, the use of a dictionary with all the three family of distributions was proposed and analyzed. Also, a comparison between the performance of the proposed SEM method, considering the different models in real L-band images and two widely known techniques described in literature (k-means and EM algorithms), are shown and discussed. The proposed SEM method, considering a G0p mixture model combined with a outlier removal stage, provided the best classication results. The G0p distribution was the most flexible for fitting the different kinds of data. The Wishart distribution was robust for different initializations. The k-means algorithm with Wishart distribution is robust for segmentation of SAR images containing outliers, but it is not so flexible to variabilities in heterogeneous regions. The mixture model considering the dictionary of distributions improves the SEM method log-likelihood, but presents similar results to those of G0p mixture model. For all types of initializations and clusters, the G0p prevailed in the distribution selection process of the dictionary of distributions.

A manutenção dos ecossistemas florestais da Amazônia é, sem dúvida, de suma importância para preservação da biodiversidade do planeta. Utilizar e avaliar dados de última geração que forneçam informações sobre estes ecossistemas torna-se então fundamental para o gerenciamento dos mesmos. Projeto pioneiro realizado na década de 1970, o RADAM teve como objetivo levantar, a partir de imagens de RADAR obtidas na banda X, informações sobre os recursos naturais da Amazônia. O avanço dos sistemas sensores baseados nas tecnologias de RADAR (Radio Detection and Ranging), com a introdução de plataformas capazes de imagear a superfície em comprimentos de onda maiores e em mais de uma polarização, trouxe uma nova perspectiva no campo de estudo destes recursos. Este trabalho emergiu a partir da constatação da necessidade, e possibilidade, de se obter informações mais precisas e atualizadas sobre o ambiente amazônico, levando em conta, inclusive, a velocidade das transformações que recaem sobre essa região. O objetivo primário do estudo foi analisar o potencial das imagens produzidas pelos radares de abertura sintética (SAR) nas bandas L e nas polarizações HH, HV e VV, na avaliação de tipologias vegetais da porção leste da Ilha de Marajó. Entendemos que essa pequena parcela do ambiente amazônico nos cede uma chave de padrões de classificação que podem ser replicados em outras regiões da Amazônia Legal, ou mesmo, em novos projetos de mapeamento similares ao RADAM. Os resultados obtidos por meio de análises das imagens de radar e através do estudo de diversas propostas de classificação fitogeográfica, evidenciaram um alto potencial de utilização destes recursos, bem como a possibilidade de avançarmos na escala de análise, produzindo mapeamentos de maior detalhe e mais abrangentes do ponto de vista das classes vegetais. A tecnologia para incrementar o mapeamento da região amazônica, de forma mais criteriosa e precisa, já existe há algum tempo e está disponível às instituições nacionais. Dar esse salto, importantíssimo para o conhecimento, preservação e monitoramento daquele que é considerado hoje o bioma mais importante do mundo, só depende de uma mudança nos critérios e de uma atualização das ferramentas usadas até o momento. / The maintenance of forest ecosystems in the Amazon is undoubtedly of great importance to the preservation of the planets biodiversity. The utilization and analysis of last generation data about these ecosystems become fundamental for their management. A pioneer project in the 1970 decade, the RADAM project had the objective of gathering information about Amazon natural resources from RADAR images obtained in the band X. The progress in sensor systems based on RADAR (Radio Detection and Ranging) technologies, with the introduction of platforms capable of imaging the surface in bigger wavelengths and in more than one polarization, brought a new perspective in the study area of these resources. This work emerged from the constatation of the need and possibility of obtaining more precise and updated information about the Amazon environment, inclusive considering the speed of the transformations that occur in this region. The primary objective of the study was to analyze the potential of the produced images by Synthetic Aperture Radars (SAR) in bands L and in polarizations HH, HV and VV, for the evaluation of vegetal typology of the east portion of Marajo Island. We understand that this little portion of the Amazon environment gives us a key of classification patterns that can be reapplied in other regions of Legal Amazon, or even in new mapping projects similar to RADAM. The results obtained from radar images analysis and through the study of several propositions for phytogeographic classification evidenced a high potential for the utilization of these resources, as well as the possibility of making progresses in the analysis scale, producing more detailed and comprehensive mappings from the point of view of vegetal classes. The technology to improve the mapping of Amazon region in a more criterious and precise manner has already existed for some time now and is available for national institutions. Making this leap, greatly important to knowledge, preservation and monitoring of what is considered the most important biome in the world only depends on a change in criteria and an updating of the tools that have been used up to this moment.

Conselho Nacional de Desenvolvimento CientÃfico e TecnolÃgico / A cobertura regular de quase todo o planeta por sistemas de radar de abertura sintÃtica (synthetic aperture radar - SAR) orbitais e o uso de sistemas aerotransportados tÃm propiciado novos meios para obter informaÃÃes atravÃs do sensoriamento remoto de vÃrias regiÃes de nosso planeta, muitas delas inacessÃveis. Este trabalho trata do processamento de imagens digitais geradas por radar de abertura sintÃtica, especificamente da segmentaÃÃo, que consiste do isolamento ou particionamento dos objetos relevantes presentes em uma cena. A segmentaÃÃo de imagens digitais visa melhorar a interpretaÃÃo das mesmas em procedimentos subseqÃentes. As imagens SAR sÃo corrompidas por ruÃdo coerente, conhecido por speckle, que mascara pequenos detalhes e zonas de transiÃÃo entre os objetos. Tal ruÃdo à inerente ao processo de formaÃÃo dessas imagens e dificulta tarefas como a segmentaÃÃo automÃtica dos objetos existentes e a identificaÃÃo de seus contornos. Uma possibilidade para efetivar a segmentaÃÃo de imagens SAR consiste na filtragem preliminar do ruÃdo speckle, como etapa de tratamento dos dados. A outra possibilidade, aplicada neste trabalho, consiste em segmentar diretamente a imagem ruidosa, usando seus pixels originais como fonte de informaÃÃo. Para isso, à desenvolvida uma metodologia de segmentaÃÃo baseada em crescimento e fusÃo estatÃstica de regiÃes, que requer alguns parÃmetros para controlar o processo. As vantagens da utilizaÃÃo dos dados originais para realizar a segmentaÃÃo de imagens de radar sÃo a eliminaÃÃo de etapas de prÃ-processamento e o favorecimento da detecÃÃo das estruturas presentes nas mesmas. à realizada uma avaliaÃÃo qualitativa e quantitativa das imagens segmentadas, sob diferentes situaÃÃes, aplicando a tÃcnica proposta em imagens de teste contaminadas artificialmente com ruÃdo multiplicativo. Este segmentador à aplicado tambÃm no processamento de imagens SAR reais e os resultados sÃo promissores. / The regular coverage of the planet surface by spaceborne synthetic aperture radar (SAR)and also airborne systems have provided alternative means to gather remote sensing information of various regions of the planet, even of inaccessible areas. This work deals with the digital processing of synthetic aperture radar imagery, where segmentation is the main subject. It consists of isolating or partitioning relevant objects in a scene, aiming at improving image interpretation and understanding in subsequent tasks. SAR images are contaminated by coherent noise, known as speckle, which masks small details and transition zones among the objects. Such a noise is inherent in radar image generation process, making difficult tasks like automatic segmentation of the objects, as well as their contour identification. To segment radar images, one possible way is to apply speckle filtering before segmentation. Another one, applied in this work, is to perform noisy image segmentation using the original SAR pixels as input data, without any preprocessing,such as filtering. To provide segmentation, an algorithm based on region growing and statistical region merging has been developed, which requires some parameters to control the process. This task presents some advantages, as long as it eliminates preprocessing steps and favors the detection of the image structures, since original pixel information is exploited. A qualitative and quantitative performance evaluation of the segmented images is also executed, under different situations, by applying the proposed technique to simulated images corrupted with multiplicative noise. This segmentation method is also applied to real SAR images and the produced results are promising.