Métodos de Classificação dos Objetos Segmentados(IAR) • Vizinho Próximo • Lógica Fuzzy

objeto

REGRA

CLASSE

•Fuzzy •Conhecimento •Minima Distância

Vizinho Próximo O método do vizinho próximo é baseado no método da mínima distância do modelo pixel a pixel . Consiste em coletar amostras de objetos ou grupo de objetos de determinada classe. O objeto espectralmente mais próximo a determinada amostra é associado a classe amostrada

Atributo 2
Amostras Classes

Atributo 1

d distância entre o objeto amostrado s e o objeto da imagem segmentada o Vfs valor atributo do objeto amostrado s para atributo f (espectral o forma) Vfo valor atributo do objeto da imagem o para atributo f (espectral o forma) σf desvio padrão do atributo f

1

c) Maria tem em torno de 30 anos. é uma generalização do conceito da teoria clássica dos conjuntos. proposto por ZADEH (1965). para a utilização de conjuntos ‘Fuzzy’ vem da necessidade de representar proposições do tipo: a) Pedro é muito alto. 2 .Exemplo: Fonte ecognition guide 4. nebulosos ou fuzzy. onde os conjuntos Fuzzy são os ‘valores’ das palavras. por conseguinte. as sensações ou as percepções do mundo físico que nos rodeia. A motivação. com a precisão desejada.0 Classificação Fuzzy Conceito O conceito de conjuntos difusos. O conjunto fuzzy refere-se a conceitos inexatos para uma metodologia de caracterização de classes. A utilização de um conjunto fuzzy é em geral aplicada sempre que se tiver que lidar com ambigüidade. os pensamentos. abstração e ambivalência em modelos matemáticos. Exemplo: Através da logica fuzzy pode-se realizar ‘operações com palavras’. Grande parte dos problemas relacionados com a representação de conhecimento resulta das dificuldades que se tem em expressar. b) João está com febre alta. que por várias razões não se tem ou não se pode definir limites rígidos (bordas) entre classes.

é expressa através de um número que. d) formas de obter conclusões.Assim. onde o tamanho da pessoa aumenta gradativamente com sua altura até o valor 1 ser alcançado. como: a) coleta da informação. grau de compatibilidade ou grau de verdade). O exemplo. como por exemplo: 3 . c) combinação de elementos entre si. ou seja. onde para uma pessoa ser alta ou não. restrita para o intervalo [0. 1]. aplicação de uma regra de raciocínio. por exemplo. A definição booleana do padrão. como é o caso da aplicação sucessiva de regras de raciocínio. A teoria da lógica Fuzzy leva em consideração esse tipo de incerteza. pode-se exprimir a possibilidade da febre pertencer ou não ao conjunto de valores altos. de pessoas altas. a respeito de uma afirmação. ‘João está com febre alta’. e) avaliação de uma seqüência de regras ou estruturas. abrupto. Essa lógica implica na representação de incerteza por um grau expresso pelo valor de uma função de pertinência (grau de pertinência. porém. a incerteza. exprime a possibilidade da afirmação ser correta. incerteza nas premissas. isto é. Por outro lado a teoria ‘Fuzzy’ permite representar a pertinência a um conjunto como uma distribuição de possibilidades. Representação Matemática Fuzzy Sim Não (Boleano) A Figura mostra o conjunto de pessoas altas. em vez de probabilidade. A teoria tradicional dos conjuntos define a pertinência ‘sim’ ou ‘não’ das proposições como ‘Pedro é muito alto’. Esta função de pertinência pode expressar o grau de um elemento pertencer a um determinado conjunto. O tratamento da incerteza pode ser necessário em diferentes etapas do manejo do conhecimento. b) definição dos elementos do conhecimento. há um valor de altura específico que define o limite.

cada x pode pertencer ou não ao conjunto. tal que: X= {x} A= {x. Se X é uma coleção de objetos de x elementos. definido o grau de pertinência de x em A 4 . 1]. x ∈X Onde A = Conjunto Fuzzy.4) menor. Um conjunto clássico A. A ⊆ X. Pode–se representar o conjunto A por um conjunto de pares ordenados (x . O valor de fA(x) representa o grau de pertinência de x em A. 2000). Nas expressões o conjunto fuzzy A em X é caracterizado por uma função de pertinência fA(x) que associa cada ponto em X a um número real no intervalo [0 . é definido como uma coleção de elementos ou objetos x ∈ X. fA(x)}. O conjunto fuzzy expressa o grau para o qual um elemento pertence a um conjunto utilizando uma função de pertinência. et al. É possível definir uma função que caracterize o grau de pertinência de cada elemento x em X. Nesta relação. então um conjunto fuzzy A em X. 0) ou (x . denominado Booleano. X = Espaço dos Objetos. Expressa por fA(x). 1). Um conjunto fuzzy é unicamente especificado por sua função de pertinência.8) relativamente maior do que pertence ao conjunto ‘Idade Média’.. cujo grau de pertinência é (0. é um conjunto de pares ordenados. Seja X um espaço de objetos e x um elemento qualquer de X. fA(x) = Função de Pertinência. os quais indicam se x ∈ A ou x ∉ A. Neste caso observa-se que Maria pertence ao conjunto ‘jovem’ com um grau de pertinências (0.‘Maria tem em torno de 30 anos’ de acordo com a Figura (AZEVEDO.

x ∈X A função de pertinência C resultante da intersecção dos conjuntos A e B. PERTINÊNCIA SIGMOIDAL Onde: A o conjunto fuzzy. fb(x)}. A função de pertinência de um conjunto C resultante da união de dois conjuntos A e B. x ∈X 5 . Seja um conjunto fuzzy B contido num conjunto A. c define o valor da propriedade z (inflexão).5 0 x ∉ A. os conjuntos fuzzy podem ser combinados.5 B A A sobreposição da função de pertinência e pertinência abrupta (Booleana) 0 a b z(classe) Uma das funções de pertinência mais comuns é a função Sigmoidal dada pela expressão: fA( z ) = 1 /( 1 + a( z . para qualquer elemento x no universo X.c )2 para 0 ≤ z≤ P. fb(x)}. aos conjuntos A e B de cada elemento x: C= A ∪ B fc (x)= fa(x) ∪ fb(x)= Max{ fa(x). é dada pelo o maior valor de pertinência .5 a 0 z Tal como na teoria dos conjuntos Booleanos. 1 c 0. é dada pelo menor valor de pertinência aos dois conjuntos: C= A ∩ B fc (x)= fa(x) ∩ fb(x)= Min{ fa(x).Função de Pertinência Boleano 1 x ∈ A ou 1 Fuzzy fa(z)= 0. 0. a o parâmetro determinante da forma da função. a função de pertinência de B será sempre menor que a função de pertinência em A.

CL = valor médio de uma banda qualquer “L”. Ci = valor médio da “i”. Soma do valor médio de todas as bandas espectrais.∑ lsi (µ b − µbi ) i =1 n Para cada objeto vizinho é determinada a diferença média em determinada banda. n = número de pixels que formam o objeto. ∑ Ci n L i =1 Razão rL = c L ∑ n L Ci i=1 A razão de uma banda qualquer é o valor médio desta banda. onde o valor de pertinência de saída é controlado pelos valores máximos de entrada. Onde: b = valor médio de todas as bandas. nL= número de bandas espectrais. lsi = o comprimento do limite com um objeto i. ∪união ∩Intersecção Conjuntos Fuzzy Baseados em Parâmetros Espectrais PARÂMETROS EXPRESSÃO MATEMÁTICA DESCRIÇÃO Média CL = 1 n . dividido pela soma dos valores médios de todas as bandas espectrais que formam um segmento. Brilho 1 nL b= . n = a quantidade de vizinhos. bi = valor médio para o pixel vizinho. . Descreve a predominância de uma determinada banda em relação às demais. Diferença média entre objetos vizinhos ∆µb = 1/ l. 6 . Ci = valores médios de todas as bandas espectrais . CLi = valor médio do pixel “i” na banda “L”. •Fuzzy AND (intersecção ∩ ) – esta operação equivale ao AND Booleano.Com vistas à classificação. os principais operadores quando se manipula um ou mais conjuntos fuzzy são a de união (maximização). divididos pelo número de bandas espectrais que formam um segmento. intersecção (minimização) e negação.∑ C Li n i =1 Valor médio calculado a partir de todos os pixels em uma determinada banda. dividido pelo somatório dos pixels que formam um segmento. Onde: CL = valor médio calculado. b = a média para o objeto para uma banda b. A interseção significa uma seqüência de ‘AND’ e é obtida através do operador MIN (mínimo). rL = relação de uma banda qualquer “L”. proporcionalmente ao comprimento limite entre os objetos: Onde: l = o perímetro do objeto em questão.complemento fc (x)= 1 .fc(x) •Fuzzy OR (união ∪ ) – o Fuzzy OR é como o OR Booleano.

Amostragem de objetos: Classe A Classe B Parâmetros Espectral Função de Pertinência 7 .

Sign up to vote on this title
UsefulNot useful