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.

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.

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.

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.

Cela geograficamente correta na qual os níveis de cinza dos pixels a, b, c, d devem ser colocados

z

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.

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.

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.

Transformações de Imagens

Diferentes bandas de dados multiespectrais, geralmente possuem alta correlação e portanto, contém informações similares. A transformação por componentes 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.

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.

B

A

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.

http://metart.fao.org/

Barbados

NDVI

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

Imagem TM 3R, 4G e 5B

Imagem fração solo

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

Imagem Landsat -TM5 30 m Imagem restaurada 10 m

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

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.

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.

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

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.

Experiência do Fotointérprete

Deve estar relacionada a três parâmetros básicos:

Conhecimento do problema

Conhecimento da técnica

Conhecimento da região

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

Identificação dos Tipos de Plantas Aquáticas

Imagem RADARSAT

Imagem LANDSAT TM

Fusão das Imagens Radar-TM

FONTE: Graciani, 2003

Estudos de Uso do Solo (mosaico)

Monitoramento de Desmatamentos

1973

Imagens LANDSATRondônia

INPE\OBT

1991

INPE\OBT

1999

INPE\OBT

Estudos de Áreas UrbanasSatélite de alta resolução, IKONOS. Imagem da cidade de São José dos Campos.

Cedida por Madalena Niero. INPE\DSR

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

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.

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

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/