EXPLORAÇÃO DA UTILIDADE DAS BANDAS FRACTAIS NA CLASSIFICAÇÃO DE IMAGENS DIGITAIS

Resumo

Presentemente, cresce o interesse com respeito
à utilização de atributos espaciais no processo de classificação
automática de imagens digitais. Este crescimento
pode ser percebido pela quantidade cada vez
maior de trabalhos científicos publicados sobre o assunto.
Nesta dissertação, o interesse recai sobre o uso
de atributo espacial. É explorado o uso da dimensão
fractal para caracterizar e separar classes de textura
em imagens digitais de sensoriamento remoto. A dimensão
fractal pode ser considerada como um indicador da
complexidade espacial das imagens de sensoriamento
remoto e, neste trabalho, é calculada por dois métodos:
método dos Prismas e método Direcional. Os dados
são organizados em um formato similar ao utilizado
para bandas espectrais, apresentando-se, portanto,
como bandas de dimensão fractal, transformadas para
valores de contador digital (entre 0 e 255). A distância
de Bhattacharya é utilizada para estimar a
separabilidade entre pares de classes e o algoritmo da
máxima verossimilhança gaussiana é utilizado para
classificar os pixels em imagens formadas por bandas
fractais, banda original e bandas fractais junto com uma
banda de dados originais. A maior diferenciação entre
classes, junto com os elevados percentuais de acerto
em amostras de teste, indicam que a abordagem fractal
pode ser útil nos processos de classificação automática.
Além disso, os experimentos de classificação realizados
mostraram evidências de que os dois métodos
para cálculo da dimensão fractal são diferentes quanto
à exatidão de classificação.