Nas últimas décadas, a possibilidade da utilização de computadores nos proce- dimentos de extração de informações de imagens, particularmente, das imagens de sensori- amento remoto, possibilitou o desenvolvimento de análises direcionadas à caracterização dos processos ambientais.
Numericamente, uma imagem digital pode ser representada através de uma ma- triz bidimensional, onde x linhas por y colunas definem as coordenadas espaciais dos ele- mentos (pixels), sendo que cada elemento possui um valor z, correspondente ao valor ra- diométrico registrado pelo sensor. Esta forma de representação torna-se adequada ao pro- cessamento digital dos dados contidos na imagem.
Novo (1992) define, de maneira geral, sensoriamento remoto como a ciência a- través da qual transforma-se a radiação eletromagnética em um sinal, o qual pode ser con- vertido em informações sobre um determinado objeto. O autor classifica os métodos utili- zados para a análise destes dados em análise visual e análise digital de imagens.
Segundo o autor, a extração de informações através da análise visual não se ca- racteriza como uma atividade de fácil execução, exigindo conhecimento de diferentes téc- nicas de extração de informações. Esta atividade vem sofrendo um acentuado aumento na sua complexidade com o aprimoramento dos sensores, que hoje são capazes de adquirirem uma grande quantidade de informação através das imagens multespectrais e hiperespectrais. Para Matter (1999), a análise visual freqüentemente envolve avaliação do contexto no qual o objeto está envolvido, tanto do tom quanto da textura.
Paralelamente ao aprimoramento da capacidade dos sensores orbitais e sub- orbitais aconteceu a incorporação dos computadores no processamento de imagens de sen- soriamento remoto. Particularmente, no que se refere à análise de dados, foram desenvolvi- dos sistemas computacionais que viabilizaram a análise da quantidade crescente de dados coletados. Novo (1992) esclarece que, apesar de terem surgido em épocas diferentes, a aná- lise visual e análise digital são utilizadas atualmente de maneira complementar, isto é, po- de-se em uma primeira etapa utilizar as técnicas de processamento digital para realçar de- terminadas características de uma imagem e depois analisá-las visualmente.
Gonzalles e Woods (2000) apresentam as diversas técnicas utilizadas no pro- cessamento digital de imagens divididas em dois grandes grupos. O primeiro grupo, deno- minado pré-processamento, é formado pelas técnicas de realce, restauração e compressão de imagens, no segundo grupo estão inseridas as técnicas relacionadas à análise da imagem, que são a classificação e a segmentação de imagens, além da representação, descrição, re- conhecimento e interpretação de imagens.
O realce de imagens, segundo os autores, tem como objetivo principal o proces- samento de uma imagem, de modo que o resultado seja mais apropriado para uma aplicação especifica do que a imagem original, enquanto a restauração de imagens, apesar de ter o mesmo objetivo, está orientada para a modelagem da degradação e aplicação do processo inverso no sentido de recuperar a imagem original.
A compressão de imagens está relacionada à busca de soluções que viabilizem o armazenamento, processamento e comunicação de grande quantidade de dados gerada pela manipulação das imagens. Crósta (1999) demonstra o problema de volume relacionado com a manipulação de imagens de sensoriamento remoto mostrando que a imagem adquiri- da pelo sensor remoto do LandSat gera uma imagem de 6.550 por 6.550 elementos, o que significa que existem mais de 42 milhões de pixels em cada banda.
Segundo Gonzalles e Woods (2000) a segmentação subdivide a imagem em partes ou objetos constituintes. Com base no resultado alcançado no processo de segmenta- ção seria possível realizar a representação e a descrição dos dados. O reconhecimento e a interpretação de imagens estão relacionados diretamente à análise automática de imagens. Autores como Novo (1992) e Fonseca (2000), apresentam uma classificação alternativa para as técnicas de processamento digital de imagens de sensoriamento remoto, dividindo- as em três grupos: pré-processamento, realce e segmentação de imagens. No primeiro grupo estão incluídas: a restauração qualitativa da imagem, no sentido de corrigir as degradações radiométricas e as distorções geométricas inseridas pelo sensor, enquanto o segundo grupo é composto pelas técnicas que melhoram efetivamente a qualidade visual da imagem. A análise de imagens está diretamente relacionada com a extração de informações das ima- gens, neste grupo estão incluídas as técnicas de segmentação e classificação.
Ao tratar do processamento digital de imagens de sensoriamento remoto, Matter (1999) explica, que o processo de segmentação de uma imagem em regiões com atributos
similares pode ser dividido em: classificação supervisionada e classificação não supervisio- nada. Segundo o autor, em ambos os casos, dois passos são cruciais: a seleção de um con- junto de características que melhor descreve o padrão e a escolha de um método para seg- mentação dos dados, porém em aplicações de sensoriamento remoto normalmente é incluí- do um terceiro passo, que corresponde a verificação da acurácia da segmentação realizada.
Na classificação supervisionada o processo de classificação é realizado em duas etapas: a primeira é o reconhecimento de categorias relacionadas aos objetos do mundo real, já a segunda etapa se caracteriza pelo procedimento de etiquetagem das entidades classificadas, ao passo que no processo não-supervisionado, não é necessária a definição prévia de um conjunto de categorias, apenas durante o processamento é determinado o nú- mero de categorias presentes. A identificação das categorias identificadas na imagem é rea- lizada em um estágio posterior.
De acordo com Tso e Matter (2001), apesar das abordagens não- supervisionadas se apresentarem como mais automáticas, e conseqüentemente mais elegan- tes do que as abordagens supervisionadas, a acurácia dos métodos supervisionados é geral- mente melhor. Ainda segundo os autores, conjuntamente com desenvolvimento do proces- samento digital de imagens, estratégias alternativas tais como: redes neurais artificiais, ár- vores de decisão e métodos derivados da teoria lógica nebulosa têm sido utilizadas.
Para Matter (1999) informações secundárias relativas à textura da vizinhança de um pixel e informações relativas as características do terreno, tais como elevação do terreno ou tipos de solo, estão sendo incorporadas ao processo de classificação para melhoria da acurácia. Alguns estudos apresentam resultados importantes combinando informações to- pográficas com imagens de sensores remotos no processo de classificação destas imagens. Em seu trabalho sobre mapeamento de cobertura em uma área tropical. Mas (2003) utilizou dados complementares de mapas temáticos bem como dados de outras fontes.
2.3 MAPEAMENTO