Projeto, desenvolvimento e avaliacao de classificadores estatisticos pontuais e contextuais para imagens SAR polarimetricas / Project, development and avaliation of pointwise statistics and contextual classifiers for polarimetric SAR images

AUTOR(ES)
DATA DE PUBLICAÇÃO

1998

RESUMO

Este trabalho tem como objetivos investigar, implementar e testar classificadores de Máxima Verossimilhança Pontuais (MaxVer), associados com o classificador contextual Iterated Conditional Modes (ICM), para vizinhança oito, desenvolvido por Vieira (1996), para os dados polarimetricos multi-look de radares de abertura sintética (SAR). A modelagem dos dados e feita através do modelo multiplicativo, sendo o speckle modelado pela distribuição de Wishart complexa multivariada, enquanto que o backscatter e modelado por diferentes distribuições, de acordo com o grau de homogeneidade da area imageada. Sob a suposição do backscatter constante são apresentadas as distribuições dos dados polarimetricos univariados (diferença de fase e razão de intensidades)e bivariados (par de intensidades e par intensidade-diferenca de fase)multi-look. Considerando-se a modelagem disponível atualmente para os dados multivariados complexos multi-look (representados pela matriz de covariância complexa)foi desenvolvida neste trabalho uma nova distribuição, denominada de G multivariada. Esta distribuição modela os dados provenientes de áreas consideradas extremamente heterogêneas. Com base nas propriedades estatísticas dos dados polarimetricos foram implementadas cinco rotinas de classificação, uma para cada tipo de dado polarimetrico uni/bivariado e outra que utiliza as distribuições multivariadas mais apropriadas para os dados multivariados complexos. Essas rotinas funcionam através de interfaces gráficas e são totalmente amigáveis ao usuário, tendo sido implementadas dentro do software ENVI 3.0, com finalidade de aproveitar os diversos recursos deste software no processamento e analise de imagens SAR. Para testar as rotinas implementadas foram utilizadas imagens polarimetricas multi-look (HH, HV e VV)da missão SIR-C/X-SAR, nas bandas L e C, na tentativa de discriminar nove classes de interesse. A fim de se avaliar quantitativamente, através do coeficiente de concordância Kappa, o ganho de qualidade das classificações obtidas com dados polarimetricos sob diferentes modelagens estatísticas, foram utilizados diferentes tipos de dados SAR multi-look: univariados em amplitude (utilizando-se as distribuições mais apropriadas), polarimetricos uni/bivariados, multivariados em amplitudes (utilizando-se a distribuição Normal multivariada) e multivariados complexos. Os resultados mostram que o uso das distribuições multivariadas complexas produziu classificações de qualidade superior as demais e permitiu discriminar as nove classes de interesse, enquanto que com as distribuições Normal multivariada, polarimetricas uni/bivariadas e univariadas em amplitude mais apropriadas, apenas oito, seis e quatro classes, respectivamente, foram discriminadas em uma mesma classificação. Considerando-se que os dados multivariados complexos nem sempre estão disponíveis, os resultados das classificações dos dados polarimetricos uni/bivariados tambem são significativos pois, com esses dados, foi possível discriminar todas as classes de interesse em diferentes classificações. O uso dos dados multivariados complexos permite, portanto, obter ótimos resultados na discriminação de classes como estágios de cultivo de soja (três) e milho (dois), solo preparado, restolho, caatinga e rio, como e o caso das imagens SIR-C/X-SAR utilizadas.

ASSUNTO(S)

associated to the iterated conditional modes (icm) classificador contextual classificadores de máxima verossimilhança pontuais (maxver) iterated conditional modes (icm) radar de abertura sintética (sar) processamento digital de imagens maximum likelihood classifier (mlc)

ACESSO AO ARTIGO

Documentos Relacionados