Segmentação multirresolução e classificação orientada a objetos aplicados a imagens Spot-5 para o mapeamento do uso da terra

Abstract

A abordagem de classificação orientada a objetos representa um novo paradigma no processamento de imagens de alta resolução espacial. A utilização de descritores espectrais e de forma, oriundos da segmentação, permitem uma melhor discriminação seletiva entre os objetos. Funções de pertinência fuzzy podem ser construídas a partir das propriedades dos objetos segmentados. Atualmente, o estado do Paraná vem realizando atualização dos mapas de uso da terra em escala 1:50.000 por meio de ortorretificação de imagens Spot 5. Pretende-se neste trabalho elaborar o mapa de uso da terra por meio de técnicas de segmentação multiresolução e classificação contextualizada (lógica fuzzy). Descritores dos objetos foram selecionados por estatística multivariada, métodos das componentes principais e de discriminantes, determinando-se aqueles com maior potencial de separabilidade entre as classes. Testes de classificação sucessivos foram realizados aplicando-se funções de pertinência fuzzy aos descritores selecionados, procedendo-se à classificação final da imagem. O mapa de uso da terra, abrangendo uma área de aproximadamente 218,75 km2 , resultou em um valor de acurácia Kappa em torno de 80% (utilizando-se os objetos selecionados como amostras de treinamento), demonstrando o potencial dessa ferramenta, embora posteriores adaptações metodológicas devam ser implementadas.

The object oriented classification approach represents a new paradigm to the high spatial resolution imagery processing. The use of spectral and form properties originated from the segmentation procedure allows better discrimination between objects. Fuzzy membership functions are generated from the segmented objects descriptors. The State of Parana has been currently updating its 1:50.000 land use maps by means of Spot 5 orthorectified imagery. The objective of this paper is to develop a methodology to the elaboration of land use maps by means of multi-resolution segmentation techniques and image contextual classification with the aid of fuzzy logic. In order to identify which descriptors could provide better class separability, multivariate statistic, principal components and discriminant analysis techniques were used, as a result potential descriptors were selected. Finally the classification process was achieved using those descriptors to create the fuzzy sets and the membership functions. The Land Use Map generated, including an area of 218,75 km2 , reached a Kappa index near to 80%, indicating the potential application of this technique nevertheless subsequent methodological adaptation might be implemented.