Este relatório apresenta técnicas de classificação de imagens como máxima verossimilhança, distância euclidiana e K-means. Discute classificadores pixel-a-pixel e por regiões, além de mostrar resultados de classificações supervisionadas e não supervisionadas para identificar áreas urbanas, água, floresta e pastagem.
Este relatório apresenta técnicas de classificação de imagens como máxima verossimilhança, distância euclidiana e K-means. Discute classificadores pixel-a-pixel e por regiões, além de mostrar resultados de classificações supervisionadas e não supervisionadas para identificar áreas urbanas, água, floresta e pastagem.
Este relatório apresenta técnicas de classificação de imagens como máxima verossimilhança, distância euclidiana e K-means. Discute classificadores pixel-a-pixel e por regiões, além de mostrar resultados de classificações supervisionadas e não supervisionadas para identificar áreas urbanas, água, floresta e pastagem.
Nesse relatório são introduzidos alguns conceitos e técnicas para
classificação de imagens, além de definição dos métodos e casos de uso.
Justificativa
A classificação de imagens é utilizada em muitos contextos de
pesquisas e áreas da computação,a análise e classificação de imagens de sensores remotos é uma dessas áreas onde é bem comum o uso dessas técnicas para extrair algum conhecimento de imagens e suas relações. Dessa forma se justifica o conhecimento das diferentes técnicas de classificação de imagens.
Objetivo
Esse relatório tem como objetivo demonstrar e apresentar resultados
obtidos a partir das técnicas introduzidas a partir da aula 05 do curso de Spring.
Metodologia
Primeiramente foi necessário compreender os diferentes tipos de classificadores
utilizados no spring:
● Classificadores pixel-a-pixel: Basicamente passa de pixel a pixel
procurando regiões onde os valores dos pixels são homogêneos. ● Classificadores por regiões: Além de passar pixel a pixel ele analisa os vizinhos de cada pixel e leva em considerações a detecção de bordas, dessa forma fica mais evidente a existência de uma região com pixels homogêneos.
Dado os tipos de classificadores podemos introduzir as técnicas de classificação:
● Máxima verossimilhança: basicamente considera a ponderação das distâncias entre médias dos níveis digitais das classes. Para utilizá-la é recomendado que os samples tenham um número elevado de pixels. ● Máxima verossimilhança - ICM: Funciona como a máxima verossimilhança porém também é analisada as classes adicionadas aos vizinhos do pixel em questão. ● Distância Euclidiana: Uma técnica de classificação supervisionada onde as um pixel é classificado dada a distância euclidiana dele a uma classe atribuída no treinamento. ● K Means: Basicamente a partir de um nó ele verifica a média dos nós vizinhos e classifica o nó atual como um dos nós em que tem mais ocorrências à sua volta.
Após essa introdução a algumas técnicas de classificação presentes no Spring,
podemos falar da pós execução dos algoritmos:
● Pós-classificação: A partir de um filtro convolucional, esse filtro passa pixel
a pixel para higienizar possíveis ruídos resultantes da classificação, dessa forma alguns pixels com classificação “perdidas”no meio de áreas homogêneas são transformados para se tornar parte dessa área.
Resultados
Primeira etapa de classificação, temos em cinza representando a parte urbana, em
azul a água, em verde floresta densa e em amarelo pastagem/vegetação. Imagem após a remoção de ruídos