Professional Documents
Culture Documents
O ESTADO DA ARTE:
O Estado da Arte:
1. Introduo
O desenvolvimento metodolgico e as aplicaes das tcnicas em sensoriamento
remoto vm se desenvolvendo de forma ampla e rpida, exigindo avaliaes
constantes do estado atual da arte. Para este estudo foram avaliados a leituras de
quatro artigos solicitados: (i) - Algoritmos para Reconhecimento de Padres; (ii) Classificao No supervisionada de Imagens de Sensores Remotos utilizando
Redes Neurais Auto Organizveis e Mtodos de Agrupamentos Hierrquicos; (iii) Detection Of Urban Features And Map Updating From Satellite Images Using ObjectBased Image Classification Methods And Integration to GIS e (iv) - A Segmentation
Algorithm for Remote Sensing Imaging Based on Edge and Heterogeneity of
Objects. As observaes feitas atravs das leituras dos artigos acima relacionados
interligam ideias dos colaboradores (autores), onde, comparam algoritmos
relacionados com o reconhecimento de padres, para melhorar cada vez mais as
imagens extradas atravs de sensores e avaliadas por ferramentas do Sistema de
Informaes Geogrficas (SIG), utilizadas em sensoriamento remoto. Existem
diferentes softwares e satlites que facilitam a leitura de imagem com alta resoluo,
utilizando a GEOBIA. Primeiramente faremos um pequeno relato de cada artigo
mencionado, em seguida, podemos fazer uma comparao entre os algoritmos que
apresentem maior eficincia em relao extrao de imagens com alta resoluo.
2. Algoritmos para Reconhecimento de Padres
O presente artigo apresenta como objetivo principal o desenvolvimento de
algoritmos para sistemas de reconhecimento de padres com nfase em tcnicas de
agrupamento.
Inicialmente
so
apresentados
os
conceitos
bsicos
sobre
de
reconhecimento
de
padres:
mtodos
matemticos,
mtodos
Redes
Neurais
Auto
Organizveis
Mtodos
de
Agrupamentos Hierrquicos
Este trabalho apresenta uma nova metodologia para a classificao no
supervisionada de imagens de sensoriamento remoto. Diferentemente dos mtodos
convencionais de classificao no supervisionada, como o K-mdias e o ISODATA,
os quais se baseiam somente em tcnicas de agrupamentos particionais, a
metodologia proposta realiza a classificao automtica de imagens atravs de uma
abordagem inovadora empregando o Mapa Auto-organizvel de Kohonen (SOM
Self-Organizing Map) em conjunto com um mtodo de agrupamento hierrquico
aglomerativo. O ponto chave do mtodo proposto executar o processo de anlise
de agrupamentos atravs de um conjunto de prottipos do SOM ao invs de
trabalhar diretamente com os padres originais da imagem. Essa estratgia reduz
significativamente a complexidade da anlise dos dados tornando possvel a
utilizao de tcnicas normalmente consideradas inviveis para o processamento de
imagens de sensoriamento remoto, como mtodos de agrupamentos hierrquicos e
ndices de validao de agrupamentos. Atravs do SOM, o mtodo proposto mapeia
os padres originais da imagem para uma grade de neurnios bidimensional
procurando preservar a distribuio de probabilidade e a topologia dos mesmos.
Posteriormente, um mtodo de agrupamento hierrquico aglomerativo com
restries de conectividade aplicado sobre a grade de neurnios j treinada,
gerando um dendrograma simplificado para os dados da imagem. Cada nvel do
dendrograma apresenta uma configurao diferente de agrupamentos de neurnios
(ou prottipos) do SOM que pode ser utilizada para representar as classes sobre as
quais a imagem original ser classificada. Aplicando verses modificadas de ndices
de validao de agrupamentos o mtodo determina automaticamente o nmero ideal
de agrupamentos da imagem no exigindo que o usurio defina previamente a
quantidade de classes para realizar o processo de classificao. Os resultados
experimentais mostram um exemplo de aplicao da metodologia proposta sobre
uma imagem teste e compara o seu desempenho com o do algoritmo K-mdias.
i Ana Maria
de Souza.
R.A.
410011500
2010