Uma pesquisa do Instituto de Física de São Carlos (IFSC), da Universidade de São Paulo (USP), é responsável por desenvolver um novo método de reconhecimento de padrões em imagens capturadas por satélite. Aliando o conceito de entropia, ou o grau de organização que determinado meio possui, ao trabalho computacional de interpretação das fotografias, o sistema desenvolvido no trabalho de mestrado de Lucas Assirati chegou a apresentar 96% de precisão na análise de amostras desconhecidas.

O uso da entropia como ferramenta informacional, que começou com os trabalhos em termodinâmica de Josiah Gibbs e Claude Shannon, viabiliza um tratamento estatístico das imagens. Classificadas como simples ou complexas, estas têm seu grau de entropia quantificado a partir de determinados padrões de processamento de sinal. Para tal, as cores das imagens que vemos, estejam estas em uma escala de cinza ou RGB (vermelho, verde e azul, cores primárias da computação), são transformadas em sinais capazes de serem interpretados pelo computador.

Uma vez identificadas, as ocorrências dos diversos tons que compõem a foto analisada são representadas em gráficos, ou histogramas, com escalas que variam de 0 a 255, sendo “zero” o mais tom mais escuro e “255” o mais claro. As imagens em preto e branco, consideradas simples, são analisadas em apenas um histograma, enquanto as coloridas, mais complexas, possuem três. “Quando trabalhamos com imagens coloridas, há uma ‘trinca’ de entropias, uma para cada canal de cor”, afirma Assirati.

O método clássico de cálculo de entropia, ou “BGS”, não é capaz de lidar com imagens de maior complexidade. Assirati buscou então, trabalhar com uma equação de caráter mais genérico. O método proposto pelo físico brasileiro Constantino Tsallis possibilitaria o trato de imagens complexas por possuir um logaritmo genérico e considerar intervalos de valores de entropia (o parâmetro “q”, que aparece na equação de Tsallis, é ajustável de “+ infinito” a “- infinito”, para valores que descrevam melhor o sistema). Dessa forma, a classificação poderia ser mais facilmente realizada pelo computador, que teria uma quantidade de valores maior para identificar as amostras.

Com o auxílio de uma ferramenta computacional, o total de vezes que cada pixel de determinado tom aparece é contabilizado. Divide-se o valor obtido pela quantidade total de pixels que a imagem possui para encontrar-se a probabilidade de incidência deste tom. Os dados que entram no cálculo de entropia consideram o somatório da probabilidade de incidência de cada intensidade.

Uma vez identificada a entropia da imagem analisada, recorre-se à base de dados de texturas Brodatz. Esse banco de imagens, bastante utilizado em arquitetura, consiste em fotos de objetos do cotidiano (cadeiras de palha, almofadas, por exemplo), que têm seus valores de entropia determinados e servem de parâmetro para a comparação das amostras desconhecidas. Busca-se no banco de imagens o valor de entropia que mais se aproxima do obtido a fim de se determinar empiricamente o fator “q” da amostra, que integrará os cálculos realizados na identificação de padrões das imagens de satélite.

Para um valor de q=1, o cálculo é o mesmo do realizado na entropia clássica. Nesse método, a partir de análise combinatória, a eficácia fica em torno de 26%. Ou seja, cerca de um quarto das amostras desconhecidas são corretamente identificadas pelo computador. Utilizando-se a Entropia de Tsallis, com vários valores de “q” simultâneos, os resultados poderiam ser otimizados para cerca de 75%. Assirati então buscou uma forma de melhorar ainda mais o processo.

Em seu trabalho, o pesquisador descobriu que ao serem utilizados vários pontos em um intervalo, pode-se incorrer em redundância de informação efetiva. Eliminando-se as informações repetidas, poderia-se, desta forma, obter informações melhores. Convencionou-se a análise de apenas os três melhores resultados, mais altos individualmente. “Com este método conseguimos uma eficácia de cerca de 96%”, afirma. Além da Brodatz, outras três bases de texturas foram utilizadas para comprovar esse aproveitamento.

Segundo Assirati, o procedimento pode ser aplicado no controle de crescimento urbano desordenado, monitoramento de atividade agrícola, desmatamento de áreas de preservação ambiental ou derramamento de óleo. Para áreas urbanas, por exemplo, a imagem de satélite selecionada para a análise é fragmentada em “janelas”, e cada janela recebe um histograma de cores. Aplica-se o método desenvolvido (Entropia de Tsallis somada à escolha dos melhores resultados) em cada “janela” a fim de classificá-las em três categorias: perímetro urbano (imagem complexa) que envolve uma mistura de cores muito grande (telhados de casas, arvores no perímetro urbano, ruas; ambiente aquático (mais simples), com cores próximas do azul e vegetação.

(Representações de porções urbanas, aquáticas e de vegetação / Fonte: Fornecida pelo autor)

Aplicação na vocalização anfíbios

O estudo ainda apresenta outra possível aplicação do método. Esta consiste na análise do coachar de sapos a partir de uma ferramenta matemática que converta o espectro de áudio em dados de uma imagem ou espectograma. Segundo Lucas Assirati, as imagens resultantes seriam muito parecidas com texturas, e poderiam, desta forma, serem analisadas a partir do mesmo método. Este fato tornou possível reconhecer a espécie do sapo a partir do espectro que a imagem fornecia fosse descoberta.

Os anfíbios são muito suscetíveis a mudanças climáticas. Mudando o clima, com chuvas, os anfíbios coacham de forma mais intensa e mais freqüente. Estudar isso poderia possibilitar a previsão de mudanças climáticas. “Além disso, [os anfíbios] são um indicador natural da qualidade de um ecossistema. Quando a população de anfíbios diminui em um ecossistema, sabe que este pode estar sofrendo com poluição, desmatamento".