CLASSIFICAÇÃO DE IMAGENS DO PANTANAL USANDO REDES NEURAIS ARTIFICIAIS MLP E PERCEPTRON LINEAR
Renan Rocha Fucci1; Carlos Roberto Padovani2; Alex F. de Araujo1; Gustavo Manzon Nunes3
1 Universidade Federal do Mato Grosso do Sul Campus Pantanal; 2 Empresa Brasileira de Pesquisa Agropecuária (EMBRAPA); 3 UFMT - Universidade Federal do Mato Grosso
doi:10.20906/CPS/CILAMCE2015-0613
Resumo
A região do Pantanal é uma imensa planície inundável, de superfície dinâmica, mutável em suas dimensões espacial e temporal. Essa dinâmica está relacionada a processos biofísicos e mais recentemente por ações humanas, ocasionando alta variabilidade espacial e temporal da cobertura vegetal. Em virtude de sua dimensão e dificuldade de acesso, o Pantanal carece de tecnologias que possam auxiliar em análises e estudos para a sua conservação e manejo, de maneira automatizada. Neste trabalho, apresentam-se os resultados da aplicação de classificadores de imagens baseados em Redes Neurais Artificiais (RNA), para imagens do Pantanal, produzidas pelo satélite Rapideye. O objetivo foi rotular os pixels da imagem de entrada, agrupando-os em classes que representam as diferentes áreas de vegetação e água. Os resultados preliminares produzidos neste trabalho foram bastante promissores, demonstrando que a metodologia adotada é pertinente e as técnicas de classificação implementadas, podem contribuir significativamente com a tarefa de análise e interpretação de imagens de satélite do Pantanal.
Palavras-chave: Redes Neurais Artificiais (RNA); Classificadores; Sensoriamento Remoto; Reconhecimento de Padrões