Estudo de descritores de texturas e cores para a classificação automática de imagens no contexto das ciências ambientais

Abstract

Há uma crescente disponibilidade de imagens no contexto das ciências ambientais, sendo que a análise automática destas, pode permitir a identificação de objetos e regiões de interesse de forma mais eficiente, agilizando o estudo de fenômenos e a ocorrência de situações de impactos. No entanto, como em qualquer sistema de classificação automática, os resultados obtidos dependem de quais descritores são utilizados para se representar as imagens. Neste sentido, este trabalho busca discutir e comparar o uso de descritores em níveis de cinza, que estão diretamente ligados a textura, e os referentes aos canais de cores. Para isto, foi realizado um estudo para se avaliar os resultados da seleção automática de descritores para se representar imagens de forma a permitir a classificação de imagens de troncos de árvores e imagens aéreas de uso e ocupação do solo no contexto das Ciências Ambientais. Este estudo utilizou a arquitetura de rede neural artificial Fuzzy ARTMAP como classificador e um algoritmo para seleção sequencial de descritores. Os resultados consolidam a importância dos descritores de textura Haralick, de segunda ordem, a partir de níveis de cinza e a relevância do espaço de cores RGB e Lab.

There is a growing availability of images in the context of the environmental sciences, and the automatic analysis of these can allow the identification of objects and regions of interest in a more efficient way, speeding up the study of phenomena and the occurrence of situations of impacts. However, as in any automatic classification system, the results obtained depend on which parameters are used to represent the images. In this sense, this work seeks to discuss and compare the use of parameters in gray levels, which are directly linked to texture, and those referring to color channels. For this, a study was carried out to evaluate the results of the automatic selection of descriptors to represent images in order to allow the classification of images of tree trunks and aerial images of use and occupation of the soil in the context of Environmental Sciences. This study used the artificial neural network architecture Fuzzy ARTMAP as a classifier and an algorithm for the sequential selection+ of descriptors. The results consolidate the importance of ,second order, Haralicks´s texture descriptors from gray levels and the relevance of the RGB and Lab color space.