Avaliacao de medidas texturais na discriminacao de classes de uso utilizando imagens SIR-C/X-SAR do perimetro irrigado de Bebedouro, Petrolina, PE / An valuation of the texture features for Land-use discrimination using SIR-C/X-SAR data in the Bebedouro irrigation project, Petrolina, PE

AUTOR(ES)
DATA DE PUBLICAÇÃO

1995

RESUMO

A textura é uma importante característica utilizada na interpretação visual de imagens e por esta razão, o uso de medidas de textura pode aumentar o desempenho de classificadores digitais, principalmente em imagens com alta resolução espacial. No entanto, a textura de uma imagem é muito difícil de ser quantificada, uma vez que não há um consenso na definição deste termo, nem tampouco uma formulação matemática precisa. Na literatura, pode-se encontrar muitas medidas de textura, sendo que a escolha de um conjunto de medidas de textura é quase sempre feita empiricamente. Este trabalho propõe uma metodologia para seleção das medidas texturais que maximize a discriminação entre classes de uso em imagens SAR. Para tanto, foram utilizadas imagens SIR-C/X-SAR, bandas L e C, e polarizações HH, HV e VV. Os resultados mostraram que classificações baseadas apenas na média tonal conseguiram valores de kappa pouco acima de 0,50. O uso de medidas de textura resultou numa melhoria na classificação, obtendo-se valores de kappa superiores a 0,90 quando 15 medidas foram utilizadas simultaneamente. Mesmo quando imagens de apenas uma banda e uma polarização foram empregadas, conseguiram-se, em geral, valores de kappa superiores a 0,85 com a utilização de mais de 20 medidas de textura. Os resultados comprovaram que a informação textural presente em imagens de radar podem ajudar na discriminação de alvos agrícolas e que a metodologia proposta mostrou-se adequada a este propósito.

ASSUNTO(S)

classifications textura petrolina (pe) petrolina (pe) radar de abertura sintética (sar) shuttle imaging radar shuttle imaging radar (sir-c) textures sensoriamento remoto synthetic aperture radar seleção de atributos classificação feature extraction remote sensing

Documentos Relacionados