Pós-Processamento • Idealmente todas as classes são

IGOT
Pós-Processamento
• Idealmente todas as classes são homogéneas
• Pixéis isolados mal classificados: efeito salt &
pepper
Imagem
Júlia Seixas, 2006 FCT | UNL
Classificação
Filtros
Filtro Moda
IGOT
Vizinhança
de 8
Filtros
IGOT
Para remover os
pixéis únicos, mal
classificados na
imagem, o filtro de
moda é aplicado
(Majority Filter). Os
resultados são
indicados na imagem.
Observe-se que
muitos dos pequenos
grupos de pixéis
desapareceram .
Filtros
IGOT
MODA
Experimentar o Focal
Statistics
IGOT
Mapa de uso do solo
Podemos ter confiança no resultado?
Em que medida o mapa de uso do solo corresponde à
realidade?
O resultado é VÁLIDO?
IGOT
Avaliação da precisão da classificação
Áreas de Teste
Imagem Classificada
URBANO
AGUA
FLORESTA
AREA
AGRICOLA
Índice de concordância (0-100%)
Avaliação do erro
IGOT
A tabela de contingências, matriz de confusão ou matriz de erro,
permite avaliar a exactidão semântica do mapa temático
produzido
CAMPO
Dispõem-se as classes correspondentes à classificação em linhas
e as relativas à realidade em colunas
CLASSIFICAÇÃO
1
2 3
4
5
0
0
1
480 0 5
0
0
2
52 0 20
0
0 313 40
0
3
0
16 0 126 0
4
0
0 38 24 359
5
Total 480 68 356 210 359
Total
485
72
353
142
421
1473
CLASSES DE USO
1. Água
2. Praia
3. Mata
4. Urbano
5. Agrícola
IGOT
Os elementos bem classificados encontram-se representados
ao longo da diagonal da matriz e todos os elementos situados
fora da diagonal correspondem a erros de classificação.
Existem dois tipos de erros: os de comissão (EC) que ocorrem
quando se atribui um pixel da imagem a uma classe à qual ele
não pertence (inclusão) e os de omissão (EO), que se traduzem
em não atribuir a determinada classe um pixel que lhe
pertence (exclusão).
Create random points (data managment tools/feature class)
– sample (spatial analyst/extraction) (amostra)
ou
Combine (spatial analyst/local) (todos os dados)
IGOT
Na matriz, os erros de omissão correspondem aos
elementos não diagonais de cada coluna e os erros de
comissão aos elementos não diagonais de cada linha
A exactidão global é obtida dividindo o número total de
pixéis correctamente classificados (a soma dos elementos
da diagonal) pelo número total de pixéis existentes na
imagem de referência. Da mesma forma, a exactidão de
cada categoria pode ser obtida através do quociente entre
os pixéis correctamente classificados de uma categoria e o
número total de pixéis da linha ou coluna correspondente.
IGOT
Desta medida podem extrapolar-se dois outros indicadores
conhecidos como exactidão do produtor (EP) e exactidão do
utilizador (EU), os quais consideram que o primeiro está mais
interessado na exactidão do processo de atribuição e o segundo
na qualidade do mapa produzido
EP  1  EO  100 e EU  1  EC  100
Contudo, mesmo uma atribuição dos pixels às classes feita
totalmente ao acaso pode resultar numa percentagem não
nula de resultados certos. Para fazer face a esta situação é
costume recorrer-se a outro método para aquilatar a
exactidão da classificação.
k
r
i 1
i 1
N  xii   xi  * xi 
r
N   xi  * xi 
2
Áreas Classificadas
IGOT
r
i 1
Áreas de teste
A
B
C
D

A
XAA
XAB
XAC
XAD
XA+
B
XBA
XBB
XBC
XBD
XB+
C
XCA
XCB
XCC XCD
XC+
D
XDA
XDB
XDC XDD
XD+

X+A
X+B
X+C
X+D
X
r –nº linhas da matriz de confusão
Xii – nº de observações da linha i e
coluna i, ou seja, nº de pixéis bem
classificados
Xi+, x+i – totais marginais da linha i,
coluna i, ou seja, nº de pixéis mal
classificados
N – nº total de observações.
Este
método
avalia
a
concordância entre o resultado
da classificação, obtida através
da aplicação do método
desenvolvido (designada por
exactidão observada) e uma
atribuição puramente aleatória
de
classes
aos
pixels
(designada por concordância
devido ao acaso). Esta medida
de concordância é designada
por índice Kappa (), KHAT ou
KIA
(Kappa
Index
of
Agreement) sendo definido em
termos dos elementos (xij) da
tabela de contingências
IGOT
Fiabilidade é o grau (usualmente em termos de percentagem)
de correspondência entre a observação e a realidade.
 Cada uma das categorias classificadas está realmente
presente nos respectivos locais na realidade?
 As fronteiras que separam as categorias são válidas para os
locias onde foram encontradas?
Qualidade dos produtos da classificação
IGOT
A fiabilidade associada aos
produtos de classificação
derivados por detecção
remota depende de:
- áreas de treino
Fiabilidade em função
da resolução espacial
apropriadas
- tamanho, forma,
distribuição e frequência de
ocorrência de áreas
individuais associadas a
cada tema
- performance do sensor
- métodos de classificação
Fonte: Remote Sensing Tutorial, http://rst.gsfc.nasa.gov/
Fiabilidade em função da resolução espectral
IGOT
O aumento de uma para
duas bandas produz uma
melhoria na qualidade da
classificação. A partir de 4
bandas deixa de haver
melhoria – correlação entre
as bandas.
Fonte: Remote Sensing Tutorial, http://rst.gsfc.nasa.gov/
Tipos de erros
IGOT
I - Erros na Aquisição de Dados: performance do sensor,
estabilidade da plataforma, condições de visão e registo. A
correcção destes erros é feita on-board (e.g., calibração da
resposta do detector com on-board light sources que geram
radiâncias conhecidas).
II – Erros de Processamento de Dados: é o caso de uma
incorrecta georreferenciação, por exemplo com erros
superiores a 1 pixel; Referenciação incorrecta de vários pixéis
comprometem significativamente a fiabilidade da
classificação.
III – Erros dependentes da cena: como definimos e
estabelecemos uma classe, em função, em particular, da
resolução espacial.
A classificação e a avaliação do erro assenta nos pixéis puros
Principal
fonte de erro
IGOT
Um "mixed pixel" resulta do facto de área
individuais, incluindo diferentes elementos
Pixéis Mistos
ou classes, serem menores do que a
resolução do sensor.
• Áreas homogéneas
• Aumentar a resolução do
ground truth
• Modelos matemáticos
• Grande incerteza