O que é classificação?

Exemplo de seleção de áreas no treinamento supervisionado.

Quando o usuário utiliza algoritmos para reconhecer as classes presentes na imagem, o treinamento é dito não-supervisionado. Ao definir áreas para o treinamento não-supervisionado, o usuário não deve se preocupar com a homogeneidade das classes. As áreas escolhidas devem ser heterogêneas para assegurar que todas as possíveis classes e suas variabilidades sejam incluídas. Os "pixels" dentro de uma área de treinamento são submetidos a um algoritmo de agrupamento ("clustering") que determina o agrupamento do dado, numa feição espacial de dimensão igual ao número de bandas presentes. Este algoritmo assume que cada grupo ("cluster") representa a distribuição de probabilidade de uma classe.

Exemplo de seleção de áreas no treinamento não-supervisionado.

Exemplo de limite de aceitação de uma classificação, no ponto onde as duas distribuições se cruzam. Um "pixel" localizado na área sombreada, apesar de pertencer à classe 2, será classificado como classe 1.

N
1
2
3
4
1
4.7
94.3
0.0
0.0
0.9
2
1.1
0.0
82.3
0.0
16.6
3
0.0
13.3
0.0
86.7
0.0
4
3.8
0.0
4.7
0.0
91.5
Amostras
Classes
1
2
3
Floresta
90
50
87
Cerrado
5
50
0
Rio
5
0
0
Desmatamento
0
0
10

O que é o classificador MAXVER-ICM?

O que é classificação por distância euclidiana?

d (x,m) = (x2 - m2) 1/2

onde:

O que é pós-classificação?

Por exemplo, para a janela de uma imagem classificada será avaliado o "pixel" central pertencente à classe 2. Considera-se um peso e um limiar iguais a 3.
3
3
1
5
2
3
5
5
5

Classe12 35
Freqüência1 334
331
553
555

O que é a segmentação de Imagens

O que é crescimento de regiões?

O que é detecção de bacias?

Como classificar imagens segmentadas?