EXERCÍCIOS REVISÃO – CLASSIFICAÇÃO POR REGIÕES

1) O que significa segmentar imagens antes de classificá-las? Precede à classificação, é usada

para minimizar critérios de subjetividade na aquisição de amostras.
A imagem é dividida em regiões espectralmente homogêneas e algumas dessas áreas serão
usadas como treinamento para o algoritmo.
Para segmentar a imagem nessas regiões usa-se: a
“detecção de bordas” ou “crescimento de regiões” (INPE,
2015).

2) O que você entende por considerar o “contexto” em que o pixel está inserido? O processo
de segmentação faz com que o contexto em que se encontra inserido o

pixel seja considerado na classificação, isso é, leva em conta as características do meio

(regiões) e não exclusivamente, os valores espectrais dos pixels. Isso o distingue dos

processos de classificação realizados pixel a pixel.

3) O processo de segmentar imagens é mais vantajoso em imagens de alta ou baixa resolução

espacial?

4) Exemplifique algoritmos disponíveis para segmentar uma imagem: O processamento das

imagens se dá, inicialmente, pela utilização de um algoritmo de
segmentação que, ao definir regiões homogêneas na imagem, prepara-a para uma
classificação posterior com base nessas regiões e não com base em valores individuais dos
pixels.

5) O que é limiar de similaridade e limiar de área? Por limiar de similaridade deve-se entender
o grau de similitude entre o pixel candidato à inclusão em um determinado segmento e os
parâmetros estatísticos referentes aos pixels que já fazem parte do segmento em questão. O
tamanho mínimo dos polígonos,
também conhecido por limiar de área, se refere ao número mínimo de pixels admitidos em
qualquer um dos segmentos.

6) Explique como diferentes valores de similaridade e de área podem interferir no resultado da

segmentação. Por exemplo, a segmentação de áreas urbanas, onde normalmente é

pretendido de se obter muitas categorias
diferentes no processo de classificação, é um exemplo da variedade de possibilidades que se
tem para a geração de polígonos dependendo, naturalmente, dos limiares de similaridade
estabelecidos

7) Conceitue a classificação por regiões: Na classificação por regiões o

processo de decisão leva em consideração um agrupamento de pixels que é usado como
unidade de classificação. Com isso se procura simular o comportamento de um fotointérprete,
ao reconhecer áreas homogêneas nas imagens baseadas nas propriedades espectrais e
espaciais dos objetos (Kury & Vieira, 2001).

8) Existem classificadores por regiões supervisionados e não supervisionados? Quais?

9) Explique os classificadores supervisionados Bhattacharyya e Clatex:

Clatex:Algoritmo supervisionado que usa atributos texturais das

regiões segmentadas.
O agrupamento de regiões é dado pela menor
distância de Mahalanobis entre a classe de interesse e
as regiões candidatas.

Algoritmo supervisionado que utiliza como amostras

as regiões formadas na segmentação.
Utiliza a Distância de Bhattacharya (B) para medir a
separabilidade estatística entre um par de classes
espectrais.

10) Explique o classificador não supervisionado Isoseg:

Algoritmo não supervisionado aplicado sobre o

conjunto de regiões previamente definidas na fase de
segmentação.
A técnica procura agrupar regiões a partir de uma
medida de similaridade entre elas.