Uso do Co-clustering para análise de imagens de altíssima resolução espacial
Palavras-chave: Co-clustering, mineração de dados, morfologia matemática, textura, altíssima resolução, classificação de imagens
No contexto de mineração de dados, ao se realizar a classificação em imagens de sensoriamento remoto, a extração de padrões é um importante passo. O uso de coclustering para análise de imagens agrega novas possibilidades de identificação de padrões, no ramo do conhecimento do sensoriamento remoto. Comumente se realiza a busca de padrões em imagens considerando-se cada dimensão por vez, portanto uma única banda. A proposta do uso de técnicas de co-clustering é justamente considerar-se, de forma iterativa, na dimensão espectral, todas as bandas da imagem original, além de camadas criadas, por exemplo de textura e morfologia matemática, simulando novas bandas de imagem. Ao final do processo, resulta-se em clusters de pixels efetivamente classificados. A partir de medidas de similaridade dadas pelos Índice de Jaccard, Índice de Rand e Índice de Rand Ajustado avaliaram-se os agrupamentos resultantes da técnica de co-clustering quando aplicada a um cubo de imagem gerado a partir de uma imagem RGB de altíssima resolução, concatenada a resultados de morfologia matemática e de análise de textura. Utilizou-se o método tradicional de classificação não supervisionada K-médias como base de comparação para avaliação dos resultados encontrados. Concluiu-se que o método é eficiente, desenvolvido a partir de imagens e classificação prévia, disponibilizadas pela ISPRS, classificação essa tratada como verdade para o contexto deste trabalho.