Classificação de superfícies utilizando polinomial Mahalanobis e métricas de textura

Abstract

A classificacao temática em imagens aéreas ou de satélite é uma etapa de fundamental importância para a area de sensoriamento remoto. Ela tem como objetivo determinar a classe a que uma determinada superfície encontrada em uma imagem pertence. Várias técnicas de classificacao de imagens foram adaptadas para o domínio de sensoriamento remoto. Mesmo com os recentes avanços conseguidos na area de classificação, essas técnicas ainda não conseguem resultados similares aos obtidos por um observador humano. Um dos prováveis motivos é a capacidade de um operador humano utilizar uma gama variada de informacoes além da cor, sendo que entre essas informacoes adicionais se encontra as características de textura que uma determinada classe apresenta. Com o intuito de expandir o repertório de técnicas de classificação utilizadas na area de sensoriamento remoto se apresenta neste trabalho a utilização do classificador polinomial Mahalanobis juntamente com métricas locais de textura. Os resultados finais foram analisados pelos teste de acurácia obtendo taxas de acerto variando entre 80,0% e 99,0%. Esses resultados demostram a viabilidade do uso da técnica utilizada como classificador no domínio do sensoriamento remoto.<br>

Abstract : Image classification is a fundamental step in remote sensing applications. It has the objective to identify and quantify surface patterns for resource assessments. Several techniques are used for that purpose, and a common difficulty is dealing with discrimination of multidimensional non-linear nearby patterns. Several classical methods like fuzzy, neural networks (NN), suport vecor machine (SVN) etc. are being used for that purpose, but every one have restricted performance specially in the case of non-linear classification functions. A novel approach never used in that area with a great potential to improve performance is the non-linear Polynomial Mahalanobis (PM). In the present work it is presented a PM supervised method that allows marking of a specific pattern based on a combination of multidimensional pixel value and texture features. The method was tested on air photogrametric images to assess specific features or cases like forests, water and cultivated areas for the State of Paran´a, Brazil. The result analysis on the selected cases showed that the method presented a very good performance on classification allowing a better resource assessment.