SEGMENTAÇÃO DE IMAGENS SAR USANDO ABORDAGEM PROBABILÍSTICA BASEADA NA DISTRIBUIÇÃO GAMA

Resumo

A disponibilidade de imagens SAR polarimétricas e seu potencial de uso têm gerado a necessidade de desenvolvimento de técnicas automáticas de processamento e análise deste tipo de dado. Dentre estas técnicas se destaca a segmentação, responsável pela extração automática de feições a partir de uma cena para uma tarefa posterior. Para o desenvolvimento dos algoritmos de segmentação é comum adotar modelos estatísticos para explicar o comportamento dos dados. Este trabalho tem por objetivo avaliar comparativamente os resultados de segmentação de dois algoritmos especificamente desenvolvidos para trabalhar com dados SAR. O primeiro algoritmo, denominado SegSAR, foi desenvolvido para trabalhar com dados em intensidade e utiliza propriedades estatísticas das distribuições Gama e Gaussiana para efetuar a segmentação. O segundo algoritmo, denominado PolSeg, adota a distribuição Wishart como modelo para dados polarimétricos representados pela matriz de covariância e a distribuição Gama para dado monocanal em formato de intensidade. A análise comparativa é efetuada utilizando a simulação de dados SAR monocanal no formato de intensidade. Os resultados obtidos mostraram que o PolSeg apresentou melhores índices de ajustes para medidas quantitativas que avaliam propriedades de forma, dimensão e intensidade dos segmentos. Estas medidas foram, respectivamente, 111%, 3% e 60% melhores que aquelas obtidas pelo SegSAR. Além disso, o PolSeg gera uma quantidade de regiões mais próxima da imagem de referência e, em média, 10 vezes menor que o SegSAR. O tempo computacional dispendido pelo PolSeg é, em geral, 4,5 vezes menor que o gasto pelo SegSAR.