Co Processador Fuzzy Para Classificação de Imagens Multispectrais Otimizado por Programação Evolucionária

...

no modelo proposto em [1,3], o módulo em hardware n˜ ao fará uso da abordagem de lookup-

tables. Ao invés disso, utilizará circuitos digitais que realizam a aproximac ¸˜ ao das func ¸˜ oes gaussianas definidas em [2]. Tais

circuitos de aproximac ¸˜ ao s˜ ao completamente programáveis através de um conjunto de parâmetros encontrado através de uma

busca heur´ istica realizada pelo módulo em software. Essa busca pelo melhor conjunto de parâmetros faz uso de técnicas de

programac ¸˜ ao evolucionária através do algoritmo Fast Evolutionary Programming, FEP [4,5].

Este artigo está organizado como segue: na sec ¸˜ ao 2 é apresentada a abordagem proposta, com breves descric ¸˜ oes do pro-

cesso de classificac ¸˜ ao de imagens multiespectrais, da classificac ¸˜ ao por hardware dedicado, de princ´ ipios de logica fuzzy e de

classificadores fuzzy, e de programac ¸˜ ao evolucionária. Ainda na sec ¸˜ ao 2 s˜ ao apresentados os requisitos para um sistema h´ ibrido

hardware-software para classificac ¸˜ ao de imagens multiespectrais, além da arquitetura proposta. Na sec ¸˜ ao 3 s˜ ao apresentados e

brevemente comentados os resultados das simulac ¸˜ oes, enquanto na sec ¸˜ ao 4 têm-se as conclus˜ oes gerais e propostas de trabalhos

futuros.

2. ABORDAGEM PROPOSTA

2.1 Classificac ¸˜ ao de Imagens

A análise de imagens digitais geradas por sensores remotos oferece uma grande quantidade de aplicac ¸˜ oes para os mais

variados fins. Ao visualizar tais imagens, muitas vezes o ser humano é capaz de realizar abstrac ¸˜ oes e identificar padr˜ oes de

1

X Congresso Brasileiro de Inteligência Computacional (CBIC’2011), 8 a 11 de Novembro de 2011, Fortaleza, Ceará

c ? Sociedade Brasileira de Inteligência Computacional (SBIC)

maneira rápida e precisa, porém a tentativa de automatizac ¸˜ ao de tais tarefas pelo uso de um computador a revela como um

processo complexo e trabalhoso. Em muitas aplicac ¸˜ oes de reconhecimento de padr˜ oes e classificac ¸˜ ao de imagens, principalmente

seoriginadasporsensoriamentoremoto, édesejávelconstruirumsistemaquefac ¸ausodehardwaredesenvolvidoespecificamente

para o problema ao invés de um hardware de propósito geral. Isso se dá pelo fato que em hardware de uso espec´ ifico é poss´ ivel

controlar o consumo de energia ou usar paralelismo em tarefas semelhantes - através da replicac ¸˜ ao dos módulos envolvidos.

O desenvolvimento de tal hardware, além de aspectos sobre o consumo de energia, deve preocupar-se também com o tempo

de resposta na classificac ¸˜ ao e do uso de memória. A utilizac ¸˜ ao de imagens de alta resoluc ¸˜ ao agrava ambos os requisitos e,

dependendo da arquitetura sugerida, pode inviabilizar o projeto [2,3].

2.2 Classificador com Hardware Dedicado

A classificac ¸˜ ao de imagens e o reconhecimento de padr˜ oes s˜ ao técnicas capazes de resolver com eficácia um grande número

de problemas computacionais que fatalmente n˜ ao teriam soluc ¸˜ ao quando aplicadas técnicas tradicionais de computac ¸˜ ao. Porém, o

emprego de técnicas que fazem uso de conceitos de computac ¸˜ ao inteligente normalmente demanda altos n´ iveis de processamento

e/ou alocac ¸˜ ao de memória e tal implicac ¸˜ ao ainda é intensificada caso as técnicas envolvidas utilizem func ¸˜ oes n˜ ao lineares, as

quais normalmente fazem uso de operac ¸˜ oes com números de ponto flutuante [6,7]. Neste cenário, seria necessária uma complexa

arquitetura capaz de realizar tais operac ¸˜ oes e isso contribuiria bastante para um aumento considerável no custo final do projeto.

Diante de tais requisitos, é sugerido o desenvolvimento do projeto de uma arquitetura dedicada para soluc ¸˜ ao do problema

espec´ ifico. Tal soluc ¸˜ ao deve explorar recursos como paralelismo, aproximac ¸˜ ao de func ¸˜ oes n˜ ao lineares e o uso de técnicas de

computac ¸˜ ao inteligente que busquem minimizar a taxa de erros de classificac ¸˜ ao. Dessa forma, a soluc ¸˜ ao sugerida será capaz de

atender a exigentes requisitos de desempenho e alocac ¸˜ ao de memória.

2.3 Lógica Fuzzy e Classificac ¸˜ ao

A lógica fuzzy pode ser vista como um complemento à teoria clássica dos conjuntos especialmente sobre o conceito de

pertinência. Um conjunto clássico, por definic ¸˜ ao, separa os indiv´ iduos de um universo de discurso em dois grupos: membros

- aqueles que pertencem ao conjunto em quest˜ ao, - e n˜ ao membros - aqueles que n˜ ao pertencem a tal conjunto. N˜ ao existe

ambiguidade ou dúvidas quanto a essa divis˜ ao. Porém, em muitas das categorias ou classes que usamos no dia a dia, por exemplo,

ao definir a classe dos adultos baixos, altos e de estatura média, o uso de conjuntos clássicos pode n˜ ao modelar bem a separac ¸˜ ao

de adultos dentre tais classes. Isso ocorre porque tais classes, definidas através linguagem natural, apresentam ambigüidade e seus

limites s˜ ao vagos e subjetivos, assim a transic ¸˜ ao entre os membros n˜ ao ocorre de forma brusca e sim de maneira gradual. Com

isso, o uso de conjunto fuzzy insere ambigüidade ao mesmo tempo em que remove a fronteira entre membros e n˜ ao membros.

Para ser completamente definido, um conjunto