UNIVERSIDADE DO ESTADO DO RIO DE JANEIRO

CENTRO DE TECNOLOGIA E CIÊNCIAS

FACULDADE DE ENGENHARIA

DEPARTAMENTO DE ENGENHARIA CARTOGRÁFICA

ALUNO: LEANDRO DE SOUZA CAMARGO

MATRÍCULA: 201020542211

ALUNO: LEANDRO DE SOUZA CAMARGO

MATRÍCULA: 201020542211

CORREÇÕES DE IMAGENS SATELITÁRIAS

INTRODUÇÃO

Muitos dos problemas identificados nas fotografias aéreas ocorrem de

formas bastante semelhantes com as imagens digitais de sensoriamento

remoto. São várias as fontes que geram esses problemas, a maioria devido

aos erros e defeitos que os sensores possam apresentar ao longo de sua

vida útil, e por perdas de estabilidade da plataforma que aloja o sensor. Mas

há fontes de erros que independem da plataforma ou mau funcionamento do

sensor. A atmosfera é uma dessas fontes externas de erros, que pode gerar

com intensidades diferentes, severas distorções nos dados das imagens. No

conjunto, os erros ou distorções que as imagens estão sujeitas, vão se

apresentar nas deformações de escala, incorreções nas posições espaciais

dos pixels, perda de contraste entre os alvos ou registros incorretos dos

valores digitais dos pixels.

As correções dessas distorções fazem parte do conjunto de funções de

processamento que se denomina de pré-processamento. As técnicas de pré-

processamento são assim denominadas, porque elas não visam

transformações das imagens, as quais têm, como principal objetivo,

melhorar a qualidade visual da cena. As correções dos diferentes tipos de

erros que a imagem pode apresentar são modeladas de acordo com o tipo da

estrutura dos erros, conhecendo-se qual é a fonte de distorção. Constitui

uma importante etapa de processamento, porque nos processamentos

subseqüentes, tais como as transformações de realces espectrais, essas

imperfeições seriam também realçadas. A ordem da correção da imagem

depende dos objetivos do trabalho ou da pesquisa que o intérprete propôs

fazer, podendo iniciar pela correção radiométrica, atmosférica ou

geométrica, ou todas serem realizadas

As técnicas de pré-processamento são, essencialmente, funções

operacionais para remover ou corrigir os erros e as distorções introduzidos

nas imagens pelos sistemas sensores devidos a erros instrumentais (ruídos

espúrios), às interferências da atmosfera (erros radiométricos) e à

geometria de imageamento (distorções geométricas).

ELIMINAÇÃO DE RUÍDOS

As imagens podem conter erros aleatórios de pixels ou erros coerentes de

linhas de pixels que, normalmente, se mostram como pixels ou linhas com

valores saturados (claros), ou sem sinal (escuros). É reconhecido como um

erro do valor digital do pixel. São denominados de ruídos e, tipicamente,

esses ruídos espúrios e imprevisíveis são decorrentes e erros

instrumentais. Os ruídos, normalmente, se apresentam em três formas:

como linhas ruidosas, pixels ruidosos ou conjunto sistemático de linhas

ruidosas, que se denomina de striping.

Linhas ruidosas consistem na má qualidade de pixels ao longo de uma linha

ou mesmo da perda total de informação ao longo de toda uma linha ou de

algumas linhas, devido a problemas diversos, como o de saturação do

detector na medida do sinal, falha na aquisição dos dados ou erro na

transmissão ou registro de dados em Terra. É um tipo de ruído aleatório,

isso é, não tem um padrão definido. A linha ruidosa é reconhecida na imagem

pela aparência de uma linha escura, sinal perdido, ou claro ou sinal saturado.

O striping consiste num tipo de ruído coerente, cujo efeito é o

aparecimento de faixas horizontais regularmente espaçadas nas imagens,

dando a aparência de uma persiana que mostra abruptas diferenças de

níveis de cinza, originadas por diferenças das respostas do conjunto de

detectores de uma banda.

CORREÇÃO ATMOSFÉRICA

Mais comprometedor do que os ruídos aleatórios ou coerentes, são as

degradações que alteram radiometricamente a imagem por completo. A

fonte de erro dessa degradação ou distorção radiométrica é a atmosfera,

cuja intensidade de efeitos é dependente do comprimento de onda, da data

de imageamento e da trajetória da radiação. A atmosfera afeta a radiância

medida em qualquer ponto da imagem, de duas maneiras aparentemente

contraditórias. Primeiro, ela atua como um refletor, adicionando uma

radiância extra ao sinal que é detectado pelo sensor. Segundo, ela atua com

um absorvedor, atenuando a intensidade de energia que ilumina o alvo na

superfície. Quando a atenuação é acima de um valor, a transparência da

atmosfera torna-se opaca em determinados comprimentos de onda,

impossibilitando a obtenção de imagens. Portanto, quando temos uma

imagem, nela devemos apenas verificar a degradação que pode ter sido

causada pelo espalhamento atmosférico, avaliando quanto de radiação foi

adicionada ao pixel e que sabemos não ser proveniente do alvo. Na maioria

das vezes, os efeitos do espalhamento atmosférico são sempre o de

diminuir o contraste entre os alvos presentes na imagem.

CORREÇÕES DAS DISTORÇÕES GEOMÉTRICAS

A correção das distorções geométricas trata, prioritariamente, da

remoção de erros sistemáticos presentes em todos os tipos de imagens de

sensoriamento remoto. Isso é realizado em duas etapas distintas.

Inicialmente, na primeira etapa de correção são eliminadas as distorções

geométricas sistemáticas que são introduzidas no momento de aquisição das

imagens devidas à rotação, inclinação e curvatura da Terra e devida à

instabilidade da plataforma. Efetivamente, essa primeira etapa é o que se

deve denominar de processo de correção geométrica de imagens. Como

depende de uma série de parâmetros da exatidão de posicionamento da

plataforma, que o usuário não tem conhecimento e nem acesso, a correção

geométrica fica a cargo dos laboratórios de produção de imagens, pois para

se efetuar uma boa correção geométrica, devem-se conhecer as fontes de

erros que interferem no processo de aquisição da imagem. A escolha do

modelo matemático mais adequado depende, fortemente, desse

conhecimento.

Com a imagem corrigida geometricamente, inicia-se a segunda etapa do

processo, para se corrigir as distorções geradas pela visada cônica dos

sensores, e que deve ser realizada pelo usuário. O objetivo é inserir na

imagem um sistema de projeção para se estabelecer um referencial de

coordenadas que possibilite localizar na imagem a posição geográfica dos

alvos. Isso constitui o que se denomina de georreferenciamento de imagens,

que consiste apenas no uso de transformações geométricas simples,

usualmente transformações polinomiais, para estabelecer um mapeamento

entre as coordenadas espaciais da imagem e as coordenadas geográficas de

cartas topográficas

CORREÇÃO GEOMÉTRICA

Para avaliar porque as distorções geométricas ocorrem, é necessário,

primeiramente, imaginar que uma imagem é formada de linhas sequenciais de

pixels. Uma imagem registra N linhas de M pixels, dispondo as linhas

sucessivamente, uma abaixo da outra. Como normalmente o IFOV

(instantaneous field of view) que determina a área de resolução no terreno

(resolução espacial) é quadrado, por exemplo, 20 x 20 m, a formatação da

imagem é o mesmo que arranjar os pixels em uma grade

As distorções geométricas são os desajustes dessa grade de pixels. Na

imagem digital isso deve ser entendido como a mudança de posição do pixel

na grade. Como o pixel é visto por um valor de brilho ou de nível de cinza, se

ele mudou de posição pode-se, então, dizer que aquele pixel na grade teve

uma mudança de valor de brilho. Devido à alta altitude dos satélites de

sensoriamento remoto, uma pequena mudança da plataforma pode causar

grandes distorções de posição dos pixels na imagem. As fontes de

distorções geométricas são mais diversas do que as radiométricas, as

principais sendo devido à:

a) rotação da terra durante o tempo de imageamento

b) instabilidades dos eixos de posicionamento da plataforma

c) curvatura da Terra

d) campo de visada do sensor

No caso da distorção devido à rotação da Terra a natureza e magnitude

da fonte de distorção são conhecidas, e assim fica fácil elaborar um modelo

matemático para estabelecer uma fórmula de correção geométrica. Durante

o tempo de imageamento gasto para um sensor obter uma imagem, a Terra

está rotacionando de oeste para leste, de modo a provocar um deslocamento

relativo das linhas de imageamento para oeste. A quantidade de

deslocamento para oeste depende da velocidade relativa do satélite, da

dimensão da área imageada e da latitude da área. Como se conhece os dados

para se calcular a magnitude do deslocamento em cada situação, que são a

velocidade angular do satélite e a velocidade de rotação da Terra, é possível

modelar, especificamente, esse tipo de distorção, e fazer uma correção

para as linhas serem deslocadas para a direita, numa posição que assegure

que as feições estejam em correta posição, relativa uma com a outra, ao

longo de toda a imagem. O deslocamento das linhas é da ordem de uma

dezena de quilômetros para os satélites tipo Landsat ou CBERS

As distorções geométricas causadas pela variação de altitude provocam

distorções de escala da imagem, enquanto as distorções provocadas por

variações dos eixos de atitude do satélite (inclinação, rolamento, arfagem),

causam rotações transversais e longitudinais relativas à linha de vôo do

satélite. Essas distorções são semelhantes às que ocorrem em

aerolevantamentos fotográficos. Informações telemétricas das efemérides

da plataforma são continuamente enviadas para as estações terrestres de

rastreamento e computadas para aplicar a correção necessária.

A distorção devido à curvatura da Terra é dependente da largura da faixa

de imageamento da órbita do satélite, mas a maior influência é o efeito da

geometria do plano de inclinação da superfície da Terra sobre a faixa

imageada. Para os sensores que possuem um pequeno ângulo FOV (±7,5o)

como o HRV do satélite SPOT, o ETM do Landsat, ou o CCD do CBERS, com

uma largura da faixa de imageamento no terreno entre uma a duas centenas

de quilômetros, a distorção não é relevante. Para ângulos FOV da ordem de

40o a 50o a distorção da imagem passa a ser considerável, pois a largura da

faixa de imageamento pode atingir mais de 2000 km. O tamanho do pixel ao

longo da linha de varredura pode ser de 3 a 5 vezes maior que o tamanho do

pixel a nadir. É o caso do sensor MODIS (MODerate resolution Imaging Spectroradiometer).

As fontes de distorções geométricas devido ao grande campo de visada do

sensor são bem conhecidas dos fotointérpretes. Elas introduzem nas

imagens dois tipos de distorções: (i) aumento da área do pixel situado no

extremo da imagem; (ii) deslocamento das posições dos pixels ao longo da

linha de varredura. Ambas são inerentes a todos os tipos de sensores, em

função de a visada ser do tipo central ou cônica, à semelhança dos sensores

fotográficos. Portanto, nesses casos a correção da imagem trata,

prioritariamente, da remoção de erros introduzidos pelos campos de visada

óptica do sensor.

REALCE DAS IMAGENS

Esta técnica tem por objetivo modificar, através de funções matemáticas,

os níveis de cinza ou os valores digitais de uma imagem, de modo a destacar

certas informações espectrais melhorando sua qualidade visual.

Para este trabalho utilizaremos imagens adquiridas do satélite CBERS da

região da bacia de rio alegre localizada no estado do Espírito Santo onde

possuímos os seguintes parâmetros:

FUSO 24;

COORDENADAS UTM

X1=220489.00000

Y1=7684786.0000

X2=243050.0000

Y2=7710137.0000;

Banda1_210708 azul 0,45-0,52(20m)

Banda2_210708 verde 0,52-0,59(20m)

Banda3_210708 vermelho 0,63-0,69(20m)

Banda4_210708 Infravermelho proximal 0,77-0,89(20m)

Banda5_210708 pancromático 0,51-0,73(20m)

Imagem antes das correções:

a) Composição Normal

b) Falsas Cores

Com estas duas imagens temos como objetivo principal destacar os corpos

de água existentes em cada fotografia. Percebemos que na composição

normal, o corpo e curso d’água fica de difícil identificação, assim, aplicando

as cores falsas estes elementos da imagem ficam melhor caracterizados,

logo obtemos:

Para melhor identificar as feições do cursos d’água, vamos aplicar as

devidas correções comparando as imagens como produto final.

FILTRAGEM LINEAR

Todas as imagens possuem limites entre áreas com diferentes respostas em

relação à energia eletromagnética, como por exemplo, entre diferentes

coberturas do terreno (solo, vegetação, rocha e outros), ou podem

representar o contato entre áreas com diferentes condições de iluminação

devido ao sombreamento topográfico. Uma característica das imagens

digitais é o parâmetro chamado frequência espacial, o qual é definido como

o número de mudanças no valor de brilho por unidade de distância para

qualquer parte da imagem. Quando se tem pouca variação no valor de brilho

em áreas relativamente grandes, como é o caso de monoculturas, dizemos

que esta é uma região de baixa frequência. E, quando ocorre uma grande

variabilidade nos valores de brilho em áreas pequenas, dizemos que é uma

região de alta frequência (limites de plantações, redes de transporte,

estruturas geológicas, entre outros). A enorme mistura de frequências em

uma imagem dificulta a interpretação de feições com frequências

específicas. Deste modo, para contornar esse problema e melhorar a

aparência da distribuição espacial das informações, são utilizadas técnicas

de FILTRAGEM espacial de frequências (transformações de imagem pixel a

pixel ), as quais realçam seletivamente as feições de alta, média ou baixa

frequências que com põem as imagens de sensoriamento remoto. As

técnicas de filtragem são transformações da IMAG em pixel a pixel, que

não dependem apenas do nível de cinza de um determinado pixel, m as

também do valor dos níveis de cinza dos pixels vizinhos. O processo de

filtragem é feito utilizando matrizes denominadas máscaras, as quais são

aplicadas sobre a imagem. A aplicação da máscara co m centro na posição ( i,

j ), sendo i o número de uma dada linha e j o número de uma dada coluna

sobre a imagem, consiste na substituição do valor do pixel na posição ( i, j )

por um novo valor que depende dos valores dos pixels vizinhos e dos pesos

da máscara, gerando uma nova imagem com a eliminação das linhas e colunas

iniciais e finais da imagem original. A cada posição da máscara, está

associado um valor numérico, chamado de peso ou coeficiente. Em cada

posição ( i, j ), os pesos do filtro são multiplicados pelos níveis de cinza

(NCs) dos pixels correspondentes e somados, resultando em um novo valor

de NC, o qual substitui o antigo NC do pixel central

As imagens usadas a seguir são do satélite IKONOS do quadrante

representativo da cidade de Alegre, ES. Assim intitulamos o nosso projeto

com o nome de BACIA_RIO_ALEGRE.

Filtros lineares

O filtros servem para suavisar ou realçar detalhes da imagem, ou ainda

minimizar efeitos de ruído.

O sistema provê algumas máscaras pré-definidas para a aplicação de

cada tipo de filtro. No caso da filtragem linear estão disponíveis máscaras

para os filtros passa-baixa e passa-alta.

Para as imagens propostas abaixo, utilizamos a filtragem passa –baixa,

esta ajudou a destacar melhor o corpo d’água ( sendo esse o objetivo

primordial) onde podemos distinguir com mais clareza as devidas feições do

terreno.

Após a aplicação da correção geométrica, a filtragem linear e a correção

do contraste da imagem proposta, o produto final revela não apenas com

maior clareza a definição dos corpos d’água mas também as regiões com

maior concentração de vegetação ( usamos o infravermelho proximal), as

curvas de talveg, as regiões com solos mais expostos ao inteperismos dando

maior riqueza de detalhes a cada quadro sendo de fundamental importância

como base para todo tipo de projeto para a região.

Após a correção geométrica e aplicação da correção de contraste

obtivemos uma melhor definição da imagem e do curso d’água:

O curso d’água torna-se mais evidente à medida que aplicamos as devidas correções

CONCLUSÃO

Na comparação com as

imagens anteriores

constatamos uma feição

mais fiel as características

do terreno

Usando o infravermelho

proximal, averiguamos que

as regiões que estão

avermelhadas há maior

concentração de

vegetação, o que confirma

a análise acima

CONCLUSÃO

As técnicas abordadas neste trabalho visam com o apoio do software

SPRINTER, mostrar as diferentes técnicas de registro e refinamento de

uma imagem explorando as diversas formas de correções de ruídos e como

este manejo pode ajudar na identificação de feições no terreno. Como

exemplo final propomos uma correção de contraste e filtragem linear para

o modelo abordado e assim obtivemos definições mais claras de feições de

terreno.

BIBLIOGRAFIA

http://www.inpe.br/;

http://www.cbers.inpe.br/;

http://www.mundogeomatica.com.br/spring5x.htm