Aula 8. Classificação Não Supervisonada por Regiões Definir categoria temática Uso da Terra Definir classes temáticas Água, Cerrado, Mata, Solo e Urbano Segmentar imagem CBERS CCD Definir contexto por regiões Classificar com Isoseg, 5 iterações, 95% limiar de aceitação Mapear temas da imagem classificada para classes de Uso da Terra

Criar Categoria Temática Inicializar a interface Modelo de Dados Digitar nome da categoria UsoTerra Clicar em Criar Clicar em Executar

Criar Classe Temática Água Selecionar categoria UsoTerra Selecionar aba Classes Temáticas Digitar nome da classe temática Agua Clicar em Criar Clicar em Executar

Modificar o Visual da Classe Temática Água Selecionar Cor de Áreas Selecionar cor Azul Clicar em OK Clicar em Executar Selecionar classe temática Agua Selecionar Visual

Criar e Definir Visual da Classe Temática Cerrado Digitar nome Cerrado Clicar em Criar Clicar em Executar Selecionar Cerrado Clicar em Visual

Modificar o Visual da Classe Temática Cerrado Selecionar Cor de Áreas Selecionar cor Verde Clicar em OK Clicar em Executar

Criar e Definir Visual da Classe Temática Mata Digitar nome Mata Clicar em Criar Clicar em Executar Selecionar Mata Clicar em Visual

Modificar o Visual da Classe Temática Mata Selecionar Cor de Áreas Selecionar cor Verde Claro Clicar em OK Clicar em Executar

Criar e Definir Visual da Classe Temática Solo Digitar nome Solo Clicar em Criar Clicar em Executar Selecionar Solo Clicar em Visual

Modificar o Visual da Classe Temática Solo Selecionar Cor de Áreas Selecionar cor Amarelo Clicar em OK Clicar em Executar

Criar e Definir Visual da Classe Temática Urbano Digitar nome Urbano Clicar em Criar Clicar em Executar Selecionar Urbano Clicar em Visual

Modificar o Visual da Classe Temática Urbano Selecionar Cor de Áreas Selecionar cor Vermelho Clicar em OK Clicar em Executar

Fechar Definição do Modelo de Dados

Segmentação de Imagens A classificação estatística é o procedimento convencional mais utilizado para análise digital de imagens. Constitui um processo de análise de pixels de forma isolada. Esta abordagem apresenta a limitação da análise pontual ser baseada unicamente em atributos espectrais. Para superar estas limitações, propõe-se o uso de segmentação de imagem, anterior à fase de classificação, onde são extraídos os objetos relevantes para a aplicação desejada. Neste processo, divide-se a imagem em regiões que devem corresponder às áreas de interesse da aplicação. Entende-se por regiões, um conjunto de "pixels" contíguos, que se espalham bidirecionalmente e que apresentam uniformidade A divisão em porções, consiste basicamente em um processo de crescimento de regiões, de detecção de bordas ou de detecção de bacias. Seguem as descrições.

Crescimento de Regiões É uma técnica de agrupamento de dados, na qual somente as regiões adjacentes, espacialmente, podem ser agrupadas. Inicialmente, este processo de segmentação rotula cada "pixel" como uma região distinta. Calcula-se um critério de similaridade para cada par de região adjacente espacialmente. O critério de similaridade baseia-se em um teste de hipótese estatístico que testa a média entre as regiões. A seguir, divide-se a imagem em um conjunto de sub-imagens e então realiza-se a união entre elas, segundo um limiar de agregação definido. Para a união de duas regiões A e B vizinhas, deve-se adotar o seguinte critério: A e B são similares (teste das médias); a similaridade satisfaz o limiar estabelecido; A e B são mutuamente próximas (dentre os vizinhos de A, B é a mais próxima, e dentre os vizinhos de B, A é a mais próxima). Se A e B satisfazem os critérios acima, estas regiões são agregadas, caso contrário, o sistema reinicia o processo de teste de agregação.

Segmentar Imagem CBERS CCD Visualizar CCD_2..._BAND2 em R, CCD_2..._BAND3 em G e CCD_2..._BAND4 em B

Executar Segmentação Inicializar a interface no menu Imagem, item Segmentação Selecionar PIs CCD_2..._BAND2 CCD_2..._BAND3 CCD_2..._BAND4 Digitar valor de similaridade 8 Digitar valor de área mínima 50 Digitar nome do PI de saída seg-8-50 Clicar em Executar Clicar em OK

Visualizar seg-8-50 como rotulada (R) Visualizar Segmentos Visualizar seg-8-50 como rotulada (R)

Classificação de Imagens Segmentadas - Classificadores por regiões Isoseg O classificador Isoseg é um dos algoritmos disponíveis no Spring para classificar regiões de uma imagem segmentada. É um algoritmo de agrupamento de dados não-supervisionado, aplicado sobre o conjunto de regiões, que por sua vez são caracterizadas por seus atributos estatísticos de média, matriz de covariância, e também pela área. Um algoritmo de "clustering" não supõe nenhum conhecimento prévio da distribuição de densidade de probabilidade dos temas, como ocorre no algoritmo de máxima verossimilhança. É uma técnica para classificação que procura agrupar regiões, a partir de uma medida de similaridade entre elas. A medida de similaridade utilizada consiste na distância de Mahalanobis entre a classe e as regiões candidatas a relação de pertinência com esta classe. O Isoseg utiliza os atributos estatísticos das regiões: a matriz de covariância e o vetor de média, para estimar o valor central de cada classe. Este algoritmo resume-se em tres etapas, descritas a seguir. (1ª) Definição do limiar: o usuário define um limiar de aceitação, dado em percentagem. Este limiar por sua vez define uma distância de Mahalanobis, de forma que todas regiões pertencentes a uma dada classe estão distantes da classe por uma distância inferior a esta. Quanto maior o limiar, maior esta distância e consequentemente menor será o número de classes detectadapelo algoritmo.

(2ª) Detecção das classes: as regiões são ordenadas em ordem decrescente de área e inicia-se o procedimento para agrupá-las em classes. Serão tomados como parâmetros estatísticos de uma classe (média e matriz de covariância), os parâmetros estatísticos da região de maior área que ainda não tenha sido associada a classe alguma. Em seguida, associa-se a esta classe todas regiões cuja distância de Mahalanobis for inferior a distância definida pelo limiar de aceitação. Assim, a primeira classe terá como parâmetros estatísticos aquelas regiões com maior área. As classes seguintes terão parâmetros estatísticos de média das regiões de maior área, que não tenham sido associada a nenhuma das classes previamente detectadas. Esta fase repete-se até que todas regiões tenham sido associadas a alguma classe. (3ª) Competição entre classes: as regiões são reclassificadas, considerando-se os novos parâmetros estatísticos das classes, definidos na etapa anterior. A fase 2 consiste basicamente na detecção de classes, sendo um processo seqüencial que pode favorecer as classes que são detectadas em primeiro lugar. Com vista a eliminar este favorecimento", procede-se a "competição entre classes. Esta competição consiste em reclassificar todas as regiões. O parâmetro estatístico (média de cada classe é então recalculado. O processo repete-se até que a média das classes não se altere (convergência). Ao término, todas regiões estarão associadas á uma classe definida pelo algoritmo. O usuário deverá então associar estas classes (denominadas temas, no Spring) às classes por ele definidas no banco de dados, na opção Arquivo-Esquema Conceitual.

Inicializar Classificação por Regiões Não Supervisionada Inicializar a interface no menu Imagem, item Classificação Clicar em Criar novo arquivo de contexto

Definir o Contexto por Regiões e as Imagens Utilizadas Digitar o nome do arquivo de contexto CtxReg Definir o tipo de análise Regiões Selecionas as bandas CCD_2..._BAND2 CCD_2..._BAND3 CCD_2..._BAND4 Selecionas a imagem segmentada Seg-8-5 Clicar em Executar para criar

Preparar Classificação Selecionar arquivo de contexto CtxReg Clicar em Extração de Atributos de Regiões Clicar em Classificação para inicializar a interface de classificação

Classificar com Isoseg Definir tipo de classificador Isoseg Definir limiar de aceitação 95% Digitar nome da imagem de saída Isoseg95 Clicar em Executar Clicar em OK

Visualizar Imagem Classificada Selecionar tela 2 e Visualizar Isoseg95 como classificada (C)

Visualizar Legenda Selecionar Legenda

Acoplar Imagem Classificada Selecionar opção acoplar Tela 2

Visualizar Classificada com CCD Selecionar Tela Principal Selecionar Cursor Área Clique no canto superior esquerdo Clique no canto inferior direito Clique dentro do retângulo

Para Executar o Mapeamento para Classes Temáticas Esta página descreve os procedimentos da janela "Mapeamento para Classes", utilizada para criar uma mapa temático a partir de uma imagem classificada. Executando o Mapeamento para Classes: Esta função pode ser acessada de duas formas: ou pelo menu Imagem (Mapeamento de classes para imagem temática) ou pela janela "Classificação" clique em Mapeamento.... A janela "Mapeamento para Classes" será apresentada nos dois casos; em Categorias são apresentadas todas as do modelo temático existentes no Banco de Dados ativo, clique em uma categoria na lista. Observe que a lista Classes apresenta as classes e cores da categoria selecionada; clique na lista Imagens Classificadas e escolha aquela que deseja mapear; clique sobre um tema que corresponderá à classe desejada (as classes deverão ter sido criadas anteriormente pela opção Arquivo-Esquema Conceitual...); faça a associação de todos os temas com as classes temáticas existentes no banco de dados; clique em Executar. Observe no "Painel de Controle" que a imagem temática estará disponível.

Mapear Temas de Isoseg95 Para Classes de UsoTerra Selecionar Mapeamento Selecionar categoria UsoTerra

Mapear Tema1 Para Classe Temática Cerrado Selecionar Tema1 Verificar que Tema1 é apresentado na cor vermelha no PI Isoseg95 Verificar que na imagem CCD as áreas correspondentes ao vermelho no PI Isoseg95 são de cerrado Selecionar classe Cerrado

Mapear Outros Temas Associar Temas a Classes Clicar em Executar para finalizar Clicar em Fechar

Visualizar Plano de Informação Criado no Mapeamento Selecionar Tela 3 Selecionar PI Isoseg95-T Visualizar Matriz (M) Exibir Legenda