Este trabalho tem como objetivo implementar, testar
e aplicar um classificador de Máxima Verossimilhança Pontual
(Maxver) e um classificador contextual Markoviano amigável, que
utilizam as distribuições mais apropriadas para dados de radares
de abertura sintética (SAR). São apresentadas as principais
distribuições para os dados SAR e como várias dessas
distribuições surgem através do modelo multiplicativo. Para
atingir o objetivo proposto e possibilitar aplicações futuras da
metodologia desenvolvida, as implementações foram efetuadas na
forma de um Sistema Integrado para Processamento, Classificação
e Análise de Dados SAR, com uma estrutura que permite a
incorporação de outros modelos e técnicas. O sistema
desenvolvido baseia-se nas propriedades estatísticas dos dados
e, além das funções básicas necessárias para a classificação,
possibilita a determinação de estatísticas básicas das
radiometrias das classes, a realização do teste Qui-quadrado de
aderência para a escolha das distribuições que mais se ajustam a
essas radiometrias, a classificação propriamente dita e a
avaliação dos resultados com o coeficiente de concordância Kappa
para matrizes de confusão. O classificador contextual
implementado é o algoritmo das Modas Condicionais Iterativas
(ICM), cuja formulação para estimação do parâmetro foi
desenvolvida para as vizinhanças de oito e doze coordenadas.
Testes foram realizados na discriminação de três classes em
imagens SAR-580 e JERS-1 com diferentes números de visadas. A
análise dos resultados indica que o uso das distribuições que
mais se ajustam às classes leva a classificações de qualidade
superior, quando comparadas às obtidas com uso do método
clássico, que utiliza a distribuição Gaussiana para os dados.
Outra conclusão importante é que o algoritmo ICM apresenta, sob
qualquer hipótese para as radiometrias, resultados sempre
superiores aos obtidos com a classificação Maxver. As
classificações obtidas pelo primeiro são, em média, mais de duas
vezes melhores do que as obtidas pelo método pontual quando
comparadas através da estatística Kappa. O uso do algoritmo ICM
permite, portanto, obter bons resultados na discriminação de
classes como floresta primária, regeneração e desmatamento em
áreas de floresta tropical, como é o caso das imagens JERS-1
utilizadas. O sistema desenvolvido possui também algumas
operações auxiliares à tarefa de classificação de imagens em
geral (modificação e edição da tabela de cores, equalização do
histograma, gerenciamento de amostras, de correlação de
observações, operações aritméticas, etc.) e de imagens SAR em
particular (filtros redutores de “speckle”, estimação do número
equivalente de visadas, seleção do tipo de imagem e de
modelagem, etc.).