ÍNDICE PARA A AVALIAÇÃO DE SEGMENTAÇÃO DE IMAGENS

Transcrição

1 ÍNDICE PARA A AVALIAÇÃO DE SEGMENTAÇÃO DE IMAGENS Fernando Luís Dlugosz 1, Nelson Carlos Rosot 2, Mara Augusta Doetzer Rosot 3, Yeda Mara Malheros de Olvera 3 1 Eng. Florestal, M.Sc., Doutorando em Engenhara Florestal, UFPR, Curtba, PR, Brasl - f.dlugosz@gmal.com 2 Eng. Florestal, Depto. de Cêncas Florestas, UFPR, Curtba, PR, Brasl - ncrosot@ufpr.br 3 Eng a. Florestal, Dr a., EMBRAPA Florestas, Colombo, PR, Brasl - augusta@cnpf.embrapa.br - yeda@cnpf.embrapa.br Recebdo para publcação: 05/12/2005 Aceto para publcação: 19/07/2008 Resumo O presente artgo descreve o desenvolvmento de um índce para avalar quanttatvamente resultados gerados por algortmos segmentadores, tomando-se por base o Índce para Avalação de Segmentação (IAVAS). As varáves componentes do novo índce, denomnado IAVAS mod, tveram seus valores obtdos com a aplcação do método empírco de dscrepânca, que é dependente da exstênca de uma magem de referênca. Sobre essa magem, também chamada segmentação-referênca, efetua-se a comparação numérca relatva (em percentagem) dos resultados produzdos pelos valores de lmares aplcados ao algortmo segmentador. A avalação quanttatva dos resultados da segmentação envolve os seguntes parâmetros: número de polígonos, dstânca entre centrodes, dferença em área, dferença em perímetro e faxa de concdênca. Métodos de avalação quanttatva apresentam resultados mas consstentes em análses envolvendo segmentações, elmnando a subjetvdade do analsta, que ocorre quando se aplcam métodos qualtatvos para a acetação ou rejeção de valores de lmares. Palavras-chave: Segmentação; avalação quanttatva; índce IAVAS. Abstract An ndex for assessng the qualty of mage segmentaton. Ths paper descrbes the development of an ndex for the quanttatve assessment of segmentaton algorthms, consderng the Index for Segmentaton Assessment (IAVAS) as a bass. The composng varables for the new ndex, called IAVAS mod, were acqured by applyng the dscrepancy emprcal method, whch depends on an exstng reference mage. Over ths magery, also called reference map, numerc comparsons (n percent) are carred out n order to compare dstnct threshold values used by the segmentaton algorthm. The followng parameters were used to compose the new ndex: number of polygons, dstance between centrods, dfferences n area, dfferences n permeter and, concdng buffers around polygons. Quanttatve assessments are more robust than qualtatve ones for they elmnate the analyst s subjectveness n rejectng or acceptng threshold values. Keywords: Segmentaton; quanttatve assessment; IAVAS ndex. INTRODUÇÃO O processo de segmentação representa, geralmente, o prmero passo no sentdo de preparar as magens de satélte para uma futura classfcação temátca, passo este que pode determnar o eventual sucesso ou fracasso de uma análse. O ato de segmentar uma magem consste em agrupar pxels com característcas smlares em termos tonas e texturas, formando regões homogêneas. Essas regões são correspondentes às feções da superfíce terrestre e rão servr de base para a análse e cartografa temátca. A operação de segmentação pode ser efetuada de modo manual ou automátco. A segmentação manual basea-se no reconhecmento vsual das feções representadas na magem, por meo da comparação de dferenças apresentadas pelos elementos nterpretatvos, prncpalmente cor, tonaldade e textura. Posterormente ao seu reconhecmento, as feções são dgtalzadas va tela do montor. Os processos automátcos de segmentação procuram smular o comportamento do fotontérprete ao FLORESTA, Curtba, PR, v. 39, n. 1, p , jan./mar

2 reconhecer áreas homogêneas na magem, baseando-se em suas propredades espectras e espacas (SPRING, 1998). O resultado obtdo pelo modo manual não é únco, pos dferentes ntérpretes podem gerar resultados dferentes, ou um mesmo ntérprete pode gerar dferentes resultados em tempos dferentes. A segmentação automátca, pelo contráro por se basear em crtéros de reconhecmento de smlardades ou de dferenças mensuráves entre regões adjacentes, apresenta resultados sempre guas quando se repete o processo váras vezes com os mesmos valores para os crtéros. Outra vantagem apresentada pelo modo automátco em relação ao manual é a rapdez de processamento da magem, que favorece a vabldade das análses em magens. A segmentação automátca, em geral, basea-se nas característcas de descontnudade e smlardade dos tons de cnza de uma magem. O método que avala a descontnudade consdera a mudança abrupta dos valores de cnza e o método por smlardade fundamenta-se na agregação de pxels em função da sua semelhança com os pxels vznhos (GONZALES; WINTZ, 1987). Antunes (2003) comenta que não exste um modelo formal para a segmentação, sendo esse processo essencalmente empírco e, em geral, ajustável aos dferentes tpos de magens, com lmares defndos conforme a complexdade dos alvos nvestgados. O uso da segmentação anteror à classfcação de magens supera as lmtações apresentadas com o processo de análse pontual (pxels analsados de forma solada), que se basea uncamente em atrbutos espectras (SPRING, 1998). Os elementos analsados e utlzados na classfcação serão as regões resultantes da aplcação do segmentador utlzado na defnção do espaço de atrbutos da classfcação (VENTURIERI; SANTOS, 1998). Por meo do processo de segmentação, é possível obter-se, de manera rápda, a dscrmnação e a delmtação de fragmentos. Adconalmente, os polígonos gerados pela segmentação convertdos para vetor podem ser usados como amostras de trenamento em futuras classfcações dgtas e, anda, em classfcações vsuas, por meo de smples atrbução de classes aos polígonos. De acordo com Gonzáles; Woods (2000), a seleção de crtéros de smlardade é dependente do problema em consderação e também do tpo de dados (magens) dsponíves. Para Coutnho (1997), a defnção de valores para os lmares na segmentação de magens depende, prncpalmente, do conhecmento dos padrões de repartção espacal dos objetos de cada área e da defnção da generalzação cartográfca deal, em função da escala cartográfca da abordagem realzada. Contempla uma etapa que exge maor atenção devdo à nexstênca de valores padronzados para as varáves do algortmo e, também, pode nfluencar dretamente na acuráca dos resultados da segmentação. Se os valores dos lmares forem muto baxos, o processo não atrburá pxels às classes (fragmentação excessva). Por outro lado, se forem muto altos, pxels representatvos de dferentes classes serão ncorretamente agrupados (NASCIMENTO; ALMEIDA FILHO, 1996). Segundo Zhang (1996), os resultados da segmentação podem ser avalados por dos métodos. O prmero defndo como método analítco permte examnar e avalar dretamente os algortmos através da análse de seus prncípos, suposções, propredades, exgêncas, utldade, complexdade etc., não dependendo de expermentos e podendo ser aplcado sem que o algortmo esteja completamente mplementado. A aplcação desse método é ndependente da natureza ou objetvo da segmentação. O segundo é o método empírco, que permte examnar e avalar um algortmo de forma ndreta, através da aplcação de magens-teste e medção da qualdade do resultado da segmentação. Esse método pode ser dvddo em dos tpos: de dscrepânca e de qualdade. De acordo com Lucca (1998) e Olvera (2002), os métodos empírcos de qualdade permtem examnar e avalar o desempenho de algortmos julgando-se smplesmente a qualdade da segmentação fnal obtda, sem nenhum conhecmento a pror da segmentação verdadera (referênca). Forma e unformdade dos segmentos, além da dferença espectral entre as regões extraídas pelo algortmo, são algumas meddas de qualdade propostas nesse método (OLIVEIRA, 2002). Os métodos empírcos de dscrepânca permtem analsar o desempenho de um algortmo através da comparação da segmentação de uma magem produzda por ele com uma segmentação de referênca, sendo que ambas as segmentações são obtdas a partr do mesmo dado de entrada. No caso em que o dado de entrada é uma magem real, a segmentação de referênca é geralmente obtda através de uma segmentação manual da magem de entrada baseada na nterpretação vsual. No caso de magens sntétcas, a segmentação de referênca é obtda dretamente do seu processo de geração (LUCCA, 1998). 132 FLORESTA, Curtba, PR, v. 39, n. 1, p , jan./mar

3 Neubert et al. (2006) compararam o resultado do algortmo segmentador de város softwares. A avalação fo realzada por meo de comparação vsual entre os segmentos gerados e as áreas de referênca nterpretadas vsualmente. Também fo empregada uma avalação quanttatva com base na referênca, sendo analsada a geometra dos segmentos por meo de parâmetros de área, perímetro e forma. Constata-se que, na maora das pesqusas brasleras que utlzaram a operação de segmentação de magens, a defnção dos melhores valores de lmares para o processo fo efetuada somente por avalação qualtatva. O uso de métodos de avalação quanttatva se justfca por elmnar a subjetvdade do analsta, que ocorre quando se aplcam métodos qualtatvos para a acetação ou rejeção de pares de lmares. O presente artgo descreve o desenvolvmento de um índce para avalar quanttatvamente resultados gerados por algortmos segmentadores, tomando-se por base o Índce para Avalação de Segmentação (IAVAS) descrto por Olvera (2002). O novo índce proposto, denomnado IAVAS mod, apresenta alterações na forma de aqusção dos valores de seus parâmetros componentes obtdos em percentagem, o que permte uma avalação conjunta ou ndvdual dos parâmetros envolvdos. MATERIAIS E MÉTODOS No presente expermento, utlzou-se uma subcena Ikonos, tendo como objetvo dscrmnar tpologas florestas presentes em remanescente de Floresta Ombrófla Msta. A magem utlzada fo uma subcena Ikonos que se refere à Reserva Florestal da Embrapa, localzada no muncípo de Caçador, entre as coordenadas geográfcas 26º50 e 26º55 de lattude sul e 50º05 e 51º00 de longtude oeste, regão centro-oeste do estado de Santa Catarna. O móvel compreende uma área 1.157,48 hectares, apresentando cobertura vegetal consttuída pela Floresta Ombrófla Msta (FOM), sendo consderada como um dos últmos remanescentes do ecossstema que anda mostram característcas orgnas. O segmentador utlzado fo o algortmo de crescmento de regões dsponível no software SPRING, que efetua o processamento com base nos lmares de smlardade e área. A smlardade referente à proxmdade radométrca entre pxels, correspondendo ao valor da dstânca eucldana mínma entre as médas das regões, abaxo da qual duas regões são consderadas smlares e, então, agrupadas. O lmar de área é o número mínmo de pxels para que uma regão seja ndvdualzada, sendo, portanto, o tamanho mínmo que cada segmento deve possur na operação de segmentação. Para este trabalho, os lmares de smlardade foram defndos sstematcamente, enquanto que o lmar de área teve seus valores defndos a partr de um valor-teste que fo recebendo ncrementos de modo não-sstemátco, à medda que os resultados dos processos am sendo obtdos. Ao todo foram testados 20 pares de lmares de smlardade e área. A avalação quanttatva fo obtda a partr da aplcação do método empírco de dscrepânca. A aplcação desse método é dependente da exstênca de uma segmentação-referênca ( verdade de campo ) que represente a dentfcação adequada dos alvos presentes na cena, levando-se em consderação os lmtes de resolução espacal e espectral. Podem ser consderados como segmentação-referênca, o produto de nterpretação vsual de magens, mapas ou uma resttução fotogramétrca, devendo esses materas apresentar a pror uma maor confabldade que os resultados da segmentação automátca. As dferenças apresentadas entre as segmentações e a referênca são comparadas numercamente pelas meddas de dscrepânca dos parâmetros componentes do índce IAVAS mod. Neste trabalho, a segmentação-referênca utlzada fo o resultado da nterpretação vsual da mesma magem Ikonos submetda aos testes de segmentação, que, após sua nterpretação, passou pelo processo de dgtalzação manual em tela do montor dos polígonos dscrmnados. Os softwares de Sstemas de Informações Geográfcas (SIG) como, por exemplo, SPRING (INPE) e ArcVew (ESRI) apresentam ferramentas que auxlam nas operações para a obtenção de valores dos parâmetros de dscrepânca necessáros para o cálculo do IAVAS mod. Tomando por exemplo o caso de a segmentação-referênca apresentar-se no formato vetoral, ncalmente torna-se necessáro converter os resultados do processo de segmentação que são gerados em formato raster também para o formato vetor, possbltando, assm, calcular os valores dos parâmetros de análse. A avalação dos resultados da segmentação fo efetuada por amostragem sstemátca, exceto para o parâmetro número de polígonos, que é obtdo dretamente. O emprego do método de amostragem proporcona uma redução de tempo e custo e torna mas dnâmco o processo de análse das segmentações. Foram seleconados na segmentação-referênca e submetdos à análse os polígonos que se encontravam sob os pontos de cruzamento das lnhas de um grd. FLORESTA, Curtba, PR, v. 39, n. 1, p , jan./mar

4 Conforme a metodologa, o ntervalo entre pontos do grd deve ser estabelecdo de forma a atender a uma amostragem mínma de 10% do total de polígonos contdos na segmentação-referênca. Para este estudo, o grd fo defndo com ntervalo entre pontos de 400 m. Empregando-se ferramentas que permtam conhecer a ntersecção entre dos temas, é possível conferr se a ntensdade amostral está sendo atngda. Tendo-se obtdo a amostragem adequada, os polígonos seleconados devem ser armazenados como um novo tema para facltar os demas procedmentos. A avalação quanttatva dos resultados da segmentação envolve os seguntes parâmetros: número de polígonos, dstânca entre centrodes, dferença em área, dferença em perímetro e faxa de concdênca. Sua descrção, bem como os passos para a obtenção de seus valores de análse, estão apresentados nos tens seguntes. 1) Número de polígonos Esse parâmetro mede a dscrepânca entre a magem segmentada e a de referênca em relação à quantdade de objetos extraídos pelo algortmo segmentador, permtndo, assm, uma verfcação da ocorrênca de segmentação excessva ou nsufcente. Um bom conhecmento de campo e do objetvo do estudo torna-se mportante para auxlar na defnção do número máxmo de segmentos que será aceto. De acordo com a metodologa, os valores de lmares que atenderam ao número máxmo e mínmo preestabelecdos foram submetdos à análse dos demas parâmetros. A avalação do parâmetro número de polígonos permte uma pré-dentfcação dos prováves melhores lmares, não sendo, portanto, ncluídos os valores desse parâmetro na equação do IAVAS mod. 2) Dstânca entre centrodes Esse parâmetro calcula a dstânca eucldana entre os centrodes de cada polígono da segmentação-referênca e cada polígono da magem segmentada. O centrode é uma entdade pontual que representa o centro de massa de determnado polígono. O cálculo da dstânca eucldana é dado pela segunte fórmula: j ' 2 ' ( x - x ) ( ) 2 j + y y j d = - = número do polígono analsado da magem referênca; j = número do polígono analsado da segmentação; x e y = coordenadas de x e y do ponto ; x ' j e y ' j = coordenadas de x e y do ponto j. Como a dentfcação dos polígonos equvalentes entre as magens avaladas é uma tarefa que apresenta grande dfculdade, optou-se pelo cálculo da dstânca eucldana entre os polígonos da segmentação-referênca seleconados pela amostragem e cada um dos n polígonos gerados pelo valor de lmar sob avalação, conforme lustrado na fgura 1. Fonte: Adaptado de Olvera (2002) Fgura 1. (a) Dstânca eucldana entre os centrodes; (b) Polígono com menor dstânca eucldana. Fgure 1. (a) Eucldean dstance between centrods; (b) Polygon wth the smallest Eucldean dstance. 134 FLORESTA, Curtba, PR, v. 39, n. 1, p , jan./mar

5 Depos de calculada a dstânca das n combnações, o polígono da segmentação que apresentou a menor dstânca em relação ao polígono avalado da segmentação-referênca fo aceto como equvalente e, posterormente, o conjunto de polígonos seleconados de cada segmentação avalada fo submetdo à análse dos demas parâmetros. O valor de dscrepânca para o parâmetro Dstânca entre centrodes fo calculado após terem sdo seleconados todos os menores valores das dstâncas apresentadas pelas n combnações. Em seguda, calculou-se a dferença percentual entre os valores do conjunto seleconado: æ d ö ç - dmín V = 100 ( ) è dmáx - dmín ø V = dferença percentual entre as menores dstâncas seleconadas; d = valor da dstânca eucldana de cada combnação seleconada do conjunto; d = menor valor de dstânca eucldana do conjunto seleconado; mín d = maor valor de dstânca eucldana do conjunto seleconado. máx Após a obtenção dos percentuas que uma dada dstânca entre centrodes representa em relação à ampltude de dstâncas observadas para todo o conjunto, fo calculada a méda artmétca das menores dferenças percentuas seleconadas, passando esse valor a representar o parâmetro usado na comparação entre as segmentações. A méda artmétca é dada por: n å = 1 e = d n d e = méda da dferença percentual de dstâncas eucldanas do conjunto analsado; V = valores da menor dferença percentual de dstâncas eucldanas de cada polígono analsado; n = número de polígonos da segmentação-referênca seleconados pela amostragem. Quanto menor o valor apresentado por em relação aos da segmentação-referênca. V d e mas semelhantes estão os polígonos da segmentação 3) Dferença em área Para calcular esse parâmetro, fo necessáro obter o valor de área de cada polígono-referênca, assm como de cada polígono da segmentação seleconado no cálculo do parâmetro anterormente descrto. As dferenças percentuas de área tveram seus valores calculados de forma modular, utlzandose a equação: AREF - ASEG DA = 100 AREF DA = dferença percentual de área entre cada polígono seleconado da segmentação e da segmentaçãoreferênca; AREF = área de cada polígono de referênca analsado; ASEG = área de cada polígono da segmentação equvalente ao polígono de referênca analsado. Para o conhecmento do desempenho geral em cada valor de lmares da segmentação, fo calculada a méda artmétca do conjunto analsado por meo da equação: DA n å = 1 = DA n FLORESTA, Curtba, PR, v. 39, n. 1, p , jan./mar

6 DA = méda da dferença percentual de área entre a segmentação e a referênca; DA = dferenças percentuas de área do conjunto analsado; n = número de polígonos da segmentação-referênca seleconados pela amostragem. Quanto menor o valor de DA apresentado pela segmentação, mas smlares foram as áreas dos polígonos da segmentação e da segmentação-referênca. 4) Dferença em perímetro Os cálculos desse parâmetro foram efetuados de forma smlar ao cálculo do parâmetro Dferença em área, somente substtundo-se a varável área pela varável perímetro, de acordo com as seguntes equações: PREF - PSEG DP = 100 PREF DP = dferença percentual entre o perímetro de cada polígono seleconado da segmentação e da segmentação-referênca; PREF = perímetro de cada polígono de referênca analsado; PSEG = perímetro de cada polígono da segmentação equvalente ao polígono de referênca analsado. DP= n DP = méda das dferenças percentuas de perímetro entre a segmentação e a segmentação-referênca; DP = dferenças percentuas de perímetro do conjunto analsado; n å = 1 n = número de polígonos da segmentação-referênca seleconados pela amostragem. Da mesma forma, a segmentação que apresentou o menor valor de DP, em prncípo, fo a mas adequada. 5) Faxa de concdênca Os parâmetros de dscrepânca que avalam separadamente o tamanho e a posção dos polígonos não asseguram uma total coerênca nos resultados, pos podem ocorrer stuações em que os segmentos estão rotaconados em seu centro de massa. Nesse caso, os valores calculados para tas parâmetros são consderados adequados, mas apresentam dscrepâncas se avalados quanto à forma de suas bordas, conforme lustrado na fgura 2. O uso do parâmetro Faxa de concdênca permte avalar espacalmente a relação entre os polígonos da segmentação e da segmentação-referênca, analsando de manera ndreta, também, os parâmetros referentes ao tamanho e à posção. Isso se torna possível com a quantfcação dos pxels da magem segmentada que concdem com os pxels da magem de referênca. Durante a aqusção dos dados de referênca por nterpretação vsual, o fator escala de trabalho pode ocasonar alguns erros, devdo às lmtações que o analsta tem em defnr o exato lmte dos polígonos, podendo, assm, estar nclundo ou exclundo alguns pxels. Para que esse fator não exerça nfluênca na análse do resultado da segmentação, Olvera (2002) recomenda a cração de uma faxa de tolerânca de espessura gual à resolução da magem utlzada, para dentro e para fora dos polígonos da magem de referênca. Os passos para a cração da faxa de tolerânca foram os seguntes: a) Gerar buffer nos polígonos da segmentação-referênca ( verdade de campo ), crando tanto um anel nterno quanto um externo (anel duplo), para uma dstânca gual à resolução da magem utlzada, salvando os resultados dessa operação como um novo tema. b) Unr os polígonos nternos e externos gerados pelo buffer, formando um polígono únco (anel smples). DP 136 FLORESTA, Curtba, PR, v. 39, n. 1, p , jan./mar

7 Fonte: Olvera (2002) Fgura 2. Faxa de concdênca entre polígonos. Fgure 2. Concdent buffers between polygons. A fgura 3 lustra os passos de cração da faxa de tolerânca para uma magem com resolução espacal de 4 m. Anel externo Anel nterno Faxa de Tolerânca Polígono da magem-referênca 4 m 4 m 8 m 2 pxels Fgura 3. Cração da faxa de tolerânca para uma magem com resolução espacal de 4 m. Fgure 3. Tolerance buffer for a four-meter-resoluton mage. O cálculo do número de pxels das áreas de ntersecção requer que os dados se encontrem em formato matrcal (raster). Fo necessáro, então, converter para esse formato o polígono da faxa de tolerânca da segmentação-referênca, assm como os polígonos da segmentação seleconados para as análses de dscrepânca. Como o polígono da faxa de tolerânca apresentava-se em formato vazado (em forma de anel), a conversão fo realzada dretamente, observando-se que o tamanho da célula usado pela ferramenta fosse o mesmo valor da resolução espacal da magem. No caso dos polígonos da segmentação (polígonos cheos), fo necessáro convertê-los prmeramente para a feção lnha e, sobre o tema de lnhas, prosseguu-se a conversão para o formato matrcal. Os valores comparatvos do parâmetro Faxa de concdênca foram obtdos pelo cruzamento dos temas matrcas, realzando-se a somatóra do número de pxels comuns entre cada segmentação e a referênca. A partr desse valor da somatóra e do número total de pxels apresentados pelos polígonos seleconados de cada segmentação, calculou-se o percentual de pxels espacalmente ncorretos por meo da equação: æ ö ç npconc FC = è npseg ø FC = percentual de pxels espacalmente ncorretos; np = número de pxels concdentes entre a segmentação e a segmentação-referênca; conc np = número total de pxels dos polígonos da segmentação avalada. seg FLORESTA, Curtba, PR, v. 39, n. 1, p , jan./mar

8 Nesse parâmetro, obtém-se em cada par de lmares um valor únco para todos os segmentos gerados, efetuando-se, portanto, uma avalação geral do desempenho na formação das regões. A segmentação que apresentou o menor valor para FC ndca que menos pxels foram ncorretamente assocados a uma regão e, consequentemente, mas semelhantes foram as regões formadas em relação aos polígonos da segmentação-referênca. O cálculo do IAVAS mod é a somatóra de valores dos parâmetros de dscrepânca obtdos para cada resultado do processo de segmentação, sendo dado pela equação: IAVAS = d e + DA+ DP+ FC mod Consderou-se como a melhor segmentação aquela que apresentou o menor valor no cálculo do índce IAVAS mod. Pode-se dzer que valores elevados são assocados a grandes erros da segmentação, evdencando um desempenho nefcente do algortmo segmentador. RESULTADOS E DISCUSSÃO Uma avalação qualtatva da segmentação sobrepondo-se a magem a cada resultado proporconado pelas combnações de pares de lmares, possblta conhecer de forma rápda o comportamento do algortmo segmentador. No entanto essa avalação pode não ser nteramente confável, devdo à nfluênca da subjetvdade do analsta durante a defnção do melhor resultado. Segundo Nascmento (1997), uma avalação objetva e quanttatva torna-se necessára para a escolha do melhor resultado do segmentador, vsto que não há um valor deal de lmar e eles varam de acordo com o materal utlzado e o objetvo da segmentação. O conhecmento do objetvo da segmentação é um aspecto relevante também para a aplcação efetva dos métodos empírcos de dscrepânca, uma vez que ele balza o resultado da segmentação manual que servrá de referênca, assm como na defnção das meddas de qualdades desejáves acerca do resultado esperado. A segmentação-referênca utlzada fo resultado da nterpretação vsual da magem Ikonos, em composção colorda Near Infrared+Green+Blue (NGB). A escolha dessa composção ocorreu devdo à maor facldade que essa composção proporconava para o reconhecmento e dscrmnação das regões (Fgura 4). Conferu-se a acuracdade do resultado da nterpretação vsual por meo de processo de reambulação, com avalações em campo das regões que durante a sua dscrmnação apresentaram dúvdas na defnção dos lmtes. De acordo com a metodologa utlzada no presente estudo para o desenvolvmento do índce IAVAS mod, a prmera etapa consstu em analsar quas pares de lmares geraram uma quantdade de segmentos dentro de ntervalo preestabelecdo. O estudo propôs acetar os resultados do algortmo de segmentação por crescmento de regões que geraram um número de segmentos gual ou até três vezes maor que o número de polígonos exstente na segmentação-referênca, de modo a evtar a ocorrênca de segmentação nsufcente ou excessva. Esse valor de três vezes fo defndo após se consderarem as dferenças exstentes entre o processo automátco e o vsual, no qual, por exemplo, áreas com sombra são agrupadas pelo ntérprete às regões adjacentes, enquanto que, no processo automátco, elas são defndas como outra regão. O agrupamento de segmentos adjacentes na magem torna-se facltado ao ntérprete quando este adquru em campo na fase anteror à nterpretação vsual da magem nformações sobre o comportamento das tpologas a serem mapeadas. Portanto, avalou-se o resultado das segmentações que apresentaram um número mínmo de 427 segmentos (valor obtdo na nterpretação vsual) e máxmo 1281 segmentos. Na fgura 5 apresenta-se o comportamento do algortmo por crescmento de regões com relação ao número de segmentos formados para os lmares de smlardade e área testados. Conforme se pode observar, o lmar de área fo o parâmetro que exerceu maor nfluênca no número de polígonos gerados. Dos 20 pares de lmares testados, 15% apresentaram menos polígonos que o mapa-referênca, 50% apresentaram número excessvo de segmentos e 35% atenderam o parâmetro de número de polígonos, sendo estes últmos submetdos à análse pelos outros parâmetros de dscrepânca. Os pares seleconados nessa fase foram: 30 e 2.000; 35 e 1.200; 35 e 2.000; 40 e 1.200; 40 e 2.000; 45 e 1.200; 60 e FLORESTA, Curtba, PR, v. 39, n. 1, p , jan./mar

9 (a) (b) Fgura 4. (a) Imagem Ikonos em composção NGB; (b) Segmentação-referênca obtda por nterpretação vsual. Fgure 4. (a) Ikonos color-composte NGB; (b) Reference segmentaton obtaned by vsual nterpretaton. FLORESTA, Curtba, PR, v. 39, n. 1, p , jan./mar

10 Número de Polígonos Gerados pelos Pares de Lmares Número de Polígonos Par de Lmares (smlardade - área) Fgura 5. Número de polígonos gerados pelas combnações dos lmares da segmentação. Fgure 5. Number of polygons generated by each combnaton of the segmentaton thresholds. Na defnção da amostragem da segmentação-referênca, foram seleconados 51 polígonos que estavam sob o cruzamento das lnhas do grd, correspondendo a 11,9% dos polígonos dscrmnados. Depos de seleconados os polígonos da referênca e defndos os equvalentes entre as segmentações, procedeu-se o cálculo da méda percentual das menores dstâncas entre centrodes, dos parâmetros dferença em área, dferença em perímetro e faxa de concdênca para cada segmentação. A fgura 6 apresenta uma representação gráfca do resultado de cada parâmetro de dscrepânca analsado. 140,00 Parâmetros de Dscrepânca Dferença Percentual 120,00 100,00 80,00 60,00 40,00 20,00 0, Dferença em Área Dferença em Perímetro Faxa de Concdênca Dst. Eucldana Pares de Lmares Fgura 6. Comportamento dos parâmetros de dscrepânca conforme as combnações de lmares de smlardade e de área. Fgure 6. Dscrepancy parameters behavor accordng to the combnaton of smlarty and area thresholds. Constata-se, que ao serem comparados os polígonos gerados pelo segmentador com os da segmentação-referênca, a maor varação ocorreu sobre o parâmetro dferença em área. Os valores do índce IAVAS mod alcançados pelos pares de lmares analsados foram ordenados em um rankng, permtndo, dessa forma, conhecer o lmar que apresentou a melhor performance de segmentação. A síntese dos resultados do índce IAVAS mod para as combnações de lmares testadas é apresentada na tabela FLORESTA, Curtba, PR, v. 39, n. 1, p , jan./mar

11 Tabela 1. Síntese dos resultados da análse quanttatva da segmentação. Table 1. Quanttatve results of the segmentaton analyss. Dferença Dferença em Dstânca Par de em área perímetro eucldana lmares (%) (%) (%) (%) Faxa de concdênca IAVAS mod Rankng ,32 83,99 13,67 74,87 272, ,10 75,38 14,19 72,92 251, ,22 91,16 35,25 77,77 316, ,80 92,29 30,99 74,38 311, ,34 87,53 33,58 70,35 309, ,24 83,92 29,69 76,88 279, ,84 77,49 39,40 83,74 294,47 4 (a) (b) Fgura 7. Resultado da segmentação com os lmares 35 e para smlardade e área, respectvamente, e composção Ikonos NGB ao fundo: (a) área total; (b) detalhe amplado. Fgure 7. Results of the segmentaton for 35 and 1,200 smlarty and area thresholds, respectvely. Ikonos color composte n the background: (a) total area; (b) zoomed porton of the mage. FLORESTA, Curtba, PR, v. 39, n. 1, p , jan./mar

12 De acordo com os resultados obtdos com o método empírco de dscrepânca, a segmentação realzada com o par de lmares 35 para smlardade e para área fo a que apresentou o menor valor no índce IAVAS mod, sendo consderada quanttatvamente a segmentação mas coerente com a segmentação-referênca. Na fgura 7 encontra-se o resultado do par de lmares mas coerente com a referênca. Olvera (2002) comenta que, em alguns casos, pequenas varações entre os lmares não alteram os valores dos parâmetros de dscrepânca, resultando em índces guas. Em outras stuações, dferentes combnações entre lmares fornecem resultados dstntos para cada parâmetro, porém a soma deles é dêntca. CONCLUSÕES O presente trabalho procurou demonstrar que, apesar de ser mas complexa em sua aplcação, uma avalação quanttatva é superor à qualtatva, por proporconar resultados mas consstentes na análse de algortmos de segmentação. O índce IAVAS mod para a avalação da segmentação de magens permtu comparações quanttatvas para dferentes valores de lmares, elmnando, com sso, a subjetvdade de uma avalação qualtatva na defnção do melhor resultado. Com os valores dos parâmetros de dscrepânca apresentados em percentagem, tornou-se possível uma avalação ndvdual do comportamento de cada parâmetro para os pares testados, conhecendo sua nfluênca no resultado obtdo pelo segmentador. A partr de valores de lmares que já se apresentem satsfatóros, recomenda-se testar ntervalos menores para os parâmetros do algortmo, como tentatva de alcançar valores mas acurados para o processo. Dessa forma, se consegurá, também, elevar a acuracdade dos resultados da classfcação da magem, vsto que são dos processos fortemente relaconados, consderando-se que os segmentos podem ser classfcados a partr de característcas comuns de todos os pxels que os consttuem. REFERÊNCIAS ANTUNES, A. F. B. Classfcação de ambente clar baseada em orentação a objeto em magens de alta resolução espacal. 147 f. Tese (Doutorado em Cêncas Geodéscas) Setor de Cêncas da Terra, Unversdade Federal do Paraná, Curtba, COUTINHO, A. C. Segmentação e classfcação de magens Landsat-TM para o mapeamento dos usos da terra na regão de Campnas, SP. 150 p. Dssertação (Mestrado em Cêncas) Insttuto de Bocêncas, Unversdade de São Paulo, São Paulo, GONZALES, R. C; WINTZ, P. Dgtal mage processng. Readng: Addson Wesley, p. GONZALES, R. C; WOODS, R. Processamento de magens dgtas. São Paulo: E. Blücher, p. LUCCA, E. V. D. Avalação e comparação de algortmos de segmentação de magens de radar de abertura sntétca p. Dssertação (Mestrado em Sensoramento Remoto). Insttuto Naconal de Pesqusas Espacas. São José dos Campos Dsponível em: < >. Acesso em: 30/11/2004. NASCIMENTO, P. S. R. Avalação de técncas de segmentação e classfcação por regões em magens Landsat-TM vsando o mapeamento de undades de pasagem na Amazôna. 120 p. Dssertação (Mestrado em Sensoramento Remoto) Insttuto Naconal de Pesqusas Espacas, São José dos Campos, NASCIMENTO, P. S. R.; ALMEIDA FILHO, R. Utlzação da técnca de segmentação em magens TM/Landsat vsando otmzar a técnca de nterpretação vsual. In: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 8., 1996, Salvador. Artgos... São José dos Campos: INPE/SELPER, CD-ROM. NEUBERT, M.; HEROLD, H.; MEINEL, G. Evaluaton of remote sensng mage segmentaton qualty further results and concepts Dsponível em: < 142 FLORESTA, Curtba, PR, v. 39, n. 1, p , jan./mar

13 06/Papers/10_Adapton%20and%20further%20development%20II/OBIA2006_Neubert_Herold_Menel. pdf>. Acesso em: 08/11/2007. OLIVEIRA, J. C. Índce para avalação de segmentação (IAVAS): uma aplcação em agrcultura. 160 p. Dssertação (Mestrado em Sensoramento Remoto) Insttuto Naconal de Pesqusas Espacas. São José dos Campos, Dsponível em: < /2003/ > Acesso em: 25/09/2004. SPRING Sstema de processamento de nformações georreferencadas. Processamento de magens. São José dos Campos: NETGIS, v.2. VENTURIERI, A.; SANTOS, J. R. dos. Técncas de Classfcação de Imagens para Análse de Cobertura Vegetal. In: ASSAD, E.D. e SANO, E.E. Sstema de Informações Geográfcas. 2.ed., rev. e ampl.. Brasíla, DF: Embrapa-SPI/Embrapa-CPAC, p ZHANG, Y. J. A survey on evaluaton methods for mage segmentaton. Pattern Recognton, Kdlngton, v.29, n.8, 1996, p FLORESTA, Curtba, PR, v. 39, n. 1, p , jan./mar