AVACIM - AVALIADOR DE CLASSIFICAÇÃO DE IMAGENS. Bruno Zucuni Prina 1 Romário Trentin 2 Ana Caroline Paim Benedetti 3 RESUMO ABSTRACT

Transcrição

1 AVACIM - AVALIADOR DE CLASSIFICAÇÃO DE IMAGENS Bruno Zucuni Prina 1 Romário Trentin 2 Ana Caroline Paim Benedetti 3 1 Universidade Federal de Santa Maria UFSM Departamento de Geociências Mestrando em Geografia brunozprina@gmail.com 2 Universidade Federal de Santa Maria UFSM Departamento de Geociências Professor do Curso de Bacharelado e Licenciatura em Geografia romario.trentin@gmail.com 3 Universidade Federal de Santa Maria UFSM Colégio Politécnico da UFSM Professora do Curso Técnico e Tecnólogo em Geoprocessamento anacaroline@politecnico.ufsm.br RESUMO Esse trabalho possui o intuito de apresentar à comunidade científica um aplicativo desenvolvido por meio da linguagem de programação Visual Basic 6 para a realização de análises de classificações digitais de imagens. Tal aplicativo foi nomeado de AVACIM (AVAliador de Classificação de IMagens). Assim, o objetivo do trabalho, além de apresentar à comunidade científica o referido aplicativo, está em programar as rotinas matemáticas para avaliar a acurácia de uma classificação digital, como por exemplo, o cálculo do coeficiente de concordância Kappa, bem como a exportação de relatórios no formato *.CSV e *.DOCX. Destaca-se que para o armazenamento dos dados brutos iniciais, utilizou-se o Microsoft Office Access. Assim, com o aplicativo AVACIM é possível correlacionar os dados da matriz de referência aos dados resultantes de uma classificação digital de imagens de satélite. Com o aplicativo desenvolvido atendeu satisfatoriamente às necessidades do analista de imagens, visto a grande agilidade e operacionalidade ao realizar a validação dos resultados de uma classificação digital de imagens. Palavras chaves: Coeficiente Kappa, Matriz de Confusão, Visual Basic. ABSTRACT This paper has the aim to introduce the scientific community an application developed using the language Visual Basic 6 programming for the analysis of classification of digital images. This app was named AVACIM (AVAliador de Classificação de IMagens). The objective of the paper, in addition to presenting the scientific community this app, is in to realize mathematical routines to evaluate the accuracy of a digital classification, for example, calculating the Kappa coefficient, and the export of reports in formats *.CSV and *.DOCX. It is noteworthy that for the initial storage of the raw data, we used the Microsoft Office Access. So, with AVACIM app is possible to correlate the data from the reference with the data array resulting from a digital classification of satellite images. With the app developed, was comply with satisfactorily the needs of the analyst images, since the operability and agility to perform validation of the results of a digital image classification. Keywords: Kappa Coefficient, Confusion Matrix, Visual Basic. 1

2 1. INTRODUÇÃO As técnicas de Processamento Digital de Imagens, também conhecidas por PDI, são operações realizadas em imagens digitais, oriundas, por exemplo, do sensoriamento remoto, as quais se objetivam em realizar algum tratamento nas feições estruturais da imagem. Pode-se destacar que uma das técnicas de PDI é a classificação digital de imagens, a qual visa identificar os padrões espectrais de objetos da superfície terrestre, por meio da análise do valor digital de um pixel da imagem. Através da metodologia de Marques Filho e Vieira Neto (1999) é possível compreender a ideia do processamento digital de imagens, o qual é de extrema importância a uma vasta diversidade de aplicações. Tem-se, em meados da década de 1960, como primórdio significativo dessa área o aparecimento dos primeiros computadores digitais de grande porte. De lá para cá, o processamento digital de imagens está apresentando um aumento significativo nas suas mais variadas aplicações, as quais tangenciam os ramos de atuação do ser humano, com estudos realizados, por exemplo, na medicina, biologia, geografia, entre outras áreas (MARQUES FILHO e VIERA NETO, 1999). Para o entendimento desse trabalho deve-se de haver a fundamentação teórica de alguns conceitos intrínsecos às questões metodológicas a serem aqui implantadas. Assim sendo, a seguir haverá a contextualização dos vocábulos algoritmos, classificação digital de imagens e algumas terminologias referentes às operações de pós-classificação, como por exemplo, o coeficiente de concordância Kappa. A terminologia algoritmo, de acordo com Ferrari e Cechinel (s.d., p. 15), é definida como uma sequência finita de passos (instruções) para resolver um determinado problema. Enfatiza-se, que por mais que não sejam percebíveis, os algoritmos fazem parte de nosso dia a dia, como, por exemplo, na utilização de procedimentos (instruções) práticos: estacionar um automóvel ou para fazer um bolo, seguindo sua receita (CARVALHO, 2007). Análogo aos estudos de Castilho, Silva e Weingaertner (2011) um bom algoritmo é aquele em que após a inserção de dados e com seu processamento, implique, assim, em um resultado exato e escalável, e que resolva a solução de um problema. Pode-se definir por classificação digital de imagens como sendo um procedimento de obtenção de informações de imagens a fim de caracterizar e diferenciar os padrões e os objetos da superfície física terrestre (KÖRTING, 2006). Ainda, Körting (2006) sanciona que as técnicas de classificação são ferramentas de extrema competência no mapeamento e dimensionamento de áreas da superfície terrestre, as quais possuem informações digitalmente similares. O foco desse trabalho não é o de aprofundar as técnicas e procedimentos de classificação, porquanto, relata-se que existem dois procedimentos de classificação digital, o pixel a pixel e por regiões (KÖRTING, 2006). Ressalta-se, ainda, que uma classificação pode ser do tipo supervisionada ou não-supervisionada. Tais informações são determinantes para a escolha adequada do algoritmo que realizará o agrupamento das informações espectrais. Entre os algoritmos mais importantes tem-se: Isodata (pixel a pixel e não supervisionado), Máxima Verossimilhança (pixel a pixel e supervisionado), Isoseg (por regiões e não supervisionado), Bhattacharya (por regiões supervisionado), entre outros. Ainda, é importante referenciar as definições de alguns conceitos que fazem parte da análise do resultado das classificações digitais, os quais são: erro de inclusão, erro de omissão, exatidão global de análise e o coeficiente Kappa. Inicialmente, contextualiza-se a definição de erro de inclusão, o qual é a acurácia obtida pelo usuário, e respalda-se na inclusão de uma área dentro de uma classe à qual ela não pertence na realidade (VIEIRA et al., 2009, p. 2). Já, o erro de omissão está atrelado à acurácia do produtor para com os seus dados, ou seja, consiste na exclusão de uma área da classe à qual ela pertence de fato (VIEIRA et al, 2009, p. 2). Conforme a metodologia de Ferreira, Dantas e Morais (2007, p. 888), exatidão global é definida como sendo a medida mais simples e relaciona os elementos da diagonal com o total de pontos amostrados. Por fim, evidencia-se, por meio da metodologia de Perroca e Gaidzinski (2003), que o Coeficiente Kappa é definido como uma medida de associação usada para descrever e testar o grau de concordância (confiabilidade e precisão) na classificação. Em relação à linguagem de programação Visual Basic 6 infere-se que muitos dos estudos foram capazes, visto a vasta gama de informações teóricas e práticas obtidas no sítio do Macoratti.net. Salienta-se que o problema desse trabalho está contido na resolução da seguinte questão: Como proceder de uma metodologia ágil para realizar a análise do resultado de uma Classificação Digital de Imagens? Justifica-se, desse modo, entender que a análise da classificação digital de imagens é de extrema importância, visto sua grande eficiência na extração de informações, e, por meio dela é possível realizar a comprovação da qualidade de uma classificação digital, possibilitando validar ou não seus resultados. Destaca-se, que em muitos trabalhos, o referido processo, inúmeras vezes, é simplesmente desleixado. Ainda, enfatiza-se que a classificação digital de imagens é um exercício corriqueiro na comunidade acadêmica, visto que atualmente há uma maior facilidade de obtenção de imagens de satélite, porém faz-se necessário dispormos de ferramentas de fácil acesso para validação dos resultados, assim sendo, deslumbra-se a importância da criação do aplicativo AVACIM. A análise de classificações digitais de imagens já é uma ferramenta existente em alguns aplicativos da área de 1

3 PDI, porém os processos matemáticos são mascarados. Já o aplicativo AVACIM, por meio desse trabalho, possui a exemplificação de todos os procedimentos matemáticos de obtenção dos dados, além, de que o mesmo é um aplicativo gratuito. O objetivo geral do trabalho é o de criar um aplicativo para automação de rotinas para interpretação da matriz de confusão ou de erros da classificação digital de imagens, e orientar o usuário quanto à qualidade o resultado final. Especificamente tem-se o objetivo de desenvolver um aplicativo por meio da linguagem de programação Visual Basic 6 e compreender as operações matemáticas que realizam as análises de uma classificação digital de imagens. 2. MATERIAIS E MÉTODOS 2.1 Materiais Antes de segmentar os procedimentos metodológicos envolvidos nesse trabalho, há de citar os aplicativos que foram utilizados para sistematização desse trabalho. Assim, usou-se o Microsoft Office Access, com o propósito de armazenar os dados e o Visual Basic 6 para desenvolver o aplicativo AVACIM. Acentua-se, ainda, que como o foco do trabalho não era o de realizar a classificação digital, desta forma, reproduziu-se um exemplo a partir de uma simulação de dados obtidos a partir de uma classificação sem comprometimento com a veracidade. 2.2 Métodos A fim de identificar os procedimentos teórico-práticos executados nesse trabalho, os mesmos, a seguir, estarão endereçados cronologicamente. Para estruturar o aplicativo, seguiram-se os processos básicos na implementação de um algoritmo, os quais são: entrada dos dados, processamento e saída, e suas rotinas estão representadas na Fig. 1. Fig. 1 - Fluxo de procedimentos básicos realizados no aplicativo AVACIM. No módulo de entrada dos dados realizou-se todo o planejamento de como os valores, referentes ao número de classes participantes do processo e referentes à matriz de erro seriam inseridos no aplicativo, e para tal optou-se por utilizar o aplicativo Access. Já no processamento foram estudados os procedimentos matemáticos a serem implantados, assim, realizaram-se os cálculos referentes aos erros de inclusão (Eq. 1), erros de omissão (Eq. 2), exatidão global de análise (Eq. 3), Q (Concordância entre a classificação e os dados de referência) (Eq. 4) e Coeficiente Kappa (Eq. 5). ã = ã = 1 ( ) Σ ( ê ) (1) 1 ( ) Σ ( çã ) (2) = ã = Σ Σ Σ classificação( ) Σ h referência( ) Σ = (3) (4) (5) 2

4 Onde K é o coeficiente Kappa, Q é a concordância entre a classificação e os dados de referência, D é o total de correto que foi obtido com a classificação e T é o total de dados (amostras ou pixels). Por fim, na saída, geraram-se dois relatórios, além dos próprios valores dispostos na tela, primeiramente um com a extensão *.CSV (que pode ser manipulado via Excel) e outro, com um maior grau de refinamento referente ao leiaute de impressão, no formato *.DOCX. 3. RESULTADOS E DISCUSSÕES O resultado a ser evidenciado constitui no próprio aplicativo desenvolvido e nesse contexto será apresentado todo o trabalho de manipulação dos dados a serem computados. Inicialmente, conforme já retratado, utilizou-se o Access a fim de ser o ambiente de inserção e armazenamento. A Fig. 2 destaca o formato em que devem ser estruturados os dados. Alerta-se que os dados que possuem as mesmas informações, ou seja, que se correlacionam referem-se as: coluna A com a linha 1, coluna B com a linha 2, coluna C com a linha 3, e assim sucessivamente. Essas informações similares, entre coluna e linha, poderiam ser, em uma classificação, os mais variados tipos de usos da terra, como por exemplo: água, urbanização, mata nativa, campo, solo exposto e lavoura, etc. Fig. 2 Estrutura dos dados do banco de dados: valores que representam a concordância entre a imagem classificada e o dado de referência. A ideia do banco de dados é estruturar as informações conforme a Fig. 3, correlacionando os dados de referência aos classificados. referência Classificação Fig. 3 Amostragem da organização dos dados do banco de dados: classificação versus referência. Na etapa de processamento, primeiramente, deve-se abrir o aplicativo (Fig. 4a), após inserir o número total de classes (Fig. 4b e Fig. 4c), fazer a busca pelo banco de dados com as informações (Fig. 4d) e por fim clicar em OK. Após a etapa de interligação do banco de dados, é aberta a tela, que está destacada na Fig. 5, a qual exemplifica os dados brutos, juntamente com as rotinas de cálculo implementadas no mesmo. Ao clicar em Opções de Exportação (Fig. 6) há duas alternativas: Exportar Dados (*.CSV) e Relatório (*.DOCX), as quais são as opções de exportação dos dados, a fim de realizar análises posteriores. 3

5 (a) (b) (c) (d) Fig. 4 - Procedimentos iniciais no aplicativo AVACIM: (a) ícone do aplicativo AVACIM, (b) primeira visão do aplicativo, (c) inserção no número total de classes, (d) no botão Abrir arquivo é realizado a escolha do BD, posteriormente clicar em OK. Fig. 5 Informações do banco de dados importados pelo AVACIM, juntamente com as rotinas matemáticas de avaliação das imagens. Fig. 6 Visualização do Menu de Opções de Exportação do aplicativo AVACIM. 4

6 Analisando a opção "Exportar Dados (*.CSV)", os dados exportados (ao serem abertos para manipulação em uma planilha eletrônica - Excel ) ficaram no formato destacado na Fig. 7a, após, clicando na aba Dados e na opção Texto para colunas (Fig. 7b), aparecerá a janela de opções conforme a Fig. 7c e escolhendo a opção Delimitado e clicando em Avançar, surgirá a janela em destaque na Fig. 7d. Assim, basta clicar em Outras e inserir o delimitador asterisco (*) e clicar em Concluir. Ainda, na Fig. 7e há o destaque de como os dados ficarão organizados, sendo assim, para a próxima etapa basta realizar, conforme o usuário desejar, a formatação dos dados, conforme Fig. 7f, por exemplo. (a) (b) (c) (d) (e) (f) Fig. 7 Procedimentos para análises posteriores no Excel. Já na opção de exportação "Relatório (*.DOCX)", ter-se-á a exposição das informações pré-formatadas conforme a Fig. 8. Com esse relatório, é possível identificar de forma clara o número de classes utilizadas, o local em que o banco de dados foi salvo, os erros de inclusão e os erros de omissão, a exatidão global e o Coeficiente Kappa, bem como com uma prévia explicação de cada item. 5

7 4. CONSIDERAÇÕES FINAIS Fig. 8 Relatório informativo gerado pelo AVACIM. O uso do aplicativo Microsoft Visual Basic 6, com a linguagem Visual Basic 6, foi de extrema importância para a sistematização do aplicativo AVACIM, visto a grande operacionalidade da referida linguagem, pois, com o estudo da mesma foi possível realizar todos os cálculos, bem como a geração dos relatórios. O processo metodológico realizado, de forma geral, foi extremamente importante, pois, assim a comunidade acadêmica, acaba de desfrutar de um aplicativo de fácil manuseio, e com resultados ágeis, pois basta realizar a inserção dos dados, seguir alguns procedimentos e o resultado esperado é obtido. Enfatiza-se que com o cálculo do coeficiente Kappa é possível avaliar a qualidade de uma classificação digital, porém, destaca-se que a metodologia de interpretação dos dados poderá ser das mais variadas formas, um exemplo é por meio da implantada por Landis e Koch (1977), a qual está explicitada nos trabalhos de Amaral et al (2009) e de Jodas et al (2009), por exemplo. Depois de explicitado toda a etapa metodológica envolvida para criação do aplicativo e para manipulação do mesmo, enfatiza-se que o AVACIM mostra-se de extrema importância para auxiliar na validação de uma classificação digital de imagens. Por fim, destaca-se que serão realizados estudos posteriores a fim de utilizar o aplicativo em situações reais de avaliações de classificações digitais e todo o usuário que mostrar interesse para com o aplicativo poderá solicitar seu login e senha por meio de um dos s dos autores desse trabalho. 6

8 AGRADECIMENTOS Agradecemos a CAPES (Coordenação de Aperfeiçoamento de Pessoal de Nível Superior) pela concessão de bolsa de estudos ao primeiro autor. REFERÊNCIAS BIBLIOGRÁFICAS AMARAL, M. V. F.; SOUZA, A. L. de; SOARES, V. P.; SOARES, C. P. B.; LEITE, H. G.; MARTINS, S. V.; FERNANDES FILHO, E. I.; LANA, J. M. de. Avaliação e compação de métodos de classificação de imagens de satélites para o mapeamento de estádios de sucessão florestal. R. Árvore, Viçosa-MG, v.33, n.3, p , Disponível em: < Acesso em 03 abr.14. CARVALHO, F. P. de. Apostila de Lógica de Programação - Algoritmos. FIT - Faculdade de Informática de Taquara, Curso de Sistemas de Informação, Disponível em: < >. Acesso em 03 abr.14 CASTILHO, M.; SILVA, F.; WEINGAERTNER. Algoritmos e Estruturas de Dados I. Versão 0.7, Disponível em: < Acesso em 03 abr.14. FERREIRA, E.; DANTAS, A. A. A.; MORAIS, A. R. de. Exatidão na classificação de fragmentos de matas em imagem do satélite CBERS-CCD, no município de Lavras, MG. Anais XII Simpósio de Sensoriamento Remoto, Florianópolis, Brasil, abril 2007, INPE, p Disponível em: < Acesso em 03 abr.14. FERRARI, F. CECHINEL, C. Introdução a algoritmos e programação. Versão 2.2.Disponível em: < Acesso em 03 abr.14. JODAS, C. R. P.; RAPOPORT, A.; SOUZA, R. P. de; TEIXEIRA, R. G.; BACCARIN, L. S. Análise da concordância intra e inter-observadores na detecção das fraturas da face por meio da tomografia computadorizada. Rev. Bras. Cir. Cabeça Pescoço, v. 38, nº 1, p , janeiro / fevereiro / março Disponível em: < Acesso em 03 abr.14. KÖRTING, T. S. Classificação de imagens por regiões. São José dos Campos, Disponível em: < Acesso em 03 abr.14. MACORATTI. Macoratti.net. Disponível em: < Acesso em 04.abr.14. MARQUES FILHO, O; VIEIRA NETO, H. Processamento Digital de Imagens. Rio de Janeiro: Brasport, ISBN Disponível em: < Acesso em 02 abr.14. PERROCA, M. G.; GAIDZINSKI, R. R. Avaliando a confiabilidade interavaliadores de um instrumento para classificação de pacientes - coeficiente Kappa. Rev. Esc. Enferm. USP, 2003; 37 (1): Disponível em: < Acesso em 03 abr.14. VIEIRA, T. G. C.; ALVES, H. M. R.; VOLPATO, M. M. L.; BERNARDES, T., SANTOS, E. R. dos. Avaliação de classificadores automáticos no mapeamento de áreas cafeeiras da região de Guaxupé, Minas Gerais. VI Simpósio de Pesquisa dos Cafés do Brasil, Disponível em: < Acesso em 03 abr.14. 7