Análise do método de interpretação geométrica para o ... · CURSO DE CIÊNCIAS DA COMPUTAÇÃO Análise do método de interpretação geométrica ... Análise do método de interpretação

UNIVERSIDADE FEDERAL DE SANTA CATARINA

Análise do método de interpretação geométrica para o reconhecimento de padrões em imagens do céu.

Guilherme Teixeira Tessmer

UNIVERSIDADE FEDERAL DE SANTA CATARINA

DEPARTAMENTO DE INFORMÁTICA E ESTATÍSTICA

CURSO DE CIÊNCIAS DA COMPUTAÇÃO



Trabalho de conclusão de curso submetido à Universidade Federal de Santa Catarinacomo parte dos requisitos para a obtenção do grau de bacharel em Ciências daComputação.

Florianópolis, 2004



Este trabalho de Conclusão de Curso foi julgado adequado para obtenção deGraduação em Ciência da Computação e aprovado em sua forma final junto aUniversidade Federal de Santa Catarina.

_____________________________________________ Prof. Dr. rer.nat. Aldo von Wangenheim Orientador

Banca Examinadora:

_____________________________________________ Prof. Dr. Mauro Roisenberg

_____________________________________________ Dr. Sylvio Luiz Mantelli Neto

Florianópolis, 18/02/2004

AGRADECIMENTOS

Os agradecimentos são para os membros da família 992, pela jornada que foi

trilhada em comum até o presente momento, em vias de conclusão de curso. Aos outros

colegas de curso também, que mesmo não sendo da mesma turma, foram e são bons

amigos.

Agradecimentos também aos professores do curso, em particular aqueles que

lecionaram as disciplinas cujo conhecimento foi necessário para a elaboração do

presente trabalho.

Especial agradecimento aos meus pais, que sempre acreditaram no meu potencial,

como ser humano e como um profissional. Agradeço também a minha família, como um

todo; agradeço à Kellen pela presença constante e infalível durante toda minha formação

acadêmica. E finalmente à Deus, em um de seus infinitos nomes, conhecido como

Syamasundara, que significa : “da cor de uma nuvem carregada de chuva”, por me

manter saudável e apto a continuar trabalhando.

Resumo

Este artigo apresenta uma análise do método de interpretação geométrica utilizado

para o reconhecimento de padrões em imagens do céu. Para a análise do método foi

utilizado um sistema imageador automático e desenvolvido algoritmos de classificação

de padrões. O presente trabalho apresenta uma análise preliminar de dois padrões mais

importantes: céu (espalhamento Rayleigh) e nuvens. O passo seguinte a este trabalho

será a identificação da turbidêz atmosférica, a análise da profundidade óptica das

nuvens, e uma segmentação mais precisa das bordas difusas dos padrões presentes nas

imagens.

Palavras-chave: padrões no céu, interpretação geométrica.

1 Abstract

This article presents an analysis of geometric interpretation method for the

recognition of patterns present on sky images. To achieve its goals it was used an

automatic sky imager and developed some pattern recognition algorithms. The current

work presents a preliminary analysis for the two main patterns present: sky (Rayleigh

scattering) and clouds. The next steps for the current work will implement atmospheric

turbidity recognition, cloud optical deepness and a more precise segmentation of diffuse

borders present on analyzed image patterns.

Key-words: sky patterns, geometric interpretation.

Sumário

LISTA DE SIGLAS

RGB - Red Green BlueIHS - Intensity Hue SaturationSOHO - Solar and Heliospheric ObservatoryMDI - Michelson Doppler ImagerTSI - Total Sky ImagerAl - AlumínioNi - NíquelCo - CobaltoO - Oxigênio livreO2 - OxigênioO3 - OzônioF3CO4 - Óxido de ferroINPE - Instituto Nacional de Pesquisas Espaciaisppb - Partes por BilhãoNASA - Nacional Aeronautics and Space Administration

1 - INTRODUÇÃO

O presente trabalho, avalia métodos de reconhecimento de padrões na análise

da cobertura de nuvens. Os sistemas de cores RGB e IHS foram extensivamente

analizados, na avaliação dos métodos. Uma ferramenta para o auxílio da classificação

dos padrões é contemplado como objetivo principal. Para isso foi utilizado um

imageador de nuvens específico, com características próprias. A ferramenta adapta-se

ao modelo do imageador, sendo específica em alguns detalhes, como no tratamento da

obstrução circular, ao redor da imagem considerada, onde o centro da mesma possui

formato e dimensões próprios.

1.1 Objetivo geral

A análise da cobertura de nuvens possui uma importância vital nos estudos de

solarimetria. As nuvens são responsáveis por uma grande modulação energética de toda

energia solar incidente na atmosfera. Uma quantificação e análise da influência das

mesmas se faz necessário para melhor compreender os fenômenos atmosféricos. Assim,

pode-se dizer que o objetivo geral é melhorar a estimativa de radiação solar incidente na

superfície da terra na presença de nuvens.

Fornecer subsídios adicionais para avaliar a modulação da energia solar através da

atmosfera.

Identificar padrões no céu que representam fenômenos físicos na faixa do visível.

Futuramente, comparar imagens de satélite com dados de estações superfície.

1.2 Objetivos específicos

Como objetivos específicos, o trabalho se concentra em pesquisar métodos que possam

propiciar uma correta classificação de padrões encontrados em imagens do céu.

Algumas técnicas de processamento digital de imagens foram utilizados, e as mais

promissoras foram extensivamente analizadas. Como segundo objetivo, foi elaborado

uma ferramenta no auxílio à classificação de dois padrões principais : espalhamento

Rayleigh e nuvens. A análise da obstrução também foi contemplada devido à

necessidade de desconsiderá-la na avaliação dos dados.

0

0

O trabalho se desenvolve inicialmente na pesquisa de métodos de reconhecimento

de padrões que se adaptem ao modelo de estudo em questão e posteriormente na

elaboração de uma ferramenta utilizando os métodos mais promissores estudados.

1.3 Organização do Trabalho

O presente trabalho está dividido em partes constituintes. São elas :

1) Uma abordagem introdutória sobre a estrutura solar e o vento solar, onde são

correlacionados elementos que introduzem o assunto como um todo.

2) A magnetosfera e geomagnetismo, e como sua presença está relacionada com o

vento solar. Elementos atmosféricos, onde se introduz a noção dos padrões encontrados,

e fornece uma explicação científica da constituição de tais padrões.

3) Sistema de cores. Uma introdução aos sistemas de cores RGB e IHS, onde a

maior parte do trabalho foi elaborada, utilizando-se conceitos dentro dos modelos de

espaços de cores.

4) Desenvolvimento do trabalho, onde existe uma descrição geral das soluções

obtidas, material e métodos utilizados, detalhamento dos mesmos e uma descrição da

ferramenta de análise.

5) Descrição dos algoritmos e limitações da ferramenta desenvolvida. Resultados

alcançados nos diferentes métodos, análise crítica do desempenho da ferramenta,

comparações, vantagens e desvantagens dos métodos.

6) Conclusão. Aqui se fornece uma abordagem sobre objetivos atingidos,

dificuldades encontradas e propostas de futuros trabalhos.

1

1

2 – ELEMENTOS FÍSICOS

2.1 Estrutura solar

O Sol é uma esfera imensa e brilhante com bilhões de anos de idade, composta

primordialmente por gás ionizado. É a estrela mais próxima da Terra. Existem milhões

de estrelas semelhantes na Via Láctea, a nossa galáxia, e bilhões de galáxias no

universo. O Sol sustenta a vida na Terra. A energia solar é a fonte primária que

possibilitou a vida na terra tal como é concebida. Nas plantas interage como fonte

energética através do processo da fotossíntese. A conexão e a interação entre o Sol e a

Terra movimentam o ciclo das estações, as correntes oceânicas e o clima. O Sol tem

massa milhares de vezes maior que a da Terra, e contém a maior parte de toda a massa

do sistema solar como um todo. A estrela se mantém concentrada devido à atração

gravitacional, produzindo temperatura e pressão imensas em seu núcleo.

Pode-se dividir a estrutura do corpo solar em : núcleo, região de radiação, camada

de interface, região de convecção. No núcleo é gerada a energia que se espalha para a

região de radiação. Raios x e raios gama em grande quantidade são espalhados para

fora, para a região de radiação. Milhões de graus é a temperatura estimada pelos

cientistas para o núcleo do sol. Tal temperatura sustenta e explica as reações

termonucleares de fusão que ocorrem no interior do globo solar. No processo de fusão

termonuclear, quatro núcleos de hidrogênio funde-se em um núcleo de hélio. A massa

então gerada pelo núcleo da partícula alfa, (hélio) é menor que a massa do núcleo dos

quatro átomos de hidrogênio. Essa diferença gera uma liberação de energia que é

transportada para a superfície do planeta por fenômenos conhecidos como radiação e

convecção. No processo de fusão termonuclear também são gerados partículas de carga

neutra, conhecidas como neutrinos. Essas partículas espalham-se para fora do corpo

solar para o espaço circundante em diferentes direções do universo. A energia liberada

impede o colapso do Sol e o mantém em forma gasosa. Dos limites do núcleo para fora,

passando primeiro pela zona radiativa e a seguir pela zona de convecção, a temperatura

do Sol diminui. A densidade também diminui e essa diferença, faz com que fótons

levem milhões de anos para perfazer a distância do núcleo da estrutura solar até a

superfície, nas camadas mais exteriores. A camada de convecção é onde ocorre uma

propagação do calor para fora do globo solar. Do início da camada, até a superfície

2

2

solar, a temperatura cai significativamente. Na região de convecção, os fluidos solares

se expandem até atingir a parte externa do sol. A camada de interface é uma região entre

a região de radiação e a região de convecção. Atualmente acredita-se que é o local onde

é gerado o campo magnético solar.

2.1.1 A fotoesfera

A "superfície" do Sol, conhecida como fotosfera, é apenas a camada visível, da

qual a radiação e a luz do Sol enfim escapam, e é o lugar na qual localizamos as

manchas solares. A superfície do sol é um corpo gasoso onde é possível observar (com

o devidos filtros apropriados) a existência de grânulos, manchas escuras e manchas

claras, também conhecidas como fáculas. A superfície visível do Sol é denominada de

fotosfera. A fotosfera encontra-se coberta por vários milhares de supergrânulos, regiões

com cerca de alguns milhares de quilômetros de diâmetro (cerca de duas vezes maiores

do que a Terra e com um período de vida de cerca de 2 dias, que formam uma imensa

rede de células). Outros grânulos, bem menores, com diâmetro em torno 1000

quilômetros, correspondem ao topo das células de convecção de plasma. São as

estruturas responsáveis por transportar o calor do interior do núcleo solar até a

superfície.

Dados observacionais recolhidos pelo MDI (Michelson Doppler Imager),

instrumento que se encontra a bordo do Observatório Solar SOHO – Solar and

Heliospheric Observatory (ESA/NASA), permitiram estudos mais detalhados de toda

estrutura solar. Se for possível compreender a supergranulação poderá se descobrir

como se processa o transporte do campos magnéticos até à superfície do Sol, e como

depois estes se dispersam. Perceber melhor a dinâmica do magnetismo solar e as rápidas

mudanças dos campos magnéticos solares, significa compreender a atividade solar mais

intensa, como é o caso das flares e das ejecções de matéria coronal. Quando a toda essa

atividade é mais intensa, ela pode afetar o planeta terra com um vento solar fortíssimo

que entra em forte choque com o campo geomagnético da terra. Isso influencia a

atmosfera e afeta os sistemas e equipamentos tecnológicos, dos quais somos cada vez

mais dependentes.

3

3

2.1.2 Coroa Solar

Acima da cromosfera localiza-se a corona ("coroa"), que se estende do Sol em

direção ao espaço na forma de "vento solar", atingindo os limites do sistema solar. A

corona é extremamente quente, atingindo temperaturas da ordem dos milhões de graus.

Já que é fisicamente impossível transferir energia térmica da superfície do Sol, mais

fria, para a corona, muito mais quente, a fonte do calor da corona vem sendo um

mistério científico há mais de 60 anos. É a região externa do sol. Coroa é o nome dado

ao , que se extende para o espaço na forma de vento solar. A Coroa é a atmosfera

exterior do Sol. É visível durante o eclipse total do Sol. Os cientistas acreditam que a

transferência de energia teria de acontecer na forma de ondas ou de energia magnética.

Prováveis soluções emergiram de recentes observações pelos satélites SOHO e TRACE,

que localizaram indícios de transferência de energia magnética da superfície do Sol para

a corona, acima. Os pesquisadores do projeto de ciência espacial Conexão Sol-Terra, da

Administração Nacional da Aeronáutica e Espaço (Nasa) norte-americana estudam

esses fenômenos.

2.1.3 Vento Solar

O Sol é a fonte do vento solar, que é o fluxo de gases que jorram do Sol, a uma

temperatura elevadíssima, carregado de partículas, principalmente de hidrogênio

ionizado (elétrons e prótons). Este fluxo se desloca do Sol a uma velocidade muito

grande indo para regiões distantes do sistema solar, ultrapassando a Terra. Perturbações

no vento solar provocam alterações significativas no planeta Terra. Regiões na

superfície do Sol emitem luz ultravioleta e raios X que acabam aquecendo a parte mais

alta da atmosfera da Terra. Estas mudanças podem provocar alterações nas órbitas dos

satélites artificiais e podem até mesmo danificá-los, podendo encurtar o seu tempo de

permanência ao redor da Terra. Esta radiação em excesso ser uma ameaça aos

astronautas que estiverem no espaço. Hoje existe uma utilização muito intensa dos

satélites como veículos de comunicação e tal uso tornou mais perceptível as mudanças

que ocorrem no Sol através do vento solar. As oscilações do campo magnético da Terra,

alteradas pelas mudanças no vento solar, pode também causar consequências na

superfície da Terra. Os cabos de alta tensão, que transportam energia elétrica entre

estações de alta tensão, são afetados pela variação do campo magnético, isto acaba

4

4

danificando os equipamentos das estações. Explosões solares de grande intensidade tem

afetado o planeta terra durante séculos. Explosões de tal porte, intensas, lançam no

espaço uma grande quantidade de matéria coronal. Muitas vezes, não direcionada

diretamente para a terra, mas devido ao movimento do sol em torno de seu eixo pode

ocorrer um impacto deste vento solar com a magnetosfera terrestre. Tal acontecimento

gera uma série de fenômenos tais como auroras boreais onde partículas provenientes do

vento solar formam cores no céu sendo canalizadas pelo magnetismo terrestre. Os

sistemas de telecomunicações são sensivelmente afetados por tais fenômenos.

Existe a possibilidade de se prever com antecedência tais explosões coronais do

planeta sol. Os satélites SOHO e TRACE são os principais aliados atualmente falando

da investigação e análise das reações ocorridas no sol. Com o auxílio dos satélites pode-

se antever determinados acontecimentos e na medida do possível tomar as devidas

precauções. As manchas solares são regiões na superfície da estrela onde o campo

magnético gerado dentro da estrela aparece como manchas escuras. Tais regiões são as

mais prováveis de ocorrerem grandes explosões, emissão de partículas e radiação.

2.2 Geomagnetismo

O presente capítulo pretende dar uma visão geral do magnetismo terrestre e sua

correlação intrínseca com o vento solar. As primeiras partes do capítulo tratam de

magnetismo como fenômeno e abordam algumas características físicas preliminares.

2.2.1 Substâncias magnéticas

Fenômenos magnéticos resultam de forças entre cargas elétricas em movimento.

Diferentes instrumentos elétricos de medição utilizam a relação entre a eletricidade e o

magnetismo.

Depósitos de minério ferro magnético foram descobertos na Ásia Menor há

muitos séculos. A região era conhecida como Magnésia e, assim, o minério foi

chamado magnetita. Outros depósitos de magnetita são encontrados em diferentes

regiões do mundo, e os pedaços de magnetita são conhecidos como ímãs naturais. Se

for pendurado ou equilibrado de alguma forma, se alinha com o campo magnético da

5

5

Terra. Dessa forma surgiram as primeiras bússulas, por volta do século XII, com ímas

naturais. A magnetita, um óxido de ferro (Fe3O4), é o ímã natural, encontrado em

rochas. Com a descoberta da magnetita, o ímã passou a ser usado pelos chineses,

inicialmente como um "objeto mágico", no auxílio de previsões e de adivinhações.

Usavam uma colher de magnetita que, apoiada sobre um pino, podia girar livremente

na horizontal e, ao ser influenciada pelo campo magnético terrestre, tomava sempre a

mesma direção ao longo do eixo norte-sul. Seu aperfeiçoamento resultou na invenção

da bússola, que já era usada pelos chineses para a orientação de navios no séc. 10.

Alguns materiais, notadamente o ferro e o aço, são fortemente atraídos pelos ímãs; o

cobalto e o níquel são atraídos em grau menor. Diz-se que essas substâncias têm

propriedades ferromagnéticas. Ligas especiais, como o permalloy e o alnico, têm

extraordinárias propriedades ferromagnéticas. Os físicos têm demonstrado muito

interesse pela estrutura dos materiais dotados da propriedade do ferromagnetismo.

Atualmente, são fabricados ímãs artificiais muito fortes e versáteis, com substâncias

ferromagnéticas. Os ímãs de alnico (Al, Ni e Co) atuais suportam um peso muito maior

que o peso do próprio imã.

2.2.2 Substâncias não-magnéticas

Materias não magnéticos, quando colocados próximos de um campo de um ímã

muito forte, são ligeiramente repelidos pelo ímã, ao passo que outros são ligeiramente

atraídos.

O zinco, o bismuto, o cloreto de sódio, o ouro e o mercúrio são algumas das

substâncias ligeiramente repelidas e diz-se que são diamagnéticas. madeira, alumínio,

platina, oxigênio e sulfato de cobre são exemplos de substâncias ligeiramente atraídas

por um ímã forte. Diz-se que esses materiais são paramagnéticos e esse tipo de

comportamento magnético é chamado paramagnetismo.

O fato de que as limalhas de ferro se prendem principalmente nas extremidades

de um ímã de barra indica que a força magnética atua sobre as limalhas basicamente

nessas regiões ou pólos; isso não significa que a região intermediária do ímã seja

6

6

desmagnetizada. Quando o pólo N de um segundo ímã é aproximado do pólo N do

ímã pendurado, os dois se repelem mutuamente; idêntica ação se observa com os dois

pólos S. Se o pólo S de um ímã for aproximado do pólo N do outro, eles se atraem

mutuamente. Essas experiências mostram que pólos idênticos se repelem e pólos

diferentes se atraem.

O primeiro estudo quantitativo da força entre dois ímãs geralmente é creditado a

Coulomb, que descobriu que essa força é governada pela mesma relação do inverso do

quadrado aplicável à força grasitacional e à força eletrostática. A lei de Coulomb para

o magnetismo diz que a força entre dois pólos magnéticos é diretamente proporcional

ao produto das intensidades magnéticas dos pólos e inversamente proporcional ao

quadrado da distância entre elas. A força é de repulsão ou de atração, se os pólos

magnéticos forem iguais ou diferentes.

2.2.3 Campo de força magnético

O comportamento do campo elétrico próximo de um objeto eletricamente

carregado é análogo à situação de um ímã . Se um pólo N independente é aproximado

de um ímã, ele fica submetido a uma força de acordo com a lei de Coulomb, porque a

região próxima do ímã exibe um campo magnético: um campo magnético existe numa

região em que uma força magnética atua sobre um pólo independente colocado nesta

região. Embora um campo elétrico e um campo magnético tenham características

semelhantes, não são equivalentes. Uma partícula eletricamente carregada em

movimento é influenciada por um campo magnético, mas não da mesma forma que é

influenciada por um campo elétrico.

O trajeto de um pólo N independente num campo magnético é chamado linha de

força ou de fluxo.. Linha de fluxo é uma linha traçada de tal maneira que uma tangente

a ela em qualquer ponto indica a direção do campo magnético. Supõe-se que as linhas

de fluxo 'saiam' de um ímã no pólo N e 'entrem' no pólo S, sendo todas as linhas um

trajeto fechado, passando do pólo S para o pólo N dentro do ímã. As linhas de fluxo

de um campo magnético são coletivamente chamadas fluxo magnético. A unidade de

7

7

fluxo magnético (ou fluxo de indução magnética) no Sistema Internacional de

Unidades é o weber (wb).

2.2.4 Permeabilidade magnética

Os materiais não-magnéticos, em geral, são transparentes ao fluxo magnético;

isto é, seu efeito sobre as linhas de fluxo não é apreciavelmente diverso se comparado

com o ar. A propriedade de um material pela qual ele muda a indução de um campo

magnético, em relação ao seu valor no ar, é chamada permeabilidade (m). A

permeabilidade do ar é a de valor unitário m(ar) = 1. As permeabilidades das

substâncias ditas diamagnéticas são ligeiramente inferiores a uma unidade, ao passo

que as permeabilidades de substâncias paramagnéticas são ligeiramente maiores do

que a unidade. A permeabilidade é uma razão de densidades de fluxo e, por

conseguinte, não tem dimensão.

Se uma folha de ferro cobre um ímã, não existe campo magnético acima da folha,

porque o fluxo entra no ferro e segue um trajeto inteiramente dentro do próprio ferro.

A indução magnética no ferro é maior do que no ar; por conseguinte, diz-se que o

ferro tem elevada permeabilidade. As permeabilidades de outras substâncias

ferromagnéticas também são muito altas.

Colocando uma barra de ferro num campo magnético, devido à sua

permeabilidade, o campo é distorcido e o fluxo magnético passa pelo ferro, em vez de

pelo ar. A barra de ferro se transforma num ímã, nessas circunstâncias essa barra está

imantada por indução. O magnetismo produzido numa substância ferromagnética, pela

influência de um campo magnético, é chamado magnetismo induzido. Se o campo

magnético for retirado, a maior parte do magnetismo induzido se perde; os ímãs

produzidos por indução são conhecidos como ímãs temporários. Um pedaço de aço

temperado não é tão fortemente magnetizado por indução, mas conserva maior

magnetismo residual, quando retirado do campo indutor.

8

8

2.2.5 Magnetismo terrestre

A Terra se comporta como um imenso imã. Em 1600, William Gilbert publicou

seu tratado científico, De Magnete, que aborda o magnetismo da Terra; foi uma das

primeiras publicações sobre ciência experimental. Gilbert deduziu que a Terra se

comportava como um grande ímã porque o seu interior consistia de material

permanentemente magnético. Atualmente, os cientistas acreditam que o centro da

Terra é demasiado quente para ser um ímã permanente. Karl Friedrich Gauss (1777-

1855), físico alemão, mostrou que o campo magnético da Terra deve originar-se de

dentro da Terra. Walter M. Elsasser, professor de física teórica na Universidade da

Califórnia, sugeriu em 1939 que o campo magnético da Terra resulta das correntes

geradas pelo fluxo da matéria do núcleo fluido da Terra.

2.2.6 A magnetosfera

Os veículos espaciais que viajam até os limites exteriores da atmosfera terrestre

e para além deles têm estimulado um interesse cada vez maior numa região da

atmosfera superior chamada magnetosfera. É uma região situada além de

aproximadamente 200 quilômetros de altitude, e na qual o movimento das partículas

carregadas é governado fundamentalmente pelo campo magnético da Terra. A

magnetosfera situada no lado frontal ao Sol estende-se além da superfície da Terra

aproximadamente 57000 km, ou cerca de 10 raios da Terra. Do lado oposto ao Sol, a

magnetosfera se estende provavelmente por centenas de raios da Terra. A forma

alongada resulta da influência do vento solar, ou plasma solar, consistindo

principalmente de prótons e elétrons emitidos pelo Sol, e que comprime grandemente

a magnetosfera, do lado mais próximo do Sol.

Em 1958 descobriram-se imensas regiões de radiação dentro da magnetosfera.

Essas regiões, agora conhecidas como cinturões de radiação Van Allen, contêm prótons

e elétrons energéticos presos pelo campo magnético da Terra. O cinturão de Van Allen é

composto de duas faixas, das quais a interior se situa entre 2200 e 5000 quilômetros, e a

exterior entre 13000 e 55000 quilômetros da superfície da Terra. (Texto adaptado de:

9

9

Física Moderna, John E. Williams, Editora Renes). Quando esses intensos cinturões de

radiação foram descobertos, os cientistas ficaram apreensivos quanto às sérias ameaças

que poderiam oferecer às viagens espaciais. Atualmente, sabe-se que os astronautas que

se dirigem para o espaço exterior podem passar rapidamente por essas regiões com

proteção adequada contra a radiação Van Allen.

O campo geomagnético, é uma barreira que impede o avanço do vento solar

(plasma solar), fazendo-o contornar a terra a velocidades supersônicas e criando uma

bolha alongada semelhante a forma de um cometa, denominada magnetosfera. Esse

campo geomagnético dentro da cavidade magnetosférica encontra-se em constante

interação com o plasma solar, gerando ondas hidromagnéticas na fronteira de interação.

Tais ondas hidromagnéticas se propagam ao longo das linhas do campo geomagnético,

atravessam a ionosfera terrestre e chegam a superfície na forma de micropulsações

geomagnéticas. Apesar de uma vasta infra-estrutura técnica e experimental, os processos

de geração e transmissão das ondas hidromagnéticas (ou micropulsações

geomagnéticas) até a superfície terrestre, principalmente em baixas latitudes, não se

encontram ainda suficientemente entendidos. Acredita-se que o campo geomagnético

seja originário das correntes elétricas que fluem no núcleo metálico, em estado de fusão,

e que tornam a Terra um dipolo magnético (um grande ímã) suspenso no espaço. Esse

campo não só atua na direção das bússolas como é envolvido por uma região

denominada magnetosfera, que orienta o fluxo contínuo de partículas "sopradas" pelo

Sol rumo às regiões de altas latitudes, os pólos Norte e Sul magnéticos. O espetáculo

resultante da interação dessas partículas com a atmosfera superior talvez seja um dos

mais fascinantes da natureza são as auroras polares. Átomos e moléculas de oxigênio e

nitrogênio da atmosfera, após serem excitados pelo "vento solar" (um fluxo composto

de iguais quantidades de prótons e elétrons), tendem a recuperar sua estabilidade e, por

isso, liberam energia eletromagnética na faixa visível do espectro. As emissões

fluorescentes (as auroras) apresentam-se em faixas, bandas ou arcos, em sua maioria

verdes ou azul-esverdeadas, ocorrem mais freqüentemente entre 100 km e 500 km de

altitude e se estendem por centenas de quilômetros no céu. O estudo do magnetismo

terrestre é relevante, pois alguns pesquisadores acreditam que o clima possa ser afetado

pela ocorrência de auroras, já constatada também em outros planetas.

0

0

Os estudos de Geomagnetismo desenvolvidos no INPE baseiam-se na realização

de medidas das variações temporais do campo magnético terrestre observadas na

superfície da Terra. Essas variações resultam da soma de duas contribuições distintas:

uma de origem externa (considerada primária e gerada por correntes elétricas fluindo na

ionosfera e na magnetosfera) e outra interna (secundária, induzida pelas variações

externas em materiais condutores no interior da terra. A medição e separação entre as

variações primárias (externas) e induzidas (internas) constitui uma parte fundamental

dos estudos de Geomagnetismo, pois permite interpretá-las em termos dos processos

físicos envolvidos em sua geração e transmissão. Assim, a individualização das

variações de origem externa possibilita o estudo de diferentes processos eletrodinâmicos

em meios ionizados (sistemas de correntes elétricas na ionosfera, interação do vento

solar com a magnetosfera terrestre, gerando sob certas circunstâncias as chamadas

tempestades magnéticas), enquanto as variações de origem interna permitem inferir a

distribuição da condutividade elétrica na crosta e manto superior terrestres (um

conhecimento básico em estudos de Geofísica Básica e Aplicada). As pesquisas em

Geomagnetismo no INPE caracterizam-se por levar em consideração esses dois

enfoques complementares: Variações Geomagnéticas, e Indução Eletromagnética. A par

dessas atividades, os pesquisadores do grupo de Geomagnetismo envolvem-se também

em pesquisas correlatas em outras áreas (em particular, Aeronomia, Meteorologia e

Sensoriamento Remoto), enquanto a equipe de apoio técnico concentra-se no

desenvolvimento e manutenção da instrumentação necessária.

Os principais assuntos de interesse atual do Núcleo de Aeronomia são os

seguintes: aerossóis estratosféricos de origem vulcânica; a climatologia da estratosfera e

mesosfera; a dinâmica da mesosfera e termosfera, incluindo a propagação de ondas

internas de gravidade e marés atmosféricas; a fotoquímica da mesosfera e baixa

termosfera; fenômenos esporádicos tais como camadas E-esporádicas, camadas neutras

esporádicas e camadas de inversão térmica na mesosfera; as correntes e os campos

elétricos ionosféricos e o eletrojato equatorial; instabilidades de plasma na região F da

ionosfera equatorial, e seus efeitos sobre radiopropagação; a circulação global da alta

atmosfera e ionosfera, e o acoplamento da ionosfera com a atmosfera neutra e o meio

interplanetário. Uma tema comum em todas estas linhas de pesquisa é a mudança global

da alta atmosfera.

1

1

2.3.7 Elementos Atmosféricos

A radiação solar chega em todos os comprimentos de onda ou freqüências, mas

principalmente entre 200 e 3000 nanômetros (ou 0,2-3 mícrons). O máximo de emissão

se verifica no comprimento de onda de 0,48 mícrons. A altura do sol é máxima quando

ela está no centro do céu por volta do meio dia. Esta posição é conhecida como zênite.

Quando o sol está no zênite a energia que atinge a superfície é máxima. A altura do sol é

mínima quando ele se põe no horizonte, numa inclinação de poucos graus acima da

linha do horizonte. Quando sol esta assim, a energia que atinge a superfície é mínima.

O movimento aparente do sol e a latitude também definem a duração do dia. Os

dias são longos no verão e curtos no inverno. Assim, quanto maior o dia, maior é a

quantidade de insolação recebida pela superfície e quanto menor o dia menor a

quantidade de insolação recebida pela superfície. Este fato explica por que o hemisfério

de verão recebe mais energia solar que o de inverno.

O ar puro é constituído por uma mistura de oxigênio e nitrogênio. Uma das

características é que espalhado pela atmosfera ele não absorve radiação solar, mas é

capaz de distribuir radiação com comprimentos de onda menores do que 1 mícron

(dispersão Rayleigh). Esta dispersão encontra-se dentro do spectro visível podendo ser

observada a olho nu. Esta dispersão é mais acentuada para os menores comprimentos de

onda. A atmosfera é responsável por uma espécie de filtragem dos raios solares .O ar

captura uma parte dessa energia e a espalha, principalmente no azul; dessa forma,

recebemos luz com esse comprimento de onda predominante como radiação difusa do

céu. A explicação para uma cor azul para o céu vem exatamente dessas manifestações

físicas. Por outro lado, quando o sol se encontra perto do horizonte os raios diretos que

chegam a nossos olhos atravessaram uma massa de ar maior, e a dispersão aumenta sua

intensidade; a maior atenuação no azul faz com que a luz do sol seja avermelhada no

espectro visível. Este efeito se acentua quando há poeira em suspensão na atmosfera.

Qualquer conjunto de gases, como poeira de terra, fumaça de queimadas poluição de

fábricas, ou mesmo o intenso movimento de carros produzem uma grande massa de gás,

partículas que em suspensão na atmosfera interferem em maior ou menor grau no

espalhamento da radiação solar. Na atmosfera existem alguns gases que possuem uma

2

2

peculiaridade pouco comum para a maioria dos outros gases presentes. A capacidade de

absorção em grandes quantidades é uma característica intrínsica de moléculas como

ozônio.

O ozônio é produzido principalmente na alta atmosfera, entre 25 e 50 km de

altitude, através de uma reação fotoquímica: raios solares no ultravioleta são absorvidos

por uma molécula de oxigênio (composição O2), que fica excitada e é capaz de

combinar-se com outra molécula de oxigênio (reação O2 + O2 -> O3 + O). O átomo de

oxigênio livre (O) é muito ativo quimicamente, e termina combinando-se com uma

molécula de O2 para formar mais uma de ozônio (O + O2 -> O3). Também é possível

formar ozônio perto da atmosfera, a partir dos gases de escapamento de automóveis nas

cidades, e de queimas de florestas. Perto da superfície, a concentração é da ordem de 30-

50 ppb (partes por bilhão), aumentando até 2000 ppb na estratosfera. A atividade

industrial produz alguns gases que, ao se difundirem e chegarem à estratosfera, são

capazes de inteferir na reação fotoquímica que gera ozônio. Produtos como o fluor-

cloro-carbono podem destruir a camada de ozônio e criar uma abertura para radiações

solares que transportam grandes quantidades de energia. Isto está produzindo o buraco

de ozônio nas regiões polares, entre outras regiões, responsável por um aumento da

radiação ultravioleta que chega à superfície nessas regiões.

Se uma molécula qualquer for excitada de algum modo apropriado, seus átomos

podem adquirir movimentos que são aparentemente desorganizados, mas, uma análise

cuidadosa mostrará que esses movimentos são apenas combinações dos modos normais

de vibração. Como cada modo normal de vibração tem uma energia própria, conhecendo

quais são esses modos e quais são suas energias saberemos muito sobre como a

molécula pode interagir com os agentes excitadores. Um deles pode ser a luz que incide

sobre a molécula. Supondo que um feixe de luz, um feixe de fótons incide sobre uma

molécula qualquer (hipoteticamente falando). É possível que a energia do fóton seja

absorvida pela molécula, fazendo-a vibrar com um de seus modos normais. Nesse caso,

o fóton é absorvido e sua energia vira energia de vibração. As moléculas costumam

absorver fótons de luz infravermelha pois seus átomos vibram com freqüências nessa

região do espectro. Esse tipo de fenômeno, chamado de absorção no infravermelho, é

muito útil na caracterização das moléculas, mas o que pode acontecer quando luz de

energia mais alta, na faixa da luz visível, incide sobre uma molécula? Um fóton de luz

3

3

incidindo sobre uma molécula é espalhado por ela. Se não houver troca de energia, isto

é, se a molécula espalhadora não se abalar, o espalhamento é elástico. A grande maioria

dos fótons incidentes é espalhada elasticamente. Esse tipo de espalhamento é chamado

de espalhamento Rayleigh, pois foi Lord Rayleigh que estudou esse processo e mostrou

que é responsável pela cor azul do céu.

Alguns fótons, porém, podem excitar um modo de vibração da molécula (ou vários

modos), perdendo energia no processo. Depois desse espalhamento inelástico, a

molécula passa a vibrar e o fóton muda de cor, pois sua energia diminuiu. A mudança de

cor no processo, que na verdade é apenas uma mudança no comprimento de onda da luz,

seria imperceptível ao olho. O vapor de água está presente em proporções variáveis (até

15 ou 20 gramas por cada kg de ar). O vapor de água é capaz de absorver radiação em

várias faixas ( bandas de absorção) no infravermelho próximo (comprimentos de onda

maiores que 0,8 µm). Já o gás carbônico está presente em concentração constante na

atmosfera em uma altitude de até 80 km (em torno de 350 ppm: partes por milhão).

Ele também absorve radiação solar em várias bandas de absorção no infravermelho

próximo. O vapor da água e o gás carbônico e mais o ozônio são responsáveis por uma

absorção de até 15% de toda incidência dos raios que chegam até nosso planeta.

As partículas em suspensão na atmosfera também são capazes de absorver e/ou

dispersar radiação solar, e e muitos casos a coloração proveniente do pôr do sol ou do

alvorecer nas primeiras horas da manhã são causadas em boa parte por aerossóis. Seu

efeito é notável quando associado a fenômenos da intensidade de uma queimada em

florestas, ou das cinzas expelidas por uma erupção vulcânica.

As nuvens são suspensões de gotículas ou de cristais de gêlo. Como tais, podem

ser consideradas como um aerossol concentrado no espaço. Suas partículas têm alto

poder refletor, e no infravermelho próximo são bons absorventes de radiação solar. Sua

variedade se extende desde nuvens planas, com pouca espessura e grande extensão

horizontal, semitransparentes e situadas em altitudes elevadas (cirrus), até nuvens com

grande desenvolvimento vertical e ocupando áreas relativamente restritas, com grande

poder refletivo no seu topo e lateralmente (cumulonimbus). As nuvens variam

continuamente de forma e tamanho, e são as grandes moduladoras da energia solar que

4

4

chega à superfície. Considerando sua distribuição sobre o globo terrestre, elas provocam

reflexão de 25-30% (em média) da radiação solar que chega ao planeta.

A radiação solar que consegue chegar à superfície poderá ser absorvida pelo solo,

na medida em que este tenha pouca refletância (inferior a 10%). Ums superfície

vegetada é bastante absorvente no visível. Isto é devido à clorofila, que absorve

especialmente no azul, laranja e vermelho: como absorve menos no verde, este é mais

refletido.... e é essa a explicação para a coloração verde da vegetação. Já no

infravervelho próximo, nossos olhos não o percebem mas as superfícies vegetadas têm

refletância alta (da ordem ou superior a 35%). Superfícies minerais têm refletância alta,

a algumas (como a neve) refletem a maior parte da radiação solar que chega a elas. Já a

água tem refletância pequena no visível, que vai diminuindo ainda mais com o

comprimento de onda.

Nem toda energia que chega ao topo da atmosfera atinge a superfície. Na verdade

31% é refletida para o espaço sem ser aproveitada. As nuvens contribuem refletindo

23% da energia incidente. Essa energia refletida representa o albedo planetário. O

restante da energia incidente é absorvida pela atmosfera em sua maior parte pela

superfície da terra. Da mesma forma que refletem grande quantidade de energia vinda

do sol, as nuvens absorvem enormes porções da energia refletida pela superfície. Por

isso as nuvens são muito importantes, pois funcionam como barreira para a insolação

emitida pela terra impedindo que o planeta esfrie demasiadamente. Ou seja, as nuvens

funcionam como controladoras da temperatura da superfície do planeta e qualquer

processo que altere a quantidade média das nuvens afetará a nossa vida.

Outro elemento importante é o gás carbônico que juntamente com as nuvens

controla a temperatura da terra. Ele absorve a energia emitida pela superfície e

juntamente com o vapor d’água é um dos principais constituintes do chamado efeito

estufa, fenômeno natural sem o qual a vida do planeta não existiria como conhecemos.

5

5

3 – DESENVOLVIMENTO DO TRABALHO

3.1 Descrição geral da solução do problema

O trabalho consiste em reunir técnicas que se adaptem ao propósito sugerido de

reconhecimento de padrões no céu. Dos padrões existentes no modelo de estudo, a

saber: espalhamento Rayleigh, espalhamento Mie, Turbidez atmosférica, nuvens e

obstrução, três são tratados com maior atenção na solução do problema. São eles:

espalhamento Rayleigh, nuvens e obstrução. Técnicas dentro de sistemas de cores

diferentes, são extensivamente abordadas. Análises e interpretações dentro dos sistemas

de cores são evidenciadas. Posteriormente , a título comparativo, uma rede neural com

algoritmo de retropropagação, foi gerada e testada comparativamente com os modelos

principais utilizados no trabalho.

3.2 Material e Métodos

Para a implementação da análise dos métodos propostos, será utilizado um

imageador automático do céu para a obtenção das imagens e algoritmos de pós-

processamento digital de imagens. As imagens são obtidas a cada 15 minutos

sincronizadas com a amostragem do satélite para futura implementação da validação dos

resultados obtidos.

3.2.2 Imageador Yankee

O imageador é um equipamento utilizado para a aquisição automática das

imagens do céu. O modelo utilizado é o TSI-440 total sky imager da marca americana

YANKEE. O imageador possui uma câmera digital, um sistema de sombreamento

automático para a proteção da câmera contra a exposição direta do Sol e um programa

de aquisição, armazenamento e controle, residente em um computador. A aquisição das

imagens é obtida por um sistema, onde o equipamento fotográfico está conectado à um

software de controle através de uma conexão TCP-IP. O sistema pode ser acessado

remotamente por um operador. O sistema imageador atua como um servidor de

6

6

imagens, que pode ser acessado pela internet através de um terminal remoto. Uma

câmera do tipo CCD está apontada para um espelho convexo que engloba toda parte

visível do céu, até a linha do horizonte. As imagens coletadas ficam então denominadas

de acordo com a data e horário específico em que foram capturadas e são armazenadas

no formato standart padrão JPEG. Algumas características fornecidas pelo próprio

fabricante : resolução da câmera : 352x288 pixel, intervalo de captura variável com

máx. de uma foto a cada 30 segundos, programa de controle compatível com sistema

MS-Windows 9x/NT. Abaixo duas fotos do Imageador, a primeira fornecida no manual

do fabricante e a segunda uma foto do imageador da estação solarimétrica de

Florianópolis, o utilizado no presente trabalho.

figura 3.1 Imageador Yankee figura 3.2 Imageador da estação de Florianópolis

7

7

3.3 Sistemas de cores

3.3.1 Sistema de cores RGB

No sistema de cores RGB, utiliza-se três cores (vermelho, verde, azul) para se

representar qualquer outra cor. A partir da mistura de diferentes intensidades dessas três

cores pode-se formar as outras cores dentro do spectro do visível. Matematicamente

uma cor C é dada por C = rR+gG+bB onde R,G,B são cores primárias e r,g,b são os

coeficiente de mistura. Utiliza-se um byte para representação de cada canal, possuindo-

se um total de 256 níveis de intensidade para cada cor. Ou seja, para cada canal será

atribuído oito bits para representação de cada uma das cores (vermelho, verde ou azul).

figura 3.3 cubo de cores RGB com diagonal principal

3.3.2 Estrutura geométrica

A utilização desse sistema gera uma representação espacial para cada cor assim

definida. Tem-se então um cubo de cores com aresta igual a 255 unidades de

comprimento. A origem do sistema de coordenadas representa a cor preta definida como

(0,0,0). No outro vértice oposto tem-se o branco, formado pela combinação dos três

campos setados com seus valores máximos (255,255,255). Os oito vértices do cubo de

cores ficam assim definidos :

8

8

Azul : 00,00,ff ; Vermelho : ff,00,00; Verde : 00,ff,00; Preto : 00,00,00; Branco:

ff,ff,ff; Magenta : ff,00,ff ; Ciano: 00,ff,ff ; Amarelo : ff,ff,00

3.3.3 Sistema de cores IHS

O sistema de cores IHS também é definido por uma tríade composta de I

(intensidade), H (Hue) ou a matiz da cor e S (saturação). Intensidade : refere-se à

intensidade luminosa. Define o brilho, é a medida de energia total envolvida em todos

os comprimentos de onda. Hue : Hue ou em português, matiz. Define a cor de um objeto

como a medida do comprimento de onda médio da luz que é refletido ou emitido por um

corpo. Saturação : A saturação representa a pureza da cor de um objeto, classificando-a

em diferentes níveis conforme a variação espectral. Assim uma cor mais pastél

representa uma mistura de diferentes comprimentos de onda enquanto uma cor viva e

intensa é uma cor espectralmente pura. O sistema de cores IHS pode ser representado

geometricamente por um cone, prisma ou um cilindro de cores. Considerando-se a

forma de um cilindro tem-se a altura do mesmo que indicará a variação de intensidade

luminosa, expressa e medida através do eixo central do cilindro. O raio do cilindro

desde seu eixo central até a superfície lateral expressa os diferentes níveis de saturação.

A saturação está definida matematicamente dentro do intervalo de 0 a 1 incluindo os

extremos. Assim tem-se um cilindro de raio unitário. A medida que se afasta do eixo

central, as cores serão espectralmente mais puras, possuindo uma saturação maior. Ao

longo do eixo do cilindro, a saturação permanece com

9

9

Figura 3.4 sistema de cores IHS

seu valor igual a zero (0), representando diferentes tons de cinza (saturação zero). A

medida da matiz da cor em questão é expressa como um ângulo de 0 (zero) à 360 graus

ao redor do eixo do cilindro. Assim , diferenciando-se do modelo RGB, onde as

coordenadas são cartesianas, o modelo IHS pode ser definido por coordenadas

cilindricas polares.

3.4 Técnicas adotadas

Os métodos implementados consistem principalmente de análises nos sistemas

de cores IHS e RGB. Por conselho do próprio orientador um método para obter os

índices de saturação para cada imagem foi elaborado. O histograma implementado

consiste de uma discretização do intervalo entre zero e um em cem partes iguais. Após

isso se faz uma varredura em todos os pixels da imagem e procura-se classificar todos

eles dentro de suas respectivas saturações. Dessa forma, um contador ira informar

quantos pixels há para cada faixa de saturação. Os resultados são plotados em um

gráfico e obtém-se uma curva com os valores de saturação para cada imagem. Dentro do

0

0

modelo IHS, a utilização de histogramas foi largamente utilizada. No modelo de estudo

em questão (espalhamento rayleigh e nuvens), a saturação tende a permanecer maior

para céu azul do que para nuvens, como será evidenciado posteriormente. O histogramas

são também abordados no sistema RGB.

Interpretações geométricas são consideradas dentro do modelo RGB como uma

forma viável de se tratar naturalmente os dados. Assim, a principal metodologia em

RGB, foi considerações sobre distância euclidiana dentro do espaço de cores e a

utilização deste estudo correlacionado com histogramas, onde a relação entre os

modelos se faz de forma natural e matematicamente viável .

23.4.1 Cilindros e Esferas

Na tentativa de confirmar a presença dos pixels de nuvens próximos à diagonal do cubo

RGB, foi utilizado dois algoritmos. Esferas são colocadas dispostas com os centros

pertencentes à reta da diagonal, com raios variados. Analizou-se a pertinência dos

pontos da imagem à essas esferas e constatou-se a presença da grande maioria dos pixels

das nuvens. Da mesma forma considerou-se apenas a distância entre ponto e reta, ou

seja à distância dos pixels da imagem em relação à diagonal principal. O resultado disso

serão pontos pertencentes à cilindros ao redor da diagonal.

Os resultados obtidos vieram a confirmar a existência de pixels de nuvens

próximos da diagonal do cubo de cores RGB. Em algumas fotografias diferenciadas por

uma grande diferença de horário ou mesmo condições de tempo, com a diferença de um

dia claro para outro chuvoso, muitos valores não são previamente detectados pelo

algoritmo. Com um determinado ajuste do tamanho do raio das esferas ou dos cilindros

pode-se corrigir esses casos. Assim fica evidenciado mais uma vez que para o caso das

nuvens é possível colocá-las em regiões bem definidas do espaço, variando-se apenas a

distância em relação à diagonal principal, mas mantendo-se sempre a relação com o eixo

da diagonal. Assim como o modelo das esferas, um outro modelo foi implementado

tendo em mente a imagem de um cilindro ao redor da diagonal do cubo RGB. O

algoritmo aqui calcula então a distância que pode ter um ponto qualquer dentro da

fotografia em relação à reta central. Um raio é pré-determinado e é feito uma análise de

pertinência ao cilindro(s).

1

1

Ao considerar-se as diversas matizes do espalhamento Mie o domínio do escopo

de ação fica bem mais abrangente e complexo, pois aparecem diferentes tonalidades que

vão do vermelho ao amarelo, passando por tons alaranjados, matizes por hora lilás,

púrpura, mesmo verde ou cores ainda mais inusitadas. Inicialmente, não irá aqui se

considerar estes casos em particular para não causar confusão, pois pretende-se

simplificar para poder entender. Além do mais, os casos específicos de espalhamento

Mie são ainda mais complicados pois a mesma cor encontrada para céu sem nuvens

pode ser encontrada em alguma nuvem. Na verdade, é como se cores amareladas,

alaranjadas ou avermelhadas penetrassem nas nuvens e também no céu claro. Por

questões mais intuitivas do que propriamente científicas, considera-se aqui mais

prudente primeiro tratar dos casos mais simples e que já demostraram uma maior

naturalidade à tentativa de clusterização. Abaixo segue ilustrações dos métodos

geométricos utilizados.

figura 3.5 esferas utilizadas figura 3.6 modelo de cilindro utlizado

Posteriomente falando, também será evidenciado que existe uma separação de

clusters dos padrões adotados. Assim como as nuvens encontram-se próximas da

diagonal do cubo de cores, pixels de céu azul possuem também uma região própria no

espaço de cores. Por último, foi considerado também uma rede neural com algoritmo de

retropropagação. Sua utilização foi adotada a título comparativo, mas análises em larga

escala não foram totalmente comtempladas. Faltou uma interface que pudesse inserir a

rede gerada pelo Matlab, ao aplicativo desenvolvido.

2

2

3.4.1 Histogramas

Histogramas foram extensivamente utilizados na abordagem do problema.

Histograma é uma forma de se calcular a quantidade de elementos presentes em cada

faixa de valores submetidos. Assim um histograma de saturação é calculado dividindo-

se o domínio em 100 partes iguais, por exemplo. Em cada pixel, calcula-se o valor da

saturação e verifica-se a pertinência em relação às faixas discretizadas. Um contador

fornece o incremento que irá armazenar a quantidade de pixels em cada faixa de

saturação. Histogramas foram utilizados tanto no domínio RGB, como no domínio IHS.

3.4.2 Rede Neural

A Inteligência artificial conexionista foi contemplada como um método de análise

para o trabalho na forma de uma rede neural com algoritmo de retropropagação. Não foi

devidamente analisada até a exaustão como os outros métodos apresentados. Devido

principalmente, a uma falta de mecanismo que pudesse “interfacear” entre o Matlab

(onde a rede foi gerada) e a ferramenta elaborada.

3.5 Descrição da ferramenta de análise

A ferramenta de análise desenvolvida consiste na criação de filtros e na geração derelatórios escritos sobre as imagens. Algoritmos de análise geométrica também estãopresentes.

3.5.1 Filtros

Filtros de canais individuais são criados. Divide-se um campo de 255

possibilidades em um determinado valor n. Tem-se por exemplo dez níveis de

componente para cada canal. Um pixel terá dentro de cada canal uma pertinência à

determinado nível de acordo com o valor de sua componente em cada canal individual.

Enquadra-se em um campo de valores para a cor azul, tanto como para as cores

3

3

vermelho e verde também. Foi criado então três métodos, um para cada canal, separando

os pixels em diferentes grupos de valores para determinada componente (red, green,

blue). Feito isso pode-se constatar visualmente diferentes níveis separados por um

degradê de cores que foi arbitrado alaeatoriamente apenas seguindo certa ordem de

tonalidades para manter a coerência com os índices das componentes individuais

encontradas nas imagens . Abaixo segue um exemplo da separação do canal verde em

10 níveis distintos de intensidade. Cada tom de verde representa uma faixa de valores

em que o pixel possui no canal verde.

figura 3.7 ilustra o filtro para canal verde

A seguinte configuração de atribuição de cores foi utilizada :

if(greenCH < 25){cor = 0x09099e;}

if(greenCH >= 25 & greenCH < 50) { cor = 0x28572f;}

if(greenCH >= 50 & greenCH < 75) { cor = 0x1d632d;}

if(greenCH >= 75 & greenCH < 100) {cor= 0x116f1f;}

4

4

if(greenCH >= 100 & greenCH < 125) { cor = 0x037c1c;}

if(greenCH >= 125 & greenCH < 150) { cor = 0x039c22;}

if(greenCH >= 150 & greenCH <175) { cor = 0x04bd29;}

if(greenCH >= 175 & greenCH <200) { cor = 0x05d830;}

if(greenCH >= 200 & greenCH <225) { cor = 0x05ef34;}

if(greenCH >= 225 & greenCH <=255) { cor = 0x1ffa4a;}

da mesma forma pode-se evidenciar os valores para os outro dois canais separando- se o

canal específico e manipulando os diferentes níveis que se queira obter dentro do canal.

Nos estudos efetuados foi segmentado os níveis em nove ou dez conjuntos de índices de

concentração do valor do canal em questão. Outros dois filtros foram desenvolvidos de

forma similar, dentro do modelo IHS, são eles: filtro de saturação e filtro de

luminosidade.

Os valores da intensidade luminosa podem ser matematicamente calculados

através de : intensity = (cap_red + cap_blue + cap_green)/3. Abaixo imagens

demostrando a aplicação dos filtro de luminosidade que foi construído no trabalho.

figura 3.8 ilustra o filtro de luminosidade sendo aplicado

5

5

Para o filtro de saturação, o intervalo entre zero e um é dividido em partes iguais, e cada

pixel da imagem submetida será classificado dentro deste critério. O resultado segue os

mesmos moldes dos filtros já mostrados. Resumindo o aplicativo gera cinco filtros :

canal vermelho, canal verde, canal azul, luminosidade e saturação.

3.5.2 Relatórios

Outra análise obtida com os canais RGB é relatórios escritos do percentual de

cada canal em diferentes valores. Da mesma maneira que os filtros são gerados,

relatórios escritos, como histogramas são gerados. No modelo RGB, os canais

individuais, discretizados entre valores de um à 255, é analisado a quantidade de pixels

para cada valor desses. Abaixo segue modelo de relatório gerado para um canal em

particular :

faixa : 0.000000 Valor : 0.000000 Percent : 0.000000%faixa : 1.000000 Valor : 0.000000 Percent : 0.000000%--------------------------------------------------------------------faixa : 96.000000 Valor : 1.000000 Percent : 0.002348%faixa : 97.000000 Valor : 0.000000 Percent : 0.000000%faixa : 98.000000 Valor : 0.000000 Percent : 0.000000%faixa : 99.000000 Valor : 0.000000 Percent : 0.000000%faixa : 100.000000 Valor : 6.000000 Percent : 0.014088%faixa : 101.000000 Valor : 0.000000 Percent : 0.000000%faixa : 102.000000 Valor : 0.000000 Percent : 0.000000%faixa : 103.000000 Valor : 0.000000 Percent : 0.000000%faixa : 104.000000 Valor : 33.000000 Percent : 0.077487%faixa : 105.000000 Valor : 0.000000 Percent : 0.000000%faixa : 106.000000 Valor : 0.000000 Percent : 0.000000%faixa : 107.000000 Valor : 0.000000 Percent : 0.000000%faixa : 108.000000 Valor : 47.000000 Percent : 0.110360%faixa : 109.000000 Valor : 0.000000 Percent : 0.000000%faixa : 110.000000 Valor : 0.000000 Percent : 0.000000%faixa : 111.000000 Valor : 0.000000 Percent : 0.000000%faixa : 112.000000 Valor : 113.000000 Percent : 0.265333%faixa : 113.000000 Valor : 0.000000 Percent : 0.000000%faixa : 114.000000 Valor : 0.000000 Percent : 0.000000%faixa : 115.000000 Valor : 0.000000 Percent : 0.000000%faixa : 116.000000 Valor : 251.000000 Percent : 0.589368%faixa : 117.000000 Valor : 0.000000 Percent : 0.000000%faixa : 118.000000 Valor : 0.000000 Percent : 0.000000%faixa : 119.000000 Valor : 0.000000 Percent : 0.000000%

6

6

faixa : 120.000000 Valor : 369.000000 Percent : 0.866441%faixa : 121.000000 Valor : 0.000000 Percent : 0.000000%faixa : 122.000000 Valor : 0.000000 Percent : 0.000000%faixa : 123.000000 Valor : 0.000000 Percent : 0.000000%faixa : 124.000000 Valor : 452.000000 Percent : 1.061332%faixa : 125.000000 Valor : 0.000000 Percent : 0.000000%faixa : 126.000000 Valor : 0.000000 Percent : 0.000000%faixa : 127.000000 Valor : 0.000000 Percent : 0.000000%faixa : 128.000000 Valor : 578.000000 Percent : 1.357190%faixa : 129.000000 Valor : 0.000000 Percent : 0.000000%faixa : 130.000000 Valor : 0.000000 Percent : 0.000000%faixa : 131.000000 Valor : 0.000000 Percent : 0.000000%faixa : 132.000000 Valor : 708.000000 Percent : 1.662440%faixa : 133.000000 Valor : 0.000000 Percent : 0.000000%faixa : 134.000000 Valor : 0.000000 Percent : 0.000000%faixa : 135.000000 Valor : 0.000000 Percent : 0.000000%faixa : 136.000000 Valor : 798.000000 Percent : 1.873767%faixa : 137.000000 Valor : 0.000000 Percent : 0.000000%faixa : 138.000000 Valor : 0.000000 Percent : 0.000000%faixa : 139.000000 Valor : 0.000000 Percent : 0.000000%faixa : 140.000000 Valor : 746.000000 Percent : 1.751667%faixa : 141.000000 Valor : 0.000000 Percent : 0.000000%faixa : 142.000000 Valor : 0.000000 Percent : 0.000000%faixa : 143.000000 Valor : 0.000000 Percent : 0.000000%faixa : 144.000000 Valor : 852.000000 Percent : 2.000564%faixa : 145.000000 Valor : 0.000000 Percent : 0.000000%faixa : 146.000000 Valor : 0.000000 Percent : 0.000000%faixa : 147.000000 Valor : 0.000000 Percent : 0.000000%faixa : 148.000000 Valor : 878.000000 Percent : 2.061614%faixa : 149.000000 Valor : 0.000000 Percent : 0.000000%faixa : 150.000000 Valor : 0.000000 Percent : 0.000000%faixa : 151.000000 Valor : 0.000000 Percent : 0.000000%faixa : 152.000000 Valor : 823.000000 Percent : 1.932469%faixa : 153.000000 Valor : 0.000000 Percent : 0.000000%faixa : 154.000000 Valor : 0.000000 Percent : 0.000000%faixa : 155.000000 Valor : 0.000000 Percent : 0.000000%faixa : 156.000000 Valor : 892.000000 Percent : 2.094487%faixa : 157.000000 Valor : 0.000000 Percent : 0.000000%faixa : 158.000000 Valor : 0.000000 Percent : 0.000000%faixa : 159.000000 Valor : 0.000000 Percent : 0.000000%faixa : 160.000000 Valor : 975.000000 Percent : 2.289377%faixa : 161.000000 Valor : 0.000000 Percent : 0.000000%faixa : 162.000000 Valor : 0.000000 Percent : 0.000000%faixa : 163.000000 Valor : 0.000000 Percent : 0.000000%faixa : 164.000000 Valor : 1398.000000 Percent : 3.282615%faixa : 165.000000 Valor : 0.000000 Percent : 0.000000%faixa : 166.000000 Valor : 0.000000 Percent : 0.000000%faixa : 167.000000 Valor : 0.000000 Percent : 0.000000%faixa : 168.000000 Valor : 2169.000000 Percent : 5.092984%faixa : 169.000000 Valor : 0.000000 Percent : 0.000000%faixa : 170.000000 Valor : 0.000000 Percent : 0.000000%

7

7


8

8

faixa : 222.000000 Valor : 0.000000 Percent : 0.000000%faixa : 223.000000 Valor : 0.000000 Percent : 0.000000%faixa : 224.000000 Valor : 447.000000 Percent : 1.049591%faixa : 225.000000 Valor : 0.000000 Percent : 0.000000%faixa : 226.000000 Valor : 0.000000 Percent : 0.000000%faixa : 227.000000 Valor : 0.000000 Percent : 0.000000%faixa : 228.000000 Valor : 393.000000 Percent : 0.922795%faixa : 229.000000 Valor : 0.000000 Percent : 0.000000%faixa : 230.000000 Valor : 0.000000 Percent : 0.000000%faixa : 231.000000 Valor : 0.000000 Percent : 0.000000%faixa : 232.000000 Valor : 369.000000 Percent : 0.866441%faixa : 233.000000 Valor : 0.000000 Percent : 0.000000%faixa : 234.000000 Valor : 0.000000 Percent : 0.000000%faixa : 235.000000 Valor : 0.000000 Percent : 0.000000%faixa : 236.000000 Valor : 351.000000 Percent : 0.824176%faixa : 237.000000 Valor : 0.000000 Percent : 0.000000%faixa : 238.000000 Valor : 0.000000 Percent : 0.000000%faixa : 239.000000 Valor : 0.000000 Percent : 0.000000%faixa : 240.000000 Valor : 357.000000 Percent : 0.838264%faixa : 241.000000 Valor : 0.000000 Percent : 0.000000%faixa : 242.000000 Valor : 0.000000 Percent : 0.000000%faixa : 243.000000 Valor : 0.000000 Percent : 0.000000%faixa : 244.000000 Valor : 332.000000 Percent : 0.779562%faixa : 245.000000 Valor : 0.000000 Percent : 0.000000%faixa : 246.000000 Valor : 0.000000 Percent : 0.000000%faixa : 247.000000 Valor : 0.000000 Percent : 0.000000%faixa : 248.000000 Valor : 410.000000 Percent : 0.962713%faixa : 249.000000 Valor : 0.000000 Percent : 0.000000%faixa : 250.000000 Valor : 0.000000 Percent : 0.000000%faixa : 251.000000 Valor : 0.000000 Percent : 0.000000%faixa : 252.000000 Valor : 828.000000 Percent : 1.944210%faixa : 253.000000 Valor : 0.000000 Percent : 0.000000%faixa : 254.000000 Valor : 0.000000 Percent : 0.000000%faixa : 255.000000 Valor : 2011.000000 Percent : 4.721987%-----------------------------------------total pixels : 42588.000000 Maxvalue : 3350.000000

Faixamax : 184.000000 Percent : 7.866066%

Observa-se que no relatório acima foi omitido uma faixa de 2 até 95 pois esses

valores permaneceram em zero mas no arquivo gerado pelo aplicativo, esses valores

aparecem. No final do relatório aparece o total de pixels processado : no caso 42588, e o

valor máximo obtido encontrado na faixa de 184 com 3350 pixels, perfazendo um total

de 7,8% do total dos pixels analizados. Tal relatório de histogramas pode ser gerado

para todos os três canais (R,G,B). Um procedimento similar foi elaborado com

9

9

histogramas de saturação e luminosidade. O modelo de geração de relatórios com

histogramas para luminosidade referente a figura acima é mostrado abaixo :

faixa : 0.000000 Valor : 255.000000 Percent : 0.606435%faixa : 1.000000 Valor : 0.000000 Percent : 0.000000%faixa : 2.000000 Valor : 0.000000 Percent : 0.000000%faixa : 3.000000 Valor : 0.000000 Percent : 0.000000%faixa : 4.000000 Valor : 0.000000 Percent : 0.000000%faixa : 5.000000 Valor : 0.000000 Percent : 0.000000%faixa : 6.000000 Valor : 0.000000 Percent : 0.000000%faixa : 7.000000 Valor : 0.000000 Percent : 0.000000%faixa : 8.000000 Valor : 0.000000 Percent : 0.000000%faixa : 9.000000 Valor : 0.000000 Percent : 0.000000%faixa : 10.000000 Valor : 0.000000 Percent : 0.000000%faixa : 11.000000 Valor : 0.000000 Percent : 0.000000%faixa : 12.000000 Valor : 0.000000 Percent : 0.000000%faixa : 13.000000 Valor : 0.000000 Percent : 0.000000%faixa : 14.000000 Valor : 0.000000 Percent : 0.000000%faixa : 15.000000 Valor : 0.000000 Percent : 0.000000%faixa : 16.000000 Valor : 0.000000 Percent : 0.000000%faixa : 17.000000 Valor : 0.000000 Percent : 0.000000%faixa : 18.000000 Valor : 0.000000 Percent : 0.000000%faixa : 19.000000 Valor : 0.000000 Percent : 0.000000%faixa : 20.000000 Valor : 0.000000 Percent : 0.000000%faixa : 21.000000 Valor : 0.000000 Percent : 0.000000%faixa : 22.000000 Valor : 0.000000 Percent : 0.000000%faixa : 23.000000 Valor : 0.000000 Percent : 0.000000%faixa : 24.000000 Valor : 0.000000 Percent : 0.000000%faixa : 25.000000 Valor : 0.000000 Percent : 0.000000%faixa : 26.000000 Valor : 0.000000 Percent : 0.000000%faixa : 27.000000 Valor : 0.000000 Percent : 0.000000%faixa : 28.000000 Valor : 0.000000 Percent : 0.000000%faixa : 29.000000 Valor : 0.000000 Percent : 0.000000%faixa : 30.000000 Valor : 0.000000 Percent : 0.000000%faixa : 31.000000 Valor : 0.000000 Percent : 0.000000%faixa : 32.000000 Valor : 0.000000 Percent : 0.000000%faixa : 33.000000 Valor : 0.000000 Percent : 0.000000%faixa : 34.000000 Valor : 0.000000 Percent : 0.000000%faixa : 35.000000 Valor : 0.000000 Percent : 0.000000%faixa : 36.000000 Valor : 0.000000 Percent : 0.000000%faixa : 37.000000 Valor : 0.000000 Percent : 0.000000%faixa : 38.000000 Valor : 0.000000 Percent : 0.000000%faixa : 39.000000 Valor : 0.000000 Percent : 0.000000%faixa : 40.000000 Valor : 0.000000 Percent : 0.000000%faixa : 41.000000 Valor : 0.000000 Percent : 0.000000%faixa : 42.000000 Valor : 0.000000 Percent : 0.000000%faixa : 43.000000 Valor : 0.000000 Percent : 0.000000%faixa : 44.000000 Valor : 0.000000 Percent : 0.000000%faixa : 45.000000 Valor : 0.000000 Percent : 0.000000%faixa : 46.000000 Valor : 0.000000 Percent : 0.000000%

0

0


1

1


2

2


3

3


4

4

faixa : 251.000000 Valor : 0.000000 Percent : 0.000000%faixa : 252.000000 Valor : 0.000000 Percent : 0.000000%faixa : 253.000000 Valor : 0.000000 Percent : 0.000000%faixa : 254.000000 Valor : 0.000000 Percent : 0.000000%

----------------------------------------------maxlumi: 1030.000000 maxval: 146.000000 maxpercent: 2.449523%total pixels : 42049

Resumindo, os relatórios escritos são similares aos filtros e foram gerados

individualmente para as componentes das cores. Por fim um último relatório pode ser

gerado, diferenciando-se um pouco dos anteriores. Consiste na análise de cada pixel em

relação à distância da diagonal do cubo de cores RGB. Abaixo segue modelo de tal

relatório.

Red_ch : 114 Green_ch : 131 Blue_ch : 151 distancia : 26.191602










5

5


















6

6






. Red_ch : 145 Green_ch : 155 Blue_ch : 180 distancia : 25.495098








maxdist : 30.408332 mindist : 12.027746

Rmax : 133 Gmax : 176 Bmax : 155

Rmin : 239 Gmin : 255 Bmin : 242

7

7

3.5.3 Gráficos de saturação

Gráficos de saturação são gerados à partir dos histogramas. Os gráficos são curvas

que constituem-se de retas unindo os pontos máximos das barras verticais de saturação

em cada um dos 100 níveis discretizados do intervalo de 0 à 1.

3.5.4 Esferas

Seguindo o modelo proposto, uma outra função foi contemplada pelo aplicativo.

Consiste na possibilidade de se inserir até 5 esferas e atribuir raios a cada uma delas.

Feito isso é analisado a pertinência dos pixels da imagem submetida às esferas. A idéia

é utilizar pontos da diagonal principal como centro das esferas e vislumbrar a ocorrência

dos pontos cinzas, de baixa saturação, presentes ali. Abaixo segue ilustração de tal

método dentro do aplicativo.

figura 3.9 ilustrando a aplicação de esferas na imagem

8

8

3.5.5 Obstrução

A necessidade de eliminar a obstrução é uma das atividades adotadas. Entende-se

por obstrução, todo e qualquer elemento que apareça na imagem e não seja objeto de

estudo em questão. Toda a parte externa à imagem refletida do espelho que aparece na

fotografia é obstrução. Também dentro da imagem refletida pelo espelho aparecem

obstruções como um poste de luz, morros no horizonte e possíveis elementos aéreos

com pássaros ou aviões. Outro elemento gerador de grande obstrução encontra-se no

próprio espelho convexo do imageador Yankee. Trata-se da banda de sombreamento

utilizada para bloquear a incidência direta dos raios solares refletidos pelo espelho na

objetiva da câmera. Esta banda de sombreamento acompanha o deslocamento aparente

do sol durante todo o dia. Utiliza para isso cálculos que acompanham deslocamento

azimutal em função do horário exato em GMT e das coordenadas geográficas. Dessa

forma o espelho do imageador gira durante o decorrer do dia, acompanhando a posição

do sol. Tal banda de sombreamento ocupa uma considerável área de imagem útil na

fotografia. A necessidade de se eliminar tal obstrução é vital para uma análise mais

precisa dos dados, não considerando assim possíveis valores que distorciariam as

análises e conclusões. Para a eliminação de toda obstrução foi necessário obter um meio

de detectar tais obstruções sem informar a localização disso na imagem,

desconsiderando-se tais partes da imagem. Assim elimina-se toda área ali contida para

posterior análise em outros procedimentos. Para a região encontrada além da borda

circular do espelho, foi um procedimento fácil pois bastou considerar um círculo que

tenha o mesmo raio até a borda do espelho e desconsiderar assim toda área externa

circundante. O problema foi a obstrução encontrada dentro da imagem. A pergunta

principal era : como detectar a obstrução dentro da imagem sem informar nenhuma

coordenada de posição ao algoritmo? Para a faixa de sombreamento havia duas

prováveis saídas :

1) considerar o mesmo cálculo de variação do azimute utilizado pelo mecanismo desoftware do imageador.

2) Utilizar algum mecanismo de detecção de borda que fosse sensível ao modeloem questão.

A segunda hipótese tornou-se a de melhor aplicabilidade pois além de solucionar o

problema do movimento da banda de sombreamento, servia também para detectar

possíveis outras obstruções como morros no horizonte, árvores, postes ou qualquer

9

9

outro elemento que aparecesse na imagem coletada. Além do mais, os cálculos

sugeridos na primeira abordagem eram mais complicados de se trabalhar e necessitavam

de informação extra como o horário GMT. Tais informações deveriam ser informadas

ao algoritmo quando antes de sua execução. Assim optou-se por utilizar uma solução de

detecção de bordas.

13.5.6 Detector de bordas – máscara de distância euclidiana

Uma máscara de 9X9 pixels foi a solução adotada. Com o intuito de poder separar

os elementos causadores de obstrução foi elaborado uma rotina de deteção de borda que

consiste na varredura de todo o conjunto da imagem por uma máscara. Em uma máscara

de dimensões 9x9 temos um ponto central entre todos os elementos. Dado este ponto

escolhe-se um outro ponto qualquer do conjunto de pontos da máscara, calcula-se a

distância entre esses dois pontos e compara-se com a média da distância do ponto

central aos outros pontos. Marcando-se o ponto cuja a distância excede a média das

outras distâncias então obtem-se um detector de bordas. No entanto, dentro do âmbito

da aplicação específica, mesmo assim, ocorre que algumas vezes, nuvens, com um

contorno bem definido, como num dia de muito sol por exemplo, podem ter uma borda

que é detectada pelo algoritmo exposto. Se porém se calibrar o índice dessa

comparação entre as distâncias dos pixels vizinhos pode-se efetivar detecções mais

suaves ou mais nítidas como se queira. Mas é muito menos comum tal máscara

encontrar fronteiras considerando-se apenas céu e nuvens que em geral possuem

contornos difusos. A máscara foi uma implementação que inicialmente auxiliaria em

definir o que se pretende analisar na imagem e o que não interessa. Abaixo uma

amostra da eliminação da obstrução : toda obstrução recebe a cor preta que será

desconsiderada como área não analizada.

0

0

figura 3.10 ilustra a eliminação da obstrução

3.5.7 Rede neural com algoritmo de retropropagação

Uma abordagem conexionista usando redes neurais com algoritmo de aprendizagem

backpropagation, foi utilizada. Como a idéia principal do trabalho acabou tornando-se

criar uma ferramenta para o auxílio da pesquisa sobre imageadores de nuvens, o

trabalho concentrou-se em análises no campo de espaço de cores, que obtiveram bons

resultados. No entanto, a título comparativo, uma rede neural com algoritmo

backpropagation foi treinada para poder se avaliar a performance quando comparada

aos resultados obtidos com interpretação geométrica no sistema RGB ou com

histogramas de saturação e limiar de corte no sistesma IHS.

Algums modelos previamente montados possuiam grande dificuldade de

convergência dependendo do número de neurônios na camada interna, ou nas camadas

internas. Geralmente precisando de mais de 2000 épocas de treinamento para iniciar

uma convergência que acaba “presa”, provavelmente devido a algum ponto de mínimo

local. Uma rede porém, cuja topologia foi melhor adaptada convém ilustrar aqui pois,

surpreendentemente, foi treinada, convergindo corretamente com um número bem

menor de épocas necessárias. Um detalhe que deve ser levado em consideração é

referente aos valores utilizados como dados de treinamento. Utilizou-se campos de 24

bits (rgb), cujos valores dos conjuntos distintos (céu e nuvens) estavam próximos entre

si. Este detalhe talvez seja bastante relevante para a análise de resultados da rede.

1

1

A rede possui a seguinte configuração : três neurônios na camada de entrada,

representado os canais red, green, blue. Os valores foram mantidos sem nenhuma

normalização inicial, pois o domínio para os três campos é o mesmo. Abaixo segue

figura com descrição da topologia da rede.

figura 3.11 ilustra topologia da rede utilizada

3.6 Resultados alcançados

Devido às características intrínsicas das imagens analizadas foi possível apenas

com as informações obtidas : componentes RGB e IHS se obter uma separação natural

para os dois principais padrões analizados : céu azul (espalhamento rayleigh) e nuvens.

Apenas com essas informações é possível diferenciar em valores distintos das

componentes RGB e IHS os padrões entre si. Assim evitou-se a necessidade de utilizar

filtros que manipulassem a integridade natural dos pixels transformando-os em outros

por algum processo de morfologia matemática. No modelo RGB foi possível se fazer

uma distinção dos conjuntos verificando-se que possuem posições geométricas

diferentes, com formação de clusters mais ou menos definidos e distintos na maior parte

dos casos entre si. Geometricamente falando, percebe-se novamente que existe uma

região específica para tonalidades de azul que variam dentro de um degradê de

luminosidade muito expressivo. Obviamente, os limites deste provável conjunto, não

são elementos bem definidos pois os conjuntos não são abruptos, mas sim posssuem as

fronteiras que permanecem em constante redefinição. Os modelos encontrados para céu

2

2

azul limpo, sem nuvens variam na coloração do azul. A medida que o céu está mais

próximo, no campo de visão , da linha do horizonte mais empalidecido ficará. Da

mesma forma, o padrão das nuvens encontra-se geometricamente diferenciados do céu

azul dentro do cubo RGB. Isso é para a maioria dos casos em que considera-se

espalhamento rayleigh e nuvens apenas. Os casos de pôr de sol e alvorecer são

excessões que fogem à regra. Os pixels que representam semanticamente uma nuvem

para a compreensão da visão humana, possuem todos uma coloração em diferentes tons

de cinza, não puro mas com variações que modificam-se através de diferentes espectros

absorvidos e/ou refletidos pelas nuvens. Observados a olho nu, é possível se indicar

coloração acinzentada para diferentes tipos de formação de nuvens. Se agora existir

uma representação no plano cartesiano tridimensional, poderia-se observar que desde

uma nuvem mais escura até uma outra clara e tranlúcida, existe sempre uma

proximidade referente à diagonal principal do cubo de cores RGB. Isto porque

representam níveis de saturação variáveis, mas pequenos. As nuvens são cinzas porque

misturam diferentes comprimentos de ondas em função da presença específica de

aerossóis e moléculas de diferentes tipos e tamanhos. A penetração dos raios solares

através da atmosfera em diferentes graus do ângulo de incidência gera variados efeitos

ópticos que podem ser observados nas imagens em questão. A medida que o sol vai se

afastando da linha do horizonte, não parece mais as nuances coloridas de um alvorecer

das primeiras horas da manhã. O mesmo ocorre no final do dia, onde a proximidade

com a linha do horizonte faz novamente com que os raios solares penetrem um caminho

maior na atmosfera, sensibilizando a visão com o espalhamento da luz nas moléculas

maiores e mais pesadas, (por isso ficam na baixa na atmosfera), que possuem diâmetro

similar ao comprimento de onda da luz vermelha, amarela, laranja etc. Este tipo de

efeito deve-se à reflexão e refração de moléculas, aerossóis, que causam colorações de

diversas matizes de menor freqûencia dentro do espectro do arco-íris.

Em relação ao locus espacial dos clusters de nuvens pode-se evidenciar que os

níveis de cinza são quando temos as três coordenadas x, y, z ou r, g, b com seus valores

iguais entre si. Esses pontos formam então à reta que representa a diagonal principal do

cubo de cores RGB. No modelo real, as nuvens não são todas de cinzas totalmente puros

mas sim de leves distorções de tonalidades, ou seja, baixa saturação.

3

3

3.6.1 Histogramas de saturação

Uma análise conclusiva pode ser obtida quando se compara a distribuição dos

valores de saturação nas imagens de céu azul claro, e nas imagens de céu nublado.

Considerando as imagens de céu zul, os pixels constituintes possuem um espectro mais

puro, uma saturação maior, quando comparados aos casos de céu nublado. Em todos os

casos em que o ângulo de elevação do sol, em relação à linha do horizonte é

relativamente aberto (sem mais as nuances do alvorecer e pôr do sol), existe uma maior

incidência de saturação para céu azul do que para nuvens. Abaixo segue exemplo de

imagens comparando duas fotografias bem distintas, onde os gráficos de saturação

demostram o que se afirma.

A saturação serve de filtro, pois atribui valores maiores para céu azul do que para

as nuvens. Sabe-se de antemão que é possível aproximar-se de algum limiar de corte

entre a média dos histogramas de céu claro e céu nublado. Assim pode-se gerar alguma

curva de distribuição gaussiana que indicaria um possível limiar. Tal medida não foi

adotada por considera-se que as possíveis variações sazonais e de posição geográfia

podem sensivelmente afetar tais valores. Assim, omitiu-se tal análise, não querendo

priorizar resultados específicos mas sim, outros mais genéricos e abrangentes.

4

4

figura 3.12 mostrando histogramas de saturação em dia nublado

figura 3.13 mostrando histogramas de saturação em dia de céu claro.

3.6.2 Interpretação geométrica no espaço RGB

Com algoritmos como os dois que foram criados no presente trabalho, a saber :

esferas e cilindros concêntricos pode-se contatar a presença de cluster de nuvens

5

5

próximos da parte superior da diagonal principal do cubo de cores RGB. Existe na

verdade uma relação intrínseca entre o que foi evidenciado com a maior saturação para

céu azul, e com a presençã das nuvens próximas da diagonal. Uma saturação baixa,

indica uma proximidade da diagonal, pois a diagonal é constituída pelos pontos de

saturação nula (zero). Assim, obviamente, um pixel de baixa saturação estará mais

próximo da diagonal. Apenas o sistema de cores muda, mas a relação se faz presente e

pode-se interpretar de duas formas diferenciadas. Abaixo segue exemplo da evidência

de nuvens ao redor da diagonal do cubo RGB. A análise de uma distribuição geométrica

no espaço de cores RGB mostrou que um cluster formado por pixels de nuvens

encontra-se próximos da parte superir da diagonal principal do cubo de cores. Os pixels

que representam céu, ao contrário, encontram-se em outra região e apresentam uma

distribuição em camada, diferente da forma encontrada para cluster de nuvens. Existe

também uma região do espaço de distribuição de cores em que ocorre uma intersecção

dos conjuntos. Não é a regra, mas sim uma exceção onde céu se confunde com nuvens e

vice versa.

figura 3.14 pixels plotados no cubo de cores figura 3.15 pixels plotados no cubo de cores

3.6.3 Rede Neural

6

6

A rede neural foi gerada no final de quase todo o trabalho. Os resultados obtidos

após alcançar uma rede mais adequada foram bastante promissores. Segue abaixo as

etapas de criação da rede, com valores de inicialização, treinamento, conjunto de testes e

resultados.

Inicialização :

Primeiramente cria-se um vetor p representando os valores de entrada de cada

neurônio da camada de entrada.

P = [+0.1 +0.9; +0.1 +0.9; +0.1 +0.9];

Feito isso inicializa-se a rede usando a função initiff do matlab, que irá inicializar o

valor dos pesos e dos bias. Após algumas tentativas acabou-se modelando a rede com a

camada intermediária com 11 neurônios e a camada de saída com um único neurônio

representando a saída booleana sim ou não (céu azul ou nuvem). Para a função de

ativação utiliza-se a função sigmoidal pois o domínio do problema está entre zero e um.

A função tangente hiperbólica não foi utilizada pois possui domínio entre -1 a 1

cobrindo um campo de abrangência não utilizado no problema em questão.

Assim fica:

[w1,b1,w2,b2] = initff(P,11,'logsig',1,'logsig')

w1 =

11.2803 7.3160 7.8480

-5.9767 9.3767 -10.8956

3.7328 8.3222 -12.6161

-0.4963 -11.4616 -10.5234

12.1163 -2.9197 -9.3289

7.8656 13.0686 3.1148

7

7

-1.4205 13.6043 -7.4339

-13.0367 -2.4295 -8.1547

7.1246 8.7260 -10.7449

-1.6901 -13.5131 7.5430

9.2202 -11.7522 -4.3854

b1 =

-7.8442

3.3243

-0.7326

15.5526

0.3794

-15.7278

-0.2311

16.0215

-8.5354

8

8

6.0878

1.9577

w2 =

Columns 1 through 5

2.4330 0.0206 1.5360 -0.5214 -1.4327

Columns 6 through 10

-2.2757 -2.2480 1.3362 -1.4463 0.3056

Column 11

-2.5601

b2 = 3.5346

Treinando a rede :

Para treinar a rede utilizamos algumas modificações nos valores em default do matlab,

são elas:

9

9

fr = 10; // Frequência de amostragem em épocas.

nu = 2000; // Número máximo de épocas.

r = 0.1; //Somatório do erro quadrático.

tx = 0.05; // Taxa de aprendizado.

valores para treinamento

(Red_channel(céu azul)) +118 +116 +114 +109 +110 +108 +107 +106

(Green_channel(céu azul)) +156 +154 +156 +153 +156 +155 +153 +153

(Blue_channel(céu azul)) +219 +217 +228 +224 +233 +233 +231 +233

(Red-channel(céu cinza)) +151 +151 +153 +152 +155 +156 +158 +159

(Green_channel(céu cinza)) +169 +171 +173 +175 +178 +179 +178 +179

(Blue_channel(céu cinza)) +205 +206 +208 +209 +212 +213 +213 +214

--------------------------------------------------------

(Red_channel(céu cinza)) +155 +155 +154 +154 +154

(Green_channel(céu cinza)) +165 +165 +166 +168 +168

(Blue_channel(céu cinza)) +192 +192 +192 +194 +194

Inicializando os vetores :

0

0

veti1 = [+118 +116 +114 +109 +110 +108 +107 +106 +151 +151 +153 +152 +155

+156 +158 +159 +155 +155 +154 +154 +154; +156 +154 +156 +153 +156 +155 +153

+153 +169 +171 +173 +175 +178 +179 +178 +179 +165 +165 +166 +168 +168; +219

+217 +228 +224 +233 +233 +231 +233 +205 +206 +208 +209 +212 +213 +213 +214

+192 +192 +192 +194 +194];

veti2 =[+0.1 +0.1 +0.1 +0.1 +0.1 +0.1 +0.1 +0.1 +0.9 +0.9 +0.9 +0.9 +0.9 +0.9 +0.9

+0.9 +0.9 +0.9 +0.9 +0.9 +0.9];

agora utilizando a função para treinamento da rede no matlab...

[w1,b1,w2,b2,ep,tr] = trainbp(w1,b1,'logsig',w2,b2,'logsig',veti1,veti2,[fr nu er tx]);

figura 3.16 Erro quadrático

Agora utilizando uns dados de teste : valores para teste (1)

(Red_channel(céu nublado)) +196 +197 +199

1

1

(Green_channel(céu nublado)) +212 +211 +210

(Blue_channel(céu nublado)) +238 +238 +238

(Red_channel(céu azul)) +123 +121 +121 +120 +119 +123

(Green_channel(céu azul)) +179 +178 +177 +177 +178 +174

(Blue_channel(céu azul)) +255 +255 +254 +255 +255 +255

Inicializando o vetor de teste 1:

teste = [ +196 +197 +199 +123 +121 +121 +120 +119 +123; +212 +211 +210 +179

+178 +177 +177 +178 +174; +238 +238 +238 +255 +255 +254 +255 +255 +255];

coloca- se os valores para a rede avaliar através da função simuff

a = simuff(teste,w1,b1,'logsig',w2,b2,'logsig')

e o resultado obtido :

a =

Columns 1 through 5

0.8452 0.8452 0.8452 0.1873 0.1873

2

2

Columns 6 through 9

0.1873 0.1873 0.1873 0.1873

A rede acertou 100%. Observa-se no resultado que as três primeiras colunas são valores

próximos de 1, e as colunas subsequentes, valores próximos de zero. Claro, esse é um

teste pequeno. Segue novos testes para avaliação. Abaixo, a figura com os dados de

teste 2.

figura 3.17 Ilustra valores utilizados para teste da rede.

teste2 = [ +155 +123 +74 +110 +195 +103 +64 +104 +94; +168 +132 +114 +166

+216 +110 +90 +173 +101; 187 +149 +165 +227 +247 +126 +141 +255 +120];

O resultado obtido foi :

a = Columns 1 through 5 0.8452 0.8452 0.1873 0.1873 0.8452

3

3

Columns 6 through 9 0.8452 0.1873 0.1873 0.8452

Novamente a rede acertou todos os valores. Em testes subsequentes com outros

valores coletados o acerto da rede permaneceu muito bom. A recente descoberta de uma

boa adaptação de uma rede de retropropagação com o modelo de estudo indica que

futuramente uma abordagem conexionista mais intensa deva ser pesquisado. Por hora,

em vias de conclusão de tcc fica ainda a falta de uma interface da rede ao aplicativo

criado. Uma rede neural já treinada que possa gerar filtros como os apresentados no

trabalho, por exemplo.

A rede neural treinada com algoritmo backpropagation demostrou possuir um

grau de acerto acima do previamente esperado. Testes quantitativos ficam à espera de

futuros trabalhos. Isso porque enquanto os filtros gerados no aplicativo desenvolvido

analizavam milhares de pixels em cada imagem, Em vias de conclusão, uma pequena

gama de testes foi realizada com êxito, e pode-se deduzir que os resultados se

assemelham aos obtidos pelas análises das outras técnicas. Uma ressalva apenas deve

ser feita em relação à rede utilizada : como a camada de saída tem apenas um neurônio

deve necessariamente ter na saída um dos dois valores possíveis : céu ou nuvem.

Submetendo-se valores que não pertencem a nenhum dos conjuntos, a rede irá produzir

resultados discrepantes . Exemplos :

figura 3.18 teste para rede (vértices do cubo)

4

4

veti3=[ +0 +255 +0 +0 +255 +255 +0 +255; +0 +0 +255 +0 +255 +0 +255 +255;

+255 +0 +0 +0 +255 +255 +255 +0];

para a sequência de valores acima,os resultados são :

0.8598 0.9017 0.9628 0.5089 0.8452 0.1017 0.1873 0.8607. Os valores

são completamente desconexos. Ou seja não se pode submeter outros valores diferentes

dos dois padrões (como obstrução) à análise da rede.

Os casos com espalhamento Mie possuem outras características bem distintas. As

análises verificadas para espalhamento Rayleigh e nuvens não se aplicam nos casos do

espalhamento Mie. As imagens possuem outros comportamentos em histogramas e

análises geométricas. Possivelmente, uma série de filtros aplicados sucessivamente até

se obter alguma evidência pode ser especulada. Uma maior utilização de morfologia

matemática deve ser empregada em casos assim. Abaixo segue um contraexemplo,

ilustrando como numa fotografia de pôr de sol, a saturação pode inverter seus valores

esperados quando comparados aos casos de espalhamento Rayleigh.

figura 3.19 ilustra saturação em caso de espalhamento Mie

5

5

4 - CONCLUSÃO

Os métodos propostos obtiveram êxito na classificação dos padrões analisados :

espalhamento Rayleigh, nuvens, obstrução. Tanto a análise com histogramas, como a

análise da distância euclidiana são satisfatoriamente utilizados. Na verdade os métodos

são intrinsicamente relacionados. Uma abordagem matemática da definição e dedução

das componentes IHS através das componentes RGB indica claramente que uma menor

saturação é coincidente com uma proximidade do eixo central do cilindro IHS, ou do

cubo RGB. Assim ambos os métodos se complementam, um ao outro.

A rede neural parece ser de grande utilidade, pois mostrou-se ser eficiente em

uma pequena gama de testes. No entando, considerando o conjunto de treinamento

pequeno, acredita-se que poderá surtir efeitos melhores ainda quando melhor analizadas.

Uma diferente topologia deveria ser também abordada, considerando a camada de saída

com valores diferentes da saída booleana.

A ferramenta é de cunho específico, para o caso de estudo, apesar de analizar

qualquer imagem JPG que for submetida. Possui limitações, por não poder aplicar

filtros sucessivos, ou por apenas analizar o spectro de formação de cores. No entanto

para o caso particular, uma classificação automática está satisfatória.

Trabalhos futuros podem contemplar melhor a abordagem conexionista, com

saídas para filtros e relatório (como os gerados pelo aplicativo).Uma criação de

diferentes filtros morfológicos seria também de grande utilidade no upgrade da

ferramenta. Quando parece que se está chegando perto é que se descobre que muito mais

ainda pode ser trilhado, e que talvez isso possa servir de lição para nunca desistir.

6

6

Referências Bibliográficas

DUFIE, J. A., BECKMAN W. A. Solar Engineering of Thermal Process. John wileyand Sons 1980.

FOLEY, D. J. ,van DAM A., FEINER S. K., HUGES J. F.. Computer GraphicsPrinciples and Practice. 2nd ed. Addison-Wesley Publishing Company 1996.

IQBAL, MUHAMMAD, An introduction to solar radiation. Academic Press 1983

LILLESAND, THOMAS M; KIEFER, RALPH W; WILEY, JOHN Remote Sensingand Image Interpretation 3 rd ed.1994

MANTELLI NETO S. L., Desenvolvimento de uma metodologia para a estimativada cobertura de nuvens utilizando uma câmera de superfície e comparando comimagens de satélite. Tese de Mestrado do Dep. de Informática e Estatística da UFSC2001.

RENEE, D. Mapas de cobertura de nuvens. (NREL/USA, 1991). Comunicaçãopessoal.

SOUZA, M. P. Desenvolvimento de uma metodologia para a determinação dacobertura efetiva de nuvens. Tese de Mestrado do INPE 1999.

VIANELLO, R. L., ALVES A. R., Meteorologia Básica e Aplicações. Universidade

Federal de Viçosa. Imprensa Universitária 1991.

7

7

Anexos

8

8

Documents

Análise do método de interpretação geométrica para o ... · CURSO DE CIÊNCIAS DA COMPUTAÇÃO Análise do método de interpretação geométrica ... Análise do método de interpretação