Jornal de Sensoriamento Remoto e GIS

Abstrato

Identificação de dados de dados temporais para classificadores soft FCM e PCM

Ranjana Sharma, PK Garg, RKDwivedi, Mohan Vishal Gupta

Em geral, os classificadores multiespectrais fornecem um conjunto completo de opções para a classificação de imagens utilizando abordagens supervisionadas, não supervisionadas ou baseadas em fuzzy. O processamento de imagem enquadra-se em 10 categorias: restauração de imagem, melhoramento de imagem, transformação de imagem, desenvolvimento de assinatura de imagem, classificadores rígidos e classificadores suaves para imagem, endurecedores e análise hiperespectral de imagem e avaliação da precisão do resultado. Os classificadores rígidos são comummente utilizados na classificação de imagens, onde um pixel tem um valor de pertinência de 0 ou 1, pelo que é considerado um pixel puro. A natureza do pixel no classificador suave é mista. O pixel dos classificadores flexíveis pertence a várias classes. Pela teoria do conjunto difuso, podemos resolver o problema de pertença múltipla ao pixel da imagem. Os intervalos de valores de pertinência no conjunto fuzzy são 0 e 1, em que o valor entre 0 e 1 define a proporção de ocorrência de informação dentro de um pixel. Este conceito tem sido utilizado em muitas aplicações, tais como a análise de sinais de sensores e a minimização de incertezas. Neste estudo, classificadores suaves fuzzy e classificador híbrido baseado em fuzzy com entropia, agrupamento de ruído baseado em entropia foram utilizados para aprender o resultado do método de precisão (entropia) na saída dos classificadores para conjuntos de dados multiespectrais ao nível de pixel. Mas qualquer classificação é considerada incompleta sem avaliação da sua precisão. Várias empresas comerciais introduziram uma variedade de ferramentas de processamento de imagem que oferecem um módulo relacionado com a introdução de dados, visualização, melhorias, transformações, classificação, avaliação de precisão e saída juntamente com outros módulos baseados em SIG. Alguns dos principais softwares SIG que possuem módulos de processamento de imagem bem definidos são o ERDAS Imagine, IDRISI, ENVI e ER Mapper, mas a avaliação da precisão não é suportada por estes softwares para a avaliação de resultados classificados suavemente. Assim sendo, foi desenvolvida uma ferramenta para lidar com tais problemas neste estudo. Esta ferramenta concentra-se principalmente em algoritmos de classificação suave. Foi nomeada como ferramenta classificadora de imagem baseada em fuzzy (FBICET), que incorpora entropia. A imagem de satélite foi classificada com sucesso e boa precisão utilizando o FBICET.