Classificação semi-automática de regiões em imagens de sensoriamento remoto utilizando Realimentação de Relevância

• Processo: 08/58528-2
• Linha de fomento: Bolsas no Brasil - Doutorado
• Vigência (Início): 01 de agosto de 2009
• Vigência (Término): 31 de março de 2013
• Área do conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Ricardo da Silva Torres
• Beneficiário: Jefersson Alex dos Santos
• Instituição-sede: Instituto de Computação (IC). Universidade Estadual de Campinas (UNICAMP). Campinas, SP, Brasil
• Assunto(s): Sensoriamento remoto Realimentação de relevância Programação genética Reconhecimento de padrões Processamento de imagens

Resumo

O uso de imagens de sensoriamento remoto (ISRs) como fonte de informação em aplicações para o agronegócio é bastante comum. Nessas aplicações, saber como é a ocupação espacial é fundamental. Entretanto, reconhecer e diferenciar regiões de culturas agrícolas em ISRs ainda não é uma tarefa trivial. Embora existam métodos automáticos propostos para isso, os usuários preferem muitas vezes fazer o reconhecimento manualmente. Isso acontece porque tais métodos normalmente são feitos para resolver problemas específicos, ou quando são de propósito geral, não produzem resultados satisfatórios fazendo com que o usuário tenha que revisar os resultados manualmente em seguida. Realimentação de relevância é uma técnica utilizada em recuperação de imagens por conteúdo e tem como objetivo agregar os interesses do usuário ao padrão de consulta das imagens. A motivação para o uso de realimentação de relevância baseado em GP reside no fato dessa técnica vir apresentando resultados satisfatórios em diversos trabalhos de recuperação de imagens. Dessa forma, esse projeto visa especificar e implementar um método de classificação semi-automático de regiões em ISRs utilizando realimentação de relevância baseado em programação genética (PG). A idéia é utilizar descritores de imagens para codificar informações espectrais e de textura de partições da imagens, utilizar realimentação de relevância com PG para combinar as características dos descritores e agregar as informações do usuário e, por fim, segmentar a imagem em regiões, gerando a imagem final classificada. (AU)