Aula 5 Processamento de imagens

GEOPROCESSAMENTOe fotointerpretação

Prof. Maigon PontuschkaProf. Paulo de Tarso da Fonseca

Albuquerque2012

Aula 5: Processamento de imagens

Resumo

•Introdução•Pré-Processamento•Realce de imagens•Segmentação e classificação•Pós-Processamento•Exatidão da classificação

Introdução

Uma imagem digital obtida por sensoriamento remoto é uma representação matricial dos valoresque correspondem à intensidade de energia refletida ou emitida pelos objetos da superfície terrestre.

Introdução

•Por meio de softwares especializados aplicamos técnicas de processamento (operações ou transformações numéricas) nas imagens.

•Cuidado para evitar perda de informação e erros de interpretação

Introdução

•Técnicas de processamento:▫Pré-processamento▫Realce▫Classificação

Pré-Processamento

•Tratamento preliminar de dados brutos para calibrar a radiometria da imagem.

•Atenuar efeitos da atmosfera

•Remover ruídos•Corrigir distorções

geométricas por meio de georreferenciamento.

Pré-Processamento

•Ajustar o posicionamento da cena representada na imagem à sua localização no terreno.

•Cada pixel da imagem é ajustado com um ponto da superfície da Terra.

Pré-Processamento

•Datum: marco determinado por meios geodésicos de alta precisão que serve como ponto de referência para todo o levantamento da superfície.▫No Brasil até o início de 2005 – Datum sul-

americano de 1969▫A partir de 2005 – SIRGAS – Sistema

Geodésico de Referência para as Américas – Datum utilizado pelo GPS (Global Positioning System) é o WGS 84

Pré-Processamento•Georreferenciamento

de imagens:

Uso de base cartográfica ou pontos de controle obtidos com equipamento GPS.▫Ou uso de mosaicos de

imagens Landsat da Nasa

Pré-Processamento

•Ortorretificação de imagens de satélite de alta resolução espacial

•Spring – Permite refinar imagens com resolução de 30m para resolução de 20 ou 15m permitindo analisar imagens em escalas maiores e de até 1:25.000 e permite integrar e sobrepor imagens de diferentes resoluções espaciais.

Realce de imagens

•Melhorar a qualidade visual e facilitar interpretação.

•Técnicas:▫Ampliação linear de

contraste

Consiste em expandir a distribuição dos dados originais concentrados em um pequeno intervalo para todo o intervalo possível, por exemplo para 255 níveis.

Consiste em expandir a distribuição dos dados originais concentrados em um pequeno intervalo para todo o intervalo possível, por exemplo para 255 níveis.

Consiste em expandir a distribuição dos dados originais concentrados em um pequeno intervalo para todo o intervalo possível, por exemplo para 255 níveis.

Realce de imagens

•Técnica▫Operações

aritméticas: adição, subtração ,

multiplicação e divisão de cores em imagens.

Servem para destacar unidades de relevo e drenagem ou destacar cobertura e uso da terra.

Realce de imagens

•Técnica▫Transformação por componentes

principais: Realce de componentes principais

▫Filtragem espacial Transformação da imagem filtrada depende

dos níveis de cinza dos pixels vizinhos. Serve para limpar ruídos de imagem

Realce de imagens

•Técnica▫Geração de composições coloridas

Uso de duas ou três imagens em tons de cinza às cores primárias azul, verde e vermelho.

Realce de imagens

•Técnica▫Integração de dados

Dados de sensoriamento remoto podem ser integrados gerando imagens coloridas multiespectrais, multisensores ou multitemporais. Reunir em uma mesma imagem a informação .

Segmentação e classificação

•Segmentação de imagens é um procedimento computacional aplicado antes de um algoritmo de classificação automática

•A segmentação permite dividir a imagem em regiões homogêneas.▫Por similaridade▫Por área

Segmentação e classificação

•Técnicas de classificação visam o reconhecimento automático de objetos em função de determinado critério de decisão agrupando em classes os objetos que apresentam similaridade em suas respostas espectrais.

•Resultado: mapa temático

Segmentação e classificação

•Técnicas de classificação :

▫Supervisionada: classes definidas a priori Uso de amostras ou áreas de treinamento.

▫Não supervisionada: classes definidas a posteriori como resultado da análise. Algoritmo do sistema decide com base em

regras estatísticas o que deve ser separado e os pixels que pertencem a cada grupo

Segmentação e classificação

•Técnicas de classificação :

▫Híbridas entre Supervisionada e não supervisionada: Primeiro aplica-se a não supervisionada

como base para a seleção de amostras de treinamento e depois a supervisionada.

Segmentação e classificação•Técnicas de classificação :

▫Classificação orientada a objeto▫Conceito de objeto. Não se considera o valor

de cada pixel mas o de cada conjunto de pixels da imagem e as relações entre os objetos.

▫Na classificação orientada a objeto é fundamental o conhecimento temático (litologia, relevo, solos, cobertura vegetal e uso da terra) e de sensoriamento remoto do intérprete.

Segmentação e classificação• Técnicas de classificação :

▫Classificação orientada a objeto

▫SPRING permite aplicar nas imagens digitais técnicas de correção, realce, segmentação e classificação automatizada.

▫Permite a geração de um plano de informações e de cartas temáticas

▫Permite acessar, sobrepor e integrar à imagem analisada uma grande variedade de dados armazenados no sistema como curvas de nível, drenagem, mapas temáticos, etc.

Pós-Processamento▫Corrigir erros resultantes da classificação

automática

▫Spring -> Edição matricial´: um recurso computacional disponível no sistema.

▫Serve para classificar áreas que não foram classificadas e agrupar classes.

Exatidão da classificação▫Confronto entre os mapas gerados com

dados provenientes de pesquisa de campo são fundamentais para validar estes mapas.

▫Procedimento necessário para verificar o quanto o resultado de uma classificação é confiável

▫Sorteio aleatório de determinado número de pontos para coleta de dados no campo. Geração de uma matriz de erros para fazer a verificação da exatidão da classificação por meio de uma matriz de erros.