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

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

c ? Sociedade Brasileira de Inteligência Computacional (SBIC)

COPROCESSADOR FUZZY PARA CLASSIFICAC ¸

˜

AO DE IMAGENS

MULTIESPECTRAIS OTIMIZADO POR PROGRAMAC ¸

˜

AO EVOLUCION ´ ARIA

Rodrigo Gomes de Souza & Wellington Pinheiro dos Santos

Núcleo de Engenharia Biomédica, Universidade Federal de Pernambuco

[e-mail], [e-mail]

Resumo – O presente artigo apresenta o desenvolvimento de uma proposta de arquitetura de hardware de um coprocessador

dedicado à classificac ¸˜ ao de imagens multiespectrais usando regras fuzzy definidas através de conjuntos de pertinência monta-

dos a partir de func ¸˜ oes gaussianas. Nesta arquitetura, a computac ¸˜ ao dessas func ¸˜ oes é realizada a partir da aproximac ¸˜ ao por

func ¸˜ oes equivalentes usando circuitos digitais programáveis especificamente projetados para aplicac ¸˜ oes neuro-fuzzy. Esse tipo

de aplicac ¸˜ ao requer um método capaz de atingir um conjunto ótimo de parâmetros que ir˜ ao permitir que o classificador opere

dentro de uma determinada faixa de erro desejável. Para tanto, foi utilizada uma técnica de otimizac ¸˜ ao bioinspirada conhecida

como FEP (Fast Evolutionary Programming). Para validar o modelo proposto foram utilizadas imagens multiespectrais sintéticas

de pixels. A arquitetura proposta foi simulada em software. O estudo focou o desempenho do classificador otimizado pelo algo-

ritmo FEP, sendo analisados tanto o número de iterac ¸˜ oes quanto os n´ iveis de aptid˜ ao atingidos.

Palavras-chave – Sistemas neuro-fuzzy, imagens multiespectrais, classificac ¸˜ ao de imagens, arquiteturas de sistemas digitais,

programac ¸˜ ao evolucionária.

Abstract – This paper proposes the development of a hardware architecture of a fuzzy co-processor for classification of mul-

tispectral images whose fuzzy membership rules are defined by Gaussian functions. In this architecture, the computation of such

functions is accomplished by using equivalent functions generated by approximations using a programmable digital circuit spe-

cially designed for use in neuro-fuzzy applications. This type of application requires a method capable of achieving an optimal

set of parameters that will allow the classifier to operate with the desired levels of error. In order to optimize the architecture

proposed, we used a bioinspired optimization technique known as Fast Evolutionary Programming - FEP. In order to validate the

proposed model, we used synthetic multispectral images composed by random pixels. The proposed architecture was simulated

using software. Several classification tests were conducted to study the performance of the classifier optimized by FEP algorithm.

Keywords – Neuro-fuzzy images, multispectral images, image classification, architectures of digital systems, evolutionary

programming.

1. INTRODUC ¸

˜

AO

Esteartigoprop˜ oeodesenvolvimento deumclassificadordeimagensmultiespectrais, pixelapixel, atravésdeumaabordagem

hardware-software h´ ibrida, baseando-se em [1–3]. O projeto em hardware, baseado no classificador desenvolvido em [3], é

responsávelpelarealizac ¸˜ aodaclassificac ¸˜ aodospixels, enquantoqueoprojetoemsoftware éresponsávelporencontraroconjunto

de parâmetros para sintetizar e programar o classificador em hardware, para que este produza respostas com a menor taxa de

erros poss´ ivel. Apesar de baseado 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