Dados importantes para o acompanhamento de uma área agrícola podem ser avaliados através de imagens aéreas. Dentre estes, destaca-se como um dos mais significativos, a identificação e a classificação da cobertura do solo. A grande dificuldade reside na não disponibilidade de metodologias apropriadas para a análise e a classificação dos padrões de cobertura, principalmente para monitoramento de pequenas propriedades. Imagens de cobertura são imagens complexas, com padrões dificeis de serem definidos. Os padrões variam para cada tipo de solo, dependem dascondições a& condições de iluminação ambiente, da resolução da imagem, do tipo de planta e resíduos orgânicos sobre o solo, dentre outros fatores. A extração de atributos de cada pixel é de extrema importância na diferenciação das regiões. Neste trabalho, apresenta-se uma revisão das principais técnicas de segmentação de imagens digitais que serviram de base para a escolha dos métodos utilizados. A cor foi a característica discriminante utilizada com o objetivo de segmentar de forma automática diferentes padrões de cobertura do solo. Foram testados métodos clássicos de análise como a transformada de Hotelling e o discriminante linear de Mahalanobis. Também foram estudadas técnicas não convencionais, como as Redes Neurais, principalmente pela possibilidade de implementação em hardware específico de alto desempenho. Foram selecionados modelos de redes supervisionadas e não supervisionadas. Os resultados obtidos indicam a viabilidade de utilização das técnicas avaliadas neste trabalho na segmentação de imagens aéreas e mostram suas limitações e vantagens principais.

Important data for the monitoring of agricultural areas can be obtained from acrial images. One of the most valuable data is the classification and measurement of soil. covering. The main problem is the lack of proper methodology for the analysis and classification of soil covering patterns, mainly for the monitoring of small farms. Images used for sou covering analysis are complex, with patterns ofdifficult identification. Patterns depend on, among other variables, soil type, lighting conditions, image resolution, crop type and type oforganic material over the sou. The recognition of single pixel properties is of niaximum importance to identify regions on an image. In this work, the main techniques used to segment digital images are revisited, some ofthem implemented and tested. Color is the discriminating characteristic of the image used in this work to automatical!y segment the different patterns of soil covering. Classical methods, such as the Hotelling transform and the linear discriminator of Mahalanobis, were evaluated. Also have been evaluated non-conventional techniques such as Neural Networks, both supervised and nonsupervised modeis. Neural Networks have special importance because they can be implemented using custom-designed high performance hardware. Results show that the techniques used in this work are adequate to segment aerial images and make clear its main advantages and limitations.