11.3. Classificação Baseada em Limiar

O algoritmo de classificação baseado em limiar ou por paralelepípedo é um método de classificação supervisionada amplamente utilizado no processamento digital de imagens para a identificação e mapeamento de diferentes alvos na superfície terrestre. Sua popularidade deriva da sua simplicidade conceitual e rapidez de execução, tornando-o uma ferramenta valiosa para análises preliminares e aplicações que demandam eficiência computacional. Esse algoritmo de classificação representa uma abordagem intuitiva e eficiente, sua simplicidade e velocidade de processamento o tornam uma técnica valiosa para o processamento de imagens. A lógica fundamental do classificador por paralelepípedo baseia-se na definição de “caixas” ou paralelepípedos multidimensionais no espaço de atributos espectrais. Cada eixo desse espaço corresponde a uma banda espectral da imagem.

O processo inicia-se com a fase de reconhecimento de padrões, na qual o analista seleciona amostras de pixels representativas de cada classe de interesse (e.g., água, vegetação, solo exposto). Para cada classe, o algoritmo calcula os valores mínimo e máximo de reflectância em cada banda espectral a partir das amostras de treinamento. Esses valores definem os limites de um paralelepípedo no espaço de atributos. Por exemplo, em uma imagem com três bandas espectrais (vermelho, infravermelho próximo e infravermelho médio), cada classe será representada por um paralelepípedo tridimensional. Uma vez definidos os paralelepípedos para todas as classes, a fase de classificação atribui cada pixel da imagem a uma classe específica. Isso é feito verificando-se se os valores de reflectância do pixel em cada banda se encontram dentro dos limites do paralelepípedo de alguma das classes. Se um pixel cai dentro de um único paralelepípedo, ele é imediatamente classificado como pertencente àquela classe.

Devido a sua simplicidade, o classificador por paralelepípedo é rápido e fácil de implementar, exigindo menos recursos computacionais em comparação com métodos mais complexos. Ele também pode ser utilizado para ser aplicado sobre uma série temporal, uma vez que o perfil espectro temporal seja característico para cada classe. Assim, os atributos para a definição do paralelepípedo podem ser as datas e métricas fenológicas derivadas de séries temporais de índices espectrais (Seção Métricas Fenológicas). Um exemplo de como estabelecer os limiares para a classificação de uma área agrícola utilizando séries temporais de indices espectrais é apresentado abaixo (Figura 11.13). Nela, é possível observar que a classe de agricultura temporária apresenta um perfil espectral característico ao longo do tempo, com picos de reflectância em determinadas épocas do ano, o que facilita a definição dos limiares para a classificação utilizando uma range de tempo após localizar os picos de reflectância e que essa distância entre os valores de indices espectrais nestes pontos estabelecidos são sempre muito superiores aos valores de índices espectrais observados para as outras classes.

Figura 11.13 - Estabelecimento de limiares para classificação baseada em paralelepípedo utilizando séries temporais de índices espectrais.

A principal vantagem do algoritmo de paralelepípedo é a sua velocidade e simplicidade de implementação. Por realizar apenas comparações de limiares, ele é computacionalmente menos intensivo do que outros classificadores mais complexos. No entanto, essa simplicidade acarreta algumas desvantagens significativas. Uma das principais limitações ocorre quando há alta correlação entre as bandas espectrais. Nesses casos, os paralelepípedos podem se sobrepor, resultando em pixels que podem ser classificados em mais de uma classe ou em nenhuma, gerando incertezas e erros na classificação final. Além disso, o algoritmo não leva em consideração a distribuição estatística dos dados dentro de cada classe, tratando todos os pixels dentro do paralelepípedo de forma igual, independentemente de sua proximidade com o centro da classe.

Apesar de suas limitações, o classificador por paralelepípedo continua a ser uma ferramenta útil em diversas aplicações, principalmente como um primeiro passo em um processo de classificação mais elaborado ou em situações onde a rapidez é um fator crucial. É frequentemente utilizado para Mapeamento preliminar do uso e cobertura da terra, pois fornece uma visão geral e rápida da distribuição das principais classes em uma área de estudo.