barbara diss 2010

7/21/2019 Barbara DISS 2010

1/179

sid.inpe.br/mtc-m19@80/2010/08.03.12.52.20-TDI

AVALIACAO DAS IMAGENS WORLDVIEW-II PARA OMAPEAMENTO DA COBERTURA DO SOLO URBANO

UTILIZANDO O SISTEMA INTERIMAGE

Barbara Maria Giaccom Ribeiro

Dissertacao de Mestrado do Curso de Pos-Graduacao em Sensoriamento Remoto,

orientada pelos Drs. Leila Maria Garcia Fonseca, e Hermann Johann Heinrich Kux,

aprovada em 26 de agosto de 2010.

URL do documento original:

INPE

Sao Jose dos Campos

2010
http://urlib.net/%208JMKD3MGP7W/3826JHAhttp://urlib.net/%208JMKD3MGP7W/3826JHA


2/179

PUBLICADO POR:

Instituto Nacional de Pesquisas Espaciais - INPE

Gabinete do Diretor (GB)

Servico de Informacao e Documentacao (SID)

Caixa Postal 515 - CEP 12.245-970

Sao Jose dos Campos - SP - Brasil

Tel.:(012) 3208-6923/6921

Fax: (012) 3208-6919

E-mail: [email protected]

CONSELHO DE EDITORACAO E PRESERVACAO DA PRODUCAOINTELECTUAL DO INPE (RE/DIR-204):

Presidente:

Dr. Gerald Jean Francis Banon - Coordenacao Observacao da Terra (OBT)

Membros:

Dra Inez Staciarini Batista - Coordenacao Ciencias Espaciais e Atmosfericas (CEA)

Dra Maria do Carmo de Andrade Nono - Conselho de Pos-Graduacao

Dra Regina Celia dos Santos Alvala - Centro de Ciencia do Sistema Terrestre (CST)

Marciana Leite Ribeiro - Servico de Informacao e Documentacao (SID)Dr. Ralf Gielow - Centro de Previsao de Tempo e Estudos Climaticos (CPT)

Dr. Wilson Yamaguti - Coordenacao Engenharia e Tecnologia Espacial (ETE)

Dr. Horacio Hideki Yanasse - Centro de Tecnologias Especiais (CTE)

BIBLIOTECA DIGITAL:

Dr. Gerald Jean Francis Banon - Coordenacao de Observacao da Terra (OBT)

Marciana Leite Ribeiro - Servico de Informacao e Documentacao (SID)

Deicy Farabello - Centro de Previsao de Tempo e Estudos Climaticos (CPT)

REVISAO E NORMALIZACAO DOCUMENTARIA:

Marciana Leite Ribeiro - Servico de Informacao e Documentacao (SID)

Yolanda Ribeiro da Silva Souza - Servico de Informacao e Documentacao (SID)

EDITORACAO ELETRONICA:

Viveca SantAna Lemos - Servico de Informacao e Documentacao (SID)


3/179

sid.inpe.br/mtc-m19@80/2010/08.03.12.52.20-TDI

AVALIACAO DAS IMAGENS WORLDVIEW-II PARA OMAPEAMENTO DA COBERTURA DO SOLO URBANO

UTILIZANDO O SISTEMA INTERIMAGE

Barbara Maria Giaccom Ribeiro

Dissertacao de Mestrado do Curso de Pos-Graduacao em Sensoriamento Remoto,

orientada pelos Drs. Leila Maria Garcia Fonseca, e Hermann Johann Heinrich Kux,

aprovada em 26 de agosto de 2010.

URL do documento original:

INPE

Sao Jose dos Campos

2010
http://urlib.net/%208JMKD3MGP7W/3826JHAhttp://urlib.net/%208JMKD3MGP7W/3826JHA


4/179

Dados Internacionais de Catalogacao na Publicacao (CIP)

Ribeiro, Barbara Maria Giaccom.

R35a Avaliacao das imagens Worldview-II para o mapeamento da

cobertura do solo urbano utilizando o sistema InterIMAGE / Bar-bara Maria Giaccom Ribeiro. Sao Jose dos Campos : INPE, 2010.

xxvi+151 p. ; (sid.inpe.br/mtc-m19@80/2010/08.03.12.52.20-TDI)

Dissertacao (Mestrado em Sensoriamento Remoto) InstitutoNacional de Pesquisas Espaciais, Sao Jose dos Campos, 2010.

Orientadores : Drs. Leila Maria Garcia Fonseca, e HermannJohann Heinrich Kux.

1. Sensoriamento remoto. 2. Geographic Object-Based ImageAnalysis (GEOBIA). 3. InterIMAGE. 4. Imagem de alta resolucao.5. Cobertura do solo urbano. I.Ttulo.

CDU 528.854(1-21) (815)

Copyright c 2010 do MCT/INPE. Nenhuma parte desta publicacao pode ser reproduzida, arma-zenada em um sistema de recuperacao, ou transmitida sob qualquer forma ou por qualquer meio,

eletronico, mecanico, fotografico, reprografico, de microfilmagem ou outros, sem a permissao es-

crita do INPE, com excecao de qualquer material fornecido especificamente com o proposito de ser

entrado e executado num sistema computacional, para o uso exclusivo do leitor da obra.

Copyright c 2010 by MCT/INPE. No part of this publication may be reproduced, stored in a

retrieval system, or transmitted in any form or by any means, electronic, mechanical, photocopying,

recording, microfilming, or otherwise, without written permission from INPE, with the exception

of any material supplied specifically for the purpose of being entered and executed on a computer

system, for exclusive use of the reader of the work.

ii


5/179


6/179

iv

Quando o texto terminar em pgina mpar, o verso fica em branco.


7/179

v

The land is the simplest form of architecture. It is man in possession of his earth.

It is the only true record of him where his possession of earth is concerned.

While he was true to earth, his architecture was creative.

Frank Lloyd Wright

OPCIONAL, FEITA PELO AUTOR, FORMATO LIVRE, NO TITULAR COMA PALAVRA CITAO OU EPGRAFE


8/179

vi



9/179

vii

A meus pais, Vitor e Cristina, pelo apoio

incondicional na realizao dos meus sonhos...


10/179

viii



11/179

ix

AGRADECIMENTOS

Aos meus orientadores, Dra. Leila Maria Garcia Fonseca e Dr. Hermann JohannHeinrich Kux, pela confiana depositada, orientao, pacincia e incentivo narealizao deste Mestrado.

Ao Conselho Nacional de Desenvolvimento Cientfico e Tecnolgico CNPq, pelo apoiofinanceiro execuo desta pesquisa.

Ao Instituto Nacional de Pesquisas Espaciais INPE, pela oportunidade de estudos eutilizao de suas instalaes, e acima de tudo, pelas enriquecedoras experinciasproporcionadas durante o Curso de Mestrado.

empresa Digital Globe, na pessoa do Dr. Kumar Navulur, pela cesso das imagensWorldViewII, e de Giandri Machado, pela cesso das imagens QuickBirdII.

equipe do Laboratrio de Viso Computacional da PUCRJ, por todo empenho nodesenvolvimento do InterIMAGE, em especial, ao Dr. Raul Queiroz Feitosa.

Ao Prof. Paulo Csar Gurgel de Albuquerque, pela ajuda nos trabalhos de campo.

A todos aqueles que direta ou indiretamente contriburam com o desenvolvimentodeste trabalho, em especial, aos amigos Clber Gonzales de Oliveira, Emiliano FerreiraCastejon, Thales Sehn Korting, Giovanni de Arajo Boggione e Carolina Moutinho

Duque de Pinho.

Aos meus amigos do INPE, pela fora e incentivo nos momentos difceis, edescontrao nos momentos alegres. Aos professores Elisabete Caria de Moraes eAntnio Miguel Vieira Monteiro, por mostrarem toda a diverso que existe por trs dapesquisa cientfica.

querida turma PGSER 2008, companheira de jornada, estudos e comemoraes, emespecial, Renata Fernandes Figueira Nascimento, Cldis de Oliveira Andrades Filho,Ludmila Roque Ferraz Pacheco, Matheus Alves Vieira e rika Akemi Saito, pelo

companheirismo ao longo destes trinta meses.Aos amigos joseenses e "paulistanos", por entenderem minhas ausncias e vibraremcom minhas (raras) presenas.

A minha famlia, pai, me e irm, por sempre acreditarem em mim e nunca me deixardesistir.

A todas as pessoas que torceram por mim. Muito Obrigada!


12/179

x


13/179

xi

RESUMO

A aquisio de informaes detalhadas e atualizadas sobre o tecido urbano estratgica para o planejamento e a gesto do territrio. O mapeamento da coberturado solo urbano por meio de imagens de sensoriamento remoto tem sido amplamenteexplorado, principalmente com a disponibilidade de imagens de alta resoluo e detcnicas de processamento baseadas em objeto. Este estudo utiliza o sistemaInterIMAGE e imagens do sensor orbital WorldViewII para a classificao da coberturado solo de cinco reasteste prximas ao Trecho Oeste do Rodoanel Mrio Covas, naRegio Metropolitana de So Paulo, duas tecnologias novas e ainda pouco exploradasnos estudos urbanos. A hiptese deste trabalho que a melhoria da resoluoespectral das imagens WorldViewII pode facilitar a identificao de alvos urbanos, econseqentemente aprimorar a classificao da cobertura do solo. A avaliao do

efeito da melhoria da resoluo espectral do sistema WorldViewII realizada pormeio da sua simulao a partir de imagens do satlite QuickBirdII. Os conjuntos deimagens (original e simulado) foram ortorretificados e fusionados previamente anlise exploratria. O modelo de classificao foi construdo de acordo com aestratgia de anlise de imagens do InterIMAGE, um sistema de interpretao deimagens baseado em conhecimento, que possui cdigo aberto e de uso e distribuiolivre e gratuita. Neste sistema, o conhecimento humano representado por uma redesemntica construda com regras definidas pelo usurio e com base nos paradigmas daanlise de imagens baseada em objetos. A segmentao e a classificao so baseadasem objetos, e as regras de deciso so compostas por atributos espectrais e

geomtricos. A metodologia proposta mostrouse eficiente para mapear a coberturado solo em reas urbanas complexas, e as classificaes finais atingiram valores deexatido global superiores a 83% e ndices superiores a 0,81. Os conflitos tpicosdeste tipo de classificao foram resolvidos, com boa identificao de quinze classesde cobertura do solo. O objetivo de avaliar o mapeamento da cobertura do solo apartir de imagens WorldViewII foi atingido, e os resultados demonstram aaplicabilidade do InterIMAGE na extrao de informaes atualizadas sobre oambiente urbano.


14/179

xii


15/179

xiii

EVALUATION OF WORLDVIEWII IMAGES FOR URBAN LAND COVER MAPPING USING

THE INTERIMAGE SYSTEM

ABSTRACT

The acquisition of updated and detailed information on urban land cover is strategicfor urban planning and management in present times. Mapping of urban land coverusing remote sensing technology has been widely explored, especially with the recentavailability of high resolution images and objectbased processing techniques. Thisstudy uses the InterIMAGE system and WorldViewII orbital sensor imagery, twotechnologies which are new and still little explored in urban studies, to classify landcover in five testsites near to the western section of Rodoanel Mrio Covas, a ringroads that surrounds the metropolitan area of So Paulo, Brazil. The work hypothesisis: the spectral resolution increase of WorldViewII imagery, compared to previoussensor systems, can improve the identification of urban targets, and consequently,improve the land cover classification. To evaluate the effects of the increase onspectral resolution of WorldViewII system images, we simulated an image based ondata from the QuickBirdII sensor. The image sets (original and simulated) wereorthorrectified and pansharpened previously to the exploratory analysis. Theclassification model was built according to InterIMAGEs image analysis strategy.

InterIMAGE is an open source and free access framework for knowledgebased imageclassification. Within this system, human knowledge is represented as a semantic netbuilt with userdefined rules based on the paradigms of objectoriented imageanalysis. The segmentation and classification are objectbased, and the decision ruleswere composed by spectral and geometrical attributes. The proposed methodology isefficient to map the land cover in complex urban areas and the final classificationachieved an overall accuracy of 83% and a Accuracy Index of 0.81. The typicalclassification conflicts were solved, with a good identification of fifteen land coverclasses. The proposed objective of land cover mapping was achieved with good results,showing the applicability of InterIMAGE to explore high resolution satellite data and

update information from urban land cover classes.


16/179

xiv


17/179

xv

LISTA DE FIGURAS

P.

Figura 2.1 Bandas pancromticas e multiespectrais dos sensores QuickBirdII eWorldViewII. ............................................................................................................... 11

Figura 2.2 Espectros obtidos em laboratrio para as amostras de telhas e solos. . 12

Figura 2.3 Perfis espectrais de de telhado de cermica (3 a 8) e soloexposto (1 e 2) ............................................................................................................. 13

Figura 2.4 Exemplos de imagens com diferentes geometrias de visada (seo dareateste A)................................................................................................................. 16

Figura 2.5 Rede semntica do estudo de Novack (2009) desenvolvida noInterIMAGE. ................................................................................................................. 24

Figura 2.6 Exemplo de rede semntica. ................................................................... 25

Figura 2.7 Esquema representativo do processo de interpretao de uma cena noInterIMAGE. ................................................................................................................. 28

Figura 2.8 Exemplo de rede semntica. ................................................................... 30

Figura 3.1 Localizao do Rodoanel Mrio Covas na Regio Metropolitana de SoPaulo. Em azul est demarcada a rea de estudo. ...................................................... 32

Figura 3.2 Localizao das cinco reasteste. ........................................................... 34

Figura 3.3 Diagrama de blocos dos passos metodolgicos. ..................................... 37

Figura 3.4 Curvas espectrais: respostas espectrais normalizadas das bandas dossensores: (a) QuickBirdII, (b) WorldViewII. ........................................................ 39

Figura 3.5 Contribuio de cada banda do sensor WorldViewII para gerar asquatro bandas do QuickBirdII..................................................................................... 40

Figura 3.6 Recortes da imagem multiespectral original do sensor QuickBirdII (a)e da imagem multiespectral simulada QuickBirdII (b), na composio colorida R(3)

G(2) B(1). ...................................................................................................................... 42Figura 3.7 Exemplo de rede hierrquica para classificao das imagens com asclasses utilizadas neste estudo. ................................................................................... 47

Figura 3.8 (a) Rede com poucos nveis e muitos nsfolha e (b) rede com maisnveis e menos nsfolha por cada nvel. .................................................................... 51

Figura 3.9 Exemplo de boa segmentao. ................................................................ 53

Figura 3.10 Visualizao do atributo "razo da banda 1" (sensor WorldViewII)em nveis de cinza. Os segmentos mais escuros correspondem s classes SoloExposto e Telha Cermica............................................................................................ 54


18/179

xvi

Figura 4.1 Mapa temtico resultante da classificao da cobertura do solo apartir da imagem WorldViewII para a reateste A. .................................................. 58

Figura 4.2 Mapa temtico resultante da classificao da cobertura do solo apartir da imagem QuickBirdIIsimulada para a reateste A...................................... 59

Figura 4.3 Mapa temtico resultante da classificao da cobertura do solo apartir da imagem WorldViewII simulada para a reateste B. ................................. 60

Figura 4.4 Mapa temtico resultante da classificao da cobertura do solo apartir da imagem QuickBirdIIsimulada para a reateste B. ..................................... 61

Figura 4.5 Mapa temtico resultante da classificao da cobertura do solo apartir da imagem WorldViewII simulada para a reateste C. ................................. 62

Figura 4.6 Mapa temtico resultante da classificao da cobertura do solo a

partir da imagem QuickBirdIIsimulada para a reateste C. ..................................... 63

Figura 4.7 Mapa temtico resultante da classificao da cobertura do solo apartir da imagem WorldViewII simulada para a reateste D. ................................. 64

Figura 4.8 Mapa temtico resultante da classificao da cobertura do solo apartir da imagem QuickBirdIIsimulada para a reateste D. .................................... 65

Figura 4.9 Mapa temtico resultante da classificao da cobertura do solo apartir da imagem WorldViewII simulada para a reateste E. .................................. 66

Figura 4.10 Mapa temtico resultante da classificao da cobertura do solo apartir da imagem QuickBirdIIsimulada para a reateste E. ..................................... 67

Figura 4.11 Grfico dos ndices condicional para as classes de cobertura dosolo da reateste A. ..................................................................................................... 69

Figura 4.12 Grfico dos ndices condicional para as classes de cobertura dosolo da reateste B. ..................................................................................................... 70

Figura 4.13 Grfico dos ndices condicional para as classes de cobertura dosolo da reateste C. ..................................................................................................... 70

Figura 4.14 Grfico dos ndices condicional para as classes de cobertura dosolo da reateste D. ..................................................................................................... 71

Figura 4.15 Grfico dos ndices condicional para as classes de coberturado solo da reateste E. ............................................................................................... 71

Figura 4.16 Grficos dos ndices (a) condicional, (b) exatido do usurio e(c) do produtor para a classe Vegetao Rasteira. ...................................................... 72

Figura 4.17 Seo da reateste D com trs densidades de vegetao rasteira. ..... 74

Figura 4.18 Seo da reateste D mostrando erros de classificao de vegetaorasteira. ........................................................................................................................ 74


19/179

xvii

Figura 4.19 Grficos dos ndices (a) condicional, (b) exatido do usurio e(c) do produtor para a classe Vegetao Arbrea. ...................................................... 75

Figura 4.20 Cobertura vegetal e sombreamento em uma seo da reateste E.... 76

Figura 4.21 Grficos dos ndices (a) condicional, (b) exatido do usurio e(c) do produtor para a classe Solo Exposto. ................................................................ 77

Figura 4.22 Grficos dos ndices (a) condicional, (b) exatido do usurio e(c) do produtor para a classe Telha Cermica. ............................................................ 78

Figura 4.23 Grficos dos ndices (a) condicional, (b) exatido do usurio e(c) do produtor para a classe Telha Metlica. ............................................................. 79

Figura 4.24 Telhados metlicos planos e arredondados da reateste B. ............... 79

Figura 4.25 Telhados metlicos planos da reateste E. .......................................... 80

Figura 4.26 Grficos dos ndices (a) condicional, (b) exatido do usurio e(c) do produtor para a classe Cobertura em Cimento Claro. ...................................... 81

Figura 4.27 Seo da reateste A onde ocorrem confuses entre alvos da classeTelha Metlica e Cobertura de Cimento Claro e Mdio. ............................................. 82

Figura 4.28 Grficos dos ndices (a) condicional, (b) exatido do usurio e(c) do produtor para a classe Cobertura de Cimento Mdio. ..................................... 83

Figura 4.29 Coberturas em cimento mdio lajes planas de concreto (emvermelho). ................................................................................................................... 83

Figura 4.30 Seo da reateste C onde ocorrem confuses entre alvos da classeTelha Cermica e Cobertura em Cimento Mdio. ....................................................... 84

Figura 4.31 Grficos dos ndices (a) condicional, (b) exatido do usurio e(c) do produtor para a classe Cobertura de Cimento Escuro. ..................................... 85

Figura 4.32 Cobertura de telhas de cimento escurecido presentes na reatesteE. .................................................................................................................................. 86

Figura 4.33 Seo da imagem WorldViewII composio R(5) G(3) B(2)mostrando as telhas de cimento pigmentado (Movimento Habitacional Casa ParaTodos, Osasco). ............................................................................................................ 87

Figura 4.34 Grficos dos ndices (a) condicional, (b) exatido do usurio e(c) do produtor para a classe Asfalto. ......................................................................... 88

Figura 4.35 Grficos dos ndices (a) condicional, (b) exatido do usurio e(c) do produtor para a classe Sombra. ........................................................................ 89

Figura 4.36 Grficos dos ndices (a) condicional, (b) exatido do usurio e(c) do produtor para a classe Crrego. ........................................................................ 90

Figura 4.37 ADPM Osasco: rea de recreao externa com piso em pedranatural. ........................................................................................................................ 90


20/179

xviii

Figura A.1 Distribuio dos pontos coletados em campo para a rea 1. ................. 111

Figura A.2 Distribuio dos pontos coletados em campo para a rea 2. ................. 112

Figura E.1 Segmentao de quadras e ruas utilizando . . 129Figura E.2 Estrutura tpica das redes semnticas utilizadas nas classificaes. ....... 130

Figura E.3 Regras de deciso para a classe Vegetao Rasteira na classificaodas imagens (a) WorldViewII e (b) QuickBirdIIsimulada, da reateste B. .............. 131

Figura E.4 Regras de deciso para a classe Vegetao Arbrea na classificaodas imagens (a) WorldViewII e (b) QuickBirdIIsimulada, da reateste B. .............. 131

Figura E.5 Regras de deciso para a classe Solo Exposto na classificao dasimagens (a) WorldViewII e (b) QuickBirdIIsimulada, da reateste D. .................... 132

Figura E.6 Regras de deciso para a classe Telha Cermica na classificao dasimagens (a) WorldViewII e (b) QuickBirdIIsimulada, da reateste A. .................... 132

Figura E.7 Regras de deciso para a classe Telha Metlica na classificao dasimagens (a) WorldViewII e (b) QuickBirdIIsimulada, da reateste D. .................... 132

Figura E.8 Regras de deciso para a classe Cobertura em Cimento Claro naclassificao das imagens (a) WorldViewII e (b) QuickBirdIIsimulada, da reateste A. ......................................................................................................................... 133

Figura E.9 Regras de deciso para a classe Cobertura em Cimento Mdio naclassificao das imagens (a) WorldViewII e (b) QuickBirdIIsimulada, da rea

teste C. ......................................................................................................................... 133Figura E.10 Regras de deciso para a classe Cobertura em Cimento Escuro naclassificao das imagens (a) WorldViewII e (b) QuickBirdIIsimulada, da reateste B. ......................................................................................................................... 134

Figura E.11 Regras de deciso para a classe Telha de Cimento Pigmentada naclassificao das imagens (a) WorldViewII e (b) QuickBirdIIsimulada, da reateste B. ......................................................................................................................... 134

Figura E.12 Regras de deciso para a classe Cobertura em PVC na classificaodas imagens (a) WorldViewII e (b) QuickBirdIIsimulada, da reateste A. .............. 134

Figura E.13 Regras de deciso para a classe Sombra na classificao das imagens(a) WorldViewII e (b) QuickBirdIIsimulada, da reateste C. ................................... 135

Figura E.14 Regras de deciso para a classe Asfalto na classificao das imagens(a) WorldViewII e (b) QuickBirdIIsimulada, da reateste E. ................................... 136

Figura E.15 Regras de deciso para a classe Crrego na classificao das imagens(a) WorldViewII e (b) QuickBirdIIsimulada, da reateste E. ................................... 136


21/179

xix

Figura E.16 Regras de deciso para a classe Piso em Pedra Natural naclassificao das imagens (a) WorldViewII e (b) QuickBirdIIsimulada, da reateste E. ......................................................................................................................... 137

Figura E.17 Regras de deciso para a classe Piscina na classificao das imagens(a) WorldViewII e (b) QuickBirdIIsimulada, da reateste E. ................................... 137


22/179

xx


23/179

xxi

LISTA DE TABELAS

P.

Tabela 3.1 Porcentagem da contribuio das bandas multiespectrais do sensorWorldViewII para gerar as bandas do QuickbirdII. ................................................... 40

Tabela 3.2 das ortoimagens de cada reateste. .......................................... 45

Tabela 4.1 Exatido global, ndice e varincia do ndice para asclassificaes realizadas nas cinco reasteste. .......................................................... 68

Tabela A.1 Resultados do processamento dos dados levantados em campo. ........ 112

Tabela B.1 Dados dos pontos de controle () utilizados na ortorretificao dasimagens WorldViewII e QuickBirdIIsimulada rea 1. ............................................... 115

Tabela B.2 Dados dos pontos de validao () da rea 1, imagens WorldViewII eQuickBirdIIsimulada. ................................................................................................... 116

Tabela B.3 Validao planimtrica das ortoimagens da rea 1, imagensWorldViewII e QuickBirdIIsimulada. ........................................................................... 116

Tabela B.4 Dados dos pontos de controle () utilizados na ortorretificao das

imagens WorldViewII e QuickBirdIIsimulada rea 2. ............................................... 117Tabela B.5 Dados dos pontos de validao () da rea 2, imagens WorldViewII eQuickBirdIIsimulada. ................................................................................................... 117

Tabela B.6 Validao planimtrica das ortoimagens da rea 2, imagensWorldViewII e QuickBirdIIsimulada. ........................................................................... 118

Tabela C.1 Classes de cobertura do solo. ................................................................. 119

Tabela D.1 Parmetros utilizados para segmentao das imagens WorldViewII eQuickBirdIIsimulada da reateste A. ........................................................................ 125

Tabela D.2 Parmetros utilizados para segmentao das imagens WorldViewII eQuickBirdIIsimulada da reateste B. ........................................................................ 126

Tabela D.3 Parmetros utilizados para segmentao das imagens WorldViewII eQuickBirdIIsimulada da reateste C. ........................................................................ 126

Tabela D.4 Parmetros utilizados para segmentao das imagens WorldViewII eQuickBirdIIsimulada da reateste D. ....................................................................... 127

Tabela D.5 Parmetros utilizados para segmentao das imagens WorldViewII eQuickBirdIIsimulada da reateste E. ........................................................................ 127

Tabela F.1 Teste Z para cada classificao das cinco reasteste. ............................. 141


24/179

xxii

Tabela F.2 Matriz de confuso da classificao da imagem WorldViewII da reateste A. ......................................................................................................................... 142

Tabela F.3 ndices condicional para as classes de cobertura do solo relativa classificao da imagem WorldViewII da reateste A. ................................................. 142

Tabela F.4 Matriz de confuso da classificao da imagem QuickBirdIIsimulada dareateste A. ................................................................................................................. 143

Tabela F.5 ndices condicional para as classes de cobertura do solo relativa classificao da imagem QuickBirdIIsimulada da reateste A. .................................... 143

Tabela F.6 Matriz de confuso da classificao da imagem WorldViewII da reateste B. ......................................................................................................................... 144

Tabela F.7 ndices condicional para as classes de cobertura do solo relativa

classificao da imagem WorldViewII da reateste B. ................................................. 144

Tabela F.8 Matriz de confuso da classificao da imagem QuickBirdIIsimulada dareateste B. ................................................................................................................. 145

Tabela F.9 ndices condicional para as classes de cobertura do solo relativa classificao da imagem QuickBirdIIsimulada da reateste B. .................................... 145

Tabela F.10 Matriz de confuso da classificao da imagem WorldViewII da reateste C. ......................................................................................................................... 146

Tabela F.11 ndices condicional para as classes de cobertura do solo relativa classificao da imagem WorldViewII da reateste C. .............................................. 146

Tabela F.12 Matriz de confuso da classificao da imagem QuickBirdIIsimuladada reateste C. ............................................................................................................. 147

Tabela F.13 ndices condicional para as classes de cobertura do solo relativa classificao da imagem QuickBirdIIsimulada da reateste C. ................................. 147

Tabela F.14 Matriz de confuso da classificao da imagem WorldViewII da reateste D. ......................................................................................................................... 148

Tabela F.15 ndices condicional para as classes de cobertura do solo relativa classificao da imagem WorldViewII da reateste D. .............................................. 148

Tabela F.16 Matriz de confuso da classificao da imagem QuickBirdIIsimulada da reateste D. ............................................................................................ 149

Tabela F.17 ndices condicional para as classes de cobertura do solo relativa classificao da imagem QuickBirdIIsimulada da reateste D. ................................. 149

Tabela F.18 Matriz de confuso da classificao da imagem WorldViewII da reateste E. .......................................................................................................................... 150

Tabela F.19 ndices condicional para as classes de cobertura do solo relativa classificao da imagem WorldViewII da reateste E. .............................................. 150


25/179

xxiii

Tabela F.20 Matriz de confuso da classificao da imagem QuickBirdIIsimuladada reateste E. ............................................................................................................. 151

Tabela F.21 ndices condicional para as classes de cobertura do solo relativa classificao da imagem QuickBirdIIsimulada da reateste E. ................................. 151


26/179

xxiv


27/179

xxv

SUMRIO

P.

1 INTRODUO ................................................................................................ 1

2 MAPEAMENTO DA COBERTURA DO SOLO URBANO: REVISO ........................ 5

2.1 O sensoriamento remoto em reas urbanas ...................................................... 5

2.1.1 Imagens de alta resoluo espacial .................................................................. 9

2.1.1.1 Sensores QuickBirdII e WorldViewII ........................................................... 10

2.1.2 Discriminao espectral de alvos urbanos ....................................................... 11

2.1.3 Condies de coleta da imagem ...................................................................... 14

2.2 GEOBIA Anlise Geogrfica de Imagens Baseada em Objeto ........................... 17

2.3 Sistemas de interpretao de imagens baseados em conhecimento ................ 19

2.4 InterIMAGE .......................................................................................................... 21

2.4.1 Rede Semntica ................................................................................................ 23

2.4.2 Operadores ....................................................................................................... 26

2.4.3 Etapas e ......................................................................... 27

3 METODOLOGIA .............................................................................................. 31

3.1 rea de estudo .................................................................................................... 31

3.1.1 reasTeste ....................................................................................................... 33

3.2 Materiais ............................................................................................................. 35

3.3 Processamentos .................................................................................................. 36

3.3.1 Preparao dos Dados ...................................................................................... 38

3.3.1.1 Simulao de bandas ..................................................................................... 38

3.3.1.2 Fuso ............................................................................................................. 42

3.3.1.3 Ortorretificao ............................................................................................. 43

3.3.2 Mapeamento da Cobertura do Solo ................................................................ 45

3.3.2.1 Definio das classes de cobertura do solo .................................................. 46

3.3.2.2 Construo da rede hierrquica .................................................................... 49

3.3.2.3 Segmentao ................................................................................................. 51

3.3.2.4 Anlise exploratria ...................................................................................... 53

3.3.2.5 Modelo de classificao ................................................................................ 54

3.3.3 Avaliao das classificaes ............................................................................. 55

4 RESULTADOS E DISCUSSO ............................................................................ 57

4.1 Mapas temticos ................................................................................................. 57

4.2 Distino entre classes de cobertura do solo ..................................................... 68


28/179

xxvi

4.2.1 Vegetao Rasteira ........................................................................................... 72

4.2.2 Vegetao Arbrea ........................................................................................... 75

4.2.3 Solo Exposto ..................................................................................................... 76

4.2.4 Telha Cermica ................................................................................................. 77

4.2.5 Telha Metlica .................................................................................................. 79

4.2.6 Cobertura em Cimento Claro ........................................................................... 81

4.2.7 Cobertura em Cimento Mdio ......................................................................... 82

4.2.8 Cobertura em Cimento Escuro ......................................................................... 84

4.2.9 Telha de Cimento Pigmentada ......................................................................... 86

4.2.10Cobertura em PVC ............................................................................................ 87

4.2.11Asfalto .............................................................................................................. 87

4.2.12Sombra ............................................................................................................. 88

4.2.13Crrego ............................................................................................................. 89

4.2.14Piso em Pedra Natural ...................................................................................... 90

4.2.15Piscina ............................................................................................................... 91

5 CONCLUSES ................................................................................................. 93

REFERNCIAS BIBLIOGRFICAS ............................................................................ 97

APNDICE A TRABALHO DE CAMPO .............................................................. 111

APNDICE B VALIDAO DA ORTORRETIFICAO ......................................... 115

APNDICE C CLASSES DE COBERTURA DO SOLO ............................................ 119

APNDICE D PARMETROS DE SEGMENTAO ............................................. 125

APNDICE E PARMETROS DE CLASSIFICAO .............................................. 129

APNDICE F AVALIAO DAS CLASSIFICAES .............................................. 139


29/179

1

1 INTRODUO

O ambiente urbano tem figurado constantemente como objeto de estudo em diversas

reas do conhecimento humano nas ltimas dcadas. O rpido aumento populacional

constitui um dos maiores problemas para o planejamento e controle do crescimento

urbano. Segundo Santos (2004), a tendncia do mundo atual uma acelerao cada

vez maior dos processos de transformao da paisagem, tornandose de vital

importncia compreender sua dinmica.

Uma maneira de compreender a dinmica das cidades se d por meio do estudo da

cobertura do solo. Conhecendose a cobertura do solo, tornamse possveis anlises

sobre a configurao do espao urbano e seus processos de ocupao e urbanizao.

Neste contexto, o sensoriamento remoto apresentase como uma maneira eficiente

para obteno de informaes acerca da cobertura do solo, observada sua capacidade

de aquisio sinptica de dados de grandes reas no terreno com um nvel de

detalhamento adequado aos estudos urbanos.

O avano das tecnologias de sensoriamento remoto e a maior disponibilidade de

sistemas sensores expandiram o leque de aplicaes de imagens digitais, devido,

principalmente, significativa melhoria nas resolues espacial, temporal e

radiomtrica dos sistemas sensores (EHLERS, 2007). Estes avanos explicam a

crescente utilizao destes produtos em estudos urbanos, e as potencialidades do

sensoriamento remoto tm sido demonstradas e confirmadas nas mais diferentes

aplicaes, conforme pode ser observado em Blaschke e Kux (2007), Blaschke (2010),

entre outros.

Contudo, os atuais sensores orbitais de alta resoluo espacial possuem limitao

quanto resoluo espectral (quantidade, largura e posio de bandas no espectro

eletromagntico). Este fator compromete a diferenciao das classes de cobertura do

solo em estudos urbanos utilizando procedimentos de classificao automtica

(HEROLD et al., 2002; 2003; 2004; MOREIRA, 2008; NORONHA et al., 2002).


30/179

2

Com o lanamento do sensor WorldViewII, em outubro de 2009, abriramse novas

perspectivas para o estudo de propriedades espectrais dos alvos urbanos. Este o

primeiro sensor orbital de alta resoluo espacial (0,46 m na banda pancromtica e

1,84 m nas bandas multiespectrais) que possui oito bandas multiespectrais (cinco

bandas localizadas na faixa do espectro eletromagntico visvel e trs na faixa do infra

vermelho prximo).

Neste cenrio, o detalhamento propiciado pela melhoria das resolues espacial e

espectral, juntamente com o aprimoramento das tcnicas de processamento de

imagens, tem possibilitado a anlise e o mapeamento da cobertura do solo em umnvel nunca realizado anteriormente com imagens orbitais.

As limitaes dos estudos em reas urbanas concernem no somente disponibilidade

de dados de qualidade e a preos acessveis, como tambm s metodologias para

manipulao das imagens de alta resoluo. Os sistemas de anlise de imagens do tipo

OBIA ( ) tm sido utilizados com bastante freqncia em

aplicaes de classificao de uso e cobertura de ambientes urbanos quando se

utilizam dados de alta resoluo espacial. Entretanto, a grande maioria destes sistemas

comercial, o que resulta em dois problemas: 1) geralmente os preos so elevados;

2) no so facilmente adaptveis s necessidades especficas de cada aplicao, ou

seja, so sistemas fechados, sem possibilidade de customizao.

A fim de contribuir com um sistema que proporcione alta capacidade de

customizao e de ampliao de ferramentas, a PUCRJ e o INPE esto desenvolvendo

um sistema de interpretao de imagens baseado em conhecimento, InterIMAGE, que

possui cdigo aberto e de uso e distribuio livre e gratuita (COSTA et al., 2008).

Neste contexto, este trabalho tem como objetivo avaliar o desempenho das imagens

do sensor WorldViewII para o mapeamento da cobertura do solo em reas urbanas

usando o livre InterIMAGE. Como rea de estudo, foram selecionadas cinco

reasteste junto ao Trecho Oeste do Rodoanel Mrio Covas, na Regio Metropolitana


31/179

3

de So Paulo. Para efeito de comparao, so utilizadas as imagens de alta resoluo

espacial do sensor QuickBirdII.

A hiptese deste trabalho que a melhoria da resoluo espectral das imagens

WorldViewII, em relao s outras imagens de alta resoluo espacial disponveis,

pode facilitar a identificao de alvos urbanos, e conseqentemente aprimorar a

classificao da cobertura do solo.

A avaliao do efeito da melhoria da resoluo espectral do sistema WorldViewII

realizada por meio da sua simulao a partir de imagens do satlite QuickBirdII.

Considerandose que no existem imagens destes dois sensores adquiridas na mesma

data para a rea de estudo selecionada, criouse uma imagem simulada QuickBirdII

utilizando a imagem WorldViewII. Desta forma, assegurase que os dados sob

comparao possuem as mesmas condies geomtricas e atmosfricas de

imageamento.

Este documento est organizado em cinco captulos. Em Mapeamento da Cobertura

Do Solo Urbano: Reviso, so abordados conceitos tericos e trabalhos relacionados

aos principais campos do conhecimento explorados nesta pesquisa. Em Metodologia,

apresentada a rea de estudo e demonstrados os dados, aplicativos computacionais e

a organizao e descrio dos passos metodolgicos aplicados ao longo do trabalho.

Em Resultados e Discusso, apresentase, analisase e discutese os resultados

obtidos. Por ltimo, Concluses rene as consideraes finais e perspectivas para

trabalhos futuros.


32/179

4


33/179

5

2 MAPEAMENTO DA COBERTURA DO SOLO URBANO: REVISO

De grande importncia para o planejamento e monitoramento urbano, o mapeamento

em grandes escalas pode ser realizado por meio de imagens de sensoriamento remoto,

que isoladamente facilitam a atualizao de bases cadastrais e, quando associadas a

outras fontes de dados, como mapas temticos, por exemplo, possibilitam,

principalmente em reas urbanas, o monitoramento da dinmica espaotemporal, a

deteco de reas de ocupao irregular, o estabelecimento de novas reas para

construes, estudos de impermeabilizao do solo, dentre outros (ANTUNES;

CORTESE, 2007; KUX; ARAJO, 2008).

Alm de dados scioeconmicos, podese elencar como uma das principais

informaes para a gesto das cidades o uso e a ocupao do solo. Em urbanismo, o

uso do solo diz respeito ao modo como um terreno est sendo utilizado, como por

exemplo, uso residencial, comercial, etc. A ocupao do solo traduz a dimenso da

construo sobre o terreno. Estes instrumentos compem os ndices urbansticos

utilizados pelas prefeituras municipais para a gesto de suas reas urbanas, bem como

para o planejamento da expanso urbana (PRESIDNCIA DA REPBLICA, 2001).

O uso do solo um conceito abstrato, uma mistura de fatores culturais e econmicos,

a maioria dos quais no pode ser diretamente determinada atravs do sensoriamento

remoto (BARNSLEY et al., 2001). Por sua vez, a cobertura do solo estabelece relaes

diretas com a radincia espectral detectada, pois se refere aos aspectos fsicos da

superfcie, e traduzida em classes como "vegetao rasteira", "concreto", "gua",

entre outros (JENSEN; COWEN, 1999; NOVO, 2007).

2.1 O

A aquisio de informaes acerca da ocupao urbana por meio de levantamentos

onerosa temporal e financeiramente, alm de prover dados pontuais e relativos

ao perodo de estudo especfico. Como alternativa, o sensoriamento remoto constitui

um instrumento pertinente e eficaz para pesquisas urbanas, por possibilitar uma viso


34/179

6

sinptica do territrio, fornecendo dados em resolues espaciais e temporais

adequadas ao estudo urbano e compatveis com a dinmica de transformao da

paisagem (JENSEN, 2009; LANG; BLASCHKE, 2009).

O mapeamento da cobertura do solo urbano por meio de imagens de sensoriamento

remoto tem sido amplamente explorado, a partir da dcada de 1970, utilizando ento

dados com resoluo espacial menos refinada do que aquela disponvel nos sistemas

sensores atualmente. Estudos empregando dados de sensores de baixa e mdia resoluo

espacial, como aqueles a bordo dos satlites da srie Landsat, abordavam questes

relativas expanso do territrio urbano. A escala mais adequada de representaodestes dados (1:100.000) exigia uma generalizao da informao representada, de modo

que os produtos apresentavam maior aplicabilidade em estudos regionais.

Em termos de estudos urbanos, nesta poca realizaramse pesquisas sobre as manchas

urbanas e monitoramento de expanso urbana (LINDGREN, 1975; FORESTI et al., 1980;

NIERO et al., 1982), estimativa de populao (FORESTI, 1977; LO; WELCH, 1977),

anlise de impactos ambientais da ocupao urbana (PAUL et al., 1975), das redes

regionais de cidades e do uso urbano em relao a outros usos do solo (DUEKER;

HORTON, 1972; FORESTI et al., 1973).

Na dcada de 1980, com a disponibilidade de imagens dos sensores TM (satlite

Landsat) e HRV (satlite SPOT), o detalhamento das cenas e do contedo informativo

dos produtos foram ampliados, o que possibilitou a realizao de estudos com escalas

mais refinadas (1:50.000 e 1:25.000) e mais compatveis com o planejamento municipal.

Desta forma, nos estudos de reas urbanas, tornase possvel a discriminao de

classes amplas de uso do solo urbano, com deteco de indstrias, ,

parques urbanos e reas residenciais de diferentes densidades (BARNSLEY; BARR,

1996; TANAKA et al., 1999).

Os dados de sensoriamento remoto, associados a dados scioeconmicos, passam a

integrar anlises sobre uso e ocupao do solo, considerando a legislao vigente e


35/179

7

aspectos do meio fsico (NELLIS et al., 1977; HENDERSON; XIA, 1997). Foram realizados

estudos sobre a cobertura vegetal natural na escala dos municpios, com integrao

dos dados relativos s reas de expanso urbana, identificando ocupaes irregulares

em reas de vrzeas, em reas de risco de deslizamento (reas ngremes), em reas

inundveis, etc. (JACQUIN et al., 2008; LU; WENG, 2006; NBREGA et al., 2006) Os

dados multitemporais provenientes de anlises sobre imagens orbitais passam a

subsidiar de maneira eficiente a gesto municipal (HOWARTH; BOASSON, 1983;

KURKDJIAN et al., 2000).

A partir do final da dcada de 1990, so lanados os sensores de alta resoluoespacial, iniciando com o IkonosII (1999), QuickBirdII (2001) e SPOT5 (2002). As

novas imagens permitem a realizao de estudos de reas urbanas de modo

semelhante quela realizada atravs das fotografias areas, nas escalas de 1:10.000 a

1:5.000. As anlises possibilitam considerar as dimenses do lote e identificar mais

classes de cobertura do solo urbano.

Ainda nos anos 2000, so lanados os satlites OrbViewIII (2003), CBERS2B (2007),

GeoEye (2008), WorldViewII (2009), entre outros. Estes sistemas sensores so

importantes para a anlise da complexidade espacial do fenmeno urbano, e auxiliam

na reduo da limitao do uso de sensoriamento remoto orbital para o estudo deste

ambiente (MARCELHAS E SOUZA et al., 2003).

Os produtos digitais da nova gerao de sensores permitem discriminar melhor os

alvos na superfcie terrestre, identificando com maior detalhe os elementos que

compem os espaos urbanos (GONALVES et al., 2005). O campo de aplicaes

ampliase consideravelmente e passa a envolver mapeamentos do uso do solo urbano

em classes mais detalhadas, bem como deteco de loteamentos clandestinos,

estimativas populacionais por bairro, estimativa de reas impermeabilizadas, vazios

urbanos e densidade da rea construda, entre outros (DURIEUX et al., 2008;

HOFMANN et al., 2008; MARCHESI et al., 2006; YUAN; BAUER, 2007; ZHOU; TROY,

2008). O conjunto de informaes permite a elaborao de propostas para a


36/179

8

regularizao urbanstica de reas ocupadas irregularmente, mapeamento da

segregao social, identificao de zonas para investimento ou incentivo, assim como

para a restrio de certos usos do solo, identificao e estudo de reas de interesse

ambiental, etc. (BURCHELL; MUKHERJI, 2003; HOFMANN, 2001; HOFMANN;

REINHARDT, 2000; STURM et al., 2003; WENG, 2007).

Alm do maior detalhamento sobre a categorizao dos alvos urbanos, a nova gerao

de sensores permite tambm a reconstruo tridimensional da volumetria urbana.

Com o lanamento do satlite SPOT, introduzida a capacidade de estereoscopia, pois

a cmera pode ser rotacionada, o que permite o imageamento da mesma regio noterreno a partir de outra rbita (BRITO; COELHO, 2002). Posteriormente, a extrao de

informaes a partir de imagens de um mesmo local, adquiridas sob ngulos diferentes

de imageamento foi facilitada com os produtos dos sistemas IkonosII, GeoEye1,

WorldViewI e II, que so capazes de gerar estreopares na mesma rbita.

No fim dos anos 1990, surge tambm a tecnologia LiDAR (

), utilizada inicialmente para mapeamento do terreno em plancies de

inundao e em zonas com risco de terremotos (McGAUGHEY, 2010). Segundo SONG et

al. (2002), dada sua alta preciso vertical, o LiDAR passou a ser utilizado de maneira

expressiva na gerao de Modelos Digitais de Superfcie (MDS), na extrao de

edificaes e na modelagem tridimensional de cidades, e colateralmente, na

classificao de cobertura do solo (BRENNAN; WEBSTER, 2006; BRITO et al., 2008;

HAALA; BRENNER, 1996; KRAU et al., 2008; MAAS, 1999; SONG et al., 2002; TOMS,

2010; ZHOU; TROY, 2008). Alm dos dados de altura dos objetos da cena, o LiDARfornece tambm a intensidade do sinal de retorno, o que pode auxiliar na caracterizao

materiais constituintes dos objetos.

Os mtodos de processamento digital destes dados tambm so aprimorados nas

dcadas de 1990 e 2000 (BENEDIKTSSON et al., 2003; CORCORAN; WINSTANLEY, 2008;

MOLLERJENSEN, 1990; RIDD; LIU, 1998; SOLBERG et al., 1990; WENTZ et al., 2008;

ZHANG, 1996). A melhoria da resoluo espacial, principalmente, passa a exigir um


37/179

9

novo tipo de processamento alm da observao dos de forma unitria. Os

classificadores que utilizam mtodos a so limitados para classificar tais

imagens, pois trabalham apenas com informaes espectrais, o que no suficiente

para discriminar as feies de interesse em escala intraurbana.

Ao invs de classificar os individualmente quanto s suas caractersticas

espectrais, os novos procedimentos consideram a delimitao de objetos com

caractersticas espectrais (ou radiomtricas) homogneas como base para o

processamento posterior. A classificao passa a considerar informaes extradas

desses objetos, como resposta espectral mdia, varincia, dimenses, forma e textura(BLASCHKE; STROBL, 2001).

As imagens hiperespectrais, provenientes de sensores aerotransportados ou orbitais,

tambm passam a ser aplicadas em estudos urbanos, e juntamente com o

aprimoramento das tcnicas de processamento de imagens de alta resoluo

espectral, possibilitam a realizao de pesquisas sobre as propriedades espectrais dos

alvos urbanos (BENDOR et al., 2001; CHEN; HEPNER, 2001; CSATH et al., 2003;

HEIDEN et al., 2001; HEROLD et al., 2003, 2004; LACHRADE et al., 2005; MOREIRA,

2008; ROESSNER et al., 2001; SEGL et al., 2003).

2.1.1 I

As reas urbanas so formadas por alvos de dimenses reduzidas (WELCH, 1982) e de

grande heterogeneidade espacial e espectral (CHEN; HEPNER, 2001; HEROLD et al.,

2004), o que demanda um conjunto de dados que resolvam as confuses na

identificao de objetos de uma imagem contemplando ambos os aspectos.

amplamente reconhecido que os avanos nas tecnologias dos sensores,

particularmente aqueles relacionados resoluo espacial, tm auxiliado na melhor

adequao do sensoriamento remoto aos estudos detalhados da superfcie terrestre

(BLASCHKE, 2010). Com o constante aprimoramento dos sistemas sensores, a

capacidade de monitoramento de mudanas em reas urbanas tambm cresce. Os


38/179

10

estudos mais recentes demonstram que a melhoria da resoluo espacial das imagens

aumenta a capacidade de anlise de reas urbanas.

Segundo Jensen e Cowen (1999), na identificao de feies urbanas, a resoluo

espacial mais importante que a espectral, e a resoluo espectral (faixas do azul,

verde, vermelho e infravermelho prximo) existente atualmente nos sensores de alta

resoluo espacial suficiente para tais pesquisas.

Alguns estudos, entretanto, ainda exigem um maior refinamento das caractersticas

espectrais dos instrumentos, como, por exemplo, os que buscam identificar a natureza e

a composio dos materiais da cena. Sensores hiperespectrais aerotransportados tm

sido utilizados em estudos de reas urbanas, como por exemplo, o sensor aero

transportado HSS ( ) (MOREIRA, 2008; MOREIRA et al., 2005).

2.1.1.1 S QBII WVII

A alta resoluo espacial do sensor QuickBirdII possibilitou, a partir de outubro de

2001, a identificao de uma srie de objetos no espao urbano que outrora eram

distinguveis somente a partir de fotografias areas adquiridas por sensores

aerotransportados em baixa altitude (EHLERS, 2007). Alm disso, este sensor possui

resoluo radiomtrica de 11 (2048 nveis de cinza), que associada alta resoluo

espacial melhora consideravelmente o poder de distino entre alvos urbanos.

Em outubro de 2009, foi lanado o sensor orbital WorldViewII, o primeiro sistema de

alta resoluo espacial (0,46 m

1

na banda pancromtica e 1,84 m nas bandasmultiespectrais) que possui oito bandas multiespectrais: , , , ,

, , 1 (1)e 2 (2). A Figura 2.1 mostra

a localizao e limites das bandas pancromticas e multiespectrais dos sensores

QuickBirdII e WorldViewII.

1

A distribuio e o uso de imagens com resoluo inferior a 0,50 m na banda pancromtica e 2,00 m nasbandas multiespectrais esto sujeitos aprovao do Governo dos Estados Unidos (DIGITAL GLOBE, 2010a).


39/179

11

Figura 2.1 Bandas pancromticas e multiespectrais dos sensores QuickBirdII e WorldViewII.

Fonte: Adaptado de DIGITAL GLOBE (2010b).

Assim como o QuickBirdII (DIGITAL GLOBE, 2009), o sensor WorldViewII tambm

possui resoluo radiomtrica de 11 . Todavia, ao apresentar mais quatro bandas

espectrais alm das tradicionais azul, verde, vermelho e infravermelho prximo,

ampliase o poder de caracterizao e separao dos alvos investigados. Por exemplo,

a banda centralizada estrategicamente em 725 nm, no incio da poro de

alta refletividade da resposta da vegetao, fornecendo dados importantes para seu

estudo (DIGITAL GLOBE, 2010a).

2.1.2 D

As reas urbanas apresentam considervel dificuldade de mapeamento em

conseqncia da grande quantidade de assinaturas espectrais dos seus elementos

constituintes. Esta dificuldade muitas vezes est associada composio qumica dos

alvos, que dada sua semelhana e resoluo espectral dos sensores de alta resoluo

disponveis atualmente, torna os objetos de classes diferentes indiscernveis em

classificaes que utilizam somente atributos espectrais.

Neste sentido, apenas a melhoria da resoluo espectral dos atuais sensores de alta

resoluo espacial no garante uma classificao de cobertura do solo com altos nveis

de exatido temtica para ambientes intraurbanos. Alguns obstculos so apontados

na caracterizao espectral de alvos urbanos usando imagens de alta resoluo espacial:

1) Algumas classes de cobertura do solo possuem comportamento espectral muito

semelhante, no sendo discernveis somente a partir de suas caractersticas espectrais.


40/179

12

o caso, por exemplo, de rodovias asfaltadas e coberturas de cimento (telhas e lajes

planas) (BENDOR et al., 2001; CLARK et al., 2001; MOREIRA, 2008), ou de solo exposto

e telhas cermicas (HEROLD et al., 2004).

A Figura 2.2 exibe espectros obtidos em laboratrio para as amostras de telhas e solos

e sua relao com as bandas espectrais do sensor WorldViewII.

Figura 2.2 Espectros obtidos em laboratrio para as amostras de telhas e solos.Telhas: TCAF: telha de cimentoamianto (ondulao fina), TCAG: telha de cimento

amianto (ondulao grossa), TAG: telha de ao galvanizado, TC: telha de cimento,TCP: telha de cimento pintada, TCC: telha cermica clara, TCR: telha cermicaromana, TCF: telha cermica francesa. Amostras de solo: SL: solo claro,constitudo de Plintossolo, SE: solo escuro composto de Terra Roxa EstruturadaEutrfica. SM: solo misto mistura dos solos claro e escuro. As faixas verticaiscorrespondem s oito bandas espectrais do sensor WorldViewII.

Fonte: Adaptado de Pinho et al. (2009b).

2) Presena de materiais que no se comportam como superfcies lambertianas, de

modo que a quantidade de energia refletida varia com o ngulo de iluminao solar e

com o posicionamento do sensor (ngulo de elevao e azimute) em relao ao alvo.

Isto impede a associao de um determinado material a um comportamento espectral

especfico, como ocorre no caso de coberturas de alumnio (MEISTER, 2000).

3) Os objetos de interesse no ambiente intraurbano (edifcios, casas, quadras

esportivas, piscinas, etc.) so maiores do que osda imagem, resultando em uma

grande variabilidade interna do nmero digital dosdentro de uma mesma classe

(HEROLDet al., 2002; 2004; MEINEL et al., 2001; SCHIEWE; TUFTE, 2005).


41/179

13

4) A idade diferenciada e o estado de conservao dos materiais de cobertura tambm

influencia no comportamento espectral (HEROLD et al., 2003), bem como a presena

de elementos que aderem aos materiais ao longo do tempo, como poluio, musgos,

liquens, entre outros (BASSANI et al., 2007; CLARK et al., 2001).

Na Figura 2.3, observamse as diferentes respostas espectrais para os coletados

em telhados cermicos. As diferenas nos perfis podem ser atribudas presena de

elementos estranhos s telhas, como liquens, poluio depositada, dejetos de aves,

entre outros. A figura tambm mostra perfis de coletados em reas de solo

exposto, e verificamse a grande semelhana de variabilidade destes perfis e aquelesrelativos s telhas cermicas.

Figura 2.3 Perfis espectrais de de telhado de cermica (3 a 8) e solo exposto (1 e 2)coletados na imagem WorldViewII composio R(5) G(3) B(2). No eixox, estorepresentadas as bandas do sensor WorldViewII, e no eixo y, os valores de

nmero digital para cada ponto selecionado.


42/179

14

Diversos estudos tm apontado como principal meta para trabalhos futuros a

utilizao de dados auxiliares que aumentem o poder de discriminao das classes de

cobertura do solo que usualmente so alvos de confuso nas classificaes, seja pelos

mtodos baseados em ou objetos. Experimentos realizados por Arajo (2006),

Novack (2009) e Pinho (2005), entre outros, apontam como principais confuses

aquelas que ocorrem entre as classes de telhas de cermica e solo exposto, asfalto e

telhas de cimento amianto escuro, vegetao arbrea e rasteira.

Para a soluo destes conflitos devidos ao comportamento espectral semelhante dos

objetos em questo, uma opo o uso de atributos espaciais de forma e contexto eatributos de textura (SU et al., 2008) em sistemas baseados em conhecimento (BAUER;

STEINNOCHER, 2001; MEINEL et al., 2001).

Outra opo o uso de dados altimtricos de alta preciso obtidos por

aerotransportado, uma vez que estas classes apresentam diferentes altitudes em

relao ao terreno. A informao de MDS a partir de dados LiDAR utilizada para a

extrao de informao em reas urbanas de modo geral e oferece grande potencial

de explorao para aumentar a acurcia em mapeamentos temticos urbanos,

inclusive possibilitando melhor separao de alvos em classificaes de cobertura do

solo (CENTENO; MIQUELES, 2004; CENTENO; MITISHITA, 2007; HODGSON et al., 2003;

KRESSLER; STEINNOCHER, 2006; LEONARDI, 2010; MALLET et al., 2006; MLLER, 2007).

Todavia, esta metodologia apresenta dificuldades devido aos altos custos envolvidos

com a realizao de um levantamento com LiDAR e pela baixa difuso das ferramentas

de processamento destes dados.

2.1.3 C

As imagens coletadas por sensores orbitais, apesar de fornecerem muitas informaes

essenciais aos estudos desenvolvidos nas mais diversas reas do conhecimento,

consistem em fontes de dados muito instveis, variando no tempo e espao e sendo

muito dependentes das condies geomtricas e de iluminao (MEISTER, 2000;


43/179

15

THUNIG et al., 2010). Alm da alta resoluo espacial e da boa resoluo espectral,

aspectos que podem interferir na identificao e interpretao dos alvos urbanos so a

correo atmosfrica da imagem, necessria para a obteno da reflectncia de

superfcie, e as geometrias de iluminao e de visada.

Diversos estudos do ambiente urbano utilizam dados multitemporais, multissensores e

multirresoluo. Contudo, o uso de imagens de sensoriamento remoto coletadas sob

diferentes condies atmosfricas e geomtricas, pode comprometer diretamente as

anlises em reas urbanas, nos casos em que os alvos possuem dimenses reduzidas e

apresentam grande semelhana espectral (WELCH, 1982; CHEN; HEPNER, 2001;HEROLD et al., 2004, LACHRADE et al., 2008). Ainda que exista atualmente uma

grande disponibilidade de sistemas sensores adequados a estudos urbanos, grande a

dificuldade de obteno de um par de imagens de uma mesma rea que possua a

mesma geometria de visada e de iluminao solar, a fim de se trabalhar com dados em

que a nica varivel seja a caracterstica espacial.

A Figura 2.4 ilustra um exemplo de imagens de alta resoluo espacial com geometrias

de visada e de iluminao solar diferentes. Os desenhos esquemticos representam a

geometria de visada e de iluminao solar das imagens QuickBirdII e WorldViewII. A

diferena na geometria de visada dos sensores devese, principalmente, ao fato de o

imageamento relacionarse mesma rea em solo, porm, a partir de rbitas

diferentes. A visibilidade das laterais dos edifcios menor na imagem QuickBirdII

(Figura 2.4c), pois esta encontrase mais ao nadir, em comparao com a imagem

WorldViewII (Figura 2.4d), sendo que os ngulos de elevao dos satlites so 64,5e

70,9, respectivamente. As posies diferentes das sombras dos edifcios so

explicadas pelos ngulos solares diferentes, decorrentes das distintas datas de coleta

de cada imagem, sendo a imagem QuickBirdII de maro/2009 e a WorldViewII de

dezembro/2009.


44/179

16

Figura 2.4 Exemplos de imagens com diferentes geometrias de visada (seo da reateste A).Os desenhos esquemticos em (a) e (b) representam a geometria de visada e deiluminao solar das imagens QuickBirdII (c) e WorldViewII (d). A diferena nageometria de visada dos sensores devese, principalmente, ao fato do imageamentorelacionarse mesma rea em solo, porm, a partir de rbitas diferentes.

Em se tratando de datas diferentes, no caso da utilizao de imagens adquiridas em

distintas estaes do ano, os dados esto sujeitos no s a ngulos de iluminao solar

diferentes, mas tambm a diferentes condies meteorolgicas.

As imprecises na cartografia urbana, decorrentes das disparidades temporais entre

diferentes sensores, podem ser amenizadas atravs de um registro espacial exato, com

verificaes de campo adequadas.

Uma boa correo atmosfrica permite resgatar adequadamente a reflectncia da

() ()

() ()


45/179

17

superfcie com o conjunto de imagens radincia e, dessa forma, possibilita sua

comparao, ou com os dados de superfcie ou com aqueles de outras imagens

corrigidas, desde que tenham sido adquiridas nas mesmas condies de iluminao e

de visada.

2.2 GEOBIA A G I B O

As imagens de sensoriamento remoto precisam ser convertidas em informaes

tangveis de uso com outros conjuntos de dados, geralmente nos ambientes de

Sistemas de Informaes Geogrficas (SIGs). Enquanto o tamanho do

permaneceu maior que os objetos de interesse, ou ainda, com dimenses de mesma

grandeza, os mtodos de anlise e processamento de imagens baseados emeram

os mais adequados aos mais diversos estudos (BLASCHKE, 2010). Contudo, com o

aumento da resoluo espacial das imagens, abordagens alternativas passaram a ser

adotadas para anlises das imagens, por meio, principalmente, da derivao de

objetos compostos por muitos . Apesar de as tcnicas de segmentao estarem

em uso desde a dcada de 1970 (HARALICK; SHAPIRO, 1985), foi a partir dolanamento da nova gerao de sensores (anos 2000) que as tcnicas de anlise de

imagens baseadas em objetos entraram em uso (BLASCHKE, 2010). A classificao

passa a considerar informaes extradas desses objetos, como resposta espectral

mdia, varincia, dimenses, forma e textura.

As anlises de imagens de sensoriamento remoto baseadas em objeto at

recentemente utilizavam o termo OBIA ( ) para definio

deste conceito (BLASCHKE, 2010). A discusso sobre este assunto pode ser encontrada

em Castilla et al. (2008), Hay e Castilla (2008), Lang (2008), Lang e Blaschke (2006),

entre outros. Hay e Castilla (2008) definem GEOBIA (

) como uma subdisciplina da Cincia da Geoinformao dedicada ao

desenvolvimento de mtodos automatizados para particionar imagens de

sensoriamento remoto em objetos que possuam significado, e avaliar suas


46/179

18

caractersticas atravs das escalas espacial, espectral e temporal, de modo a gerar

novas informaes geogrficas em formato adequado para uso nos SIGs.

Objetos so conceitos, abstraes definidas em um determinado domnio de uma

aplicao (RUMBAUGH et al., 2006). Na anlise baseada em objeto, um problema ou

aplicao representado por uma coleo de objetos que possuem caractersticas

prprias e interagem entre si. Desta forma, no domnio do espao intraurbano, na

aplicao de classificao de cobertura do solo, a classe "cermica clara", por exemplo,

referese ao conjunto de objetos (telhas/telhados cermicos) que obedecem s regras

definidas para caracterizao da classe (por exemplo: ser vermelho, com brilho mdioa alto, e formato retangular).

Outra caracterstica importante dos objetos que possuem identidade, sendo

distinguveis pela sua prpria existncia e no pelas propriedades que possuem. Deste

modo, ainda que dois objetos "edifcio" possuam caractersticas idnticas, eles

permanecem nicos, consistindo em dois elementos independentes (PINHO et al.,

2007). Esses objetos podem ento permanecer discriminados ou ser agrupados em

uma categoria mais ampla, conforme o estudo em desenvolvimento.

Em outra instncia, a classificao passa a ser influenciada no apenas pelas

caractersticas dos objetos anteriormente definidas, mas tambm pelo contexto. As

informaes contextuais descrevem como um objeto de interesse pode ser afetado

pelos objetos vizinhos, associandose informaes do ambiente ao elemento.

Na maior parte dos casos, a anlise de imagens limitase a extrair as estruturas

relevantes de interesse em uma imagem e sua contagem e medio. Neste sentido, a

qualidade da segmentao nas primeiras etapas do processo influencia diretamente no

desempenho da metodologia. A segmentao acurada de unidades relevantes, no

entanto, consiste, muitas vezes, em uma tarefa desafiadora. O uso de mtodos de

segmentao em mltiplas resolues melhora o desempenho da segmentao e

conseqentemente os resultados da classificao (BAATZ; SCHPE, 2000; HAY;

CASTILLA, 2006;).


47/179

19

As abordagens baseadas em objeto so iniciadas com objetos primitivos, ou seja, sub

segmentos que ainda no representam um objeto e que sero agrupados, segundo

regras definidas, sendo processados atravs de muitos passos iterativos, at que os

objetos de interesse sejam criados. Neste processo, dois tipos de conhecimento

interagem entre si de maneira complementar: o conhecimento explcito e o implcito.

Somente quando ambos os tipos de conhecimento se combinam, tornase possvel o

processamento especfico de diferentes classes de objetos.

Diversos trabalhos tm sido desenvolvidos para o mapeamento de cobertura e uso do

solo, usando a abordagem baseada em objeto. Uma extensa reviso bibliogrfica sobreas mais diversas reas de aplicao da GEOBIA pode ser encontrada em Blaschke

(2010). Dentre os trabalhos de maior relevncia para esta pesquisa, realizados em

reas urbanas do territrio brasileiro, podese citar Almeida et al. (2007), Arajo

(2006), Hofmann et al. (2008), Novack (2009), Pinho (2005) e Souza et al. (2007).

2.3 S

Os sistemas de interpretao de imagens baseados em conhecimento modelam, em

ambiente computacional, o conhecimento do intrprete e emulam sua capacidade de

combinar dados de diferentes fontes e diferentes formatos na avaliao de imagens de

sensoriamento remoto (FEITOSA et al., 2005). Estes sistemas integram, em linhas

gerais, algoritmos de segmentao, estruturao de classes na forma de redes

semnticas, classificao baseada em regras e a possibilidade de integrao de

imagens multissensores e dados vetoriais (PINHO, 2005).

A anlise de imagens por abordagem baseada em objeto intrinsecamente ligada ao

conhecimento, sendo que a soluo do problema, ou seja, a interpretao da imagem,

pode ser representada atravs do conhecimento implcito e do explcito (PAHL, 2008).

O conhecimento implcito est contido diretamente no cdigo de um programa e

descreve um rgido plano de procedimento. Tratase da construo procedural

especfica para a anlise da imagem e consiste em alguma rotina de processamento,


48/179

20

envolvendo algoritmos que desempenham, por exemplo, procedimentos de

segmentao, seleo, classificao, lgebras, etc. Por se tratar de um conhecimento

codificado dentro de um programa, sabese o algoritmo faz, porm, podese ou

no saber ele o faz (PAHL, 2008).

O conhecimento explcito dividese em declarativo e de procedimento, dependendo

dos tipos de mensagens transmitidas entre as classes (COSTA, 2009; PAHL, 2008). O

conhecimento declarativo descreve as relaes entre os objetos do mundo real, como

em uma rede semntica. Utilizase para tanto de mensagens de associao, agregao

e generalizao. J o conhecimento de procedimento fornece uma relao direta decomo resolver um problema atravs de regras aplicadas em alguma ordem seqencial,

como em uma rede hierrquica de atributos ou uma regra de deciso, por exemplo

(PAHL, 2008).

Ou seja, o conhecimento implcito est presente nos algoritmos de processamento de

imagens (segmentao e classificao basicamente) e o conhecimento explcito se

encontra na forma de redes semnticas e regras de deciso no InterIMAGE (NOVACK,

2009).

Marpu (2009) faz uma reviso interessante sobre as teorias da percepo humana,

iniciando com a teoria da (em 1879), e relacionando estas teorias OBIA. O

autor demonstra como tnue a linha que separa a grande semelhana da percepo

humana e da programao computacional e as grandes divergncias entre o raciocnio

humano e os algoritmos de processamento de dados.

Com relao aos sistemas de interpretao de imagens baseados em conhecimento,

fazse necessrio ressaltar a importncia do intrprete em todo o processo de anlise

dos dados. Como o funcionamento destes sistemas baseiase na introduo do

conhecimento do analista a respeito da cena, sendo uma formalizao da viso de um

determinado indivduo sobre uma imagem especfica, o resultado da classificao

passa a ser um reflexo do conhecimento (incluindo informaes coletadas

sobre a rea a ser classificada) e da capacidade de compreenso do analista


49/179

21

(fortemente influenciada por sua formao profissional e experincia) a respeito de

uma determinada rea de estudo. Antunes (2003) faz uma comparao dos resultados

de duas classificaes de uma mesma cena (utilizando a abordagem baseada em

conhecimento), onde cada uma delas realizada por um analista, e conclui que as

diferenas variam desde a definio das classes de interesse at como o conhecimento

estruturado.

2.4 IIMAGE

No mbito de desenvolvimento de mtodos de anlise do ambiente urbano em

sensoriamento remoto, inserese o projeto do livre InterIMAGE

(INTERIMAGE, 2010). Este projeto resultado da cooperao entre o Laboratrio de

Viso Computacional do Departamento de Engenharia Eltrica da Pontifcia

Universidade Catlica do Rio de Janeiro (LVCDEE/PUCRJ), a Diviso de Sensoriamento

Remoto DSR e a Diviso de Processamento de Imagens DPI, do Instituto Nacional de

Pesquisas Espaciais INPE, e a Universidade Leibniz de Hannover (Alemanha). O novo

aplicativo para a interpretao de imagens, que de domnio pblico e possui cdigoaberto, baseado no livre GeoAIDA (TNT Instituto para Tecnologia da

Informao, Universidade de Hannover; BCKNER et al., 2001), do qual herdou a

estrutura de conhecimento, o e os mecanismos de controle (COSTA et al.,

2007). Uma nova interface grfica, operadores de processamento digital de imagens e

funcionalidades de processamento e representao do conhecimento foram includos.

O GeoAIDA consiste em um desenvolvimento do AIDA (

) (LIEDTKE et al., 1997), que utiliza redes semnticas para a

representao explcita do conhecimento prvio dos objetos presentes na imagem, as

quais detm propriedades e relaes dos diferentes ns, facultando o uso de

operadores holsticos em todos os nveis da rede semntica, aumentando assim o grau

de liberdade relativo sua hierarquia de nveis (BCKNER et al., 2001; LIEDTKE et al.,

2001). Desta forma, possvel extrair regies da imagem de maneira abstrata, sem a

necessidade de executar o reconhecimento detalhado dos componentes destas


50/179

22

regies. Este sistema capaz de incorporar os operadores holsticos aos ns da rede,

tratando a imagem de forma estrutural nos casos em que estes operadores sejam

impossibilitados de atuar. O sistema flexvel classificao de imagens

multissensores, por sua capacidade de controle holstico e simultnea anlise

estrutural. A principal vantagem destes mtodos a reduo do custo computacional

envolvido na interpretao da imagem.

Em termos de estratgia de interpretao, o InterIMAGE possui arquitetura flexvel,

combinando uma anlise comandada por modelo (etapas ), seguida de uma

anlise comandada por dados (etapas ). Isto representa uma melhoria naeficincia computacional, em comparao com que seguem uma estratgia

puramente comandada por dados, como o caso do Definiens Developer. Desta

forma, o InterIMAGE extrapola os horizontes do Definiens Developer ao desempenhar

classificao orientada a objeto e baseada em conhecimento, permitindo a

implementao de habilidades multitemporais e, num futuro breve, funes

automticas de extrao de conhecimento (COSTA et al., 2007; COSTA et al., 2009).

Recentemente, a verso Windows do sistema foi criada (verso 0.9X), atuando com

diversos operadores para extrao de objetos e interface para a edio de regras.

Os operadores do InterIMAGE so implementados usando a biblioteca TerraLib.

Segundo Costa et al. (2010), o sistema suporta, atualmente, qualquer algoritmo de

processamento de imagens que esteja integrado biblioteca TerraLib como operador

. Como operador encontravase disponvel apenas o

Genrico, operador de desempate de hipteses baseado em regras de deciso (COSTAet al., 2007). Uma adaptao foi realizada no InterIMAGE verso 0.95, que passou a

contar com o operador , para exportao em formato

vetorial (tipo ) dos resultados.

A verso 1.15beta do InterIMAGE est disponvel em http://www.lvc.ele.puc

rio.br/projects/interimage/. Esta verso conta com diversos operadores para extrao

de objetos, como o segmentador de Baatz, o segmentador , o


51/179

23

classificador por rvores de deciso, o importador de arquivos vetoriais, entre outros

(COSTA et al., 2010). O InterIMAGE possui um repositrio de operadores desenvolvido

pela equipe de projeto, disponvel em: http://www.dpi.inpe.br/terraaida(TERRAAIDA,

2010).

A comunicao entre projetos distintos pode ser realizada por meio de operadores de

importao de resultados (no formato InterIMAGE) e exportao de resultados (em

formato vetorial ). A nova interface tambm conta com ambientes de coleta

e edio de amostras ( ), edio de polgonos ( ) e

visualizao de espao de atributos ( ).

Em relao s verses 0.9X, foram implementadas melhorias na visualizao das

imagens, sendo possvel visualizar os dados e os resultados parciais das anlises na

prpria interface do InterIMAGE. Tambm foi centralizada a entrada de dados no

projeto, no sendo mais necessrio inserir dados nos operadores.

A verso 1.15beta tambm j conta com atributos topolgicos que podem ser

utilizados nas regras de deciso dos operadores e (NOVACK et al.,

2010).

A seguir, os principais conceitos e a estratgia de anlise do sistema InterIMAGE so

descritos com mais detalhes. A documentao completa pode ser acessada em:

http://wiki.dpi.inpe.br/doku.php?id=interimage.

2.4.1

R S

Uma rede semntica uma forma de representao do conhecimento definida como

um grafo direcionado, no qual os vrtices (ou ns) representam objetos, conceitos,

idias, acontecimentos ou fatos; e as arestas (ou arcos) representam relaes

semnticas entre os ns (PAHL, 2008). A rede semntica uma forma de

representao grfica do conhecimento utilizado para a interpretao de uma imagem

e fornece uma estrutura de relao entre os objetos de uma cena (PAHL, 2008).


52/179

24

A estratgia de classificao implementada no InterIMAGE baseada em um modelo

de conhecimento estruturado sob forma de rede semntica definida pelo usurio

(COSTA et al., 2007). A Figura 2.5 exibe um exemplo de rede semntica no ambiente

InterIMAGE (verso 0.92). Os ns encontramse esquerda da tela, e direita est a

interface relacionada aos arcos da rede, onde os operadores e regras de deciso

utilizados na anlise so definidos.

Figura 2.5 Rede semntica do estudo de Novack (2009) desenvolvida no InterIMAGE.

O operador um programa executvel responsvel por efetuar a anlise de uma

determinada regio na imagem e repassar o resultado para os ns a ele conectados

(COSTA et al., 2008).

Segundo Costa et al. (2008), na maioria dos sistemas que utilizam redes semnticas

para a representao do conhecimento, somente os nsfolhas da rede podem ser

associados a operadores de processamento de imagens. Essa abordagem pode resultar

em um grande custo computacional, uma vez que todos os objetos da imagem devem

ser necessariamente avaliados por todos os operadores selecionados na anlise.

No InterIMAGE, para reduzir este problema, operadores holsticos (LIEDTKE et al.,

1997), que permitem que a conexo de dados possa ocorrer em qualquer n da rede


53/179

25

semntica, so utilizados. Estes operadores (tambm chamados de operadores

) identificam os objetos correspondentes aos conceitos representados pelos ns

da rede semntica, independentemente da identificao de seus componentes

estruturais (de nvel semntico mais baixo), associados aos ns descendentes da rede

semntica (COSTA et al., 2008). Para a deteco dos conceitos, os operadores

holsticos realizam basicamente trs tarefas de processamento de imagem, a saber: (1)

segmentao ou importao de dados vetoriais provenientes de um SIG, (2) extrao

de atributos e (3) classificao (COSTA et al., 2010; NOVACK et al., 2010).

A tarefa bsica dos operadores holsticos no InterIMAGE consiste em realizar umaclassificao preliminar da imagem em grupos de regies, e assim definir quais das

etapas subseqentes do processo de interpretao sero aplicadas a cada grupo. Desta

forma, nem todas as etapas seguintes sero aplicadas a todos os objetos da imagem, o

que contribui para uma melhor eficincia computacional. Por meio de sua

interpretao estrutural, as regies produzidas, ou hipteses de regies, sero

processadas por operadores anexados em cada n do nvel inferior correspondente na

rede semntica, validando ou descartando os resultados do operador holstico.

Os ns sem operadores holsticos devem ser necessariamente reconhecidos

estruturalmente a partir dos seus subns. Na rede semntica do InterIMAGE, pode

haver ns em que ao menos um de seus subns deve ter sua hiptese validada (este

o caso do n "Regio" na rede semntica da Figura 2.6). Esta semntica definida por

regras de deciso conectadas a cada n da rede (COSTA et al., 2007; PAHL, 2008).

Figura 2.6 Exemplo de rede semntica.

Fonte: Adaptado de Bckner et al. (2001).


54/179

26

No InterIMAGE, a representao do conhecimento separada do processo de anlise,

pois os operadores holsticos podem segmentar a imagem em qualquer nvel da rede

semntica, o que permite que os dados para a anlise sejam independentes da rede.

Os operadores tambm podem processar diferentes tipos de dados para cada n da

rede semntica, sendo possvel, por exemplo, que dados de um SIG e dados de

diferentes sensores sejam integrados na anlise (COSTA et al., 2007; PAHL, 2008).

2.4.2 O

A cada n da rede semntica est vinculado um operador, um programa executvel

responsvel por efetuar a anlise de uma regio definida de uma imagem e repassar o

resultado para os ns a ele conectados. Um operador pode ser implementado na

forma de um programa externo, trazendo flexibilidade ao sistema, alm de possibilitar

colaborao de terceiros para a criao de novos operadores, que podem ser

independentes entre si e independentes do restante do sistema (COSTA et al., 2008).

Alm dos operadores que criam hipteses e as validam, resolvendo conflitos entre

candidatos a objetos, tambm esto implementados os operadores , que

repassam as informaes adiante. No caso do operador , nenhuma

hiptese criada, apenas so repassadas para um nfilho as hipteses recebidas do

npai (COSTA et al., 2010). O operador , da mesma forma, repassa

ao npai os objetos j validados na etapa anterior.

Os operadores tm a funo de extrao de objetos que se espera encontrar na cena

analisada, por meio de segmentao da imagem. O problema de diferentes operadores

poderem gerar interpretaes diferentes para uma mesma regio da cena resolvido

por conhecimentos adicionais inseridos nos ns da rede semntica para analisar a

competio entre as diferentes interpretaes. Os operadores podem ser acionados na

etapa ou (COSTA et al., 2007; CASTEJN, 2006).


55/179

27

2.4.3 E

O processo de interpretao de uma imagem pode ser dividido em duas etapas: naprimeira, a rede semntica, prdefinida pelo usurio, passada ao sistema

juntamente com as imagens, e a partir da, vrias hipteses so formadas sobre a

existncia de objetos na cena; na segunda etapa, todas as hipteses so testadas e a

desc

barbara diss 2010

Documents