Avaliação de métodos de classificação de imagens IKONOS II para o mapeamento da cobertura terrestre

• Autor(a) principal: Ribeiro, Regiane Maria Paes
• Data de Publicação: 2003
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: LOCUS Repositório Institucional da UFV
• Texto Completo: http://www.locus.ufv.br/handle/123456789/9217
• topic: Imagens multiespectrais - Classificação; Mapeamento do solo; Satélites artificiais em sensoriamento remoto; Solo - Uso; Redes neurais ( Computação ); Ciências Exatas e da Terra

O trabalho consistiu na avaliação de métodos de classificação de imagens IKONOS II para o mapeamento da cobertura terrestre. Foram utilizados os algoritmos da Mínima Distância, da Máxima Verossimilhança e de Redes Neurais Artificiais (backpropagation), em uma imagem do satélite IKONOS II com 4 metros de resolução espacial. Para cada algoritmo foi realizada uma classificação por pixel e uma por regiões, gerando seis métodos: Mínima Distância por pixel, Mínima Distância por regiões, Máxima Verossimilhança por pixel, Máxima Verossimilhança por regiões, Redes Neurais Artificiais (backpropagation) por pixel e Redes Neurais Artificiais (backpropagation) por regiões, que apresentaram níveis de aceitação dos índices kappa iguais a razoável, razoável, razoável, excelente, razoável e excelente, respectivamente. Dentre os resultados obtidos, podem ser destacados: a) os métodos que mostra- ram melhor desempenho foram Redes Neurais Artificiais (backpropagation) e Máxima Verossimilhança, ambos por regiões, não apresentando diferença estatística significativa a 95% de probabilidade pelo teste Z entre eles; b) os seguintes métodos não apresentaram diferenças significativas a 95% de proba- bilidade: Máxima Verossimilhança por pixel em relação à Mínima Distância por regiões, Redes Neurais Artificiais (backpropagation) por pixel em relação à Mínima Distância por regiões, Redes Neurais Artificiais (backpropagation) por pixel em relação à Máxima Verossimilhança por pixel e Redes Neurais Artificiais (backpropagation) por regiões em relação à Máxima Verossimilhança por regiões; c) as classes mais homogêneas espectralmente foram melhor classificadas, apresentando menos sobreposição às outras classes; d) a baixa resolução espectral da imagem dificultou a distinção entre classes durante o processo de classificação; e) o algoritmo de classificação da Mínima Distância, que até então era utilizado com êxito para classificar imagens de média resolução espacial, apresentou desempenho inferior ao dos algoritmos de Máxima Verossimilhança e Redes Neurais Artificiais (backpropagation) na classificação de imagens de alta resolução espacial; f) apesar de os resultados obtidos com os algoritmos de Máxima Verossimilhança e Redes Neurais Artificiais (backpropagation), ambos por regiões, não diferirem estatisticamente, recomenda-se, pelo menos para este estudo, o uso do algoritmo de Máxima Verossimilhança. Essa recomendação se deve ao fato de que este exige um menor esforço computacional e se encontra implementado na maioria dos softwares de processamento de imagens.