Campos Aleatrios para Classificao de Imagens Multiespectrais

A classificao de imagens multiespectrais uma tarefa desafiadora devido presena de rudos nos dados observados. Modelos de campos aleatrios Markovianos so ferramentas matemticas que nos permitem incorporar conhecimento a priori na forma de restries de suavidade. O problema que a introduo de tais modelos faz com que no seja possvel a obteno de solues analticas. Dessa forma, torna-se necessrio a aplicao de mtodos iterativos de otimizao combinatria. Como esses algoritmos so sub-timos, no sentido de que no garantem o timo global, neste trabalho proposto uma abordagem para a combinao de tais mtodos, de modo a evitar timos locais. Alm disso, a estimao dos parmetros dos modelos Markovianos fundamental para a obteno de bons resultados. So propostas equaes de mxima pseudo-verossimilhana para a estimao da temperatura inversa do modelo de Potts. Experimentos computacionais so desenvolvidos para demonstrar a viabilidade dos mtodos propostos.