Upload
internet
View
109
Download
6
Embed Size (px)
Citation preview
MÓDULO PROCESSAMENTO DIGITAL DE IMAGENS do Curso ministrado totalmente a Distância, desenvolvido pelo INPE (OBT) em parceria com a Selper:
INTRODUÇÃO AO
SENSORIAMENTO REMOTO
http://www.dpi.inpe.br/ead/intro_sr/index.html
3
SPRING – Características Gerais
Sistema de Informações Geográficas-SIG Desenvolvido e mantido pela DPI – INPE Software Freeware – Download via Web Média de 14000 downloads/ano Versões em Windows e Linux (5.0 – Julho de 2008) 4 Idiomas: Português, Inglês, Espanhol e Frances Capacitação dos usuários é realizada em cursos presenciais, e a
distância, de curta duração Tutoriais e livros on-line Sites Espelhos na Espanha e Argentina Manual online – browser estilo Web Funções para PDI, MNT, Álgebra de Mapas, Redes
6
O QUE É UM MAPA DIGITAL ?
Mapa:Mapa: modelos simplificados da realidademodelos simplificados da realidade– Representação gráfica (ponto, linha, polígono, matriz)Representação gráfica (ponto, linha, polígono, matriz)– Normalmente em escala e em uma projeçãoNormalmente em escala e em uma projeção– Seleção de entidades abstratas sobre ou relacionadas com a Seleção de entidades abstratas sobre ou relacionadas com a
superfície da Terra.superfície da Terra.
– Classificação em grupos (tipos de solo)Classificação em grupos (tipos de solo)
– Simplificação de elementos gráficosSimplificação de elementos gráficos
– Exagero de elementos importantesExagero de elementos importantes
– Simbologia para apresentar dadosSimbologia para apresentar dados
7
TIPOS DE MAPAS QUE O SPRING TRABALHA
Características dos mapas: Características dos mapas: diversidade de fontes diversidade de fontes geradorasgeradoras e de e de formatos apresentados.formatos apresentados.
O sistema se restringe a tratar os seguintes tipos de dados;O sistema se restringe a tratar os seguintes tipos de dados;
– Mapas Temáticos: Mapas Temáticos: conceitos qualitativos (uso do solo, conceitos qualitativos (uso do solo, vegetação)vegetação);;
– Mapas Cadastrais Mapas Cadastrais ((localização de objetos do mundo – localização de objetos do mundo – pontos, linhas e polígonos + tabela – ex. Lotes urbanos) pontos, linhas e polígonos + tabela – ex. Lotes urbanos)
– Mapa de RedesMapa de Redes ((localização de objetos do mundo – localização de objetos do mundo – nós e linhas orientadas – ex. Postes e rede elétrica) nós e linhas orientadas – ex. Postes e rede elétrica)
– Mapas NuméricosMapas Numéricos ((representação de superfícies)representação de superfícies)– Imagens de Sensores Remotos Imagens de Sensores Remotos (ex: aerofotos, (ex: aerofotos,
satélites, radares)satélites, radares);
8
MAPAS TEMÁTICOS
Estrutura vetorial topológica construídaEstrutura vetorial topológica construída
é do tipo é do tipo arco-nó-regiãoarco-nó-região
Pode ser armazenado no formato vetorial ou matricialPode ser armazenado no formato vetorial ou matricial A escolha entre a representação matricial ou vetorial A escolha entre a representação matricial ou vetorial
para um mapa temático depende do objetivo em para um mapa temático depende do objetivo em vista.vista.
Inseridos no sistema por digitalização ou Inseridos no sistema por digitalização ou classificação de imagensclassificação de imagens
Ex:Ex: Mapa de Solos, Mapa Geológico, Mapa com classes Mapa de Solos, Mapa Geológico, Mapa com classes de Declividade, Mapa de Uso e Ocupação da Terrade Declividade, Mapa de Uso e Ocupação da Terra
9
MAPAS CADASTRAIS/OBJETOS
Mapas de suporte à representação de objetos Mapas de suporte à representação de objetos geográficosgeográficos
As entidades (pontos, linhas e polígonos) são As entidades (pontos, linhas e polígonos) são Objetos Objetos GeográficosGeográficos
ObjetosObjetos possuem atributos descritivos em tabelas possuem atributos descritivos em tabelas Podem estar associados a várias representações Podem estar associados a várias representações
gráficasgráficas Podem ter representações gráficas diferentes em Podem ter representações gráficas diferentes em
mapas de escalas distintas mapas de escalas distintas
Ex: Ex: Mapas de Lotes, Quadras, Propriedades RuraisMapas de Lotes, Quadras, Propriedades Rurais
São armazenados em forma de coordenadas vetoriais, com a topologia São armazenados em forma de coordenadas vetoriais, com a topologia arco-nó-polígonoarco-nó-polígono associada associada
Não é usual representar estes dados na forma matricialNão é usual representar estes dados na forma matricial
10
id label capacidade
22 Eng. Dentro 3.000 kVA
id label Transf.
2345 32-17-95 Classe 3
Sub-estações
Postes
MAPAS DE REDES/OBJETOS
Mapa de suporte à representação de objetos Mapa de suporte à representação de objetos geográficosgeográficos
As entidades (nós e linhas) são As entidades (nós e linhas) são objetos geográficosobjetos geográficos
Mapa vetoriais com Mapa vetoriais com topologia arco-nó (grafo)topologia arco-nó (grafo)
– arcos tem um sentido de fluxo e atributosarcos tem um sentido de fluxo e atributos
– nós tem atributos (fontes ou sorvedouros)nós tem atributos (fontes ou sorvedouros)
Forte ligação com BDForte ligação com BD
Integração de dadosIntegração de dados
Segmentação dinâmicaSegmentação dinâmica
Linguagem de visualizaçãoLinguagem de visualização
Capacidade de adaptaçãoCapacidade de adaptação
* Uso em serviços de utilidade pública, como água, luz e telefone, redes Uso em serviços de utilidade pública, como água, luz e telefone, redes de drenagem (bacias hidrográficas) e rodoviasde drenagem (bacias hidrográficas) e rodovias
11
IMAGENS
Dados obtidos por satélites, fotografias aéreas, Dados obtidos por satélites, fotografias aéreas, "scanners" aerotransportados ou radares"scanners" aerotransportados ou radares
Armazenadas como matrizes (lin x col)Armazenadas como matrizes (lin x col)
Cada elemento de imagem ("pixel") tem um valor Cada elemento de imagem ("pixel") tem um valor proporcional à proporcional à reflectânciareflectância do alvo imageado do alvo imageado
CARACTERÍSTICAS IMPORTANTESCARACTERÍSTICAS IMPORTANTES
resolução espacial (km, m, cm);resolução espacial (km, m, cm);
resolução espectral (num. bandas);resolução espectral (num. bandas);
resolução temporal (dias);resolução temporal (dias);
resolução radiométrica ( 2resolução radiométrica ( 2nn ) ). .
12
São mapas utilizados para representar uma grandeza São mapas utilizados para representar uma grandeza que varia continuamente no espaço - altimetria, que varia continuamente no espaço - altimetria, precipitação, propriedades do solo ou subsolo (como precipitação, propriedades do solo ou subsolo (como aeromagnetismo).aeromagnetismo).
A superfície modelada é representada porA superfície modelada é representada por
– grades regulares ougrades regulares ou
– grades triangularesgrades triangulares
MAPAS NUMÉRICOS
Tratamento da altimetria para mapas topográficos ou hipsométricosTratamento da altimetria para mapas topográficos ou hipsométricos
Análises de corte-aterro para projeto de estradas e barragensAnálises de corte-aterro para projeto de estradas e barragens
Mapas de declividade e exposição (geomorfologia e erodibilidade)Mapas de declividade e exposição (geomorfologia e erodibilidade)
Análise de variáveis geofísica e geoquímicas e apresentação Análise de variáveis geofísica e geoquímicas e apresentação tridimensional (em combinação com outras variáveis)tridimensional (em combinação com outras variáveis)
13
• VetorialVetorial• preserva relacionamentos topológicospreserva relacionamentos topológicos• associar atributos a elementos gráficosassociar atributos a elementos gráficos• melhor precisãomelhor precisão• eficiência de armazenamentoeficiência de armazenamento• permite preenchimento por hachura ou padrões.permite preenchimento por hachura ou padrões.
• MatricialMatricial • fenômenos variantes no espaçofenômenos variantes no espaço• adequado para simulação e modelagemadequado para simulação e modelagem• processamento mais rápidoprocessamento mais rápido• maior gasto em armazenamentomaior gasto em armazenamento
Representações de Mapas TEMÁTICOS
14
GRADE TRIANGULARGRADE TRIANGULAR
Conexão entre amostras Conexão entre amostras Estrutura topológica arco-nóEstrutura topológica arco-nó Representa melhor relevos Representa melhor relevos
complexoscomplexos Capacidade de incorporar Capacidade de incorporar
restrições (linha de quebra)restrições (linha de quebra)
GRADE RETANGULARGRADE RETANGULAR
Matriz de elementos de espaçamento fixoMatriz de elementos de espaçamento fixo
Valor estimado da grandezaValor estimado da grandeza
Mais adequada p/ dados geofísica e vista Mais adequada p/ dados geofísica e vista 3D3D
Facilita manuseio e conversãoFacilita manuseio e conversão
Representações de Mapas NUMÉRICOS
MÓDULOS DO SPRING
Spring - entrada, análise e manipulação dos dados
Scarta - elaboração de cartas (layout)
Impima - leitura e conversão de imagens
16
IMPIMAMódulos do SPRING
Entrada
Tiff / GeoTiff
SPG
GRIB
RAW
DAT
SITIM
SaídaSPG
Objetivo: Converter toda ou parte (recortar) de imagens e salvar no formato SPG para ser registrada.
17
SPRINGMódulos do SPRING
EntradaTIFF / GeoTIFFRAW / JPEG / JP2SPGDXF- DWGASCII - SPRINGShape / ArcINFOSurfer - ascIDRISI – img ascKMLTabela
ASCIIDBASESpacestat
ConversoresShapeFileMID/MIFE00DBFGRD (Surfer)
Mesa digitalizadora
SaídaTIFF / GeoTiff
RAW
JPEG2000
Surfer
IDRISI – img asc
DXF- DWG
ASCII - SPRING
ArcINFO
E00
ShapeFile
KML
Spacestat
SpringWeb
TerraLib
18
SCARTAMódulos do SPRING
Entrada
PI’s de um banco e projeto do Spring
SaídaArq. Carta
Arq. Molde
Arq. IPL
Impressora
Arquivos
PostScript
BMP
PNG
GIF
TIFF
JPG
19
MODELO DE DADOS DO SPRING
Como serão modelados os diversos dados ? Quais tipos de categorias de dados serão criadas ? Qual a área a ser trabalhada ? Quais os mapas (PI’s) da área de trabalho ? Quais as representações dos mapas ?
20
BANCO DE DADOSModelo de dados do SPRING
Depósito de informações do SPRING– SGDB (Access, Dbase, Oracle, MySQL, PostgreSQL) – Tabelas– Mapas – Dados espaciais em formato proprietário do SPRING
Pode-se definir vários BD (apenas um ativo) Não está relacionado a uma área geográfica Um BD pode conter vários Projetos
C:\springdb\Banco
– um sub-diretório (pasta) no sistema de arquivos.
Nota: O sistema ativa automaticamente o último banco manipulado ou um pré determinado
21
MODELO DE DADOSModelo de dados do SPRING
Define os diversos tipos de dados (ou categorias de dados)
Agrupa grandezas geográficas semelhantes em um único modelo.
Uma categoria é comum aos vários Projetos criados no Banco de
Dados.– Uso_Terra (Temático), Solo (Temático)– Imagem_TM (Imagem), Foto_8000 (Imagem)– Altimetria (MNT)– Cadastro_Rural (Cadastral)– Logradouros (Rede)
C:\springdb\Banco\Categorias
– arquivos (tabelas) debaixo do diretório do banco
22
Define a região de interesse:– Área geográfica definida por um retângulo– Tem uma projeção cartográfica e– Contém um conjunto de Planos de Informações
(PI’s) do mesmo tamanho ou menor que a região geográfica, em escalas específicas.
- Mapa de solo;- Imagens Landsat;
- Mapa altimétrico, etc.
PROJETOModelo de dados do SPRING
C:\springdb\Banco\Projeto
– um sub-diretório (pasta) do diretório do banco
Nota: O sistema ativa automaticamente o último projeto manipulado ou um pré determinado.
23
PLANO DE INFORMAÇÃOModelo de dados do SPRING
Representa o espaço geográfico com características básicas comuns definidas pela categoria do dado
Condição: existência de um Projeto e da Categoria do Dado Cada PI está associado apenas a uma categoria Uma categoria define o tipo de dado de vários PI’s
Ex: - Mapas de Uso de 1970 e 1980 (Temático)- Bandas 3, 4 e 5 do Landsat (Imagem)- Mapa altimétrico (MNT)- Mapa de fazendas (Cadastral)- Mapa de Logradouros (Rede)
C:\springdb\Banco\Projeto\PI.lin
– corresponde a arquivos debaixo do diretório do projeto
* Sempre existirá um PI ativo no Painel de Controle.
24
Objeto e Não Espacial Modelo de dados do SPRING
OBJETO Define-se um objeto do mundo real por meio de uma tabela que têm
atributos descritivos (e.g. países, lotes, etc.) e uma ligação (GEOID)
com uma geometria na forma de pontos, linhas ou polígonos.
* Cada objeto tem seu visual definido e seus atributos em uma tabela de banco de dados relacional.
Dados individualizáveis pelo atributo Rótulo com atributos descritivos. Pode ter várias representações gráficas em planos cadastrais e/ou redes.
PI de uma PI de uma categoria cadastralcategoria cadastral
Objeto : paises com atributosObjeto : paises com atributos
GEOID Rótulo/
Nome
Area /
Perimetro
Pais Pib (US $ milhoes
Populacao
(milhoes)
1 BR / BR nn / nn Brasil 350 160
2 AG /AG nn / nn Argentina 295 34
25
Objeto e Não Espacial Modelo de dados do SPRING
NÃO ESPACIAL Tabela de dados alfanuméricos sem vínculo com geometria, mas que
pode se conectar com uma tabela de objeto por um atributo comum.
geoid area Cad_INCRA
ITRINCRA_cod dono
Objeto : fazenda
Tabela Não Espacial : fazendeiro
22 1500 019331
019331 12000 OlacyrPI Cadastral com polígonos de fazendas
26
CLASSE TEMÁTICAModelo de dados do SPRING
Define uma subdivisão específica de uma categoria do modelo temático
Armazena atributos de apresentação (cor e preenchimento)
Todas as Classes de uma categoria são comuns a quantos projetos existirem no banco de dados
Ex: Classes de Uso_Terra (Mata, Capoeira, etc)
– Drenagem (Principais, Secundários, etc)– Solo (Podzólico, Latosolo)
* Se alterar o visual de uma classe temática, todos PI’s de qualquer projeto do mesmo banco sofrerão a alteração.
Cl 3Cl 3 Cl 1Cl 1
Cl 2Cl 2
27
• Nome Nome • ProjeçãoProjeção• Ret. EnvolventeRet. Envolvente
• NomeNome• Categoria Categoria • Resolução Resolução • EscalaEscala• Ret.EnvolRet.Envol
RESUMO DO MODELO DE DADOS SPRING
TabelasTabelas
PI 1PI 1
Projeto AProjeto A Projeto BProjeto B
• NomeNome• DiretórioDiretório• SGBDSGBD
• ImagemImagem• NuméricoNumérico• CadastralCadastral• RedeRede•TemáticoTemático
Classe 1Classe 1 Classe 2Classe 2
Banco de DadosBanco de Dados
Objeto com atributosObjeto com atributos
Id Rótulo/
Nome
Area /
Perimetro
Pais Pib (US $ milhoes
Populacao
(milhoes)
1 BR / BR nn / nn Brasil 350 160
2 AG /AG nn / nn Argentina 295 34
1
CategoriasCategorias
PI 2PI 2 PI 3PI 3 PIPI 4 4 PI 2PI 2PI 1PI 1
• ObjetoObjeto• Não EspacialNão Espacial
29
Apresentação de dadosSPRING
1 - Selecionar uma Categoria
2 - Selecionar um Plano de Informação
3 - Selecionar uma representação disponível
4 - Desenhar na tela ativa
Duplo clique no PI desmarca o mesmo Duplo clique na Categoria desmarca PI’s Cada alteração no Painel é necessário
clicar em Desenhar
Importante - Definir a prioridade na aba “PI Selecionados” – desenha de baixo para cima.
Desenha primeiro
Desenha por último
30
ZOOMApresentação de dados no SPRING
1 - Ativar Cursor de Área2 - Marcar ponto superior esquerdo (1)3 - Mover o mouse p/ baixo e p/ direita4 - Marcar ponto inferior direito (2)5 - Clicar em [Executar – Desenhar]
ou
* Clicar BD desmarca a área selecionada
* Após marcar o ponto (2) pode-se mover qualquer das laterais ou todo o retângulo marcado
1
2
31
Barra de FerramentasApresentação de dados no SPRING
Cursor Zoom)
Cursor de Voo (pan)
Desenhar
Zoom + (2 x centro da tela)
Zoom - (2 x centro da tela)
Auto: ajusta imagem p/ dimensões padrões da telaPleno: pontos de imagem = pontos da telaEscala: ajusta dados p/ escala informada
Painel deControle
Manipulação deBanco, Projeto Modelo de Dados, Obj. - Não Espacial e Plano de Informação
Mostra coordenadas Planas, Geográficas ou Info
Cursor de Ponto
Cursor de Info
Zoom PI
Recompor Área do proj.
Anterior
Acoplar
Ampliar 2,4 ou 8x
Gráfico
Cursor de Mesa
Cursor de Janelas
Cursor de Área
Palheta de Cores
32
Acoplar TelaApresentação de dados no SPRING
Apresentar os dados de uma Tela dentro de uma janela móvel sobre a Tela Principal
1 - Ativar e apresentar um PI na Tela Principal
2 - Ativar Tela 2 e selecionar outro PI
3 - Clique em Acoplar na barra de ferramentas e escolha Tela 2
4 - Marque na Tela Principal um retângulo com cursor de área sem Desenhar
5 - Clique na parte interna do retângulo e mova sobre a Tela 1
Somente a Tela Principal pode estar associada a outras telas (2,3,...) ou a tela Auxiliar
3 (0,63-0,69 m) 4 (0,76-0,90m) 5 (1,55-1,75 m)
Composição R(4)G(5)B(3)
Infra-V médioVisível (V) Infra-V próximo
http://glcfapp.umiacs.umd.edu:8080/esdi/index.jsp
Parâmetros de Saída (Cursor)
* Amostragem
IMPIMA
Parâmetros de Entrada
- Aplicativo do SPRING utilizado para leitura de imagens em diversos formatos que serão armazenadas no formato SPG+DSC (com ou sem recorte) para posterior correção geométrica (registro).
Correção geométrica
Importância– eliminação de distorções sistemáticas– estudos multi-temporais– integração de dados em SIG
Requerimentos– conhecimento das distorções existentes– escolha do modelo matemático adequado– avaliação e validação de resultados
Correção geométrica
Fontes de distorções geométricas (MSS, TM,
HRV, AVHRR, WFI)
– rotação da Terra (skew)
– distorções panorâmicas (compressão)
– curvatura da Terra (compressão)
– arrastamento da imagem durante uma varredura
– variações de altitude, atitude e velocidade do satélite
Transformações geométricas
Ortogonal - 3 parâmetros 1 rotação, 2 translações
Similaridade - 4 parâmetros 1 rotação, 1 escala, 2 translações
Afim ortogonal - 5 parâmetros 1 rotação, 2 escalas, 2 translações
Disponíveis no SPRING Afinidade - 6 parâmetros (polinômio de grau 1)
1 rotação, 1 rotação residual, 2 escalas, 2 translações
Polinomiais de grau 2 e 3
Registro: Qual o problema?
Identificar a transformação espacial T que modela a distorção entre os dados
(Lin x Col)Imagem (X, Y) sistema referência
Modelo Polinomial - Registro
yxb
yxajii
m
i
i
jij
jiim
i
i
jij
Y
X
0 0
0 0
Onde : (X,Y) : coordenadas de referência
(x,y) : coordenadas da imagem
a e b : coeficientes do polinômio determinados a
partir dos pontos de controle.
Polinômio de grau m:
Reamostragem (interpolação)
•Efeito de blocos
• Processamento rápido
• Não cria novos valores de NC (mantém estatísticas da imagem)
VPM - pega o NC mais próximo ao resultado do mapeamento inverso
Reamostragem (interpolação)
•O valor obtido pela média ponderada dos NCs dos pontos E e F é transferido para a posição X
• Efeito de suavização devido a operação de média
Bilinear
Registro – Procedimentos Gerais
Selecionar / Carregar Imagem (arquivo spg + dsc)
Se projeto não ativo ==> Definir Projeção
Criar/Adquirir Ponto (mesa - tela - teclado)
Selecionar pontos e a equação de mapeamento – grau do polinômio - Testar
Salvar Pontos com menor erro.
Importar SPG - Registra a imagem por reamostragem (Interpolação)
– Vizinho mais próximo– Bilinear (*)– Convolução cúbica (não disponível)
Registro - Observações
Reconhece imagens TM com correção de nível 5 e 6 => Ativa a opção com correção de sistema => Permite registro com 1 ponto
Escolher pontos de controle bem distribuídos Avaliar o Erro nos Pontos - depende da
aplicação: * 0,5 pixel para precisão
* 0,5mm x denom. escala de trabalho Antes de salvar ==> avalie várias combinações Os Pontos ficarão armazenados no arquivo
descritor *.dsc Importar a imagem ==> Efetiva o Registro
Realce de Contraste
Melhorar a qualidade visual da imagem
Contraste de uma imagem - intervalo de níveis
de cinza assumidos pelos pontos da imagem
Avaliação do contraste de uma imagem -
histograma
Exemplos de imagens e seus histogramas
Baixo contraste => os níveis de cinza ocupam um
pequeno intervalo de valores possíveis
Exemplos de imagens e seus histogramas
Alto contraste => os níveis de cinza ocupam quase todo o intervalo de valores possíveis
Realce de Contraste
Uma função y=f(x) mapeia os pixels com um valor x para um novo valor y
O resultado depende da forma da função
)(xf
)(xh
)( yh
Realce de contraste: Linear
define uma função de transferência linear
maior a inclinação da reta maior o realce
baxy
imin imax
SAÍDA
ENTRADA
Classificação
É o processo de extração de informação da imagem para reconhecimento de padrões e objetos homogêneos
Como resultado de uma classificação cada ponto (ou região) da imagem é mapeado para um tema.
Pixels associados a temas (cores)
Espaço de Atributos
...................... ..
...................... .. ...................... ..
água
mata
urbana
Banda 1B
anda
2
• Os elementos de imagem pertencentes a um mesmo objeto (tema) aparecem plotados como uma nuvem de pontos (aglomerado)
• Os três aglomerados de pontos definem três diferentes alvos
Classificadores Implementados no Spring
Nome Tipo de Análise (classificador)
Tipo de Treinamento
Isoseg Regiões Não- Supervisionado
Bhattacharya Regiões Supervisionado
MaxVer Pixel Supervisionado
MaxVer-Icm Pixel Supervisionado
Distancia Euclidiana
Pixel Supervisionado
Tipos de Classificadores
Classificadores por PIXEL: classifica cada pixel isoladamente mapeando-o para um dos temas de treinamento baseado somente no seu valor.
Classificadores por REGIÕES: classifica regiões (um conjunto de pixels) mapeando todos os pixels que formam a região para um mesmo tema baseando-se no valor de todos os pixels que formam a região
Tipos de Classificadores (outro critério)
Classificadores supervisionados: o usuário informa a-priori o conjunto de temas para as quais os pontos da imagem serão mapeados (exige treinamento)
Classificadores não supervisionados: o usuário não fornece nenhuma informação a priori relativa ao conjunto de temas para as quais deve-se mapear a imagem– utiliza um algoritmo de agrupamento para determinar o
número de classes diferentes presentes na imagem
Classificadores por pixel
Classificadores por pixel (todos supervisionados):– MaxVer : utiliza parâmetros estatísticos inferidos das
amostras de treinamento como critério de decisão sobre que tema um pixel irá pertencer
– MaxVer-ICM: variação do MaxVer onde numa segunda etapa a informação contextual é levada em conta. Pixels são reclassificados de acordo com os temas atribuídos aos vizinhos
– Distância Euclidiana: associa cada pixel a um tema cuja distância euclidiana de seu valor ao valor médio da classe (obtido das amostras) seja mínimo
Processo de Treinamento
Identifica amostras para cada uma dos temas As amostras de um tema devem ser homogêneas As amostras devem conter toda a variabilidade
espectral esperada para cada tema Analisar as amostras antes da classificação grau
de confusão entre os temas
águareflorestamentoárea urbanacultura
Pós-Classificação: refinamento
Elimina pixels isolados Define-se um peso e um limiar Cada pixel é comparado com os seus
vizinhos (3x3) Substitui o pixel pelo tema de maior
frequência nessa vizinhança EX: Peso 3 e Limiar 3
ImagemClassificadaoriginal
133 = 1 x 3 (peso)4
ImagemClassificadamodificada
Antes
Depois
Mapeamento para Classes Temáticas
A imagem classificada continua pertencendo a categoria do modelo IMAGEM
O mapeamento de classes gera uma imagem temática em alguma categoria do modelo TEMÁTICO
Todos os temas obtidos no processo de classificação devem ser mapeados para alguma classe da categoria do modelo temático
Passos para se executar uma classificação por PIXEL
Criar arquivo de contexto (bandas + método) Executar treinamento (criar amostras - retangular / poligonal) Analisar amostras Classificar (criar imagem classificada) Executar pós-classificação (não Obrigatório) Mapear para classes temáticas (criar PI temático)
Imagens MonoImagens MonoBandas em NC Bandas em NC
ImagemImagem
I. Classificada I. Classificada
ImagemImagem
Mapa c/ classesMapa c/ classes
Temáticas Temáticas
TemáticoTemático
MAPEAMENTO MAPEAMENTO
Matriz Matriz
Matriz Matriz
TREINAMENTOTREINAMENTO
CLASSIFICAÇÃO CLASSIFICAÇÃO
Matriz Matriz
Polígonos c/ Polígonos c/
classesclasses
Temáticas Temáticas
TemáticoTemático
Vetor Vetor
M ->V M ->V
Mesmo PI Mesmo PI
Segmentação
Processo executado antes da Classificação por Regiões Segmentação: Identifica as regiões homogêneas dentro da
imagem Região: um conjunto de pixels contíguos bi-direcionalmente que
possuem uma semelhança espectral Atributos estatísticos são usados
Segmentação no SPRING
Crescimento de regiões:– Cada pixel é inicialmente rotulado como uma região– Segundo um critério de similaridade regiões adjacentes vão
sendo agrupadas– O processo é repetido até que nenhum outro agrupamento
possa ser feito
Detecção de Bacias
Classificadores por regiões
Isoseg– não-supervisionado– as regiões são caracterizadas pela média,
matriz de covariância e por sua área– as regiões são agrupadas segundo uma
medida de similaridade: distância de Mahalanobis
Bhattacharya– supervisionado– usa as amostras (treinamento) para estimar a
função densidade de probabilidade de cada classe
– a região será mapeada para a classe cuja distância de Bhattacharya calculada entre elas seja menor
Classificadores por regiões
Passos para se executar uma classificação por Região
Executar a Segmentação (imagem rotulada - vetor) Criar arquivo de contexto (bandas + método + Imagem
Rotulada) Extrair informações estatísticas de média e variancia de
cada região definida na imagem rotulada resultante da segmentação
Executar treinamento (se classific. supervisionada) Analisar amostras (se classific. Supervisionada) Classificar (criar imagem classificada - Isoseg ou
Bhattacharya) Executar pós-classificação (não Obrigatório) Mapear para classes temáticas (criar PI temático)
Imagens MonoImagens MonoBandas em NC Bandas em NC
ImagemImagem
Matriz Matriz
SEG.SEG.
I. RotuladaI. Rotulada
ImagemImagem
Vetor Vetor
TREINAMENTOTREINAMENTO
CLASSIFICAÇÃO CLASSIFICAÇÃO
Imagens MonoImagens MonoBandas em NC Bandas em NC
ImagemImagem
Matriz Matriz
Mapa c/ classesMapa c/ classesTemáticas Temáticas
TemáticoTemático
Matriz Matriz
Polígonos c/ Polígonos c/
classesclassesTemáticas Temáticas
TemáticoTemático
Vetor Vetor
M ->V M ->V
Mesmo PI Mesmo PI
I. Classificada I. Classificada
ImagemImagem
Matriz Matriz
MAPEA-MAPEA-MENTO MENTO
++
Passos para se executar uma classificação por Região
Edição Matricial
Disponíveis 5 modos de operações: Editar Área - Utiliza edição de linhas fechadas (ilhas)
digitalizadas sobre o PI ativo;
Copiar área - Utiliza um plano de informação de referência (imagem classificada, rotulada, planos temáticos ou cadastrais) para associar ou trocar as classes no PI ativo;
Classificar Área - permite pintar a imagem temática com classes temáticas sobre as áreas (polígonos), que estão representadas pelos próprios pixels da imagem
Limpar Pixels – elimina áreas de pixels contíguos menores que o limiar informado
Deslocar Imagem - desloca todo o plano matricial na direção informada
Edição Matricial – Barra de Ferramentas
Selecionar operação: Editar, Classificar, Copiar, Limpar, Deslocar
Selecionar classe
Operações na fila Sair
Remover item da fila
Executar operações
Remover todos os itensDeslocamento
Cor da classe
Visual da classe
Permite editar-Mapas temáticos matriciais-Imagens classificadas-Imagens sintéticas
Permite editar-Mapas temáticos matriciais-Imagens classificadas-Imagens sintéticas
Edição Matricial - Editar Área
Botão da direita fecha o polígono Executar para alterar os polígonos editados
Edição Matricial - Copiar Área
Selecionar PI de referência Selecionar polígono vetor ou matricial na tela Auxiliar a área a ser pintada Executar para alterar
Edição Matricial - Classificar Área
Selecione a cor da classe que deseja atribuir Selecione o polígono na tela do PI ativo. Executar para confirmar.
Edição Matricial - Limpar Pixels
Digite o número de pixels contíguos que deseja substituir. Executar para confirmar.
Edição Matricial - Deslocar Imagem
Digite o valor de deslocamento em X e Y. Executar para confirmar. O que ultrapassar o retângulo
envolvente do PI será recortado.
Elementos da Carta
ELEMENTOS
Título
Escala
Tamanho do Papel
Legenda
Localização
Dado (PI’s)
Grade
OBSERVAR
Equilíbrio e Lay-out
Contraste de Padrões
Cores
Disposição dos Elementos
Claridade e legibilidade
Composição do Dado (PI’s)
Módulo SCARTA - Geração de Cartas
Interface semelhante ao Spring Painel de Controle e Tela de Visualização Exige Banco de Dados e Projeto ativos Criar/Carregar a carta
– Elaborar a carta1 - Características da Carta (Papel e Dados) + PI’s
2 - Elementos da CartaTexto - Símbolos - Legenda - Escala
3 - Grade
4 - Quadros e Linhas
Gerar arquivo IPL / Salvar Carta Imprimir ou salvar em arquivo
F1, F2 - tamanho do papel COORD1, COORD2 - área de dados
U1, U2 - área útil (Projeto/PI/ sub-área)
P1, P2 - Área de dados COORD1 P1
1 - Características do Papel e dos Dados
F2
F1
U2
U1
P2
P1
COORD2
COORD1
Área de Dados
ou
Área de Projeto ou PI
2 - Elementos da Carta ( Símbolo )
Biblioteca em DXF ou BMP
C:\Arquivos de Programas\spring\etc\chart\symbol
Gerar arquivo IPL / Salvar Carta / ImprimirGerar arquivo IPL / Salvar Carta / Imprimir
Criar arquivo *.ipl p/ abrir no IPLOT
Salvar Carta para alterações posteriores
ImprimirExportar
PostScriptEPSCGMBMPPCXGIFTIF
Obrigado!
PROCESSAMENTO DIGITAL DE IMAGENS
Eliana Maria Kalil Mello ([email protected])
José Carlos Moreira ([email protected])