Resumo -A classificação não supervisionada tem um papel muito importante na análise de imagens multiespectrais, dada a sua capacidade para auxiliar a extração de conhecimento a priori de imagens. Algoritmos como k-médias e fuzzy c-médias tem sido muito utilizados nessa tarefa. A Inteligência Computacional tem-se mostrado como um importante campo para auxiliar na construção de classificadores otimizados, tanto quantoà qualidade do agrupamento de classes, quantoà avaliação da qualidade da quantização vetorial. Diversos trabalhos têm mostrado que a Filosofia, em especial o Método Dialético, tem servido como importante inspiração para a construção de novos métodos computacionais. Este trabalho apresenta uma avaliação de quatro métodos baseados na Dialética: o Classificador Dialético Objetivo e o Método Dialético de Otimização adaptadoà construção de uma versão do k-médias otimizada segundoíndices de qualidade de agrupamento, cada um desses em uma versão canônica e em outra versão obtida pela aplicação do Princípio da Máxima Entropia. Esses métodos foram comparados aos métodos k-médias, fuzzy c-médias e mapa auto-organizado de Kohonen. Os resultados mostraram que os métodos baseados na Dialética são robustos ao ruído e podem atingir resultados de quantização tão bons quanto aqueles obtidos com o mapa de Kohonen, considerado um quantizadorótimo.Palavras-chave -Segmentação de imagens, k-médias, dialética, otimização, princípio da máxima entropia, computação evolucionária.
Abstract -The unsupervised classification has a very important role in the analysis of multispectral images, given its ability to assist the extraction of a priori knowledge of images. Algorithms like k-means and fuzzy c-means has long been used in this task. Computational Intelligence has proven to be an important field to assist in building classifiers optimized according to the quality of the grouping of classes and the evaluation of the quality of vector quantization. Several studies have shown that Philosophy, especially the Dialectical Method, has served as an important inspiration for the construction of new computational methods. This paper presents an evaluation of four methods based on the Dialectics: the Objective Dialectical Classifier and the Dialectical Optimization Method adapted to build a version of k-means with optimal quality indices; each of them is presented in two versions: a canonical version and another version obtained by applying the Principle of Maximum Entropy. These methods were compared to k-means, fuzzy c-means and Kohonen's self-organizing maps. The results showed that the methods based on Dialectics are robust to noise, and quantization can achieve results as good as those obtained with the Kohonen map, considered an optimal quantizer. Keywords -Image segmentation, k-means, dialectics, optimization, principle of maximum entropy, evolutionary computation.
IntroduçãoDiversos trabalhos mostram queé possível construir um algoritmo para classificação não supervisionada de imagens baseado no método dialético [1][2][3][4][5]....