1 / 30

Técnicas de Processamento de Imagens Digitais

Técnicas de Processamento de Imagens Digitais. Os métodos de análise de dados de Sensoriamento Remoto podem ser classificados em: análise digital e análise visual.

hart
Download Presentation

Técnicas de Processamento de Imagens Digitais

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Técnicas de Processamento de Imagens Digitais • Os métodos de análise de dados de Sensoriamento Remoto podem ser classificados em: análise digital e análise visual. • Apesar dos métodos de análise visual terem se desenvolvido primeiro historicamente, o processamento digital é uma etapa que precede a análise visual, tendo em vista que este processo gera imagens realçadas para serem analisadas visualmente. • As técnicas de processamento de imagens digitais podem ser classificadas em: técnicas de pré-processamento, técnicas de realce e técnicas de classificação.

  2. Técnicas de Pré-processamento • a) Correção Radiométrica: a função dos programas de correção radiométrica é minimizar diferenças entre os níveis de cinza registrados por uma matriz de detectores. Tais diferenças ocorrem devido a problemas de calibração dos detectores. • b) Correção Geométrica: a função dos programas de correção geométrica é reorganizar os pixels da imagem em relação a determinado sistema de projeção cartográfica. As distorções geométricas das imagens podem estar relacionadas a fatores como rotação da Terra durante o imageamento, curvatura da Terra; ao grande campo de visada de alguns sensores; variações na altitude, velocidade e atitude da plataforma. • c) Correção Atmosférica: o objetivo das técnicas de correção atmosférica é reduzir o efeito da interferência da atmosfera sobre os valores de nível de cinza registrados em uma dada cena.

  3. z Cela geograficamente correta na qual os níveis de cinza dos pixels a, b, c, d devem ser colocados Técnicas de Correção Geométrica • Alocação do vizinho mais próximo - o nível de cinza do pixel z terá o mesmo valor do nível de cinza do pixel vizinho. • Interpolação bilinear - o nível de cinza do pixel z é determinado a partir dos valores dos 4 pixels vizinhos. • Convolução cúbica - o nível de cinza do pixel z é determinado por cálculos realizados numa matriz de 16 pixels na sua vizinhança.

  4. Registro de Imagens • Para que duas imagens sejam perfeitamente coincidentes no espaço é necessário que sofram um tipo de transformação espacial conhecido por registro. O registro se faz necessário para realizar uma análise multitemporal, sobrepondo imagens de datas diferentes, juntar imagens adjacentes para a montagem de um mosaico, sobrepor imagens de sensores diferentes (Crósta, 1992). • É importante, contudo, fazer uma distinção clara entre registro e correção geométrica. O processo de correção geométrica de imagens elimina as distorções geométricas sistemáticas introduzidas na etapa de formação das imagens, enquanto o registro apenas usa transformações geométricas simples (usualmente transformações polinomiais de 1o e 2o graus) para estabelecer um mapeamento entre coordenadas de imagem e coordenadas geográficas.

  5. Técnicas de Realce de Imagens • As técnicas de realce têm como objetivo melhorar a visualização da cena. Dentre as técnicas podemos destacar: • Manipulação de contraste - consiste em procedimentos que através de modificação da forma do histograma, ampliam o contraste da imagem. • Filtragem espacial - resultará numa uniformização dos níveis de cinza da cena. • Transformações de imagens - visa melhorar a visualização dos objetos de interesse. Envolve a manipulação de múltiplas bandas, imagem multiespectral ou duas ou mais imagens da mesma área adquiridas em datas diferentes, imagem multitemporal.

  6. Manipulação de Contraste • Histograma - é um gráfico que representa a distribuição estatística dos níveis de cinza em uma cena em termos de freqüência de ocorrência de pixels para cada valor digital (0 a 255), por exemplo. • Ampliação de Contraste - após identificar o nível de cinza mais alto e mais baixo da imagem, por exemplo 70 e 150, a técnica ampliação de contraste irá ampliar o intervalo da cena para variar entre 0 e 255, o que resultará em um aumento do contraste.

  7. Transformações de Imagens • Um tipo de imagem transformação é a imagem subtração (A), onde se aplica uma simples operação aritmética. É geralmente usada para identificar mudanças que ocorreram entre imagens coletadas em datas diferentes. A imagem subtração é muito utilizada para mapear mudanças no desenvolvimento de áreas urbanas e para identificar áreas onde ocorreu desmatamento. • Diferentes bandas de dados multiespectrais, geralmente possuem alta correlação e portanto, contém informações similares. A transformação porcomponentes principais (B) é utilizada para reduzir a dimensionalidade dos dados, ou seja, concentrar as informações contidas em diferentes canais em um menor número de dimensões. A B

  8. Imagem NDVI (Normalized Difference Vegetation Index) • O comportamento espectral de uma vegetação verde e sadia mostra um evidente contraste entre a região do visível, especificamente do vermelho, e do infravermelho próximo. Em geral, quanto maior o contraste entre o comportamento espectral nestas duas regiões do espectro, maior vigor vegetativo na área imageada. • É uma medida específica de abundância de clorofila e absorção de luz, mas também é muito usada para quantificar a biomassa da vegetação. NDVI=IVprox-Verm.\IVprox+Verm.

  9. NDVI http://metart.fao.org/ Barbados

  10. Modelo Linear de Mistura Espectral • É uma ferramenta de processamento digital de imagens que permite separar as contribuições espectrais de cada objeto dentro de um pixel, a partir de um conjunto de componentes puros da imagem. • ri= a*vegei + b*soloi + c*sombrai + ei ri é a resposta espectral do “pixel” na banda i a, b e c são as proporções de vegetação, solo e sombra (ou água) vegei, soloi sombrai são as respostas espectrais dos componentes vege, solo e sombra ei, é o erro na banda i

  11. Imagem TM 3R, 4G e 5B Imagem fração solo

  12. Restauração • Pode-se dizer que a imagem digital é uma cópia borrada da cena, dado que os detalhes vistos na cena são suavizados, devido às limitações do sensor. • A idéia de restaurar a imagem é reduzir este efeito de borramento, e portanto obter uma imagem realçada. • A correção é realizada por um filtro linear. Os pesos do filtro de restauração são obtidos a partir das características do sensor, e não de forma empírica como é feito no caso dos filtros de realce tradicionais. Neste caso, o filtro é específico para cada tipo de sensor e banda espectral. • Este tipo de processamento é recomendado para ser realizado sobre a imagem original sem qualquer outro tipo de processamento

  13. Imagem restaurada 10 m Imagem Landsat -TM5 30 m

  14. Técnicas de Classificação Digital • A classificação digital de imagens tem como objetivo associar para cada pixel da imagem um significado real. Quando essa operação é efetuada para todos os pixels de uma determinada área, o resultado é um mapa temático com a distribuição geográfica de temas (vegetação, solo, área urbana, etc.) • As técnicas de classificação digital podem ser divididas em: • Classificação supervisionada • Classificação não-supervisionada

  15. Classificação Supervisionada • O analista está em constante interação com o sistema de análise. Para que seja possível realizar uma classificação supervisionada é necessário obter amostras de treinamento, as quais representam o comportamento médio das classes que deverão ser mapeadas automaticamente. • Normalmente, as amostras de treinamento são selecionadas a partir de conhecimento prévio que o analista tem da cena.

  16. Classificação Não-supervisionada • Para as classificações não-supervisiondas, o analista tem pouco controle sobre a separação entre as classes. Além disto, ele não precisa preocupar-se com a homogeneidade das amostras. • Os pixels nas áreas de treinamento são submetidos a algoritmos de grupamento (clustering), que determinam o agregamento natural dos dados. • Uma das vantagens da classificação não-supervisionada é que ela não requer, do analista, um conhecimento prévio da área de estudo.

  17. Segmentação de Imagens • A segmentação é o processo que permite que uma imagem seja subdividida em partes constituintes ou regiões, a partir de propriedades dos pixels, tais como nível de cinza e textura (Hussian, 1991). • Limiar de similaridade: é o valor mínimo abaixo do qual duas classes são consideradas similares e agrupadas em uma única região. • Limiar de área: menor valor de área (em pixel) para que uma região seja separada de outra

  18. Técnicas de Análise Visual • Os objetos podem ser diferenciados pela cor (imagens coloridas) ou pelas variações de tonalidades ou nível de cinza (imagens preto e branco). Mas as cores ou os tons de cinza irão variar conforme o comportamento espectral de cada alvo. • Além das cores dos objetos, estes podem ser diferenciados pela forma, textura e pelo contexto ou associação entre eles. Por exemplo, pela textura e pela forma é possível diferenciar áreas de reflorestamento de áreas florestais.

  19. Experiência do Fotointérprete • Deve estar relacionada a três parâmetros básicos: • Conhecimento do problema • Conhecimento da técnica • Conhecimento da região

  20. Exemplos de Aplicações de Sensoriamento Remoto • Mapeamento de vegetação aquática • Mapeamento de culturas e previsão de safras • Mapeamento dos tipos de vegetação • Mapeamento de desmatamentos • Estratificação de áreas urbanas • Mapeamentos de áreas de risco para determinadas endemias

  21. Identificação dos Tipos de Plantas Aquáticas Imagem RADARSAT Fusão das Imagens Radar-TM Imagem LANDSAT TM FONTE: Graciani, 2003

  22. Estudos de Uso do Solo (mosaico)

  23. Monitoramento de Desmatamentos 1973 Imagens LANDSAT Rondônia INPE\OBT

  24. 1991 INPE\OBT

  25. 1999 INPE\OBT

  26. Estudos de Áreas Urbanas Satélite de alta resolução, IKONOS. Imagem da cidade de São José dos Campos. Cedida por Madalena Niero. INPE\DSR

  27. Aplicação na Agricultura • Entre as aplicações na agricultura, as imagens de satélite e aéreas podem ser utilizadas para mapear e classificar tipos de culturas; • monitorar práticas agrícolas; • realizar previsões de safras. Câmera CCD do satélite CBERS-2. Região de Ribeirão Preto

  28. Aplicação na Epidemiologia • O uso das técnicas de sensoriamento remoto permite relacionar índices de ocorrência de doenças e características do homem e seu ambiente, o que possibilita observar exatamente a área geográfica e determinar como os fatores físicos (rios, montanhas, vegetação) podem influenciar na disseminação ou controle de uma doença. • Para que isso seja possível, é importante conhecer a ecologia do transmissor da doença para: • a)identificar que determinantes ambientais podem estar relacionados com sua abundância; • b) definir a escala de detecção; • c) analisar determinantes ambientais passíveis de detecção a partir das imagens de satélites; • d) analisar a validade dos dados orbitais mediante informações obtidas in situ.

  29. Referências • NOVO, E.M.L.M. (1988). Sensoriamento remoto: princípios e aplicações. São José dos Campos: INPE. • ULABY, F.T.; MOORE, R.K.; FUNG, A.K. (1981). Microwave remote sensing: active and passive. Reading Mass: Assison-Wesley. v.1. • CLINE, B.L. (1970). New eyes for epidemiologists, aerial photography and other remote sensing techniques. American Journal of Epidemiology, Baltimore, v.92, p.85-89. • ROBERTS, D.R.; RODRIGUES, M.H. (1994). The Environment, remote sensing, and malaria control. Annals New York Academy of Sciences, New York, p.396-402. • GRACIANI, S.D. (2003). Determinação da cobertura de macrófitas aquáticas em reservatórios tropicais. In: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 11., 2003, Belo Horizonte. Anais... Belo Horizonte: INPE. 1 CD-ROM. • MOREIRA, M.A. (2003). Fundamentos do sensoriamento remoto e metodologias de aplicação. UFV, 2 ed. • http://www.cbers.inpe.br • http://www.eduspace.esa.int/eduspace/main.asp http://www.ccrs.nrcan.gc.ca/ccrs/learn/tutorials • http://lagavulin.ltid.inpe.br:1905/col/dpi.inpe.br/lise/2002/03.25.17.22.28/doc/mirror.cgi • http://www.engesat.com.br/satelites/orbview.htm • http://www.geoexplore.com.br/proimg0.asp

  30. Sites Interessantes • http://www.dpi.inpe.br/cdteca/ • http://www.espace.gc.ca/asc/eng/csa_sectors/earth/earth.asp • http://www.ccrs.nrcan.gc.ca/ccrs/learn/tutorials/stereosc/chap1/chapter1_1_e.html • http://www.inpe.br/ensino_e_documentacao/biblioteca.htm • http://www.dpi.inpe.br/spring/

More Related