[pt]
A classificação e segmentação não-supervisionadas de
imagens de sensoriamento remoto são examinadas neste
trabalho. A classificação é realizada tomando-se como base
o critério de Bayes, que busca minimizar o valor esperado
do erro de classificação. Os algoritmos desenvolvidos
foram propostos pressupondo-se que a estrutura das classes
presentes na imagem podem ser bem modeladas por vetores
aleatórios guassianos. Os classificadores convencionais,
que só levam em conta a informação dos pixels de forma
isolada, forma tratados sob a ótica da quantização
vetorial. Em particular, foi proposto um algoritmo de
classificação com base na quantização vetorial com
restrição de entropia. O desempenho das técnicas de
classificação é analisado obsevando-se a discrepância
entre classificações, comparando-se as imagens
classificadas com imagens referencia e classificando-se
imagens sintéticas. A taxa de acerto, entre 80% e 95%.
Este bom desempenho dos classificadores é limitado pelo
fato de, em suas estruturas, levarem em conta a informação
dos pixels de forma isolada. Buscamos, através da
classificação de segmentos, incorporar informações de
contexto em nossos classificadores. A classificação de
segmentos levou a taxas de erros inferiores àquelas
alcançadas por classificadores baseados em pixels
isolados. Um algoritmo de segmentação, que incorpora ao
modelo de classificação por pixels a influencia de sua
vizinhança através de uma abordagem markoviana, é
apresentado. / [en] Unsupervised classification and segmentation of satellite
images are examined in this work. The classification is
based on Bayes` criterion, which tries to minimize the
expected value of the classification error. The algorthms
developed were proposed postulating that the classes in
the image are well modeled by gaussian random vectors.
Conventional classifiers, which take into account only
pixelwise information, were treated as vector quantizers.
Specifically, it was proposed a classification algorithm
based on entropy constrained vector. The behaviour of the
classifiers is examined observing the discrepancy between
classifications, comparing classified images with
reference-images and classifyng sinthetic images. The
percentage of pixels whitch are assigned to the same class
as in the reference-images ranged from 80,0% to 95,0%.
This good behaviour of the classidiers is limited by the
fact that, in theirs structures, are taken into account
only isolated pixel information. We have sought, by
classifying segments, to introduce contextual information
into the classifiers structure. The segments classidiers.
A segmentation algorithm, which introduces contextual
information into pixelwise classifier by a markovian
approach, is presented.
| Identifer | oai:union.ndltd.org:puc-rio.br/oai:MAXWELL.puc-rio.br:8497 |
| Date | 12 June 2006 |
| Creators | ALEXANDRE HENRIQUE LEAL NETO |
| Contributors | WEILER ALVES FINAMORE, WEILER ALVES FINAMORE |
| Publisher | MAXWELL |
| Source Sets | PUC Rio |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | TEXTO |
Page generated in 0.0045 seconds