Uso de algoritmos genéticos como redutor de dimensionalidade na classificaçao de imagens hiperespectrais

Abstract

Resumo: A análise de imagens hiperespectrais possibilita um estudo mais detalhado sobre os objetos na superfície da terra. Devido sua alta resoluçao espectral, a tarefa de análise desses dados defronta-se com o fenômeno de Hughes. Esse fenômeno ocorre devido ao número geralmente limitado de amostras frente a alta dimensionalidade dos dados hiperespectrais. Uma das possíveis soluçoes para esse problema é a reduçao da dimensionalidade. Essa técnica de reduçao de dimensao é dividida em duas abordagens: seleçao de feiçoes e extraçao de feiçoes. A proposta desse trabalho foi o uso dos Algoritmos Genéticos como redutores de dimensionalidade de dados hiperespectrais, para fins de classificaçao. Foi realizado um estudo comparativo entre os algoritmos propostos e os tradicionais algoritmos seqüenciais: Sequential Forward Selection (SFS) e Sequential Backward Selection (SBS). Esses dois últimos algoritmos sao conhecidos pela simplicidade tanto conceitual como computacional. Uma segunda comparaçao foi realizada entre algoritmos de seleçao de feiçoes e um algoritmo do tipo extraçao de feiçoes (Análise por Componentes Principais). Nesse estudo foi analisado tanto a acurácia no processo de classificaçao como o tempo de processamento demandado por esses algoritmos. Após a reduçao da dimensionalidade, uma classificaçao foi executada. O classificador utilizado foi de máxima verossimilhança. Para julgamento da acurácia foram utilizados os índices kappa, acurácia global e a acurácia do ponto de vista do usuário. A metodologia proposta mostrou-se promissora, pois apresentou resultados, em termos de acurácia, superiores aos gerados pelos demais algoritmos estudados.