Segmentação e Classificação. Prof. Herondino

Tamanho: px

Começar a partir da página:

Download "Segmentação e Classificação. Prof. Herondino"

Bernardo Belo Delgado
6 Há anos
Visualizações:

1 Segmentação e Classificação Prof. Herondino

2 Segmentação Neste processo, divide-se a imagem em regiões que devem corresponder às áreas de interesse da aplicação. Entende-se por regiões um conjunto de "pixels" contíguos, que se espalham bidirecionalmente e que apresentam uniformidade, ou seja, dado Conjunto finito de regiões definido por: R 1U S R,...,R S = i=1 R i onde Ri I R j = e

3 Crescimento por Região A divisão em porções consiste basicamente em um processo de crescimento de regiões, de detecção de bordas ou de detecção de bacias. Crescimento de regiões É uma técnica de agrupamento de dados, na qual somente as regiões adjacentes, espacialmente, podem ser agrupadas. Inicialmente, este processo de segmentação rotula cada "pixel" como uma região distinta. Calcula-se um critério de similaridade para cada par de regiões adjacentes espacialmente.

4 Crescimento por Região O critério de similaridade baseia-se em um teste de hipótese estatístico que testa a média entre as regiões. A seguir, divide-se a imagem em um conjunto de sub-imagens e então se realiza a união entre elas, segundo um limiar de agregação definido.

5 Segmentação no SPRING Limiar de Similaridade Área do objeto

6 Detecção de bacias A classificação por detecção de bacias é feita sobre uma imagem resultante da extração de bordas. A extração de bordas é realizada por um algoritmo de detecção de bordas, ou seja, pelo filtro de Sobel O algoritmo calcula um limiar para a perseguição de bordas. Quando ele encontra um "pixel" com valor superior ao limiar estabelecido, tem-se início o processo de perseguição da borda

7 Segmentação Binária g( i, j) = 1 0 para para f ( i, f ( i, j) T j) < T Algoritmo Básico de Limiar: Buscar todos os pixels f ( i, j) da imagem. Um elemento de imagem g( i, j) da imagem segmentada é um pixel do objeto se f ( i, j) T e um pixel de fundo caso contrário. f

8 Segmentação Binária (a) Imagem Original. (b) Imagem segmentada a partir do limiar escolhido Fonte: (Sonka, Hlavac e Boyle, 2008) < = T j i f para T j i f para j i g ), ( 0 ), ( 1 ), (

9 Tipos de Classificação Em relação ao tipo de treinamento, a classificação automática pode ser dividida em dois grupos: o o Classificação Supervisionada - nesta classificação cada pixel da imagem é associado a uma classe espectral sem que o usuário tenha um conhecimento prévio do número das diferentes classes presentes na imagem. Não supervisionada o usuário seleciona amostras representativas para cada uma das classes.

10 Classificação utilizando a segmentação Criar o Contexto

11 Criação do Contexto

12 Contexto Criado e pronto para treinamento Faz-se a seleção das Bandas que serão usadas na classificação e a segmentação que será utilizado na captura das amostras

13 Etapas para a classificação Para o treinamento do algoritmo faz-se necessário a escolha dos temas para a classificação

14 Criando os temas das classes Criando os temas da classificação. Na criação do temas é necessário a associação com uma cor que pode ser escolhida no menu de Cor... Associando a cor ao tema

15 Criando os temas das classes Criando os temas para a classificação. Após a criação dos temas pode-se iniciar a aquisição das amostras (treinamento) definida o tipo de aquisição por região.

16 Fazendo o treinamento

17 Fazendo o treinamento

18 Algoritmos Classificadores

19 ISOSEG O Isoseg é um algoritmos de de agrupamento (clustering) de dados não-supervionado, aplicado sobre um determinado conjunto de regiões, caracterizadas por seus atributos estatísticos de média, matriz de covariância e área (INPE/DPI, 2006)

20 Battacharya A distância de Battacharya é usada para medir a separabilidade estatística entre um par de classes espectrais. Ela mede a distância média entre as distribuições de probabilidades de classes espectrais.

ClaTex É um algoritmo supervisionado que utiliza ambos os atributos texturais das regiões de uma imagem segmentada para efetuar a classificação por

21 ClaTex É um algoritmo supervisionado que utiliza ambos os atributos texturais das regiões de uma imagem segmentada para efetuar a classificação por regiões. A medida utilizada consiste na distância de Mahalanobis entre a classe de interesse e as regiões candidatas à relação de pertinência com esta classe.

22 Referência Bibliográfica GONZALEZ, R. C.; WOODS, R. E. Digital Image Processing. 2a. Edition. ed. New Jersey: Prentice Hall, INPE. Tutorial de Geoprocessamento disponível em ml. Acesso em 05/02/2014. CCRS - CANADA CENTRE FOR REMOTE SENSING (Canada). Canada. Tutorial: Fundamentals of Remote Sensing: Introduction What is Remote Sensing?. Natural Resources Canada. Disponivel em: < php>. Acesso em: 25maio 2011 SAUSEN, T. M.; COSTA, S. M. D.; DI, M. A. C. Projeto Educa SeRe III - Atlas de Ecosssistemas da America do Sul e Antartica. XII Simpósio Brasileiro de Sensoriamento Remoto, Goiania, Abril

Documentos relacionados

Processamento de Imagem. Prof. Herondino

Processamento de Imagem. Prof. Herondino Processamento de Imagem Prof. Herondino Sensoriamento Remoto Para o Canada Centre for Remote Sensing - CCRS (2010), o sensoriamento remoto é a ciência (e em certa medida, a arte) de aquisição de informações