SEGMENTAÇÃO


O processo de segmentação de imagens tem por objetivo fragmentar uma região, em unidades homogêneas, considerando algumas de suas características intrínsecas como por exemplo o nível de cinza dos pixels, textura e contraste (Woodcock et al. 1994).

O algoritmo de segmentação por crescimento de regiões disponível no SPRING depende da definição das duas variáveis, grau de similaridade e tamanho mínimo para o estabelecimento de uma região.

O crescimento de regiões é uma técnica de agrupamento de dados, na qual somente as regiões adjacentes, espacialmente, podem ser agrupadas.

Inicialmente este processo de segmentação utilizado rotula cada pixel como sendo uma região distinta. A partir daí são agrupados os pixels com valores de similaridade inferiores ao limiar definido pelo usuário, baseado em um teste de hipótese estatístico realizado com as médias entre as regiões. Com isto a imagem é fragmentada em sub-imagens, as quais são reagrupadas a seguir, segundo um limiar de agregação (tamanho mínimo aceitável para uma sub-região), definido também pelo usuário (INPE, 1996).

Os valores ótimos, a serem fixados para a segmentação de imagens, dependem principalmente dos padrões de repartição espacial dos objetos de cada área e da definição da generalização cartográfica ideal, em função da escala cartográfica da abordagem realizada. Não existe, portanto, uma padronização de valores destas variáveis para a obtenção de bons resultados. Neste projeto, foram feitas várias aproximações, até a obtenção de um nível de fragmentação da imagem considerado adequado para o estudo. Sob a imagem segmentada, foi aplicada a classificação supervisionada.