A apresentação está carregando. Por favor, espere

A apresentação está carregando. Por favor, espere

Classificação Iana Alexandra Alves Rufino

Apresentações semelhantes


Apresentação em tema: "Classificação Iana Alexandra Alves Rufino"— Transcrição da apresentação:

1 Classificação Iana Alexandra Alves Rufino

2 Classificação Classificação Classificação Conceitos BásicosConceitos Básicos Classificação Supervisionada X Classificação Não SupervisionadaClassificação Supervisionada X Classificação Não Supervisionada Tipos de ClassificadoresTipos de Classificadores

3 Classificação Conceitos básicos Conceitos básicos Classificação é o processo de extração de informação em imagens para reconhecer padrões e objetos homogêneos;Classificação é o processo de extração de informação em imagens para reconhecer padrões e objetos homogêneos; O resultado final de um processo de classificação é uma imagem digital que constitui um mapa de "pixels" classificados, representados por símbolos gráficos ou cores;O resultado final de um processo de classificação é uma imagem digital que constitui um mapa de "pixels" classificados, representados por símbolos gráficos ou cores;

4 Classificação Conceitos básicos Conceitos básicos O processo de classificação digital transforma um grande número de níveis de cinza, em um pequeno número de classes em uma única imagem;O processo de classificação digital transforma um grande número de níveis de cinza, em um pequeno número de classes em uma única imagem; Técnicas de classificação que podem ser aplicadas apenas a um canal : classificações unidimensionais;Técnicas de classificação que podem ser aplicadas apenas a um canal : classificações unidimensionais; Técnicas em que o critério de decisão depende da distribuição de níveis de cinza, em vários canais espectrais:classificação multiespectralTécnicas em que o critério de decisão depende da distribuição de níveis de cinza, em vários canais espectrais:classificação multiespectral

5 Classificação Classificação Supervisionada Classificação Supervisionada O analista supervisiona a categorização dos pixels;O analista supervisiona a categorização dos pixels; O analista indica ao computador a que classe de cobertura terrestre os pixels pertencem, criando assim uma chave de interpretação (áreas de treinamento);O analista indica ao computador a que classe de cobertura terrestre os pixels pertencem, criando assim uma chave de interpretação (áreas de treinamento); Nesse tipo de classificação é necessário algum conhecimento da área a ser classificada.Nesse tipo de classificação é necessário algum conhecimento da área a ser classificada.

6 Classificação Classificação Supervisionada Classificação Supervisionada Idealmente algumas observações de campo podem ser realizadas;Idealmente algumas observações de campo podem ser realizadas; As observações de campo são usadas como padrão de comparação para decidir a qual classe pertencem todos os pixels desconhecidos da imagem;As observações de campo são usadas como padrão de comparação para decidir a qual classe pertencem todos os pixels desconhecidos da imagem; Quando não é possível a observação de campo, algumas inferências tornam-se necessárias.Quando não é possível a observação de campo, algumas inferências tornam-se necessárias.

7 Classificação Classificação Não Supervisionada Classificação Não Supervisionada O computador agrega os diferentes níveis de cinza em diferentes grupos;O computador agrega os diferentes níveis de cinza em diferentes grupos; Após a classificação, o analista associa as diferentes classes com dados de campo.Após a classificação, o analista associa as diferentes classes com dados de campo.

8 Classificação Tipos de Classificadores Tipos de Classificadores Classificadores "pixel a pixel":Classificadores "pixel a pixel": Utilizam apenas a informação espectral de cada pixel para achar regiões homogêneas; Utilizam apenas a informação espectral de cada pixel para achar regiões homogêneas; Podem ser subdivididos em: Podem ser subdivididos em: métodos estatísticos (utilizam regras da teoria de probabilidade) emétodos estatísticos (utilizam regras da teoria de probabilidade) e determinísticos (não utilizam probabilidade).determinísticos (não utilizam probabilidade).

9 Classificação Tipos de Classificadores Tipos de Classificadores Classificadores por regiões:Classificadores por regiões: Utilizam, além de informação espectral de cada "pixel", a informação espacial que envolve a relação com seus vizinhos; Utilizam, além de informação espectral de cada "pixel", a informação espacial que envolve a relação com seus vizinhos; Procuram simular o comportamento de um foto- intérprete, reconhecendo áreas homogêneas de imagens, baseados nas propriedades espectrais e espaciais de imagens; Procuram simular o comportamento de um foto- intérprete, reconhecendo áreas homogêneas de imagens, baseados nas propriedades espectrais e espaciais de imagens; A informação de borda é utilizada inicialmente para separar regiões e as propriedades espaciais e espectrais irão unir áreas com mesma textura. A informação de borda é utilizada inicialmente para separar regiões e as propriedades espaciais e espectrais irão unir áreas com mesma textura.

10 Classificação Tipos de Classificadores Tipos de Classificadores Classificadores por regiões:Classificadores por regiões: Deve ser realizada uma segmentação da imagem, anterior à fase de classificação, onde são extraídos os objetos relevantes para a aplicação desejada; Deve ser realizada uma segmentação da imagem, anterior à fase de classificação, onde são extraídos os objetos relevantes para a aplicação desejada; A divisão em porções, consiste basicamente em um processo de crescimento de regiões, de detecção de bordas ou de detecção de bacias. A divisão em porções, consiste basicamente em um processo de crescimento de regiões, de detecção de bordas ou de detecção de bacias.

11 Classificação Segmentação: Segmentação: Crescimento de RegiõesCrescimento de Regiões É uma técnica de agrupamento de dados, na qual somente as regiões adjacentes, espacialmente, podem ser agrupadas. É uma técnica de agrupamento de dados, na qual somente as regiões adjacentes, espacialmente, podem ser agrupadas. Detecção de bordasDetecção de bordas A extração de bordas é realizada por um algoritmo de detecção de bordas (Filtro de Sobel). A extração de bordas é realizada por um algoritmo de detecção de bordas (Filtro de Sobel). Detecção de baciasDetecção de bacias A classificação por detecção de bacias é feita sobre uma imagem resultante da extração de bordas. A classificação por detecção de bacias é feita sobre uma imagem resultante da extração de bordas.

12 Classificação Segmentação: Segmentação: Crescimento de RegiõesCrescimento de Regiões A medida de Similaridade está baseada na distância Euclidiana entre os valores médios dos níveis de cinza de cada região; A medida de Similaridade está baseada na distância Euclidiana entre os valores médios dos níveis de cinza de cada região; Duas regiões são consideradas distintas se a distância entre suas médias for superior ao limite de Similaridade escolhido; Duas regiões são consideradas distintas se a distância entre suas médias for superior ao limite de Similaridade escolhido; Regiões com área menor que o mínimo escolhido são absorvidas pelas regiões adjacentes mais similares a estas Regiões com área menor que o mínimo escolhido são absorvidas pelas regiões adjacentes mais similares a estas

13 Campina Grande 1989: Segmentação a partir das Bandas 5,4, e 3 Campina Grande 2000: Segmentação a partir das Bandas 5,4, e 3

14 Classificação Etapas para a Classificação: Etapas para a Classificação: 1.Criar uma imagem segmentada 2.Criar o arquivo de Contexto 3.Executar o treinamento 4.Analisar as amostras 5.Extração de regiões 6.Classificação 7.Executar a Classificação 8.Executar uma Pós-classificação 9.Executar o Mapeamento para Classes

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

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


Carregar ppt "Classificação Iana Alexandra Alves Rufino"

Apresentações semelhantes


Anúncios Google