Segmentação de imagens SAR utilizando SVM e log-cumulantes

Abstract

A busca por meios eficazes de observac¸a˜o da Terra teˆm motivado o desenvolvimento de tecnologias para sensoriamento remoto. Plataformas de aquisic¸a˜o de imagens multiespectrais e programas de processamento de imagens digitais possibilitam o gerenciamento ambiental, monitorac¸a˜o de territo´rios, levantamentos agr´ıcolas e mapeamentos de uso e cobertura do solo. Noprocessamentodeimagens,asegmentac¸a˜oe´ umatarefaquepodeseraplicadanasoluc¸a˜ode umaamplaclassedeproblemasemvisa˜ocomputacional. Noentanto,na˜osetratadeumatarefa simplesquandoaplicadaaimagensdeRadardeAberturaSinte´tica(SAR)devidoa` presenc¸ado ru´ıdo speckle. Dada a importaˆncia das imagens SAR em problemas de sensoriamento remoto, esta dissertac¸a˜o apresenta um me´todo para segmentac¸a˜o de imagens usando os paraˆmetros de rugosidade e escala estimados a partir de dados em amplitude modelados pela distribuic¸a˜o G0 A como entrada para o classificador SVM. Para tanto, adotamos o me´todo log-cumulantes para a estimac¸a˜o dos mapas de paraˆmetros. A avaliac¸a˜o de desempenho dos resultados foi realizada em termos das medidas de Erro de Segmentac¸a˜o (EoS) e de Cross-Region Fitting (CRF) para imagens SAR sinte´ticas e reais, respectivamente. O desempenho do me´todo proposto e´ comparado com treˆs outras abordagens propostas na literatura o K-nearest neighbors (KNN), Naive Bayes (BAYES), e um me´todo iterativo baseado em SVM. Os resultados mostraram a capacidade do me´todo proposto Sar Support Vector Machine (SARSVM) em segmentar imagens com diferentes n´ıveis de contraste, uma vez que este obteve melhores valores de EoS eCRF emrelac¸a˜oaosoutrosme´todos