Fusão de informações espectrais, altimétricas e de dados auxiliares na classificação de imagens de alta resolução espacial

Abstract

Resumo: As imagens de alta resolução proporcionam informação espacial detalhada dasuperfície terrestre, fazendo com que feições urbanas, como edificações, sejamrepresentadas por vários pixels. Porém, a informação espectral presente nestas imagensé insuficiente para a classificação da cobertura do solo urbano. Em áreas urbanasexiste oclusão, causando perda de informação espectral em algumas regiões daimagem. Este problema pode ser contornado com a disponibilidade de dadosaltimétricos adquiridos pelos sistemas laser scanner aerotransportados, melhorando adiscriminação entre os tipos de cobertura. Outra possibilidade é a utilização deinformações auxiliares existentes em bases cartográficas para auxiliar a discriminaçãoentre as classes. Para que a fusão de dados destas diferentes fontes seja possível, areferência espacial deve ser comum. O método para a classificação deve lidar comdados correspondentes a escalas de medidas numéricas e nominais, e não depender daatribuição de uma determinada distribuição estatística para as classes. As árvores dedecisão constituem uma alternativa para a classificação supervisionada, sendo quetambém possibilitam a explicitação do conhecimento. Por sua vez, o conhecimentoexplicitado por algoritmos de indução de árvores de decisão pode ser representado naforma de regras que formam a base de regras de um sistema com base em regras.Sistemas com base em regras podem ser construídos a partir de arcabouços como oJess (Java Expert System Shell) que fornecem a funcionalidade, bastando construir abase de regras e fornecer os fatos (os pixels) a serem analisados. Neste contexto,pode-se efetuar a classificação de imagens de alta resolução espacial com base nopixel, combinando as informações espectrais, altimétrica e de dados auxiliares.

Abstract: High resolution images provides fine spatial information about the surface, and urbanfeatures such as buildings are represented by many pixels. But spectral information,derived from images, is not sufficient for urban land cover classification. In urbanareas, occlusion effects are produced by tall buildings and in these areas the land coverinformation can be lost. It is possible to achieve better land cover type discriminationby using altimetric information provided by airborne laser scanners. Anotherpossibility is to use ancillary information provided by cartographic databases. The datasource must be arrangend to a common spatial reference when drawing inferencesfrom several available sources in data fusion, and available data are not alwaysnumeric, they can be nominal too. Multistage classification technique provided bydecision trees is a valid alternative in supervised classification. Using decision trees,knowledge can be represented and used in a knowledge-based analysis system. Expertsystem shell such as Jess (Java Expert System Shell) can be used in a rule-based expertsystem. In this context, a pixel based classification of high resolution images, bycombining spectral information, elevation and ancillary data can be performed.