Interpretao Visual x Classificao Automtica Segundo Vetorazzi (2007), a anlise visual de imagens, constitui etapa importante, em muitas atividades

operacionais de SR. Estas anlises , frequentemente, envolvem procedimentos tradicionais de exame e interpretao de imagens, podendo ser conduzidas por peritos e especialistas nas mais distintas reas do conhecimento.

Figura 1 - Esquema de Interpretao de Imagens (VETORAZZI, 2007) A principal finalidade do processamento digital de imagens a de fornecer os melhores instrumentos de identificao e extrao da informao contida nas imagens, alm da sua interpretao. Para tanto, sistemas integrados de computao so utilizados em atividades interativas de anlise e manipulao das imagens brutas, com o objetivo, na maioria das vezes, de produzir outras imagens, que contenham as informaes pretendidas. Assim sendo, estes procedimentos compem as etapas de preparao para as atividades de anlise e interpretao das imagens obtidas por sensores remotos. De acordo com a finalidade, as tcnicas de processamento digital de imagens, podem ser decompostas em dois grupos (DUTRA et al., 1981 apud VETORAZZI, 2007): (1) Facilitar a interpretao humana, atravs de melhorias de qualidade da imagem e/ou realamento de detalhes importantes; e (2) Classificao de padres, mais apropriados interpretao automtica. Com o avano deste conjunto de tcnicas, as imagens obtidas por sensoriamento remoto vm sendo usadas na elaborao dos mais variados tipos de mapas. Este processo est cada vez mais intenso e estas imagens so, comumente, usadas com fonte de dados da superfcie a ser analisada. As imagens, enquanto fontes dos dados originais transformam-se em informao via processamento digital e so revelados na forma de mapas. Portanto, interpretar fotografias ou imagens obtidas por sensoriamento remoto consiste em identificar naquelas, determinados objetos e dar um significado a estes (FLORENZANO, 2002). A bordo das plataformas orbitais, os sensores coletam os dados da superfcie terrestre, de modo sinttico e repetitivo. Este periodicidade permite a obteno programada de

imagens de certa rea da superfcie terrestre, segundo um intervalo de tempo estvel. Esta caracterstica conhecida como resoluo temporal. Este aspecto das imagens de sensoriamento em nvel orbital torna possvel o monitoramento do ambiente, da atualizao da base cartogrfica e a elaborao de novos mapas (FLORENZANO, 2002). Os mapas promovem a orientao no espao e aumentam o nosso entendimento sobre ele. As imagens de satlites e as fotografias areas representam a superfcie terrestre de forma fidedigna, enquanto os mapas so meras representaes, de forma parcial e feita por meio de smbolos, numa superfcie plana, de uma parte ou do todo. A representao e localizao de reas, fenmenos e objetos so a principal finalidade dos mapas (FLORENZANO, 2002). Durante o tratamento e classificao dos dados digitais provenientes de sensores remotos, os alvos da superfcie ganham a designao genrica de classes ou classes temticas. Cada pixel que compe a imagem rotulado segundo a cobertura do solo, assim como realizado na interpretao visual. A rotulagem dos pixels feito por intermdio de programas de computador especficos (algoritmos de classificao ou classificadores). A classificao dos nveis de cinza ocorre por intermdio de algoritmos estatsticos, por reconhecimento de padres espectrais. Dependendo da abordagem usada durante o processo, esta rotulao (classificao) dita supervisionada ou nosupervisionada e envolve duas fases bem distintas: o treinamento e a classificao em si. No mtodo supervisionado, uma srie de amostras de pixels e suas assinaturas espectrais formam a rea de treinamento do classificador. Este etapa consiste, basicamente, na delimitao na imagem daquelas regies (pixels) que correspondam s classes que se queira rotular. Para alguns algoritmos, este aprendizado consiste, simplesmente, na definio de um limiar mnimo e mximo dos nveis de cinza presentes na imagem, no entanto, para outros, faz-se necessrio aquisio de outros parmetros estatsticos mais complexos (MOREIRA, 2005). No mtodo no-supervisionado, no existe etapa correspondente a rea de treinamento do mtodo supervisionado. Nesta abordagem o classificador rotula os pixels da cena sem qualquer tipo de conhecimento prvio ou orientao fornecida por um conjunto de assinaturas espectrais para cada classe de interesse. Pode-se dizer que quanto maior a heterogeneidade das amostras, maior a certeza de que todas as classes possveis estaro representadas, no caso das classificaes no-supervisionadas (Novo, 1988, p. 285 apud SULSOFT, 2011). Este mtodo empregado quando a capacidade de discernimento entre os alvos componentes de uma determinada cena pequena. Fica sobresponsabilidade do analista, aps o processo de classificao, associar a cada classe um rtulo (VETORAZZI, 2007).