Combinação de modelos de campos aleatórios markovianos para classificação contextual de imagens multiespectrais

Resumo

A classificação de imagens é uma ferramenta de fundamental importância em diversas aplicações nas áreas de processamento de imagens e reconhecimento de padrões, como por exemplo, em sensoriamento remoto ou no diagnóstico de doenças a partir da análise de imagens médicas de ressonância magnética e tomografia computadorizada. A proposta deste trabalho consiste em utilizar a combinação de diferentes modelos de campos aleatórios markovianos na classificação supervisionada de imagens multiespectrais, com o intuito de tentar obter melhoria no desempenho do classificador, incorporando informações contextuais no processo. Cada um dos diferentes modelos de campos aleatórios define justamente como esse contexto é levado em consideração através de parâmetros que controlam a dependência entre os elementos do campo (pixels). Para o sistema de combinação considera-se a utilização de combinadores baseados em regras, como regras de média, máximo, mínimo e produto, além da possibilidade de esquemas baseados na definição de perfis de decisão (Decision Templates), avaliando os resultados obtidos através do erro estimado de classificação e coeficiente Kappa. (AU)