MÉTODO SEMIAUTOMÁTICO PARA EXTRAÇÃO E REGULARIZAÇÃO DE TALHÕES DE CANA-DE-AÇÚCAR UTILIZANDO IMAGENS LANDSAT-5, CLASSIFICADOR PARALELEPÍPEDO E ALGORITMO DE DOUGLAS-PEUKER

Resumen

Este artigo propõe um método semiautomático para extração e regularização de talhões de cana-de-açúcar por meio de imagens Landsat-5. O método baseia-se na utilização de uma função de realce usada para aumentar o contraste entre os objetos na imagem, da estrutura quadtree usada para subdividir a imagem em regiões homogêneas, do classificador paralelepípedo usado na sequência para extrair os pixels que pertencem ao padrão desejado, da detecção de bordas a partir de imagens binárias contendo as regiões segmentadas, da poligonização e da regularização de contornos via algoritmo de Douglas-Peuker. Os experimentos realizados com a área teste mostraram que o método proposto é promissor para aplicações envolvendo extração de talhões de cultura de cana-de-açúcar, visto que possibilitou a extração destes contornos com aproximadamente 94,95% de pixels corretamente classificados, 1,64% de falsos positivos e 3,4% de falsos negativos. Palavras-chave: cana-de-açúcar, sensoriamento remoto, extração de contornos. SEMI-AUTOMATIC METHOD FOR SUGARCANE CROPS EXTRACTION AND REGULARIZATION USING LANDSAT-5 IMAGES, PARALELEPIPED CLASSIFIER AND DOUGLAS-PEUKER ALGORITHM ABSTRACT This paper proposes a semi-automatic method for the extraction and regularization of sugarcane crops from Landsat-5 image. The method uses a enhancement function for increase contrast between objects in the image, the quadtree structure used for subdividing the image into homogeneous regions, parallelepiped classifier used for extract pixels that belongs to the desired pattern, edge detection from binary image with segmented regions, polygonization and regularization of contours by Douglas-Peuker algorithm. Experiments carried out with test area show that the proposed method is appropriate for applications involving semi-automatic sugarcane areas extraction, as it provided contour information with approximately 94.95% of pixel correctly classified, 1.64% of false positive and 3.4% of false negatives. Keywords: sugarcane, remote sensing, contours regularization