Aula 8. Classificação Não
Supervisonada por Regiões
Definir categoria temática Uso da Terra
Definir classes temáticas Água, Cerrado, Mata,
Solo e Urbano
Segmentar imagem CBERS CCD
Definir contexto por regiões
Classificar com Isoseg, 5 iterações, 95% limiar de
aceitação
Mapear temas da imagem classificada para classes
de Uso da Terra
Criar Categoria Temática
Inicializar a interface Modelo de
Dados
Digitar nome da categoria UsoTerra
Clicar em Criar
Clicar em Executar
Criar Classe Temática Água
Selecionar categoria UsoTerra
Selecionar aba Classes Temáticas
Digitar nome da classe temática Agua
Clicar em Criar
Clicar em Executar
Modificar o Visual da
Classe Temática Água
Selecionar classe
temática Agua
Selecionar Visual
Selecionar Cor de Áreas
Selecionar cor Azul
Clicar em OK
Clicar em Executar
Criar e Definir Visual da Classe
Temática Cerrado
Digitar nome Cerrado
Clicar em Criar
Clicar em Executar
Selecionar Cerrado
Clicar em Visual
Modificar o Visual da
Classe Temática
Cerrado
Selecionar Cor de Áreas
Selecionar cor Verde
Clicar em OK
Clicar em Executar
Criar e Definir Visual da Classe
Temática Mata
Digitar nome Mata
Clicar em Criar
Clicar em Executar
Selecionar Mata
Clicar em Visual
Modificar o Visual da
Classe Temática
Mata
Selecionar Cor de Áreas
Selecionar cor Verde Claro
Clicar em OK
Clicar em Executar
Criar e Definir Visual da Classe
Temática Solo
Digitar nome Solo
Clicar em Criar
Clicar em Executar
Selecionar Solo
Clicar em Visual
Modificar o Visual da
Classe Temática Solo
Selecionar Cor de Áreas
Selecionar cor Amarelo
Clicar em OK
Clicar em Executar
Criar e Definir Visual da Classe
Temática Urbano
Digitar nome Urbano
Clicar em Criar
Clicar em Executar
Selecionar Urbano
Clicar em Visual
Modificar o Visual da
Classe Temática
Urbano
Selecionar Cor de Áreas
Selecionar cor Vermelho
Clicar em OK
Clicar em Executar
Fechar Definição do Modelo de
Dados
Segmentação
de
Imagens
A classificação estatística é o procedimento convencional mais utilizado para
análise digital de imagens. Constitui um processo de análise de pixels de
forma
isolada.
Esta abordagem apresenta a limitação da análise pontual ser baseada
unicamente em atributos espectrais. Para superar estas limitações, propõe-se
o uso de segmentação de imagem, anterior à fase de classificação, onde são
extraídos os objetos relevantes para a aplicação desejada.
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
A divisão em porções, consiste basicamente em um processo de crescimento
de regiões, de detecção de bordas ou de detecção de bacias. Seguem as
descrições.
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 região
adjacente espacialmente. 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 realiza-se a união entre
elas,
segundo
um
limiar
de
agregação
definido.
Para a união de duas regiões A e B vizinhas, deve-se adotar o seguinte
critério:
A
e
B
são
similares
(teste
das
médias);
a
similaridade
satisfaz
o
limiar
estabelecido;
A e B são mutuamente próximas (dentre os vizinhos de A, B é a mais próxima,
e
dentre
os
vizinhos
de
B,
A
é
a
mais
próxima).
Se A e B satisfazem os critérios acima, estas regiões são agregadas, caso
contrário, o sistema reinicia o processo de teste de agregação.
Segmentar Imagem CBERS CCD
Visualizar CCD_2..._BAND2 em R, CCD_2..._BAND3 em G e CCD_2..._BAND4 em B
Executar Segmentação
Inicializar a interface no menu
Imagem, item Segmentação
Selecionar PIs
CCD_2..._BAND2
CCD_2..._BAND3
CCD_2..._BAND4
Digitar valor de
similaridade 8
Digitar valor de área
mínima 50
Digitar nome do PI de
saída seg-8-50
Clicar em Executar
Clicar em OK
Visualizar Segmentos
Visualizar seg-8-50 como rotulada (R)
Classificação de Imagens Segmentadas - Classificadores por regiões
Isoseg
O classificador Isoseg é um dos algoritmos disponíveis no Spring para classificar
regiões de uma imagem segmentada. É um algoritmo de agrupamento de
dados não-supervisionado, aplicado sobre o conjunto de regiões, que por sua
vez são caracterizadas por seus atributos estatísticos de média, matriz de
covariância,
e
também
pela
área.
Um algoritmo de "clustering" não supõe nenhum conhecimento prévio da
distribuição de densidade de probabilidade dos temas, como ocorre no
algoritmo de máxima verossimilhança. É uma técnica para classificação que
procura agrupar regiões, a partir de uma medida de similaridade entre elas. A
medida de similaridade utilizada consiste na distância de Mahalanobis entre a
classe e as regiões candidatas a relação de pertinência com esta classe.
O Isoseg utiliza os atributos estatísticos das regiões: a matriz de covariância e o
vetor de média, para estimar o valor central de cada classe. Este algoritmo
resume-se
em
tres
etapas,
descritas
a
seguir.
(1ª) Definição do limiar: o usuário define um limiar de aceitação, dado em
percentagem. Este limiar por sua vez define uma distância de Mahalanobis, de
forma que todas regiões pertencentes a uma dada classe estão distantes da
classe por uma distância inferior a esta. Quanto maior o limiar, maior esta
distância e consequentemente menor será o número de classes detectadapelo
algoritmo.
• (2ª) Detecção das classes: as regiões são ordenadas em ordem decrescente
de área e inicia-se o procedimento para agrupá-las em classes. Serão
tomados como parâmetros estatísticos de uma classe (média e matriz de
covariância), os parâmetros estatísticos da região de maior área que ainda
não tenha sido associada a classe alguma. Em seguida, associa-se a esta
classe todas regiões cuja distância de Mahalanobis for inferior a distância
definida pelo limiar de aceitação.
• Assim, a primeira classe terá como parâmetros estatísticos aquelas regiões
com maior área. As classes seguintes terão parâmetros estatísticos de média
das regiões de maior área, que não tenham sido associada a nenhuma das
classes previamente detectadas. Esta fase repete-se até que todas regiões
tenham sido associadas a alguma classe.
• (3ª) Competição entre classes: as regiões são reclassificadas, considerando-se
os novos parâmetros estatísticos das classes, definidos na etapa anterior.
• A fase 2 consiste basicamente na detecção de classes, sendo um processo
seqüencial que pode favorecer as classes que são detectadas em primeiro
lugar. Com vista a eliminar este favorecimento", procede-se a "competição
entre classes. Esta competição consiste em reclassificar todas as regiões. O
parâmetro estatístico (média de cada classe é então recalculado. O processo
repete-se até que a média das classes não se altere (convergência).
• Ao término, todas regiões estarão associadas á uma classe definida pelo
algoritmo. O usuário deverá então associar estas classes (denominadas
temas, no Spring) às classes por ele definidas no banco de dados, na opção
Arquivo-Esquema Conceitual.
Inicializar Classificação por
Regiões Não Supervisionada
Inicializar a interface no menu
Imagem, item Classificação
Clicar em Criar novo arquivo de contexto
Definir o Contexto por Regiões e
as Imagens Utilizadas
Digitar o nome do arquivo de contexto
CtxReg
Definir o tipo de análise Regiões
Selecionas as bandas
CCD_2..._BAND2
CCD_2..._BAND3
CCD_2..._BAND4
Selecionas a imagem segmentada
Seg-8-5
Clicar em Executar para criar
Preparar Classificação
Selecionar arquivo de contexto CtxReg
Clicar em Extração de Atributos de Regiões
Clicar em Classificação para inicializar a
interface de classificação
Classificar com Isoseg
Definir tipo de classificador Isoseg
Definir limiar de aceitação 95%
Digitar nome da imagem de saída Isoseg95
Clicar em Executar
Clicar em OK
Visualizar Imagem Classificada
Selecionar tela 2 e Visualizar Isoseg95 como classificada (C)
Visualizar Legenda
Selecionar Legenda
Acoplar Imagem Classificada
Selecionar opção acoplar Tela 2
Visualizar Classificada com CCD
Selecionar Tela
Principal
Selecionar Cursor
Área
Clique no canto
superior
esquerdo
Clique no canto
inferior direito
Clique dentro do
retângulo
Para
Executar
o
Mapeamento
para
Classes
Temáticas
Esta página descreve os procedimentos da janela "Mapeamento para
Classes", utilizada para criar uma mapa temático a partir de uma imagem
classificada.
Executando
o
Mapeamento
para
Classes:
Esta função pode ser acessada de duas formas: ou pelo menu Imagem
(Mapeamento de classes para imagem temática) ou pela janela
"Classificação" clique em Mapeamento.... A janela "Mapeamento para
Classes"
será
apresentada
nos
dois
casos;
em Categorias são apresentadas todas as do modelo temático existentes no
Banco de Dados ativo, clique em uma categoria na lista. Observe que a lista
Classes apresenta as classes e cores da categoria selecionada;
clique na lista Imagens Classificadas e escolha aquela que deseja mapear;
clique sobre um tema que corresponderá à classe desejada (as classes
deverão ter sido criadas anteriormente pela opção Arquivo-Esquema
Conceitual...);
faça a associação de todos os temas com as classes temáticas existentes no
banco
de
dados;
clique em Executar. Observe no "Painel de Controle" que a imagem temática
estará
disponível.
Mapear Temas de Isoseg95 Para
Classes de UsoTerra
Selecionar Mapeamento
Selecionar categoria UsoTerra
Mapear Tema1 Para Classe
Temática Cerrado
Selecionar Tema1
Verificar que Tema1 é
apresentado na cor vermelha
no PI Isoseg95
Verificar que na imagem CCD
as áreas correspondentes ao
vermelho no PI Isoseg95 são
de cerrado
Selecionar classe Cerrado
Mapear Outros Temas
Associar Temas a Classes
Clicar em Executar para finalizar
Clicar em Fechar
Visualizar Plano de Informação
Criado no Mapeamento
Selecionar Tela 3
Selecionar PI Isoseg95-T
Visualizar Matriz (M)
Exibir Legenda