Documento completo - OBT - Inpe

Para superar estes problemas, alguns métodos foram desenvolvidos como alternativas
para as técnicas de classificação convencional. Geralmente estes métodos visam a
classificação dentro do pixel, denominada de classificação sub-pixel. Para Blaschke et
al. (2000) este processo apresenta algumas limitações: as classes espectrais podem ser
tão exatas quanto possível e se assume que os elementos da superfície têm opacidades e
interagem com os fotons como se fossem apenas uma unidade.
Outro método é a classificação por rede neural, uma adaptação da área de estudos de
inteligência artificial. Trata-se do treinamento de dados junto com classes préestabelecidas,
que são alimentadas por um sistema de rede neural. O algoritmo inserido
na rede testa a combinação dos dados de treinamento com as classes espectrais préestabelecidas
e produz um dado de saída com erros pontuais não combinados (Blaschke
et al., 2000). Este método torna-se eficiente e preciso para classificar objetos bem
definidos. Skidmore et al. (1999), criticam o uso da classificação por rede neural, pois o
processo classificatório necessita de ajustes de vários parâmetros que aumentam a
complexidade de seu uso e os recursos computacionais para fazer tal classificação são
altos.
Estes métodos de classificação, porém não incluem as informações de vizinhança com
outros parâmetros, como forma, tamanho, etc., sendo indicados para a descrição de
unidades de uso do solo, de diferentes composições de superfícies (áreas) que podem ser
acessadas e descritas, ou para o cruzamento das várias bandas espectrais, visando uma
análise baseada no pixel. Blaschke et al. (2000) relatam, além disso, que não há um
limite acessível ou exato que possa ser considerado para o processamento.
Uma solução é a segmentação da imagem que consiste na divisão da imagem em suas
partes constituintes ou objetos (regiões) claramente definidos a partir de um critério de
homogeneidade pré-definido, ou no contraste destas propriedades internas com a
vizinhança. Este procedimento começou a ser utilizado em sensoriamento remoto há
pouco tempo e foi expandido especialmente na área de reconhecimento de padrões
(Haralick e Shapiro, 1985). O objetivo da segmentação é dividir a imagem digital em
setores (segmentos), que representem um atributo de uma determinada classe. Para
53