II Simpósio Brasileiro de Geomática Presidente Prudente - SP, 24-27 de julho de 2007

V Co ló qu i o B ra si l ei ro d e Ci ên ci a s Geo d ési ca s ISSN 1981-6251, p. 326-330

F. Leonardi; T. G. Rodrigues; E. A. da Silva

APLICAÇÃO DE ROTINA MORFOLÓGICA PARA DETECÇÃO DE PISTAS DE AEROPORTOS EM IMAGENS DE ALTA RESOLUÇÃO

FERNANDO LEONARDI

THIAGO GONÇALVES RODRIGUES ERIVALDO ANTÔNIO DA SILVA

Universidade Estadual Paulista - Unesp

Faculdade de Ciências e Tecnologia - FCT Departamento de Cartografia, Presidente Prudente - SP

erivaldo@fct.unesp.br;{fernandoleonardi,tgrcat}@gmail.com

RESUMO – O Brasil apresenta vasta deficiência na área de atualização cartográfica. Muitos produtos estão desatualizados em aproximadamente 30 anos nas mais diversas escalas. Um país que tem as dimensões continentais como o Brasil precisa ter uma base cartográfica sólida para tomar importantes decisões sobre planejamento urbano e conseqüentemente para administração do território. Neste trabalho foi aplicada a teoria da morfologia matemática com o objetivo de detectar as feições de interesses nas imagens de alta resolução. As feições detectadas podem ser usadas nos processos convencionais de atualização cartográfica. Os processamentos utilizados foram: Abertura morfológica, reconstrução, realçamento, binarização, remoção de ruídos externos e internos. Todos os resultados obtidos estão apresentados e foram analisados. Os resultados são positivos e mostram o potencial do uso da teoria da morfologia matemática na Cartografia. ABSTRACT - Brazil presents great deficiency in cartographic updating area. Many products are outdated around in 30 years in the several scales. A country that has the continental dimensions as Brazil needs have a solid cartographic base to take important decisions about urban planning and consequenting to administration of the territory. In this paper was applied the mathematical morphology theory with the aim of detecting features of interest in the images of high resolution. The detected features can be used in conventional processes of cartographic updating. The main processes used were: morphological opening, reconstruction, enhancement, translation into binary values, removal of internal and external noises. All the results obtained are presented and were analyzed. The results are positives and show the potential use of mathematical morphology theory in Cartography.

1 INTRODUÇÃO

Existem muitas áreas com recobrimento cartográfico desatualizado no Brasil. Métodos alternativos rápidos e de baixo custo que auxiliem na atualização são extremamente importantes.

As imagens de sensoriamento remoto podem ser consideradas como uma fonte de dados para estudos em muitas áreas tais como a cartografia, planejamento urbano, agricultura e meio ambiente. Tal uso pode ser justificado pela rapidez, eficiência, periodicidade na obtenção dos dados e pelo custo.

Sensoriamento Remoto é uma importante ferramenta nas tarefas de atualização de produtos cartográficos. Outro importante componente é a técnica de Processamento Digital de Imagens (PDI), na qual envolve o apoio de manipulação de imagens digitais pelo computador.

Neste trabalho, utilizou-se a teoria da Morfologia Matemática para detecção de feições. Os resultados obtidos foram altamente positivos e confirmam o potencial de uso das ferramentas morfológicas na detecção de feições que podem ser utilizadas em processos de atualização de produtos cartográficos. 2 OBJETIVO

O principal objetivo deste trabalho foi indicar a rotina morfológica mais apropriada para detectar pistas de aeroportos em imagens de alta resolução.

3 FUNDAMENTAÇÃO TEÓRICA

3.1 Morfologia Matemática

II Simpósio Brasileiro de Geomática Presidente Prudente - SP, 24-27 de julho de 2007

V Colóquio Brasileiro de Ciências Geodésicas

F. Leonardi; T. G. Rodrigues; E. A. da Silva

A Morfologia Matemática teve seu desenvolvimento com as primeiras pesquisas de MATHERON (1975) e SERRA (1982) e seus colaboradores a partir de 1964, na escola Superior de Minas de Paris. A Morfologia Matemática tem como objetivo básico descrever quantitativamente as estruturas geométricas funciona como uma técnica na concepção de algoritmos na área de PDI, dispondo de ferramentas básicas, como detectores de bordas e filtros morfológicos. A morfologia age sobre imagens digitais a partir de elementos estruturantes geralmente definidos em uma malha retangular. Foi utilizado, neste trabalho, o elemento estruturante 7x7.

3.2 Elemento Estruturante

O elemento estruturante é um conjunto completamente definido e conhecido (forma, tamanho), o qual é comparado, a partir de uma transformação, ao conjunto desconhecido da imagem. O resultado desta transformação permite avaliar o conjunto desconhecido (Facon, 1996). A Figura 3.1 apresenta o elemento estruturante utilizado.

0 0 1 1 1 0 0 0 1 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1. 1 1 1 1 1 1 1 1 1 1 0 1 1 1 1 1 0 0 0 1 1 1 0 0

Figura 3.1: Elemento estruturante de disco/semi-esfera. 3.3 Erosão Erosão em tom de cinza - Segundo Lee et al. (1987), a erosão em tom de cinza de um sinal (função) f por um elemento estruturante g é:

ero g (f(x)) = Min {f (y) – g (x – y) : y ∈ E }

onde a erosão em níveis de cinza de f por g consiste em verificar se o elemento estruturante centrado em x está abaixo da função f, visto que a mesma não será definida num ponto onde o elemento estruturante estiver acima do sinal f. Os efeitos da erosão em níveis de cinza são: escurecer a imagem, alargar e engordar os valores (padrões escuros), conectar vales próximos, reduzir e às vezes eliminar picos (padrões claros) e separar picos próximos.

3.4 Dilatação

Dilatação em tom de cinza - Segundo Lee et al. (1987), a dilatação em tom de cinza de um sinal f por um elemento estruturante g é:

dil g (f(x)) = Max {f (y) + g (x – y) : y ∈ E }

onde a dilatação em níveis de cinza de f por g consiste em verificar se o elemento estruturante centrado em x está acima da função f, não sendo definida em um ponto onde o elemento estruturante estiver abaixo do sinal f. Os efeitos da dilatação em níveis de cinza são: clarear a imagem, alargar e engordar os picos (padrões claros), conectar picos próximos, reduzir e às vezes eliminar vales (padrões escuros) e separar vales próximos. 4 METODOLOGIA

Para a detecção das feições de interesse foram aplicados operadores morfológicos nos recortes de imagens selecionadas. O software MATLAB 7.0 e a caixa de ferramentas da morfologia matemática foram usados. Os testes foram aplicados nos recortes das imagens QUICKBIRD, contendo os aeroportos de Presidente Prudente-SP e Galeão-RJ, com resolução espacial de 0,72 cm. A imagem de Presidente Prudente foi adquirida em 10/03/2006 e a do Galeão em 17/03/2006. Ambas foram obtidas na banda pancromática.

A rotina aplicada utilizou-se de operadores morfológicos cujo objetivo nos processamentos foi a abertura morfológica, reconstrução, realçamento, binarização, remoção de ruídos externos e internos para detecção das feições relevantes contidas nas imagens originais.

Após a conclusão da fase mencionada, realizou-se a análise dos resultados para verificar se havia segmentação excessiva.

Os filtros convencionais Gradient e Sobel foram aplicados nos recortes originais com o intuito de ser realizada a comparação visual entre feições detectadas pela morfologia matemática com os métodos convencionais.

5 RESULTADOS

As imagens QUICKBIRD das áreas dos aeroportos de Presidente Prudente e do Galeão foram usadas nos testes objetivando a detecção das pistas. As Figuras 5.1 e 5.2 apresentam as imagens originais em níveis de cinza.

Figura 5.1 – Imagem original do aeroporto de Presidente

Prudente

II Simpósio Brasileiro de Geomática Presidente Prudente - SP, 24-27 de julho de 2007

V Colóquio Brasileiro de Ciências Geodésicas

F. Leonardi; T. G. Rodrigues; E. A. da Silva

Figura 5.2 – Imagem original do aeroporto Galeão

O processo inicial foi realizado na imagem original

com o objetivo de enfatizar ainda mais as pistas dos aeroportos, contribuindo dessa maneira para que detecção dessas fosse feita com mais sucesso.

Nesta fase, os operadores foram aplicados com o objetivo de realizar a abertura morfológica, reconstrução e realçamento das feições.

O primeiro operador a ser usado foi o open com elemento estruturante sedisk tamanho 10. Tal operador gera uma nova imagem pela abertura morfológica da imagem pelo elemento estruturante. O resultado obtido é ilustrado na Figura 5.3.

Figura 5.3 - Imagem aberta morfologicamente

Na seqüência o operador infrec foi aplicado, cuja função foi criar uma nova imagem por um número infinito de recursivas iterações (iterações até estabilizar) de dilatação da imagem pelo elemento estruturante condicionado da imagem original. O resultado da aplicação deste operador é dado pela Figura 5.4.

Figura 5.4 - Imagem reconstruída

Após este, o operador toggle foi aplicado. Este operador tem a função de gerar uma imagem de saída realçada com dois parâmetros. Neste realce, um pixel toma o valor correspondente ao seu respectivo na imagem de saída, de acordo com o critério da distância máxima. A Figura 5.5 apresenta o resultado da aplicação deste operador.

Figura 5.5 - Imagem realçada

Continuando, o operador threshad foi aplicado com limiar 30 para o aeroporto de Presidente Prudente e 130 para o Galeão. Este operador converte uma imagem de níveis de cinza para uma nova imagem binária. O valor do limiar adotado é obtido pela análise do histograma da imagem. Os pixels com valores menores que o limiar estipulado pela função assume valor “0” (preto) e os valores que estiverem acima recebem valor “1” (branco). A Figura 5.6 ilustra o resultado da aplicação deste operador para a imagem do aeroporto de Presidente Prudente.

Figura 5.6 – Imagem binarizada

O resultado da Figura 5.6 apresenta a imagem binarizada. Então, a partir deste resultado é possível aplicar outros operadores com o propósito de eliminar a segmentação no entorno das pistas. Para isto, o operador areaclose foi aplicado com limiar 15000 para a imagem de Presidente Prudente e 130 para a imagem do Galeão. O objetivo deste operador foi remover qualquer componente com área menor que o limiar estipulado pela função na imagem binária. O resultado da aplicação deste operador pode ser analisado pela Figura 5.7.

Figura 5.7 – Remoção de ruídos externos

O próximo passo foi à aplicação do operador areaopen. Na imagem contendo o aeroporto de Presidente Prudente foi utilizado limiar 4000 e para o aeroporto Galeão utilizou-se limiar 8500. O objetivo deste operador é remover qualquer ruído (componente conectado) com área menor do que o limiar adotado pela função na imagem binária. O resultado desta aplicação pode ser visto na Figura 5.8.

Figura 5.8 – Remoção de ruídos internos

Para comprovar a eficiência na detecção da feição, foi feita a sobreposição do resultado obtido com a imagem original da área homóloga. Como dito previamente, a rotina foi aplicada em duas imagens. Os resultados das sobreposições são dados pelas Figuras 5.9 e 5.10.

II Simpósio Brasileiro de Geomática Presidente Prudente - SP, 24-27 de julho de 2007

V Colóquio Brasileiro de Ciências Geodésicas

F. Leonardi; T. G. Rodrigues; E. A. da Silva

Figura 5.9 – Resultado da sobreposição para Presidente

Prudente

Figura 5.10 – Resultado da sobreposição para o Galeão

Analisando as Figuras 5.9 e 5.10, percebe-se que

os resultados obtidos com a aplicação da rotina proposta para a detecção das pistas dos aeroportos foram satisfatórios e mostram que não existem deslocamentos das feições detectadas com as originais. Isto indica que os resultados podem ser usados em processos convencionais de atualização cartográfica.

Finalizando, os filtros Sobel e Gradient foram aplicados nas imagens contendo os aeroportos de Presidente Prudente e Galeão, com o propósito de realizar a comparação visual entre os resultados obtidos morfologicamente com métodos convencionais.

Com a intenção de facilitar a comparação, os resultados obtidos com a aplicação dos filtros convencionais e os obtidos por meio da morfologia matemática são apresentados juntos. As Figuras 5.11 e 5.12 apresentam tais resultados.

5.11.a – Recorte original

5.11.b – Resultado da aplicação do filtro Sobel

5.11.c – Resultado da aplicação do filtro Gradiente

5.11.d – Resultado obtido via Morfologia Matemática

Figura 5.11 – Aplicação dos filtros para o aeroporto de

Presidente Prudente

5.12.a – Recorte original

5.12.b – Resultado da aplicação do filtro Sobel

5.12.c – Resultado da aplicação do filtro Gradiente

5.12.d – Resultado obtido via Morfologia Matemática

Figura 5.12 – Aplicação dos filtros para o aeroporto

Galeão

Na comparação visual entre os resultados obtidos por meio dos operadores morfológicos apresentados nas Figuras 5.11 e 5.12, pode-se observar que os resultados convencionais obtidos apresentam muita segmentação ao redor das feições de interesse, dificultando dessa maneira os processos de atualização e com isso confirmando o potencial do uso da morfologia matemática na detecção de feições cartográficas.

II Simpósio Brasileiro de Geomática Presidente Prudente - SP, 24-27 de julho de 2007

V Colóquio Brasileiro de Ciências Geodésicas

F. Leonardi; T. G. Rodrigues; E. A. da Silva

5.1. Rotina proposta De acordo com os resultados obtidos a rotina proposta para a detecção de pistas de aeroportos é a apresentada a seguir: 1. Seleção das Imagens; 2. Recorte das Áreas Teste; e 3. Aplicação dos operadores morfológicos sobre os recortes imagens, cujas etapas são: Abertura morfológica, reconstrução, realçamento, binarização, remoção de ruídos externos e internos. Para cada imagem foram alterados os valores dos limiares. Isto ocorreu em virtude da necessidade de escolher adequadamente os limiares de acordo com o nível digital da feição de interesse nas imagens. 6 CONCLUSÕES

Os resultados obtidos atenderam aos objetivos do trabalho quanto ao uso das ferramentas da Morfologia Matemática nos processos de melhoria da qualidade visual das imagens originais e na detecção das pistas dos aeroportos.

Vale ressaltar que a escolha dos operadores e limiares apropriados também contribuiu para a detecção das pistas dos aeroportos, na qual os resultados indicam que os processamentos morfológicos empregados foram adequados.

Todos os limiares adotados basearam-se na análise dos histogramas das imagens envolvidas. A escolha adequada destes limiares é uma das chaves para que os resultados obtidos sejam os melhores possíveis.

REFERÊNCIAS

GOUTSIAS, J., HEIJMANS, H.J.A.M.: Mathematical morphology. (ed.): Goustsias, J., Heijmans, H.J.A.M., Amsterdam (2000). FACON, J.: Morfologia Matemática: teoria e aplicações. Universitária Champagnat da Pontífica Universidade Católica do Paraná, Curitiba (1996). SDC Information Systems. SDC Morfhology “Toolbox” For Matlab 5. January 20, 1999.

SERRA, J.: Image analysis and mathematical morphology. London: Academic Press, 1982. 610p.

SILVA, E. A.: Extração de feições cartográficas de imagens multiespectrais fundidas. São Paulo:USP, 1995. 114p. Tese (Doutorado em Engenharia) - Escola Politécnica da USP, 1995.

SOILLE, P.: Morphological Image Analysis: Principles and applications. Springer-Verlag, Berlin (1999).