Apresenta-se o desenvolvimento de ferramentas computacionais, derivadas da modelagem estatistica, para sintese, a analise e o processamento de imagens de radar de abertura sintetica. Diversos problemas de imagens sao enfocados de forma unificada, dentro do contexto Bayesiano. O modelo de Potts-Strauss e empregado como distribuicao a priori para as classes, e sao estudadas: a tecnica de estimacao por maxima pseudoverossimilhanca, as propriedades de convergencia de algoritmos de aglomerados e a invariancia da classe de distribuicoes Markovianas para a distribuicao a posteriori de uma imagem, dada a sua versao borrada e ruidosa. Especificamente, sao devolvidos, de forma computacionalmente tratavel, os estimadores de pseudoverossimilhanca para o modelo de Potts-Strauss e um numero arbitrario de classes. As propriedades de convergencia sao estudadas com uma experiencia Monte Carlo, pelo uso dos estimadores de pseudoverossimilhanca como criterio de parada. E apresentada uma extencao do teorema de Geman e Geman (1984), sobre a invariancia dos campos Markovianos que permite modelar imagens com ruido multiplicativo, entre outras. Utilizando-se os resultados sobre o modelo de Potts-Strauss, e desenvolvida uma ferramenta para a simulacao de imagens opticas e de radar. Estudam-se varias distribuicoes e estimadores de parametros adequados para o ruido em imagens obtidas por iluminacao coerente. Propoe-se e desenvolve-se uma modificacao de um algoritmo Markoviano (ICM) para segmentacao de imagens SAR e opticas, cujos parametros sao estimados iterativamente, pelos estimadores de pseudoverossimilhanca, para automatizar o seu uso. propoe-se o uso de filtros robustos, baseados nas propriedades de distribuicao Rayleigh e uma analogia entre filtragem e estimacao, para a reducao de ruido speckle em imagens de uma visada e detecao linear. Desenvolve-se uma ferramenta computacional para avaliar a aderencia de amostras de imagens as distribuicoes propostas como modelos de ruido, e essa informacao e empregada na discriminacao de tipos de ocupacao do solo. Avalia-se, pelo uso de tecnicas Monte Carlo, a influencia que o formato dos dados tem no desempenho dos testes de aderencia.
Computational tools, derived from statistical mode for the synthesis, analysis and processing of synthetic aperture radar (SAR) images are pre sented. Several problems arising in image processing are posed in a unified manner, within the Bayesian framework. The Potts-Strauss model is used as the a priori distribution for the classes, and the following topics are studied: the maximum pseudo likelihood estimation, the convergence properties of cluster flip algorithms, and the invariance Markovian property of the a posteriori distribution of a random field, given its blurred and noisy version. Specifically, the pseudolikelihood estimators for the Potts-Strauss model and an arbitrary number of classes are calculated in a tractable computational form. The convergence properties are studied using a Monte Carlo experiment, using the pseudolikelihood estimators as stopping rules. An extension of a theorem by Geman and Geman is presented; this extension allows the modeling of images with multiplicative noise, among others. Using these results about the Potts-Strauss model, a computational tool for the simulation of optical and SAR images is presented. Several distributions for the noise present in coherent illuminated images are studied, along with estimation techniques for their parameters. A modification of a Markovian a (ICM) for the segmentation of SAR and optical images is presented. where all the required parameters are iteratively estimated from the data through the use of pseudolikelihood estimators allowing, thus, au automated operation. The speckle noise reduction in one look amplitude images is posed as an estimation problem, and robust filters, based on the Rayleigh distribution, are proposed for this task. A computational tool for two goodness of fit tests for images is presented; that information is used as a discriminating factor for land use. The influence of byte data format on these tests is evaluated through the use of Monte Carlo techniques.
