Documento completo - OBT - Inpe

21b) Transformação por Componentes PrincipaisO termo transformações de imagens inclui aquelas operaçõesque criam novas bandas a partir das bandas originais, com o objetivo demelhorar a discriminação das informações de interesse dentro da imagem.As diferentes bandas que compõem uma imagem, geralmenteapresentam alta correlação. Esta correlação pode ser entendida como umaredundância de informação, visto que os tipos de coberturas tendem aapresentar um comportamento similar em regiões próximas do espectro. Aanálise por componentes principais visa eliminar esta redundância e portanto,reduzir a dimensionalidade da imagem através da combinação linear dasinformações contidas nas bandas originais (Richards, 1986).Para um caso bidimensional, os valores de níveis de cinzareferentes a cada pixel da imagem tendem a se agrupar formando uma nuvem(cluster). A forma e a posição dessa nuvem em relação aos eixos do espaço deatributos definem a maneira como as bandas estão se relacionando. Assim, seduas bandas são perfeitamente correlacionadas (correlação 100%), o cluster érepresentado por uma reta inclinada; no caso de apresentarem correlaçãoparcial, a nuvem de pontos tem a forma de uma elipse com o eixo inclinado emrelação às coordenadas. No caso onde há uma correlação nula o cluster érepresentado por uma circunferência ou uma elipse cujo eixo principal sejaparalelo a um dos eixos do espaço de atributos.A representação gráfica desta transformação é exemplificadana Figura 2.2, para o caso de duas bandas parcialmente correlacionadas.Neste caso, o eixo principal da elipse, que apresenta uma inclinação com aabcissa, é rotacionado a fim de torná-lo paralelo ao eixo das coordenadas.A análise por componentes principais possui grande utilidadeno tratamento de imagens com um alto número de bandas espectrais. SegundoChuvieco (1990), esta análise é fundamental para diminuir o número de bandasque serão utilizadas em estudos multitemporais. Esta técnica é aplicada a cadauma das imagens de datas distintas, sendo posteriormente combinadas a fimde se obter uma melhor discriminação entre feições com dinamismo temporal.