Classificação supervisionada

4.246 visualizações

Publicada em

Grupo:

Adriano Pinheiro
Egydio Liori
Gustavo Silvério
Luciano Souza
Rafael Nakaoka

0 comentários
1 gostou
Estatísticas
Notas
  • Seja o primeiro a comentar

Sem downloads
Visualizações
Visualizações totais
4.246
No SlideShare
0
A partir de incorporações
0
Número de incorporações
2
Ações
Compartilhamentos
0
Downloads
60
Comentários
0
Gostaram
1
Incorporações 0
Nenhuma incorporação

Nenhuma nota no slide

Classificação supervisionada

  1. 1. Sensoriamento Remoto: Classificação supervisionada Prof. Dr. André G. de Andrade integrantes: Adriano Pinheiro Egydio Liori Gustavo Silvério Luciano Souza Rafael Nakaoka
  2. 2. O princípio da classificação supervisionada ébaseado no uso de algoritmos para se determinaros pixels que representam valores de reflexãocaracterísticos para uma determinada classe. Aclassificação supervisionada é a mais utilizada naanálise quantitativa dos dados de sensoriamentoremoto (EASTMAN, 1999).
  3. 3.  Etapas necessárias para a classificação supervisionada Localizar exemplos representativos de cada tipo de cobertura que pode se identificado na imagem. Digitalização de polígonos em torno de cada área de treinamento. Criação de assinaturas espectrais para cada tipo de cobertura. Classificação da imagem inteira considerando cada pixel individualmente, comparando sua assinatura particular com as assinaturas conhecidas.
  4. 4. Os algorítmos utilizados no mapeamentodo uso e cobertura do solo:
  5. 5. Máxima verossimilhançaEste método possui uma área de treinamento, onde selecionamosna imagem com o cursor áreas modelos dos pixels que sejamrepresentativos para cada alvo do uso do solo (Moreira, 2003).Depois de selecionar todas as classes pré-estabelecidas, oaplicativo computacional, por meio de cálculos específicos deeqüiprobabilidade, adequa os demais pixels desconhecidos ou nãoclassificados às classes. Este método se adequa a elipses, deforma que a localização, a forma e tamanho da elipse, refletem amédia variância e covariância de duas variáveis (IBGE, 2001).
  6. 6. Distância Euclidiana.O método de classificação por distância Euclidiana é umprocedimento de classificação supervisionada que utiliza estadistância para associar um "pixel" a uma determinada classe.No treinamento supervisionado, definem-se osagrupamentos que representam as classes. Naclassificação, cada "pixel" será incorporado a umagrupamento, através da análise da medida de similaridadede distância Euclidiana.O classificador compara a distância Euclidiana do "pixel" àmédia de cada agrupamento. O "pixel" será incorporado aoagrupamento que apresenta a menor distância Euclidiana.Este procedimento é repetido até que toda a imagem sejaclassificada.
  7. 7. Paralelepípedo.O método paralelepípedo gera “caixas”, usando unidades de desviopadrão, ou de valores de reflectância mínimos e máximos dentro decada área de treinamento .Entretanto, se um determinado pixel cairnuma “caixa” de assinatura errada, automaticamente ele é atribuídoa essa categoria. Sua vantagem deve-se a maior rapidez deexecução, sendo muito usado quando a velocidade e a capacidadetecnológica dos computadores eram limitadas. Entretanto suadesvantagem é que suas classificações possuem muitoserros, devido a elevada correlação de informações das bandasespectrais (EASTMAN, 1999). Este método divide-se em dois tipos:mínimos e máximos e desvio padrão.

×