| Summary: | A energia espectral captada por instrumentos de Sensoriamento Remoto e a integração, denominada mistura, da energia espectral refletida ou emitida por todos os objetos, denominados componentes primários da mistura, contidos no elemento de cena. As classes de uso do solo presentes em uma cena podem ser descritos em termos das proporções destes componentes, especialmente para alvos florestais. O objetivo desta dissertação é analisar o efeito obtido no processo de classificação automática quando utilizadas bandas sintéticas derivadas das proporções dos componentes em cada pixel. E adotado um Modelo Linear de Mistura e empregados os métodos de Mínimos Quadrados com Restrições e mínimos Quadrados Ponderado para estimar as proporções. As imagens utilizadas (Landsat TM)referem-se a duas áreas de reflorestamento, denominadas ""ITAPEVA"" e ""MOGI-GUAÇU"". A análise do processo de classificação baseia-se no algoritmo de Maxima Verossimilhança, sob hipótese gaussiana, e em métodos de redução da dimensão do espaço de atributos frequentemente empregados em Sensoriamento Remoto. Os resultados obtidos mostram que a partir de conjuntos substitutos de atributos (formados pela adição de bandas sintéticas as originais ou somente pelas bandas sinéticas)obtem-se, de modo geral, uma maior compactação de atributos pelas transformações de Componentes Principais e Análise Canônica. Contudo, não se obteve melhoria significativa nas estimativas de desempenho médio e nos valores de Distancia J-M entre as classes. No entanto, a análise qualitativa das imagens temáticas forneceu importantes resultados: a)para as cenas analisadas, comcluiu-se que não se deve utilizar conjuntos substitutos formados pela adição de bandas sintéticas as originais; b)os melhores resultados são obtidos pela utilização somente das bandas sintéticas, desde que estas sejam geradas a partir de componentes que representam de forma adequada as classes da cena e cujas proporções indiquem diferenças estruturais dos alvos. Constata-se, desta forma, a importância da sombra como componente primário para alvos florestais. Utilizar somente bandas sintéticas pode ser visto como um método de redução da dimensão do espaço de atributos comparável aos métodos usualmente empregados em Sensoriamento Remoto. As bandas sintéticas podem tambem ser úteis para interpretação visual, pois, além do excelente efeito visual obtido pela sua composição colorida, sua informações representam conceitos físicos (proporções)mais facilmente assimilaveis do que as assinaturas espectrais das classes. === The spectral energy collected by the Remote Sensing instrumentation is the integration, called mixture, of the energy reflected or emmited by the objects, called primary components of the mixture, contained in a picture element. The land use classes in a scene can be described in terms of these components proportions, specially for forest targets. The objective of this issertation is to analyze the effect obtained in the automatic classification process when utilizing synthetic bands derived from components proportions in each pixel. A Linear Mixing Model is adopted and the estimated proportions are obtained by the use of the Constrained Least Squares and weighted Least Squares methods. The Landsat TM images used for the tests correspond to two reforested areas denominated "ITAPEVA" and "MOGI-GUAU". The analysis of the classification process is based on the Maximum Likelihood Algorithm using the gaussian hypothesis, and on methods of dimensionality reduction frequently employed in Remote Sensing. The obtained results show that, in general, by using a substitute attribute set (formed by the addition of the synthetic bands to the originals or only by the synthetic bands), a greater compression performance under the Principal Components and Canonical Analysis transformations is obtained. However, not significant improvement in the estimation of the average performance nor in the J-M Distance values between classes was obtained. In spite of this fact, the qualitative analysis of the thematic images provided important results: a) for the analyzed images it is possible to conclude that one should not use the substitute set composed by the addition of the synthetic bands to the originals; b) the best results are obtained by utilizing the synthetic bands only, provided that they are generated from the components which adequately represent classes in the scene and such that their proportions indicate the target structural differences. One observes, in this way, the importance of shade as a primary component for forest targets. The use of the synthetic bands only can be seen as a method for reducing the feature space comparable to the methods usually employed in Remote Sensing. The synthetic bands can also be useful for manual interpretation, due to their excellent visual effect produced by colour composites and also because their information represents physical concepts (proportions) easier assimilated than the classes spectral signatures.
|
|---|
