Neste trabalho é investigada uma abordagem para extração de feições baseada na otimização da distância de Bhattacharyya em um classificador hierárquico de estrutura binária. O objetivo é mitigar os efeitos do fenômeno de Hughes na classificação de dados imagem hiper-espectrais. A utilização de um classificador em múltiplo-estágio, analisando um sub-conjunto de classes em cada etapa ao invés do conjunto total, permite modos mais eficientes para extrair as feições mais adequadas em cada etapa do procedimento de classificação. Em uma abordagem de árvore binária, somente duas classes são consideradas em cada etapa, permitindo a implementação da distância de Bhattacharyya como um critério para extração de feições em cada nó da árvore. Experimentos foram realizados utilizando dados imagem do sensor AVIRIS. A performance da metodologia proposta é comparada com métodos tradicionais para extração e seleção de feições.

A tradicional técnica de regressão logística, muito conhecida e utilizada em estudos médicos, permitia apenas a modelagem de variáveis-resposta binárias. A extensão do modelo logístico para variáveis-resposta multinominais ampliou em muito as áreas de aplicação de regressão logística. Na área de reconhecimento de padrões o modelo logístico multinominal recebeu a denominação de discriminação logística apresenta aparentes vantagens em relação a métodos convencionais de classificação. O método da máxima verossimilhança gaussiana, amplamente difundido e utilizado, necessita da estimação de um número muito grande de parâmetros, pois supõe que as distribuições subjacentes de cada classe sejam normais multivariadas. A discriminação logística por sua vez, não faz restrições quanto a forma funcional das variáveis, e o número de parâmetros do modelo é relativamente pequeno. Nesse estudo, os princípios da técnica de discriminação logística são apresentados detalhadamente, bem como aplicações práticas de classificação de imagens Landsat-TM e AVIRIS. Os procedimentos de discriminação logística e da máxima verossimilhança gaussiana foram comparados a partir de dados reais e simulados. Os resultados sugerem que a discriminação logística seja considerada como uma alternativa ao método da máximaverossimilhança gaussiana, principalmente quando os dados apresentarem desvios da normalidade.

Os equipamentos fotográficos digitais têm inovado a aerofotogrametria no que diz respeito à rapidez na coleta de informações geográficas referenciadas bem como o baixo custo da operação em comparação com os sistemas aerofotogramétricos convencionais. Na geração de produtos cartográficos, utilizando sistemas fotográficos digitais ou convencionais, o conhecimento dos parâmetros que definem a geometria interna da câmara é de fundamental importância. Este trabalho descreve uma das principais metodologias utilizadas atualmente para calibração analítica de câmaras. A câmara utilizada nesse trabalho é uma Kodak DCS460, e pertence à Fundação Universidade Federal do Rio Grande. O processo de calibração foi realizado na Universidade Federal do Paraná, com apoio do Programa de Pós-Graduação em Ciências Geodésicas, e o método utilizado foi o Método das Câmaras Convergentes Através do método paramétrico com injunções, o modelo final utilizado computacionalmente recupera os parâmetros intrínsecos como distância focal calibrada, posição do ponto principal, constantes da distorção radial simétrica e descentrada, bem como a matriz variância-covariância dos resultados obtidos no ajustamento. Os resultados da calibração foram analisados na matriz variância-covariância e foram satisfatórios. Para aplicação dos parâmetros em dados reais, uma imagem da região de Porto Alegre foi utilizada como objeto de estudo para geração de uma ortofoto, que é uma imagem corrigida geometricamente das distorções causadas pela variação de posição e altitude da plataforma. O Modelo Digital do Terreno é uma peça fundamental na geração de uma ortofoto e foi gerado a partir das curvas de nível fornecidas pela Prefeitura Municipal de Porto Alegre. Duas ortofotos foram geradas, a primeira levando em conta apenas o valor nominal da distância focal, e a segunda os parâmetros gerados no processo de calibração. Os resultados obtidos para a focal nominal apresentam resíduos maiores que os determinados com a distância focal calibrada, mostrando a necessidade de aplicação do método de calibração, como queria demonstrar.

A textura é um atributo ainda pouco utilizado no reconhecimento automático de cenas naturais em sensoriamento remoto, já que ela advém da sensação visual causada pelas variações tonais existentes em uma determinada região da imagem, tornando difícil a sua quantificação. A morfologia matemática, através de operações como erosão, dilatação e abertura, permite decompor uma imagem em elementos fundamentais, as primitivas texturais. As primitivas texturais apresentam diversas dimensões, sendo possível associar um conjunto de primitivas com dimensões semelhantes, em uma determinada classe textural. O processo de classificação textural quantifica as primitivas texturais, extrai as distribuições das dimensões das mesmas e separa as diferentes distribuições por meio de um classificador de máxima-verossimilhança gaussiana. O resultado final é uma imagem temática na qual cada tema representa uma das texturas existentes na imagem original. / Texture is one of the important characteristics used in identifying objects or regions of interest in an image, whether the image be an aerial photograph or a sattelite image. Textural features contain information about the spatial distribution of tonal variations whitin a band. Although it is quite easy for human observers to recognize and describe in empirical terms, texture has been extremely refractory to precise definition and to analysis by digital computers. Several approaches have been suggested in the literature. One approache is consider texture as composed by basic units or primitives. According to this principle, image texture can be described by the number size and shape of its primitives. This study implements the techniques provided by mathematical morphology to classify a digital image using its textural structure. Morphological operations are used to estimate the textural attributes of the classes present on a scene. Maximum-likelihood classifiers can then be used to perform the classification procedure.

Na América do Sul há uma forte incidência de Sistemas Convectivos de Mesoescala (SCM), que na maioria das vezes, estão associados a desastres naturais. Estes causam impactos não só do ponto de vista meteorológico, mas também social e econômico. Neste trabalho analisa-se 49 Sistemas Convectivos de Meso-α, que atuam na América do Sul, durante os anos de 1999, 2000 e 2001. Com o auxílio de imagens do satélite GOES-8(canal IR, 10,4μm), identifica-se padrões comportamentais ao longo da vida dos SCM. Para a caracterização da evolução temporal e espacial, faz-se uma divisão da análise em duas partes: temporal e espacial. Na análise temporal, observam-se as variações rítmicas na intensificação da atividade convectiva. Na análise espacial, são observadas características como: tamanho e tempo de vida dos SCM e de seus respectivos núcleos distâncias entre os núcleos, trajetórias dos SCM entre outras características comportamentais dos núcleos convectivos que constituem o sistema. A análise dos dados mostra que mais da metade dos casos analisados sofrem dois tipos de variações na atividade convectiva, uma com período de 12 horas, e outra com menor periodicidade, 5,1 horas. Mostra-se que a evolução espacial dos SCM dá-se em média na direção das latitudes mais baixas, de forma discreta com o aparecimento de novos núcleos, na direção noroeste em relação ao núcleo antigo.

Os recentes avanços na tecnologia de sensores tem disponibilizado imagens em alta dimensionalidade para fins de sensoriamento Remoto. Análise e interpretação dos dados provenientes desta nova geração de sensores apresenta novas possibilidades e também novos desafios. Neste contexto,um dos maiores desafios consiste na estimação dos parâmetros em um classificador estatístico utilizando-se um número limitado de amostras de treinamento.Neste estudo,propõe-se uma nova metodologia de extração de feições para a redução da dimensionalidadedos dados em imagens hiperespectrais. Essa metodologia proposta é de fácil implementação e também eficiente do ponto de vista computacional.A hipótese básica consiste em assumir que a curva de resposta espectral do pixel, definida no espaço espectral, pelos contadores digitais (CD's) das bandas espectrais disponíveis, pode ser substituída por um número menor de estatísticas, descrevendo as principais característicasda resposta espectral dos pixels. Espera-se que este procedimento possa ser realizado sem uma perda significativa de informação. Os CD's em cada banda espectral são utilizados para o cálculo de um número reduzido de estatísticas que os substituirão no classificador. Propõe-se que toda a curva seja particionada em segmentos, cada segmento sendo então representado pela respectiva média e variância dos CD's. Propõem-se três algoritmos para segmentação da curva de resposta espectral dos pixels. O primeiro utiliza um procedimento muito simples. Utilizam-se segmentos de comprimento constante, isto é, não se faz nenhuma tentativa para ajustar o comprimento de cada segmento às características da curva espectral considerada. Os outros dois implementam um método que permite comprimentos variáveis para cada segmento,onde o comprimentodos segmentos ao longo da curva de resposta espectral é ajustado seqüencialmente.Um inconveniente neste procedimento está ligado ao fato de que uma vez selecionadauma partição, esta não pode ser alterada, tornando os algoritmos sub-ótimos. Realizam-se experimentos com um classificador paramétrico utilizando-se uma imagem do sensor AVIRIS. Obtiveram-se resultados animadores em termos de acurácia da classificação,sugerindo a eficácia dos algoritmos propostos.

Presentemente, os métodos utilizados no processo classificação de imagens, em sua grande maioria, fazem uso exclusivamente dos atributos espectrais. Nesta pesquisa,são introduzidos os atributos espaciais, em particular a textura, no processo de classificação de imagens digitais. As informações de textura são quantificadas pelo método das matrizes de co-ocorrência, proposto por Haralick, e organizadas em um formato similar ao utilizado nas bandas espectrais, gerando desta forma canais de textura. Com a implementação deste atributo em adição aos espectrais, obtêm-se um acréscimo na exatidão obtida no processo de classificação de imagens.

o monitoramento da expansão das áreas urbanas e a análise da sua interação com o meio físico têm sido um grande desafio para os técnicos de planejamento urbano. No Brasil, em especial, dada a velocidade com que o fenômeno se processa e graças a um crescimento desordenado das cidades nas últimas décadas, esses estudos, que envolvem um elevado número de informações, tem exigido decisões e diagnósticos urbanos cada vez mais rápidos. Esta dissertação propõe uma metodologia para o planejamento racional do uso do solo urbano através do emprego integrado de tecnologias recentes como Sistema de Informações Geográficas (SIG), Modelagem Numérica do Terreno (MNT) e Sensoriamento Remoto através de imagens orbitais. Para isso, são implementados no SIG desenvolvido pelo INPE dados provenientes de cartas topográficas, de mapas temáticos do meio físico e de imagens orbitais LANSAT/TM da região estudada. A partir desses dados iniciais são geradas, também num SIG, outras informações com objetivo de estudar a evolução da área urbana, identificar áreas com suscetibilidade preliminar à erosão laminar, áreas com restrição ao uso urbano e áreas de eventos perigosos e riscos. o trabalho apresenta inicialmente uma revisão bibliográfica sobre a aplicação de Sensoriamento Remoto, Modelagem Numérica do Terreno (MNT) e Sistema de Informações Geográficas (SIG) em estudos urbanos. Segue-se a conceituação e aspectos teóricos dessas três ferramentas básicas utilizadas. A metodologia propriamente dita traz os planos de informações originais e as suas respectivas fontes de informações, os processos de classificação de imagens digitais empregados e os modelos de cruzamentos desenvolvidos para um SIG. A área teste escolhida é a sub-bacia do Arroio Feijó, localizada na região metropolitana de Porto Alegre, na porção centro-leste do Estado do Rio Grande do Sul. A região é caracterizada por uma elevada densidade populacional, pela presença de áreas inundáveis e pela ocorrência de processos eroslVOS. Os resultados mostram que a metodologia proposta é adequada e eficiente para agilizar as atividades de planejamento urbano, subsidiando a elaboração de Planos Diretores de Desenvolvimento Integrado e orientando o crescimento das cidades para regiões mais favoráveis. Além disso, contribui para a prevenção de parcela dos riscos e problemas geotécnicos relacionados ao meio físico nas áreas urbanas.

Foi realizado um estudo sobre a situação ambiental numa micro bacia hidrográfica, utilizando o Sensoriamento Remoto e outras fontes como técnica de obtenção e tratamento dos dados. Com o recurso das classificações de imagens digitais, através de um procedimento não-supervisionado e de outro supervisionado, utilizando, respectivamente os métodos da Distância Euclidiana e da Máxima Verossimilhança, foi identificado o uso efetivo aplicado à terra na data de tomada da imagem, de cujo resultado obteve-se um documento cartográfico que representa o uso antrópico da área. Através da identificação das características físicas locais, com base na interpretação visual dos produtos do Sensoriamento Remoto, imagens TM e fotografias aéreas, e de outras fontes, foi feita a identificação do emprego mais adequado a ser aplicado à terra, a qual gerou um outro documento cartográfico representativo. Do cruzamento das informações contidas nas etapas anteriormente descritas, foi realizada uma análise ambiental da área em estudo, a qual também gerou um mapa temático que a representa.

Neste trabalho serão descritos métodos e técnicas na análise de transformações geométricas para o georreferenciamento de imagens do satélite CBERS I, utilizando o sensor CCD na região de Porto Alegre, com a utilização das transformações afim e equações projetivas e com o uso de pontos de apoio coletados com receptor GPS. Os resultados experimentais obtidos com as transformações afim e equações projetivas são animadores, recomendando-se então continuar os estudos para as imagens do CBERS-I que pode ser um atalho importante para atualizar a cartografia regional brasileira, pois neste caso do sensor CCD se vislumbra a possibilidade de se gerarem cartas imagens nas escalas de 1:100.000 e 1:50.000. / In this work methods and techniques will be described in the analysis of geometric transformations for the geo-referencingo of CBERS I satellite images, using sensor CCD in the area of Porto Alegre, with the use of the Afim and equations projetives transformations and with the use of support points collected with receiving GPS. The experimental results obtained with the Afim and equations projetives transformations are exciting, being recommended then to continue the studies for the images of the CBERS-I that it can be an important shortcut to modernize the Brazilian regional cartography, because in this case of sensor CCD it is shimmered the possibility of if they generate map images in the scales of 1:100.000 and 1:50.000.