Classificação Iana Alexandra Alves Rufino [email protected].

ClassificaçãoClassificação

Iana Alexandra Alves RufinoIana Alexandra Alves [email protected][email protected]



• Conceitos BásicosConceitos Básicos

• Classificação Supervisionada X Classificação Classificação Supervisionada X Classificação Não SupervisionadaNão Supervisionada

• Tipos de ClassificadoresTipos de Classificadores


Conceitos básicosConceitos básicos

• Classificação é o processo de extração de Classificação é o processo de extração de informação em imagens para reconhecer informação em imagens para reconhecer padrões e objetos homogêneos;padrões e objetos homogêneos;

• O resultado final de um processo de O resultado final de um processo de classificação é uma imagem digital que classificação é uma imagem digital que constitui um mapa de "pixels" constitui um mapa de "pixels" classificados, representados por símbolos classificados, representados por símbolos gráficos ou cores;gráficos ou cores;


Conceitos básicosConceitos básicos

• O processo de classificação digital transforma O processo de classificação digital transforma um grande número de níveis de cinza, em um um grande número de níveis de cinza, em um pequeno número de classes em uma única pequeno número de classes em uma única imagem;imagem;

• Técnicas de classificação que podem ser Técnicas de classificação que podem ser aplicadas apenas a um canal : aplicadas apenas a um canal : classificações unidimensionais;classificações unidimensionais;

• Técnicas em que o critério de decisão Técnicas em que o critério de decisão depende da distribuição de níveis de cinza, depende da distribuição de níveis de cinza, em vários canais espectrais:em vários canais espectrais:classificação classificação multiespectralmultiespectral


Classificação SupervisionadaClassificação Supervisionada

• O analista “supervisiona” a categorização dos O analista “supervisiona” a categorização dos pixels;pixels;

• O analista indica ao computador a que classe O analista indica ao computador a que classe de cobertura terrestre os pixels pertencem, de cobertura terrestre os pixels pertencem, criando assim uma chave de interpretação criando assim uma chave de interpretação (áreas de treinamento);(áreas de treinamento);

• Nesse tipo de classificação é necessário Nesse tipo de classificação é necessário algum conhecimento da área a ser algum conhecimento da área a ser classificada.classificada.


Classificação SupervisionadaClassificação Supervisionada

• Idealmente algumas observações de campo Idealmente algumas observações de campo podem ser realizadas;podem ser realizadas;

• As observações de campo são usadas como As observações de campo são usadas como padrão de comparação para decidir a qual padrão de comparação para decidir a qual classe pertencem todos os pixels classe pertencem todos os pixels desconhecidos da imagem;desconhecidos da imagem;

• Quando não é possível a observação de Quando não é possível a observação de campo, algumas inferências tornam-se campo, algumas inferências tornam-se necessárias.necessárias.


Classificação Não SupervisionadaClassificação Não Supervisionada

• O computador agrega os diferentes níveis de O computador agrega os diferentes níveis de cinza em diferentes grupos;cinza em diferentes grupos;

• Após a classificação, o analista associa as Após a classificação, o analista associa as diferentes classes com dados de campo. diferentes classes com dados de campo.


Tipos de ClassificadoresTipos de Classificadores

•Classificadores "pixel a pixel"Classificadores "pixel a pixel":: Utilizam apenas a informação espectral de Utilizam apenas a informação espectral de

cada pixel para achar regiões homogêneas;cada pixel para achar regiões homogêneas;

Podem ser subdivididos em:Podem ser subdivididos em:

• métodos estatísticos (utilizam regras da teoria métodos estatísticos (utilizam regras da teoria de probabilidade) ede probabilidade) e

• determinísticos (não utilizam probabilidade). determinísticos (não utilizam probabilidade).



•Classificadores “por regiões”:Classificadores “por regiões”: Utilizam, além de informação espectral de Utilizam, além de informação espectral de

cada "pixel", a informação espacial que cada "pixel", a informação espacial que envolve a relação com seus vizinhos;envolve a relação com seus vizinhos;

Procuram simular o comportamento de um Procuram simular o comportamento de um foto- intérprete, reconhecendo áreas foto- intérprete, reconhecendo áreas homogêneas de imagens, baseados nas homogêneas de imagens, baseados nas propriedades espectrais e espaciais de propriedades espectrais e espaciais de imagens;imagens;

A informação de borda é utilizada inicialmente A informação de borda é utilizada inicialmente para separar regiões e as propriedades para separar regiões e as propriedades espaciais e espectrais irão unir áreas com espaciais e espectrais irão unir áreas com mesma textura. mesma textura.



•Classificadores “por regiões”:Classificadores “por regiões”:

Deve ser realizada uma Deve ser realizada uma segmentaçãosegmentação da da imagem, anterior à fase de classificação, imagem, anterior à fase de classificação, onde são extraídos os objetos relevantes onde são extraídos os objetos relevantes para a aplicação desejada;para a aplicação desejada;

A divisão em “porções”, consiste A divisão em “porções”, consiste basicamente em um processo de basicamente em um processo de crescimento de regiões, de detecção de crescimento de regiões, de detecção de bordas ou de detecção de bacias. bordas ou de detecção de bacias.


Segmentação:Segmentação:

•Crescimento de RegiõesCrescimento de Regiões É uma técnica de agrupamento de dados, na É uma técnica de agrupamento de dados, na

qual somente as regiões adjacentes, qual somente as regiões adjacentes, espacialmente, podem ser agrupadas.espacialmente, podem ser agrupadas.

•Detecção de bordasDetecção de bordas A extração de bordas é realizada por um A extração de bordas é realizada por um

algoritmo de detecção de bordas (Filtro de algoritmo de detecção de bordas (Filtro de Sobel).Sobel).

•Detecção de baciasDetecção de bacias A classificação por detecção de bacias é feita A classificação por detecção de bacias é feita

sobre uma imagem resultante da extração de sobre uma imagem resultante da extração de bordas .bordas .


Segmentação:Segmentação:

•Crescimento de RegiõesCrescimento de Regiões A medida de Similaridade está baseada na A medida de Similaridade está baseada na

distância Euclidiana entre os valores médios dos distância Euclidiana entre os valores médios dos níveis de cinza de cada região;níveis de cinza de cada região;

Duas regiões são consideradas distintas se a Duas regiões são consideradas distintas se a distância entre suas médias for superior ao limite distância entre suas médias for superior ao limite de Similaridade escolhido;de Similaridade escolhido;

Regiões com área menor que o mínimo escolhido Regiões com área menor que o mínimo escolhido são absorvidas pelas regiões adjacentes mais são absorvidas pelas regiões adjacentes mais similares a estas similares a estas

Campina Grande 1989: Segmentação a partir das Bandas 5,4, e 3

Campina Grande 2000: Segmentação a partir das Bandas 5,4, e 3


Etapas para a Classificação:Etapas para a Classificação:

1.1. Criar uma imagem segmentadaCriar uma imagem segmentada

2.2. Criar o arquivo de ContextoCriar o arquivo de Contexto

3.3. Executar o treinamento Executar o treinamento

4.4. Analisar as amostrasAnalisar as amostras

5.5. Extração de regiões Extração de regiões

6.6. ClassificaçãoClassificação

7.7. Executar a ClassificaçãoExecutar a Classificação

8.8. Executar uma Pós-classificaçãoExecutar uma Pós-classificação

9.9. Executar o Mapeamento para Classes Executar o Mapeamento para Classes

Campina Grande 1989: Classificação a partir das Bandas 5,4, e 3

Campina Grande 2000: Classificação a partir das Bandas 5,4, e 3

Classificação Iana Alexandra Alves Rufino [email protected].

Documents

Transcript of Classificação Iana Alexandra Alves Rufino [email protected].