Documento completo - OBT - Inpe

Segundo Hoffmann (2001a), o aplicativo mencionado baseia-se num processo de
otimização dos objetos da imagem. Esta otimização tem dois objetivos: a continuidade
dos valores e a continuidade espacial. Estes são alcançados através de parâmetros que
influenciam o procedimento da segmentação: um limiar maior em continuidade de
valor, que resulta em objetos maiores (portanto mais “grosseiros”). Valores de limiares
maiores para a heterogeneidade resultam em formas mais complexas ou vice-versa,
valores mais baixos tendem ser relativamente mais compactos.
Os setores da imagem são agrupados através de um processo de junção, par a par. A
heterogeneidade de um objeto é descrita por três critérios, a saber:
1) A soma dos desvios padrão dentro dos valores espectrais dos pixels (medida de
homogeneidade dos valores de cor).
2) O desvio padrão do volume de um objeto em relação à circunferência de um
círculo de igual tamanho (medida de compactação [compactness] de um
objeto).
3) A relação do comprimento da borda de um objeto em relação ao comprimento
da borda de um retângulo ao longo da imagem que inclui o objeto (Bounding
Box), que é a medida de “lisura” (smoothness) de um objeto.
Cada pixel individual é quase um sinônimo de um objeto de imagem ou de uma região.
Através de cada passo da segmentação, um par de objetos é resumido a um objeto
maior. Isto ocorre segundo um critério de homogeneidade, que descreve a semelhança
de objetos vizinhos. Pequenas regiões são assim sintetizadas para regiões maiores, até
que nenhum pixel vizinho corresponda mais às exigências. Existe uma seqüência de
processamento de distribuição e a simulação de um crescimento por igual, partindo do
maior número de pontos simultâneos. O resultado são segmentos de tamanhos idênticos.
Para maiores detalhes desta concepção, que não serão apresentados neste trabalho, vide
uma descrição deste procedimento em Baatz e Schäpe (2000).
57