DISTÂNCIAS ESTOCÁSTICAS E MAPAS DE INCERTEZAS APLICADOS À CLASSIFICAÇÃO DE DADOS DE MÚLTIPLOS SENSORES

Abstract

In this paper is proposed classifi cation improvement through a new multi source or multi -sensor integration methodwhose combination is in diff erent level those known in literature. At this rate, data integration occurs through the wimage classifi cation results from w diff erent sources. The content of these reports refers to distances and test statisticscontained in the uncertainty maps (regarding the reliability of the obtained classifi cation) for each of the classifi cations. The data selected for this paper include a optical image and a microwave image. Such images were classifi ed bythe region based classifi er PolClass, that besides the classifi cation, the classifi er generates an uncertainty map. FiveScenarios were established based on the individual classifi ed images and their uncertain maps. Two of these Scenariosshowed low uncertainties values. One of them presented the kappa coeffi cient and overall accuracy statistically equalto the highest values obtained individually. The other Scenario, based on Fuzzy logic, had the best result among allthe Scenarios. The use of information from diff erent sources proved to be a positive factor in land use and land coverclassifi cation. The use of fuzzy logic led to classifi cation results with low uncertainty by allowing mixed classes.Neste trabalho é proposto o aperfeiçoamento de classifi cações por meio de uma nova técnica de integração de dadosmultifonte ou multisensor cuja combinação ocorre em nível diferente daqueles adotados em técnicas de integraçãotradicionais. Neste caso, a composição dos dados é aplicada às informações obtidas no processo de classifi caçãoindividual de w imagens provenientes de w fontes distintas. O conteúdo dessas informações refere-se às distâncias eestatísticas de teste contidas nos mapas de incertezas (referentes à confi abilidade da classifi cação) de cada uma das classifi cações. Os dados selecionados para este trabalho contemplam uma imagem óptica e uma imagem de micro-ondas.Tais imagens foram classifi cadas a partir do classifi cador por regiões PolClass que além da classifi cação gera ummapa de incertezas. Por meio dos dados gerados nas classifi cações individuais das imagens foram construídos cincoCenários de Classifi cação visando índices de acurácia superiores aqueles obtidos pelas classifi cações individuais. Doisdestes Cenários de classifi cação apresentaram baixas incertezas nas classifi cações. Para um deles, o coefi ciente kappae acurácia global igualaram-se estatisticamente ao maior kappa e maior acurácia adquiridos individualmente. O outroCenário, cuja origem foi baseada na lógica Fuzzy, obteve o melhor resultado entre os Cenários criados. A utilizaçãode informações provenientes de fontes distintas mostrou-se um fator positivo na classifi cação por agregar diferentesinformações ao resultado fi nal. A lógica Fuzzy revelou-se um fator positivo por permitir uma classifi cação em classesmistas com baixas incertezas.