Quando se deseja encontra grupos uniformes de pixels em imagens multiespectrais, pode-se usar técnicas de agrupamento multiespectral, como o método K-médias. K-médias
A princípio não se conhece quais ou quantos grupos existem. Então, deve-se especificar o número de grupos que se deseja obter. Cada grupo pode ser descrito por seu vetor de médias. Estas médias são a princípio desconhecidas e devem ser achadas. As médias devem ser tais que:
Veja a série de figuras à direita. Neste exemplo, duas bandas espectrais são consideradas.
Os valores digitais nas duas bandas foram plotadas em azul (x=banda 1 , y=banda 2).
O primeiro passo é determinar quantos grupos existem. Vamos considerar, no exemplo, K=3 grupos.
o processo é o seguinte:
- como não conhecemos as médias destes grupos, então o sistema escolhe centros de forma aleatória. Uma boa escolha é ao longo da diagonal principal porque em sensoriamento remoto as bandas podem ser correlacionadas.
- Agora, com essas médias, pode-se classificar a imagem e avaliar o resultado obtido. Porém, é necessário um método de classificação, baseado em uma medida de similaridade entre cada pixel e os centros dos grupos. Como medida de similaridade pode ser usada a distância Euclidiana.
- Uma vez classificados todos os pixels, pode-se calcular o verdadeiro valor das médias dos grupos (visto que o processo se iniciou com valores arbitrários). Então, vamos recalcular os centros com base nos indivíduos classificados.
- Comparar estes novos centros com os centros anteriores. Se houver diferença entre o centro inicial e o calculado, quer dizer que o anterior não era uma boa aproximação, então vale a pena adotar os novos centros como verdadeiros;
- Como temos novos centros, devemos repetir a classificação, voltando ao passo 2.
- caso os centros sejam iguais aos anteriores, ou muito parecidos, então assume-se que a solução ótima foi atingida e o processo é detido.
- Com os centros determinados neste processo iterativo pode-se classificar a imagem e obter um mapa temático.
- Após a segmentação, deve se analisar os grupos formados, tentado dar uma explicação.
Exercício:
Vamos agora à aula prática. Aqui usaremos o Multispec, pois ele contêm o algoritmo de agrupamento (Clustering) ISODATA.
O algoritmo ISODATA tem alguns refinamentos adicionais em relação ao K-médias.
Ele funde dois grupos quando o número de pixels de um grupo é extremamente pequeno e se dois centros de grupos se encontram muito próximos. Também, quando a variância de um grupo é muito grande, ISODATA divide o grupo em dois para aumentar a uniformidade dos grupos. Por isto, no algoritmo ISODATA o número de clusters pode variar durante o processo iterativo, o que não ocorre no K-médias. OK? Vamos ao exercício.
Agora você pode voltar ao menu principal, ou ao menu desta aula .
Jorge Centeno: centeno@ufpr.br