Influência do georreferenciamento na classificação de imagem JERS-1 Alessandra Rodrigues Gomes 1,2 Corina da Costa Freitas 2 Sidnei João Siqueira Sant’Anna 2 Luciano Vieira Dutra 2 1 Universidade Estadual Paulista – UNESP/Rio Claro Pós-Graduação em Geociências e Meio Ambiente – IGCE / DGA Caixa Postal 178 - 13416-900 – Rio Claro - SP, Brasil agomes@rc.unesp.br 2 Instituto Nacional de Pesquisas Espaciais - INPE Divisão de Processamento de Imagens - DPI Caixa Postal 515 - 12245-970 - São José dos Campos - SP, Brasil {agomes, corina, sidnei, dutra}@dpi.inpe.br Abstract. The objective of this study is to evaluate the geometric correction effect over JERS-1 SAR image statistical classification results. An image from the surroundings of the Tapajós National Forest, Brazil was used for this purpose. The JERS-1 image and three other images formed by filtering the original one by mean, Frost and Lee filters, were used as input images for three different classifiers: Maximum Likelihood, Maximum Likelihood – Iterated Conditional Modes (ICM), and Batthacharrya distance. The georeference of images didn´t affect the results of Maximum Likelihood, Maximum Likelihood – ICM classifiers. However Batthacharrya classifier produced different statistical results. Palavras-chave: JERS-1 image, SPRING, geometric correction, image classification, imagem JERS-1, SPRING, correção geométrica, classificação de imagem. 1. Introdução As imagens de radar têm sido bastante utilizadas para mapeamento e monitoramento de florestas tropicais, pois são pouco afetadas pela cobertura de nuvens, comuns nestas áreas. Exemplos de uso de dados de radar para o mapeamento da floresta tropical amazônica podem ser vistos em Hernandez Filho et al. (1997), Dutra et al. (1999), Freitas et al. (1999) e Santos et al. (2002), entre outros. Este tipo de imagem apresenta peculiaridades com relação à sua aquisição e processamento, exigindo algumas especificidades na sua utilização. O georeferenciamento ou transformação geométrica define uma nova relação entre os diversos sistemas de coordenadas e a imagem, interpolando-a para novos valores de níveis de cinza (Gonzalez e Woods, 2000). Estes novos valores, aliados aos processamentos digitais, podem ocasionar diferenças significativas à estatística da imagem. A filtragem espacial transforma o nível de cinza dos pixels de uma imagem de acordo com o tipo de filtro e a máscara aplicada (INPE, 2006). A classificação, por sua vez, extrai informação a partir de características espectrais dos pixels. Os classificadores são divididos em dois grandes grupos: pixel-a-pixel ou por regiões. O primeiro utiliza apenas a informação espectral para encontrar regiões homogêneas e o segundo analisa também a relação entre os pixels e seus vizinhos, definida a partir de um conjunto de regiões de uma imagem segmentada (INPE, 2006; Schowengerdt, 1997). 4879 Anais XIII Simpósio Brasileiro de Sensoriamento Remoto, Florianópolis, Brasil, 21-26 abril 2007, INPE, p. 4879-4887. artigo anterior