SUMMARY
Uma das grandes preocupações no processo de automação emFotogrametria está relacionado com os algoritmos de reconhecimento depadrões. Apesar da metodologia ter avançado significativamente nosúltimos anos, principalmente no que se refere ao tom de cinza, oreconhecimento de padrões de cores reais em imagens coloridas ainda seencontra em fase de desenvolvimento. Neste sentido objetiva-se realizaruma série de ensaios com dados (cores) controlados e também com dadosreais para comparar a performance dos métodos estatísticos de MáximaVerossimilhança, Distância Mínima e de Fisher para reconhecimento dascores reais. A comparação entre os métodos estatísticos foi feitacontrolando o processo de classificação, ou seja, utilizando amostrasdeterminísticas para treinamento das funções discriminantes e criandoimagens para classificação no software (MATLAB). Com intuito de que acomparação pudesse ser feita sem controle da imagem a ser classificada edas amostras, utilizou-se uma imagem retirada de uma foto digitalizada,para verificar a performance dos métodos frente a um caso real. A análise de desempenho dos métodos foi observada pela estatística kappa e acomparação pelo teste Z apropriado. Os resultados indicam que o Métodode Distância Mínima foi o melhor para classificação de cores reais sobtodos os aspectos estudados.Abstract One of the main issues in the photogrametry automation process is relatedto pattern recognition algorithms. Although there were significantadvances in the last years, mainly in regard to the gray tones, colorpattern recognition in colored images is still in a developmental stage. Inthis sense, a series of tests with controlled data (colors) and also with realdata is made to compare the performance of the statistical methods:Maximum Likelihood, Minimum Distance, and Fishes method in theirability to recognize real colors. The comparison among the statisticalmethods was performed by controlling the classification process, that is,using deterministic samples for the training of discriminant functions andtest images created by a software (MATLAB). For the case of realimages, the statistical methods were compared without controlling boththe sample and the image by the utilization of an image extracted from adigitized picture. The methods performance was analyzed using the kappastatistic and the Z test. The results indicated that the Minimum DistanceMethod was the best method to classify real colors under all assumptions.