Documento completo - OBT - Inpe

O resultado da segmentação não fornece classes como campos agrícolas, casas, etc. Esta
exigência é fadada ao insucesso em função da complexidade dos dados de
imagem/realidade. De fato a segmentação fornece a matéria prima, sobre a qual atua
posteriormente atua a classificação. O procedimento permite o processamento
simultâneo de dados em diferentes planos de escalas. Mesmo após a segmentação, a
informação individual dos pixels é mantida.
Como resultado da segmentação em multi-escala há uma rede hierárquica de objetos da
imagem, na qual objetos finamente estruturados representam sub-objetos de estruturas
mais grosseiras. A estrutura hierárquica representa a informação dos dados
simultaneamente em diferentes resoluções. Os objetos estão em rede de vizinhança e
hierarquia, sendo que cada objeto “conhece” os seus objetos vizinhos e sub-objetos.
2.5.3.2 – CLASSIFICAÇÃO ATRAVÉS DE LÓGICA FUZZY
A primeira fase do processamento de imagens resultou numa rede hierárquica de objetos
da imagem que permite representar a informação em várias escalas simultaneamente
(Figura 2.12). Esta classificação utiliza a segmentação como uma etapa de préprocessamento.
Com base nos objetos da imagem, está disponível um conjunto de
ferramentas, orientadas ao objeto, para serem classificadas. Além das informações
extraídas dos valores espectrais e da sua respectiva estatística (variância, média,
mediana, etc.) e das medidas para a textura nos canais individuais, outras informações
poderão ser utilizadas para a classificação, como tamanho das bordas aos objetos
vizinhos, perímetro, superfície, forma, direção, distância de outros objetos, etc. Estas
informações geralmente não estão disponíveis na interpretação de imagens, sendo um
valioso auxílio na análise e procura de critérios de discriminação das classes definidas.
A classificação através do aplicativo eCognition pode ser efetuada através da orientação
das características (usando funções de associação) ou com ajuda de um classificador por
vizinho mais próximo (Nearest Neighbour), como é usado nos aplicativos-padrão de
sensoriamento remoto. A base de conhecimento para a análise orientada a
características, forma uma segunda rede hierárquica, ou seja, a hierarquia de classes.
Esta rede tem 3 divisões sendo discriminada entre herança de características,
58