Inferência Estatística e Level Set para Modelos Induzidos do SPAN: Segmentação e Detecção de Borda em Imagens SAR

Abstract

Resolver problemas de sensoriamento remoto (SR) é prática importante na gestão de um país, principalmente aqueles com grandes extensões continentais e reservas ambientais (como o Brasil). Dentre as ferramentas de SR, o SAR (Synthetic Aperture Radar) tem sido muito utilizado. Embora o sistema SAR imponha aos dados resultantes o efeito do ruído speckle, ele produz imagens em alta resolução espacial e trabalha sob várias condições atmosféricas. Da literatura, evidencia-se que trabalhar com o atributo SAR “potência de dispersão total” (SPAN) de uma perspectiva estatística pode ser muito pro missor. Em geral, esta tese avança na proposição de um conjunto de ferramentas para o processamento estatístico de imagens SAR considerando SPAN, como atributo de inte resse. Primeiramente, assume-se um retorno SAR bivariado induzido pelo SPAN segue a distribuição gama bivariada de McKay (MBΓ). Um modelo de regressão harmônico (munidopelatransformadadeFourierbidimensional)épropostoparaquantificaroefeito de outras variáveis sobre a média do par aleatório considerando a dinâmica espacial, chamadoMBΓR.Adicionalmente,umaferramentadeseleçãodemodeloépropostacom base na transformada de Mellin bivariada. Experimentos de Monte Carlo são feitos a f im de avaliar os estimadores propostos para os parâmetros do MBΓR. Uma aplicação a dados reais é realizada, evidenciando a importância do ferramental proposto na des crição de textura. Em segundo lugar, evidências são levantadas da direção de descrever um atributo razão a partir do SPAN que segue a distribuição Beta Tipo 3 modificada (BT3, denotada por Beta1/2 3 (𝑝,𝑞)). Subsequentemente, quatro medidas de divergências (Kullback–Leibler, Rényi, Bhattacharyya e Hellinger) são deduzidas e empregadas na formulação tanto de testes de hipótese como de detectores de bordas. Experimentos Monte Carlo evidenciam bom desempenho dos testes para tamanhos amostrais peque nos e moderados, comparativamente ao teste da razão entre verossimilhanças. A partir experimentos reais, o detector revelou transições bem definidas entre classes, compara tivamente a outro detectores da literatura. Em terceiro lugar, o atributo do tipo razão do SPAN (BT3 distribuído) é combinado ao método de contornos ativos na formulação level set, resultando em um novo segmentador. Propõe-se uma curva de evolução gene ralizada por meio do nexo Box-Cox, que tem o método daliteratura como caso marginal. Então, o atributo tipo razão é usado como input à nova proposição. Experimentos tanto com dados simulados como reais evidenciam novos segmentadores que trabalham mais rapidamente e com maior acurácia do que os da literatura.