Avaliação de algoritmos de classificação supervisionada de imagem digital do satélite Ikonos Na região da Serra do Salitre-MG

Abstract

Diversas técnicas de processamento de imagens digitais permitem tratar os dados e gerar parâmetros adicionais aos métodos convencionais de pesquisa. Dentre estas técnicas, temos a classificação supervisionada, que atribui a cada pixel da imagem uma dada classe, a fim de reconhecer padrões e objetos para mapear áreas de interesse. Cada pixel apresenta um nível de cinza (valor numérico), ou seja, representa a reflectância dos objetos que o compõem. Como produto final tem-se um mapa temático, o qual representa a distribuição espacial das classes temáticas. A classificação apresenta-se de dois tipos: supervisionada e não supervisionada. A classificação supervisionada depende de amostras de treinamento que sejam representativas das classes presentes na imagem. Assim, o algoritmo classifica os pixels para cada classe. As amostras de treinamento devem ser em número representativo e uniforme. Enquanto que a classificação não supervisionada dispensa a definição do número de classes e das amostras de treinamento, uma vez que o algoritmo agrega pixels e o intérprete identifica as classes geradas pelo algoritmo. O objetivo deste trabalho foi descrever as etapas empregadas no procedimento de classificação e avaliar dois algoritmos de classificação supervisionada, o da Distância Mínima até a Média e o da Máxima Verossimilhança utilizando uma imagem de satélite IKONOS da região da Serra do Salitre, no Triângulo Mineiro, no estado de Minas Gerais, a fim de verificar qual fornece a melhor classificação e conseqüente mapa temático.