Tópicos Especiais em Análise Ambiental e Tratamento da

Informação Geográfica (Tratamento Digital de Imagens -

TDI): Aula 8 – Classificação Digital de Imagens

Professores: Dra. Fabrizia Gioppo Nunes

fabrizia.iesa.ufg@gmail.com

Dr. Marcos Paulino Roriz Junior

marcosrorizinf@gmail.com

UFG: Tópicos TDI, 1° sem/2019

 1

Conteúdo Programático e Objetivo

● Conceito de Classificação
● Classificação Não Supervisionadas e Classificação Supervisionadas
● Técnicas e elementos de Classificação
● Exemplos e Tipos de Classificadores

Objetivo: Apresentar técnicas de classificação de

imagens, suas características e exemplos de aplicação

Tópicos TDI, 1° sem/2019

 2

Classificação Digital de Imagens

É o processo de associar os pixels da imagem a classes individuais

que representam os objetos do mundo real, com base nos seus
valores digitais. Se um pixel satisfaz um determinado conjunto de
critérios, normalmente avaliados por medidas estatísticas, o pixel
é atribuído à classe que melhor satisfaz os critérios estabelecidos.

Tópicos TDI, 1° sem/2019

 3

Para classificar uma imagem utilizam-se modelos apropriados,

chamados de algoritmos classificadores. Através desses
algoritmos os NC da imagem são “rotulados” segundo seu
padrão espectral.

Meneses e Almeida (2012).

Tópicos
UFG/LAPIG: Fabrizia Gioppo TDI,SR,
Nunes: 1°2°sem/2019
sem/2017
 4

Não-supervisionada: requer pouca ou nenhuma participação do

analista no processo de classificação. É utilizada quando não se
tem conhecimentos suficientes acerca da área e quando
desejamos fazer uma classificação exploratória da imagem.
Banda 4

Banda 3

Grupos “Aleatórios”
Análise de Variância / Estatística

Tópicos TDI, 1° sem/2019

 Classificação Não Supervisionada 5
“Cluster Analysis”

“raster”  “vetor”
-Imagem “raster” (pixels) -Editar limites das classes
-Verificação de classes -Apropriado para o SIG
-Estatísticas de pixels -Atributos - Análises geográficas

Tópicos TDI, 1° sem/2019

 6

Supervisionada: envolve duas etapas, o treinamento e a

classificação. As classes são fornecidas previamente pelo
analista. Para cada classe são fornecidas amostras representativas
geradas na fase de treinamento. Tais áreas são padrão de
comparação com as quais todos os pixels desconhecidos serão
comparados e, posteriormente, classificados.

Tópicos TDI, 1° sem/2019

 7

O TREINAMENTO consiste em reconhecer a assinatura

espectral de cada uma das classes adotadas para o estudo da área.
Nesse processo o analista escolhe pequenas áreas de amostras
na imagem, contendo poucas centenas de pixels que sejam bem
representativo de padrões ou feições dos alvos.

Tópicos TDI, 1° sem/2019

 8
Classificação Supervisionada
(Amostras escolhidas pelo usuário)

Na imagem são selecionadas

Amostras de Treinamento
que são um conjunto de
pixels considerados mais
representativos das classes
de interesse.

Tópicos
UFG/LAPIG: Fabrizia Gioppo TDI,SR,
Nunes: 1°2°sem/2019
sem/2017
 9

Classificadores "pixel a pixel”:

utilizam apenas a informação espectral
isoladamente de cada pixel para achar
regiões homogêneas.

Classificadores por regiões:

utilizam a informação espectral de
cada pixel e a relação espacial de
vizinhança entre pixels (áreas
homogêneas espectrais e espaciais da
imagem)

Tópicos
UFG/LAPIG: Fabrizia Gioppo TDI,SR,
Nunes: 1°2°sem/2019
sem/2017
 10
3

Tópicos TDI, 1° sem/2019

 11
3

No geral, quanto maior o número

de bandas espectrais, maior será
a precisão da classificação”.

Tópicos TDI, 1° sem/2019

 12
3

Tópicos
UFG/LAPIG: Fabrizia Gioppo TDI,SR,
Nunes: 1°2°sem/2019
sem/2017
 13
3
Supervisionada: Paralelepípedo

Considera uma área, na forma de quadrado ou paralelepípedo, no

espaço de atributos ao redor do conjunto de treinamento. O algoritmo
considera um intervalo de valores (ND) dentro de cada categoria na
área de treinamento, definidos como valores mínimo e máximo para
cada banda espectral.

Tópicos
UFG/LAPIG: Fabrizia Gioppo TDI,SR,
Nunes: 1°2°sem/2019
sem/2017
 Classificação Supervisionada 14
3
Método do Paralelepípido

Banda 4
M

M
M

Banda 3
“Imagem Espaço Multidimensional!!!
Classificada “Imagem
Clumped” “Campo
“Solo”
“Lago”
“Cerrado Limpo”
Denso”
Ralo”
Classificada”
23 25 17 179 177 155 83 81 65
Banda 3

Banda 4

Banda 5

25 19 29 169 143 163 89 73 105

19 25 27 183 173 193 89 83 99

Classes “Homogêneas”
 15
2
3
Supervisionada: Distância Mínima

O classificador examina as “distâncias” entre um pixel e as médias

das classes e atribui o pixel à classe que apresentar a menor
distância. Assim a distância é usada para associar um pixel à uma
classe. O pixel será incorporado ao agrupamento que apresenta a
menor distância euclidiana.

Tópicos
UFG/LAPIG: Fabrizia Gioppo TDI,SR,
Nunes: 1°2°sem/2019
sem/2017
 16
3

Ilustração da distância entre o pixel candidato e as médias

de três grupos. O classificador irá comparar a Distância
Euclidiana do pixel à média de cada agrupamento.

Tópicos
UFG/LAPIG: Fabrizia Gioppo TDI,SR,
Nunes: 1°2°sem/2019
sem/2017
 Classificação Supervisionada 17
3
“Mínima Distância”

Banda 4
Banda 3
Espaço Multidimensional!!!

Distância Euclidiana = ( DN pixel b1 − DN médio b1 ) 2 + ( DN pixel b 2 − DN médio b 2 ) 2 + ... + ( DNn − DN médio bn ) 2

 18
3
Supervisionada: MAXVER
Considera a ponderação das distâncias entre médias dos níveis de
cinza das classes, utilizando parâmetros estatísticos. Assim depois
de selecionar todas as amostras de classes pré-estabelecidas, o
aplicativo computacional, por meio de cálculos específicos de
eqüiprobabilidade, adequa os demais pixels desconhecidos ou não
classificados às classes.

Tópicos
UFG/LAPIG: Fabrizia Gioppo TDI,SR,
Nunes: 1°2°sem/2019
sem/2017
Classificação Supervisionada 19
3
Máxima Verossimilhança

Probabilidades!!!

Banda 4
Banda 3
Espaço Multidimensional!!!
 20
3

Battacharya

Tópicos TDI, 1° sem/2019

 21
3

Na classificação por regiões é preciso passar pelo

processo de SEGMENTAÇÃO, onde a imagem é dividida em
regiões espectralmente homogêneas e algumas dessas áreas
serão usadas como treinamento para o algoritmo.

Tópicos
UFG/LAPIG: Fabrizia Gioppo TDI,SR,
Nunes: 1°2°sem/2019
sem/2017
 22
3

A imagem é particionada em regiões que devem corresponder

às áreas de interesse da aplicação. Assim, entende-se por
regiões um conjunto de pixels contíguos, que se espalham
bidimensionalmente e que apresentam uniformidade
(semelhança espectral) em relação a um dado atributo.

Tópicos
UFG/LAPIG: Fabrizia Gioppo TDI,SR,
Nunes: 1°2°sem/2019
sem/2017
 23
3

Tópicos TDI, 1° sem/2019

 24
3

Similaridade = 10 Área = 20 Similaridade = 25 Área = 35

Tópicos TDI, 1° sem/2019

 25
3

Exercício: Realização da Classificação Supervisionada

pixel a pixel

Classes:

1- Água /Lago
2- Cerrado Ralo
3- Cerrado Denso
4- Agropecuária
5- Floresta/Mata Galeria
6- Área Urbana
7- Queimada

Tópicos TDI, 1° sem/2019

 26
3

Tópicos TDI, 1° sem/2019

 27
3

Tópicos TDI, 1° sem/2019

 28
3

Tópicos TDI, 1° sem/2019

 Mínima Distância 29
3

Tópicos TDI, 1° sem/2019

 30
3

Tópicos TDI, 1° sem/2019

 Máxima Verossimilhança - MAXVER 31
3

Tópicos TDI, 1° sem/2019

 32
3

Provedor de algoritmo OrfeoToolbox -

Orfeo ToolBox <http://www.orfeo-toolbox.org/otb/> _ (OTB) é uma

biblioteca de código aberto de algoritmos de processamento de
imagens. O OTB oferece funcionalidades particulares para o
processamento de imagem de sensoriamento remoto em geral e
para imagens de alta resolução espacial em particular. Estão
disponíveis algoritmos orientados para imagens ópticas de alta
resolução (Pleiades, SPOT, QuickBird, WorldView, Landsat, Ikonos) e
sensores hiperespectrais (Hyperion).

Tópicos
UFG/LAPIG: Fabrizia Gioppo TDI,SR,
Nunes: 1°2°sem/2019
sem/2017
 33
3

Provedor de algoritmo OrfeoToolbox - OTB

• Calibragem
• Extração de feição
• Geometria (Ortorrectificação)
• Filtragem de imagem
• Classificação da imagem e Fusão
• Miscelânea (Matemática de Bandas)
• Segmentação

Tópicos
UFG/LAPIG: Fabrizia Gioppo TDI,SR,
Nunes: 1°2°sem/2019
sem/2017
 34
3

Tópicos
UFG/LAPIG: Fabrizia Gioppo TDI,SR,
Nunes: 1°2°sem/2019
sem/2017
 35
3

Não Supervisionada
K-Média

Tópicos TDI, 1° sem/2019

 36
3

Tópicos
UFG/LAPIG: Fabrizia Gioppo TDI,SR,
Nunes: 1°2°sem/2019
sem/2017
 37
3

Fazer a organização da apresentação dos

artigos em andamento...

Tópicos
UFG/LAPIG: Fabrizia Gioppo TDI,SR,
Nunes: 1°2°sem/2019
sem/2017