AVALIAÇÃO DE TÉCNICAS CLASSIFICAÇÃO NA EXTRAÇÃO DE FEIÇÕES EM IMAGENS DE ALTA RESOLUÇÃO DO SENSOR AEROTRANSPORTADO ADS-80.

Transcrição

1 AVALIAÇÃO DE TÉCNICAS CLASSIFICAÇÃO NA EXTRAÇÃO DE FEIÇÕES EM IMAGENS DE ALTA RESOLUÇÃO DO SENSOR AEROTRANSPORTADO ADS-80. Marcelo Parise 1, Wandrevy Ribeiro dos Santos 2 1 Oceanólgo, Analista em C & T, CENSIPAM, Manaus-AM, marcelo.parise@sipam.gov.br 2 Geógrafo, Universidade do estado do Amazonas, UEA, Manaus-AM, Wandrevy@gmail.com RESUMO: Técnicas de classificação de imagens tem tido papel fundamental na extração de informações de diferentes alvos em uma imagem obtida por um sensor. Neste contexto, este trabalho teve como objetivo avaliar o uso de diferentes classificadores presentes no aplicativo ENVI 5.1. Para tanto utilizou-se uma imagem obtida pelo sensor aerotransportado ADS-80. Foram definidas classes de interesse, relacionadas à permeabilidade do solo onde foi testada a eficiência dos diferentes métodos, expressa além da análise visual, pelos percenturais de acurácia e coeficiente KAPPA. Em termos de classificadores supervisionados, os resultados obtidos variaram de 0,4 a 0,6 (Kappa). Em relação aos testes envolvendo classificadores orientados a objetos, os valores de Kappa estavam entre 0,5 e 0,9 (Isodata não supervisionado e Maxver e Mahanalobis supervisionados). Considerando todos esses resultados, pode-se concluir neste estudo, que de todos os testes realizados, o método mais adequado para classificação de dados ADS-80 foi o método orientado à objeto Maxver. PALAVRAS-CHAVE: ADS-80, Classificação. INTRODUÇÃO: Técnicas de classificação de imagens tem tido papel fundamental na extração de informações de diferentes alvos em uma imagem obtida por um sensor. Inúmeros são os métodos disponíveis, porém, em função de suas particularidades, cada qual não se aplica a qualquer tipo de dado. Pertencente ao parque de aeronaves e sensores do CENSIPAM, o sensor aerotransportado ADS-80 (Airbourne Digital Sensor) tem sido amplamente utilizado para os mais diversos fins na instituição. Porém, pouca literatura tem sido publicada envolvendo este sensor. Brasil e Costa, (2015) e Marinho et al., (2005) são exemplos de estudos envolvendo este sensor na delimitação de áreas de inundação e discretização de óxidos de ferro em solos. Diante disso, surge a necessidade de estudos visando testar os mais diversos classificadores implementados na ampla gama de aplicativos disponíveis e sua adequação para um determinado tipo de dado de SR, possibilitando a otimização da classificação de dados. MATERIAL E MÉTODOS: Para a execução deste estudo, foi selecionado um recorte (Fig.1) proveniente de um aerolevantamento realizado no ano de 2012 sobre a região urbana da cidade de Manaus/AM, onde foi utilizado o sensor ADS-80. Tal sensor, possui 3 sensores na faixa do visível, além de um sensor na faixa do Infravermelho próximo e 1 pancromático, ambos com resolução espacial de 40 cm (LEICA, 2010). 409

2 Figura 1 Localização da área teste e exemplo do recorte da imagem ADS-80. Todos os testes foram executados utilizando-se aplicativo comercial ENVI Versão 5.1, onde foram aplicados diferentes algoritmos de classificação sobre o recorte da imagem selecionada. Inicialmente foi gerada uma composição colorida utilizando-se as bandas do infravermelho próximo, banda do vermelho e banda do verde. A partir desta imagem resultante, foi definida uma chave de classificação (Fig.2) no intuito de coletar amostras tanto para a validação como para a coleta de amostras para classificadores supervisionados. Figura 2 Chave de classificação utilizada 410

3 Posteriormente, foram testados os métodos supervisionados e não supervisionados (Fig3) e orientados à objeto (Fig.4) disponíveis no aplicativo. Paralelo à isso, foi definido um conjunto de 5 classes de interesse (vegetação alta, vegetação baixa, solo exposto, solo pavimentado e coberturas de telhados), visando individualizar diferentes classes de permeabilidade do terreno na cidade de Manaus. Posteriormente, as classes (asfalto e coberturas de telhados foram agrupadas, assim como vegetação alta e baixa). Tal critério, está relacionado a outros trabalhos na área de hidrologia que estão sendo desenvolvidos em paralelo na instituição. Figura 3 Fluxograma definido para os testes dos algoritmos supervisionados e não supervisionados. Figura 4 Fluxograma definido para os testes dos algoritmos supervisionados e não supervisionados na classificação orientada à objeto. 411

4 RESULTADOS E DISCUSSÃO: Após ajustar diferentes parametrizações para os diferentes algoritmos de classificação testados, obteve-se a matriz de confusão, onde os resultados foram expressos em termos Acurácia total e coeficiente Kappa, visando uma melhor avaliação dos resultados. Figura 5 Valores de acurácia obtidos para os melhores resultados. Figura 6 - Figura 5 Valores de Kappa obtidos para os melhores resultados. 412

5 Os classificadores Paralelepípedo e Paralelepípedo 2 referem-se ao mesmo algoritmo, porém com parametrizações diferenciadas. O mesmo se aplica aos algoritmos Minimum e Mahalanobis.A partir dos resultados indicados nas figuras 5 e 6, pode-se observar que de maneira geral, os resultados obtidos pelos diferentes classificadores testados, foram bons. Segundo Menezes e Almeida, (2012), valores a partir de 0,4 são considerados bons chegando a excelentes a partir de valores de 0,8.Foram testadas por volta de 130 diferentes parametrizações utilizando-se os algoritmos citados. Dentro destas análises, foi possível identificar cinco classificadores que apresentaram melhores resultados, Máximum-1, Minimum-3, Minimum-4, Minimum-1 e Mahalanobis-2. A variação numérica na nomenclatura indica diferentes números de desvios-padrão utilizados. No caso dos classificadores C.O.O 1 ISSO, e C.O.O 2 (orientados à objeto), inicialmente a imagem foi segmentada e posteriormente classificada com os algoritmos Mahalanobis e Maxver De modo geral, todos os resultados obtidos se mostraram satisfatórios, no que diz respeito à otimização de procedimentos de classificação deste dado de Sensoriamento Remoto de maneira operacional. CONCLUSÕES: Com base nos resultados obtidos, pode-se concluir que classificadores supervisionados e não supervisionados, dependendo dos parâmetros utilizados, retornaram resultados satisfatórios. Porém, dentro dos métodos supervisionados, os que retornaram melhores resultados, foram os algoritmos Mahalanobis e Maxver. A classificação orientada a objeto apresentou-se mais eficiente no sentido de discriminar melhor as classes existentes no recorte ADS 80, possibilitando assim, a caracterização das classes de forma mais rápida e com melhor precisão. Diante deste resultado a classificação orientada à objeto com o classificador Mahalanobis, REFERÊNCIAS: BRASIL, E. DOS SANTOS; COSTA, J.L. Uso de Imagens do sensor ADS-80 para delimitação da área de inundação da orla da cidade de Manaus-AM. Anais XVII Simpósio Brasileiro de Sensoriamento Remoto - SBSR, João Pessoa-PB, INPE, Disponível em: ttp:// em: 07 fev p Leica, Geosystems. ADS80-Airborne Digital Sensor. Disponível em < Acessado em junho de MARINHO, C.A.B.; BAPTISTA, G.M DE MELLO; MENEZES, P.R. Potencialidade do sensor ADS-80 para discretização espacial de óxidos de ferro em solos da região agrícola do DF. Anais XVII Simpósio Brasileiro de Sensoriamento Remoto - SBSR, João Pessoa-PB. INPE, Disponível em: < p pdf. Acesso em: 12 jan MENESES, P.R., ALMEIDA, T. de. Introdução ao Processamento de Imagens de Sensoriamento Remoto. 1 ed. Brasília: UnB/CNPq, v.1,