Documento completo - OBT - Inpe
Documento completo - OBT - Inpe
Documento completo - OBT - Inpe
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
as categorias, podem-se utilizar as seguintes definições para o vetor de medidas e a<br />
matriz de variância e covariância:<br />
M<br />
∗<br />
A =<br />
∑i=<br />
∑<br />
1, n<br />
U<br />
i=<br />
1, n<br />
A<br />
U<br />
( M i ) M<br />
( M )<br />
A<br />
i<br />
i<br />
; e (6)<br />
V<br />
∗<br />
A<br />
=<br />
∑<br />
i=<br />
1, n<br />
U<br />
A<br />
∗<br />
∗<br />
( M )( M − M )( M − M )<br />
i<br />
∑<br />
i=<br />
1, n<br />
i<br />
U<br />
A<br />
A<br />
( M )<br />
i<br />
i<br />
A<br />
T<br />
(7)<br />
Onde U A indica o grau de pertinência da classe A , M é o vetor de ND formado por n<br />
pixels utilizado na amostra, e V A a matriz de variância-covariância para esta classe. O<br />
asterisco no vetor M A e na matriz V A refere-se a médias e variância-covariância para<br />
um espaço contínuo (fuzzy).<br />
Com estes valores, calcula-se a probabilidade de pertinência desse espaço, variando as<br />
fórmulas da probabilidade bayesiana:<br />
p<br />
∗<br />
−0,5<br />
−m<br />
∗ ⎧<br />
∗ T ∗−1<br />
∗<br />
( x A) = ( 2 ) 2 V exp −0,<br />
5( M − M ) V ( M − M ) ⎬ ⎫<br />
⎭<br />
/ π A ⎨ x A A x A<br />
(8)<br />
⎩<br />
Isto permite conhecer a probabilidade de cada pixel estar inserido numa categoria.<br />
As classes podem ser descritas através de um número diversificado de parâmetros<br />
possíveis, herdando características de outras classes. Isto permite, por exemplo, a<br />
diferenciação entre “floresta” e “floresta em área urbana”: ambas as classes possuem as<br />
mesmas características espectrais (as quais podem ser herdadas na definição de<br />
características), através da inclusão do comprimento da borda (limite) para objetos<br />
vizinhos “cidade”, na continuidade da classificação pode ser identificado de modo mais<br />
refinado. Com a definição de um conjunto de regras, determinam-se diferentes planos<br />
hierárquicos, objetos podem ser classificados nas diferentes escalas, dependendo de<br />
onde podem ser melhor identificados. Pode-se definir ainda uma distância mínima e/ou<br />
61