Segmentação e classificação de imagens Landsat TM

Abstract

Resumo: Este trabalho apresenta uma metodologia híbrida de classificação de imagens Landsat-TM. Este método difere das formas tradicionais de classificação no sentido que o algoritmo de agrupamento é aplicado a um conjunto de regiões obtidas através da técnica de crescimento de regiões. O procedimento metodológico de classificação baseia-se em dois processos distintos que, de certa forma, se complementam. No primeiro processo utilizado, de classificação não supervisionada, o algoritmo tenta aglomerar pixels dentro de uma mesma variação espectral. O segundo processo foi o de classificação supervisionada, o qual é caracterizado pela seleção de regiões que representam determinadas classes para serem usadas como áreas de treinamento. Resultados experimentais, usando imagens multiespectrais, são apresentados. São apresentados os resultados da comparação entre a classificação pixel-a-pixel e a classificação por regiões. Os resultados obtidos demonstram a viabilidade da metodologia apresentada.

Abstract: A hybrid unsupervised/supervised classification method is described and applied to Landsat TM images. This method differs from the conventional classification in the sense that the clustering algorithm is applied to a set of regions, obtained from the segmented image. The methodological proceedings of classification are based on two distinct processes that complement each other. In the first process used, the unsupervised classification, the algorithm tries to unite pixels with the same spectral variance. The second process was the supervised classification that is characterized by regions selections of some classes to be used as training fields. Experimental results, using multiespectral images, are presented. A comparison between the pixel-per-pixel classification and the region classification, are presented. The results show the validity of the method presented.