MÓDULO PROCESSAMENTO DIGITAL DE IMAGENS do Curso ministrado totalmente a Distância, desenvolvido pelo INPE (OBT) em parceria com a Selper:

INTRODUÇÃO AO

SENSORIAMENTO REMOTO

http://www.dpi.inpe.br/ead/intro_sr/index.html

PROCESSAMENTO DE IMAGENS I

Introdução ao SPRING:Adaptado de DPI_OBT/INPE

3

SPRING – Características Gerais

Sistema de Informações Geográficas-SIG Desenvolvido e mantido pela DPI – INPE Software Freeware – Download via Web Média de 14000 downloads/ano Versões em Windows e Linux (5.0 – Julho de 2008) 4 Idiomas: Português, Inglês, Espanhol e Frances Capacitação dos usuários é realizada em cursos presenciais, e a

distância, de curta duração Tutoriais e livros on-line Sites Espelhos na Espanha e Argentina Manual online – browser estilo Web Funções para PDI, MNT, Álgebra de Mapas, Redes

4

Download via Web - www.dpi.inpe.br/spring

5

SPRING - AJUDA OnLine

6

O QUE É UM MAPA DIGITAL ?

Mapa:Mapa: modelos simplificados da realidademodelos simplificados da realidade– Representação gráfica (ponto, linha, polígono, matriz)Representação gráfica (ponto, linha, polígono, matriz)– Normalmente em escala e em uma projeçãoNormalmente em escala e em uma projeção– Seleção de entidades abstratas sobre ou relacionadas com a Seleção de entidades abstratas sobre ou relacionadas com a

superfície da Terra.superfície da Terra.

– Classificação em grupos (tipos de solo)Classificação em grupos (tipos de solo)

– Simplificação de elementos gráficosSimplificação de elementos gráficos

– Exagero de elementos importantesExagero de elementos importantes

– Simbologia para apresentar dadosSimbologia para apresentar dados

7

TIPOS DE MAPAS QUE O SPRING TRABALHA

Características dos mapas: Características dos mapas: diversidade de fontes diversidade de fontes geradorasgeradoras e de e de formatos apresentados.formatos apresentados.

O sistema se restringe a tratar os seguintes tipos de dados;O sistema se restringe a tratar os seguintes tipos de dados;

– Mapas Temáticos: Mapas Temáticos: conceitos qualitativos (uso do solo, conceitos qualitativos (uso do solo, vegetação)vegetação);;

– Mapas Cadastrais Mapas Cadastrais ((localização de objetos do mundo – localização de objetos do mundo – pontos, linhas e polígonos + tabela – ex. Lotes urbanos) pontos, linhas e polígonos + tabela – ex. Lotes urbanos)

– Mapa de RedesMapa de Redes ((localização de objetos do mundo – localização de objetos do mundo – nós e linhas orientadas – ex. Postes e rede elétrica) nós e linhas orientadas – ex. Postes e rede elétrica)

– Mapas NuméricosMapas Numéricos ((representação de superfícies)representação de superfícies)– Imagens de Sensores Remotos Imagens de Sensores Remotos (ex: aerofotos, (ex: aerofotos,

satélites, radares)satélites, radares);

8

MAPAS TEMÁTICOS

Estrutura vetorial topológica construídaEstrutura vetorial topológica construída

é do tipo é do tipo arco-nó-regiãoarco-nó-região

Pode ser armazenado no formato vetorial ou matricialPode ser armazenado no formato vetorial ou matricial A escolha entre a representação matricial ou vetorial A escolha entre a representação matricial ou vetorial

para um mapa temático depende do objetivo em para um mapa temático depende do objetivo em vista.vista.

Inseridos no sistema por digitalização ou Inseridos no sistema por digitalização ou classificação de imagensclassificação de imagens

Ex:Ex: Mapa de Solos, Mapa Geológico, Mapa com classes Mapa de Solos, Mapa Geológico, Mapa com classes de Declividade, Mapa de Uso e Ocupação da Terrade Declividade, Mapa de Uso e Ocupação da Terra

9

MAPAS CADASTRAIS/OBJETOS

Mapas de suporte à representação de objetos Mapas de suporte à representação de objetos geográficosgeográficos

As entidades (pontos, linhas e polígonos) são As entidades (pontos, linhas e polígonos) são Objetos Objetos GeográficosGeográficos

ObjetosObjetos possuem atributos descritivos em tabelas possuem atributos descritivos em tabelas Podem estar associados a várias representações Podem estar associados a várias representações

gráficasgráficas Podem ter representações gráficas diferentes em Podem ter representações gráficas diferentes em

mapas de escalas distintas mapas de escalas distintas

Ex: Ex: Mapas de Lotes, Quadras, Propriedades RuraisMapas de Lotes, Quadras, Propriedades Rurais

São armazenados em forma de coordenadas vetoriais, com a topologia São armazenados em forma de coordenadas vetoriais, com a topologia arco-nó-polígonoarco-nó-polígono associada associada

Não é usual representar estes dados na forma matricialNão é usual representar estes dados na forma matricial

10

id label capacidade

22 Eng. Dentro 3.000 kVA

id label Transf.

2345 32-17-95 Classe 3

Sub-estações

Postes

MAPAS DE REDES/OBJETOS

Mapa de suporte à representação de objetos Mapa de suporte à representação de objetos geográficosgeográficos

As entidades (nós e linhas) são As entidades (nós e linhas) são objetos geográficosobjetos geográficos

Mapa vetoriais com Mapa vetoriais com topologia arco-nó (grafo)topologia arco-nó (grafo)

– arcos tem um sentido de fluxo e atributosarcos tem um sentido de fluxo e atributos

– nós tem atributos (fontes ou sorvedouros)nós tem atributos (fontes ou sorvedouros)

Forte ligação com BDForte ligação com BD

Integração de dadosIntegração de dados

Segmentação dinâmicaSegmentação dinâmica

Linguagem de visualizaçãoLinguagem de visualização

Capacidade de adaptaçãoCapacidade de adaptação

* Uso em serviços de utilidade pública, como água, luz e telefone, redes Uso em serviços de utilidade pública, como água, luz e telefone, redes de drenagem (bacias hidrográficas) e rodoviasde drenagem (bacias hidrográficas) e rodovias

11

IMAGENS

Dados obtidos por satélites, fotografias aéreas, Dados obtidos por satélites, fotografias aéreas, "scanners" aerotransportados ou radares"scanners" aerotransportados ou radares

Armazenadas como matrizes (lin x col)Armazenadas como matrizes (lin x col)

Cada elemento de imagem ("pixel") tem um valor Cada elemento de imagem ("pixel") tem um valor proporcional à proporcional à reflectânciareflectância do alvo imageado do alvo imageado

CARACTERÍSTICAS IMPORTANTESCARACTERÍSTICAS IMPORTANTES

resolução espacial (km, m, cm);resolução espacial (km, m, cm);

resolução espectral (num. bandas);resolução espectral (num. bandas);

resolução temporal (dias);resolução temporal (dias);

resolução radiométrica ( 2resolução radiométrica ( 2nn ) ). .

12

São mapas utilizados para representar uma grandeza São mapas utilizados para representar uma grandeza que varia continuamente no espaço - altimetria, que varia continuamente no espaço - altimetria, precipitação, propriedades do solo ou subsolo (como precipitação, propriedades do solo ou subsolo (como aeromagnetismo).aeromagnetismo).

A superfície modelada é representada porA superfície modelada é representada por

– grades regulares ougrades regulares ou

– grades triangularesgrades triangulares

MAPAS NUMÉRICOS

Tratamento da altimetria para mapas topográficos ou hipsométricosTratamento da altimetria para mapas topográficos ou hipsométricos

Análises de corte-aterro para projeto de estradas e barragensAnálises de corte-aterro para projeto de estradas e barragens

Mapas de declividade e exposição (geomorfologia e erodibilidade)Mapas de declividade e exposição (geomorfologia e erodibilidade)

Análise de variáveis geofísica e geoquímicas e apresentação Análise de variáveis geofísica e geoquímicas e apresentação tridimensional (em combinação com outras variáveis)tridimensional (em combinação com outras variáveis)

13

• VetorialVetorial• preserva relacionamentos topológicospreserva relacionamentos topológicos• associar atributos a elementos gráficosassociar atributos a elementos gráficos• melhor precisãomelhor precisão• eficiência de armazenamentoeficiência de armazenamento• permite preenchimento por hachura ou padrões.permite preenchimento por hachura ou padrões.

• MatricialMatricial • fenômenos variantes no espaçofenômenos variantes no espaço• adequado para simulação e modelagemadequado para simulação e modelagem• processamento mais rápidoprocessamento mais rápido• maior gasto em armazenamentomaior gasto em armazenamento

Representações de Mapas TEMÁTICOS

14

GRADE TRIANGULARGRADE TRIANGULAR

Conexão entre amostras Conexão entre amostras Estrutura topológica arco-nóEstrutura topológica arco-nó Representa melhor relevos Representa melhor relevos

complexoscomplexos Capacidade de incorporar Capacidade de incorporar

restrições (linha de quebra)restrições (linha de quebra)

GRADE RETANGULARGRADE RETANGULAR

Matriz de elementos de espaçamento fixoMatriz de elementos de espaçamento fixo

Valor estimado da grandezaValor estimado da grandeza

Mais adequada p/ dados geofísica e vista Mais adequada p/ dados geofísica e vista 3D3D

Facilita manuseio e conversãoFacilita manuseio e conversão

Representações de Mapas NUMÉRICOS

MÓDULOS DO SPRING

Spring - entrada, análise e manipulação dos dados

Scarta - elaboração de cartas (layout)

Impima - leitura e conversão de imagens

16

IMPIMAMódulos do SPRING

Entrada

Tiff / GeoTiff

SPG

GRIB

RAW

DAT

SITIM

SaídaSPG

Objetivo: Converter toda ou parte (recortar) de imagens e salvar no formato SPG para ser registrada.

17

SPRINGMódulos do SPRING

EntradaTIFF / GeoTIFFRAW / JPEG / JP2SPGDXF- DWGASCII - SPRINGShape / ArcINFOSurfer - ascIDRISI – img ascKMLTabela

ASCIIDBASESpacestat

ConversoresShapeFileMID/MIFE00DBFGRD (Surfer)

Mesa digitalizadora

SaídaTIFF / GeoTiff

RAW

JPEG2000

Surfer

IDRISI – img asc

DXF- DWG

ASCII - SPRING

ArcINFO

E00

ShapeFile

KML

Spacestat

SpringWeb

TerraLib

18

SCARTAMódulos do SPRING

Entrada

PI’s de um banco e projeto do Spring

SaídaArq. Carta

Arq. Molde

Arq. IPL

Impressora

Arquivos

PDF

PostScript

BMP

PNG

GIF

TIFF

JPG

19

MODELO DE DADOS DO SPRING

Como serão modelados os diversos dados ? Quais tipos de categorias de dados serão criadas ? Qual a área a ser trabalhada ? Quais os mapas (PI’s) da área de trabalho ? Quais as representações dos mapas ?

20

BANCO DE DADOSModelo de dados do SPRING

Depósito de informações do SPRING– SGDB (Access, Dbase, Oracle, MySQL, PostgreSQL) – Tabelas– Mapas – Dados espaciais em formato proprietário do SPRING

Pode-se definir vários BD (apenas um ativo) Não está relacionado a uma área geográfica Um BD pode conter vários Projetos

C:\springdb\Banco

– um sub-diretório (pasta) no sistema de arquivos.

Nota: O sistema ativa automaticamente o último banco manipulado ou um pré determinado

21

MODELO DE DADOSModelo de dados do SPRING

Define os diversos tipos de dados (ou categorias de dados)

Agrupa grandezas geográficas semelhantes em um único modelo.

Uma categoria é comum aos vários Projetos criados no Banco de

Dados.– Uso_Terra (Temático), Solo (Temático)– Imagem_TM (Imagem), Foto_8000 (Imagem)– Altimetria (MNT)– Cadastro_Rural (Cadastral)– Logradouros (Rede)

C:\springdb\Banco\Categorias

– arquivos (tabelas) debaixo do diretório do banco

22

Define a região de interesse:– Área geográfica definida por um retângulo– Tem uma projeção cartográfica e– Contém um conjunto de Planos de Informações

(PI’s) do mesmo tamanho ou menor que a região geográfica, em escalas específicas.

- Mapa de solo;- Imagens Landsat;

- Mapa altimétrico, etc.

PROJETOModelo de dados do SPRING

C:\springdb\Banco\Projeto

– um sub-diretório (pasta) do diretório do banco

Nota: O sistema ativa automaticamente o último projeto manipulado ou um pré determinado.

23

PLANO DE INFORMAÇÃOModelo de dados do SPRING

Representa o espaço geográfico com características básicas comuns definidas pela categoria do dado

Condição: existência de um Projeto e da Categoria do Dado Cada PI está associado apenas a uma categoria Uma categoria define o tipo de dado de vários PI’s

Ex: - Mapas de Uso de 1970 e 1980 (Temático)- Bandas 3, 4 e 5 do Landsat (Imagem)- Mapa altimétrico (MNT)- Mapa de fazendas (Cadastral)- Mapa de Logradouros (Rede)

C:\springdb\Banco\Projeto\PI.lin

– corresponde a arquivos debaixo do diretório do projeto

* Sempre existirá um PI ativo no Painel de Controle.

24

Objeto e Não Espacial Modelo de dados do SPRING

OBJETO Define-se um objeto do mundo real por meio de uma tabela que têm

atributos descritivos (e.g. países, lotes, etc.) e uma ligação (GEOID)

com uma geometria na forma de pontos, linhas ou polígonos.

* Cada objeto tem seu visual definido e seus atributos em uma tabela de banco de dados relacional.

Dados individualizáveis pelo atributo Rótulo com atributos descritivos. Pode ter várias representações gráficas em planos cadastrais e/ou redes.

PI de uma PI de uma categoria cadastralcategoria cadastral

Objeto : paises com atributosObjeto : paises com atributos

GEOID Rótulo/

Nome

Area /

Perimetro

Pais Pib (US $ milhoes

Populacao

(milhoes)

1 BR / BR nn / nn Brasil 350 160

2 AG /AG nn / nn Argentina 295 34

25

Objeto e Não Espacial Modelo de dados do SPRING

NÃO ESPACIAL Tabela de dados alfanuméricos sem vínculo com geometria, mas que

pode se conectar com uma tabela de objeto por um atributo comum.

geoid area Cad_INCRA

ITRINCRA_cod dono

Objeto : fazenda

Tabela Não Espacial : fazendeiro

22 1500 019331

019331 12000 OlacyrPI Cadastral com polígonos de fazendas

26

CLASSE TEMÁTICAModelo de dados do SPRING

Define uma subdivisão específica de uma categoria do modelo temático

Armazena atributos de apresentação (cor e preenchimento)

Todas as Classes de uma categoria são comuns a quantos projetos existirem no banco de dados

Ex: Classes de Uso_Terra (Mata, Capoeira, etc)

– Drenagem (Principais, Secundários, etc)– Solo (Podzólico, Latosolo)

* Se alterar o visual de uma classe temática, todos PI’s de qualquer projeto do mesmo banco sofrerão a alteração.

Cl 3Cl 3 Cl 1Cl 1

Cl 2Cl 2

27

• Nome Nome • ProjeçãoProjeção• Ret. EnvolventeRet. Envolvente

• NomeNome• Categoria Categoria • Resolução Resolução • EscalaEscala• Ret.EnvolRet.Envol

RESUMO DO MODELO DE DADOS SPRING

TabelasTabelas

PI 1PI 1

Projeto AProjeto A Projeto BProjeto B

• NomeNome• DiretórioDiretório• SGBDSGBD

• ImagemImagem• NuméricoNumérico• CadastralCadastral• RedeRede•TemáticoTemático

Classe 1Classe 1 Classe 2Classe 2

Banco de DadosBanco de Dados

Objeto com atributosObjeto com atributos

Id Rótulo/

Nome

Area /

Perimetro

Pais Pib (US $ milhoes

Populacao

(milhoes)

1 BR / BR nn / nn Brasil 350 160

2 AG /AG nn / nn Argentina 295 34

1

CategoriasCategorias

PI 2PI 2 PI 3PI 3 PIPI 4 4 PI 2PI 2PI 1PI 1

• ObjetoObjeto• Não EspacialNão Espacial

Apresentação de dados no SPRING

DICAS

29

Apresentação de dadosSPRING

1 - Selecionar uma Categoria

2 - Selecionar um Plano de Informação

3 - Selecionar uma representação disponível

4 - Desenhar na tela ativa

Duplo clique no PI desmarca o mesmo Duplo clique na Categoria desmarca PI’s Cada alteração no Painel é necessário

clicar em Desenhar

Importante - Definir a prioridade na aba “PI Selecionados” – desenha de baixo para cima.

Desenha primeiro

Desenha por último

30

ZOOMApresentação de dados no SPRING

1 - Ativar Cursor de Área2 - Marcar ponto superior esquerdo (1)3 - Mover o mouse p/ baixo e p/ direita4 - Marcar ponto inferior direito (2)5 - Clicar em [Executar – Desenhar]

ou

* Clicar BD desmarca a área selecionada

* Após marcar o ponto (2) pode-se mover qualquer das laterais ou todo o retângulo marcado

1

2

31

Barra de FerramentasApresentação de dados no SPRING

Cursor Zoom)

Cursor de Voo (pan)

Desenhar

Zoom + (2 x centro da tela)

Zoom - (2 x centro da tela)

Auto: ajusta imagem p/ dimensões padrões da telaPleno: pontos de imagem = pontos da telaEscala: ajusta dados p/ escala informada

Painel deControle

Manipulação deBanco, Projeto Modelo de Dados, Obj. - Não Espacial e Plano de Informação

Mostra coordenadas Planas, Geográficas ou Info

Cursor de Ponto

Cursor de Info

Zoom PI

Recompor Área do proj.

Anterior

Acoplar

Ampliar 2,4 ou 8x

Gráfico

Cursor de Mesa

Cursor de Janelas

Cursor de Área

Palheta de Cores

32

Acoplar TelaApresentação de dados no SPRING

Apresentar os dados de uma Tela dentro de uma janela móvel sobre a Tela Principal

1 - Ativar e apresentar um PI na Tela Principal

2 - Ativar Tela 2 e selecionar outro PI

3 - Clique em Acoplar na barra de ferramentas e escolha Tela 2

4 - Marque na Tela Principal um retângulo com cursor de área sem Desenhar

5 - Clique na parte interna do retângulo e mova sobre a Tela 1

Somente a Tela Principal pode estar associada a outras telas (2,3,...) ou a tela Auxiliar

REGISTRO DE IMAGENS

3 (0,63-0,69 m) 4 (0,76-0,90m) 5 (1,55-1,75 m)

Composição R(4)G(5)B(3)

Infra-V médioVisível (V) Infra-V próximo

http://glcfapp.umiacs.umd.edu:8080/esdi/index.jsp

Parâmetros de Saída (Cursor)

* Amostragem

IMPIMA

Parâmetros de Entrada

- Aplicativo do SPRING utilizado para leitura de imagens em diversos formatos que serão armazenadas no formato SPG+DSC (com ou sem recorte) para posterior correção geométrica (registro).

Correção geométrica

Importância– eliminação de distorções sistemáticas– estudos multi-temporais– integração de dados em SIG

Requerimentos– conhecimento das distorções existentes– escolha do modelo matemático adequado– avaliação e validação de resultados

Correção geométrica

Fontes de distorções geométricas (MSS, TM,

HRV, AVHRR, WFI)

– rotação da Terra (skew)

– distorções panorâmicas (compressão)

– curvatura da Terra (compressão)

– arrastamento da imagem durante uma varredura

– variações de altitude, atitude e velocidade do satélite

Correção geométrica

Efeitos das distorções geométricas

Transformações geométricas

Ortogonal - 3 parâmetros 1 rotação, 2 translações

Similaridade - 4 parâmetros 1 rotação, 1 escala, 2 translações

Afim ortogonal - 5 parâmetros 1 rotação, 2 escalas, 2 translações

Disponíveis no SPRING Afinidade - 6 parâmetros (polinômio de grau 1)

1 rotação, 1 rotação residual, 2 escalas, 2 translações

Polinomiais de grau 2 e 3

Registro: Qual o problema?

Identificar a transformação espacial T que modela a distorção entre os dados

(Lin x Col)Imagem (X, Y) sistema referência

Modelo Polinomial - Registro

yxb

yxajii

m

i

i

jij

jiim

i

i

jij

Y

X

0 0

0 0

Onde : (X,Y) : coordenadas de referência

(x,y) : coordenadas da imagem

a e b : coeficientes do polinômio determinados a

partir dos pontos de controle.

Polinômio de grau m:

Pontos de Controle

Reamostragem (interpolação)

•Efeito de blocos

• Processamento rápido

• Não cria novos valores de NC (mantém estatísticas da imagem)

VPM - pega o NC mais próximo ao resultado do mapeamento inverso

Reamostragem (interpolação)

•O valor obtido pela média ponderada dos NCs dos pontos E e F é transferido para a posição X

• Efeito de suavização devido a operação de média

Bilinear

Reamostragem (interpolação)

Efeitos da Interpolação

BilinearBilinear

VMP

Registro – Procedimentos Gerais

Selecionar / Carregar Imagem (arquivo spg + dsc)

Se projeto não ativo ==> Definir Projeção

Criar/Adquirir Ponto (mesa - tela - teclado)

Selecionar pontos e a equação de mapeamento – grau do polinômio - Testar

Salvar Pontos com menor erro.

Importar SPG - Registra a imagem por reamostragem (Interpolação)

– Vizinho mais próximo– Bilinear (*)– Convolução cúbica (não disponível)

Registro - Observações

Reconhece imagens TM com correção de nível 5 e 6 => Ativa a opção com correção de sistema => Permite registro com 1 ponto

Escolher pontos de controle bem distribuídos Avaliar o Erro nos Pontos - depende da

aplicação: * 0,5 pixel para precisão

* 0,5mm x denom. escala de trabalho Antes de salvar ==> avalie várias combinações Os Pontos ficarão armazenados no arquivo

descritor *.dsc Importar a imagem ==> Efetiva o Registro

REALCE DE CONTRASTE

Realce de Contraste

Melhorar a qualidade visual da imagem

Contraste de uma imagem - intervalo de níveis

de cinza assumidos pelos pontos da imagem

Avaliação do contraste de uma imagem -

histograma

Exemplos de imagens e seus histogramas

Baixo contraste => os níveis de cinza ocupam um

pequeno intervalo de valores possíveis

Exemplos de imagens e seus histogramas

Alto contraste => os níveis de cinza ocupam quase todo o intervalo de valores possíveis

Realce de Contraste

SAÍDA

ENTRADA

Realce de Contraste

Uma função y=f(x) mapeia os pixels com um valor x para um novo valor y

O resultado depende da forma da função

)(xf

)(xh

)( yh

Realce de contraste: Linear

define uma função de transferência linear

maior a inclinação da reta maior o realce

baxy

imin imax

SAÍDA

ENTRADA

CLASSIFICAÇÃO DE IMAGENS

Classificação

É o processo de extração de informação da imagem para reconhecimento de padrões e objetos homogêneos

Como resultado de uma classificação cada ponto (ou região) da imagem é mapeado para um tema.

Pixels associados a temas (cores)

Espaço de Atributos

...................... ..

...................... .. ...................... ..

água

mata

urbana

Banda 1B

anda

2

• Os elementos de imagem pertencentes a um mesmo objeto (tema) aparecem plotados como uma nuvem de pontos (aglomerado)

• Os três aglomerados de pontos definem três diferentes alvos

Classificadores Implementados no Spring

Nome Tipo de Análise (classificador)

Tipo de Treinamento

Isoseg Regiões Não- Supervisionado

Bhattacharya Regiões Supervisionado

MaxVer Pixel Supervisionado

MaxVer-Icm Pixel Supervisionado

Distancia Euclidiana

Pixel Supervisionado

Tipos de Classificadores

Classificadores por PIXEL: classifica cada pixel isoladamente mapeando-o para um dos temas de treinamento baseado somente no seu valor.

Classificadores por REGIÕES: classifica regiões (um conjunto de pixels) mapeando todos os pixels que formam a região para um mesmo tema baseando-se no valor de todos os pixels que formam a região

Tipos de Classificadores (outro critério)

Classificadores supervisionados: o usuário informa a-priori o conjunto de temas para as quais os pontos da imagem serão mapeados (exige treinamento)

Classificadores não supervisionados: o usuário não fornece nenhuma informação a priori relativa ao conjunto de temas para as quais deve-se mapear a imagem– utiliza um algoritmo de agrupamento para determinar o

número de classes diferentes presentes na imagem

Classificadores por pixel

Classificadores por pixel (todos supervisionados):– MaxVer : utiliza parâmetros estatísticos inferidos das

amostras de treinamento como critério de decisão sobre que tema um pixel irá pertencer

– MaxVer-ICM: variação do MaxVer onde numa segunda etapa a informação contextual é levada em conta. Pixels são reclassificados de acordo com os temas atribuídos aos vizinhos

– Distância Euclidiana: associa cada pixel a um tema cuja distância euclidiana de seu valor ao valor médio da classe (obtido das amostras) seja mínimo

Processo de Treinamento

Identifica amostras para cada uma dos temas As amostras de um tema devem ser homogêneas As amostras devem conter toda a variabilidade

espectral esperada para cada tema Analisar as amostras antes da classificação grau

de confusão entre os temas

águareflorestamentoárea urbanacultura

Pós-Classificação: refinamento

Elimina pixels isolados Define-se um peso e um limiar Cada pixel é comparado com os seus

vizinhos (3x3) Substitui o pixel pelo tema de maior

frequência nessa vizinhança EX: Peso 3 e Limiar 3

ImagemClassificadaoriginal

133 = 1 x 3 (peso)4

ImagemClassificadamodificada

Antes

Depois

Mapeamento para Classes Temáticas

A imagem classificada continua pertencendo a categoria do modelo IMAGEM

O mapeamento de classes gera uma imagem temática em alguma categoria do modelo TEMÁTICO

Todos os temas obtidos no processo de classificação devem ser mapeados para alguma classe da categoria do modelo temático

Passos para se executar uma classificação por PIXEL

Criar arquivo de contexto (bandas + método) Executar treinamento (criar amostras - retangular / poligonal) Analisar amostras Classificar (criar imagem classificada) Executar pós-classificação (não Obrigatório) Mapear para classes temáticas (criar PI temático)

Imagens MonoImagens MonoBandas em NC Bandas em NC

ImagemImagem

I. Classificada I. Classificada

ImagemImagem

Mapa c/ classesMapa c/ classes

Temáticas Temáticas

TemáticoTemático

MAPEAMENTO MAPEAMENTO

Matriz Matriz

Matriz Matriz

TREINAMENTOTREINAMENTO

CLASSIFICAÇÃO CLASSIFICAÇÃO

Matriz Matriz

Polígonos c/ Polígonos c/

classesclasses

Temáticas Temáticas

TemáticoTemático

Vetor Vetor

M ->V M ->V

Mesmo PI Mesmo PI

SEGMENTAÇÃO DE IMAGENS

Segmentação

Processo executado antes da Classificação por Regiões Segmentação: Identifica as regiões homogêneas dentro da

imagem Região: um conjunto de pixels contíguos bi-direcionalmente que

possuem uma semelhança espectral Atributos estatísticos são usados

Segmentação no SPRING

Crescimento de regiões:– Cada pixel é inicialmente rotulado como uma região– Segundo um critério de similaridade regiões adjacentes vão

sendo agrupadas– O processo é repetido até que nenhum outro agrupamento

possa ser feito

Detecção de Bacias

Crescimento de Regiões:exemplo

TM-Lansdat

JERS-1

CLASSIFICAÇÃO DE IMAGENS

Classificadores por regiões

Isoseg– não-supervisionado– as regiões são caracterizadas pela média,

matriz de covariância e por sua área– as regiões são agrupadas segundo uma

medida de similaridade: distância de Mahalanobis

Bhattacharya– supervisionado– usa as amostras (treinamento) para estimar a

função densidade de probabilidade de cada classe

– a região será mapeada para a classe cuja distância de Bhattacharya calculada entre elas seja menor

Classificadores por regiões

Passos para se executar uma classificação por Região

Executar a Segmentação (imagem rotulada - vetor) Criar arquivo de contexto (bandas + método + Imagem

Rotulada) Extrair informações estatísticas de média e variancia de

cada região definida na imagem rotulada resultante da segmentação

Executar treinamento (se classific. supervisionada) Analisar amostras (se classific. Supervisionada) Classificar (criar imagem classificada - Isoseg ou

Bhattacharya) Executar pós-classificação (não Obrigatório) Mapear para classes temáticas (criar PI temático)

Imagens MonoImagens MonoBandas em NC Bandas em NC

ImagemImagem

Matriz Matriz

SEG.SEG.

I. RotuladaI. Rotulada

ImagemImagem

Vetor Vetor

TREINAMENTOTREINAMENTO

CLASSIFICAÇÃO CLASSIFICAÇÃO

Imagens MonoImagens MonoBandas em NC Bandas em NC

ImagemImagem

Matriz Matriz

Mapa c/ classesMapa c/ classesTemáticas Temáticas

TemáticoTemático

Matriz Matriz

Polígonos c/ Polígonos c/

classesclassesTemáticas Temáticas

TemáticoTemático

Vetor Vetor

M ->V M ->V

Mesmo PI Mesmo PI

I. Classificada I. Classificada

ImagemImagem

Matriz Matriz

MAPEA-MAPEA-MENTO MENTO

++

Passos para se executar uma classificação por Região

Edição Matricial

Disponíveis 5 modos de operações: Editar Área - Utiliza edição de linhas fechadas (ilhas)

digitalizadas sobre o PI ativo;

Copiar área - Utiliza um plano de informação de referência (imagem classificada, rotulada, planos temáticos ou cadastrais) para associar ou trocar as classes no PI ativo;

Classificar Área - permite pintar a imagem temática com classes temáticas sobre as áreas (polígonos), que estão representadas pelos próprios pixels da imagem

Limpar Pixels – elimina áreas de pixels contíguos menores que o limiar informado

Deslocar Imagem - desloca todo o plano matricial na direção informada

Edição Matricial – Barra de Ferramentas

Selecionar operação: Editar, Classificar, Copiar, Limpar, Deslocar

Selecionar classe

Operações na fila Sair

Remover item da fila

Executar operações

Remover todos os itensDeslocamento

Cor da classe

Visual da classe

Permite editar-Mapas temáticos matriciais-Imagens classificadas-Imagens sintéticas

Permite editar-Mapas temáticos matriciais-Imagens classificadas-Imagens sintéticas

Edição Matricial - Editar Área

Botão da direita fecha o polígono Executar para alterar os polígonos editados

Edição Matricial - Copiar Área

Selecionar PI de referência Selecionar polígono vetor ou matricial na tela Auxiliar a área a ser pintada Executar para alterar

Edição Matricial - Classificar Área

Selecione a cor da classe que deseja atribuir Selecione o polígono na tela do PI ativo. Executar para confirmar.

Edição Matricial - Limpar Pixels

Digite o número de pixels contíguos que deseja substituir. Executar para confirmar.

Edição Matricial - Deslocar Imagem

Digite o valor de deslocamento em X e Y. Executar para confirmar. O que ultrapassar o retângulo

envolvente do PI será recortado.

Módulo SCARTA - Geração de Cartas

Elementos da Carta

ELEMENTOS

Título

Escala

Tamanho do Papel

Legenda

Localização

Dado (PI’s)

Grade

OBSERVAR

Equilíbrio e Lay-out

Contraste de Padrões

Cores

Disposição dos Elementos

Claridade e legibilidade

Composição do Dado (PI’s)

Módulo SCARTA - Geração de Cartas

Interface semelhante ao Spring Painel de Controle e Tela de Visualização Exige Banco de Dados e Projeto ativos Criar/Carregar a carta

– Elaborar a carta1 - Características da Carta (Papel e Dados) + PI’s

2 - Elementos da CartaTexto - Símbolos - Legenda - Escala

3 - Grade

4 - Quadros e Linhas

Gerar arquivo IPL / Salvar Carta Imprimir ou salvar em arquivo

1 - Características da Carta e PI’s

F1, F2 - tamanho do papel COORD1, COORD2 - área de dados

U1, U2 - área útil (Projeto/PI/ sub-área)

P1, P2 - Área de dados COORD1 P1

1 - Características do Papel e dos Dados

F2

F1

U2

U1

P2

P1

COORD2

COORD1

Área de Dados

ou

Área de Projeto ou PI

2 - Elementos da Carta (Texto )

2 - Elementos da Carta ( Símbolo )

Biblioteca em DXF ou BMP

C:\Arquivos de Programas\spring\etc\chart\symbol

2 - Elementos da Carta ( Legenda )

2 - Elementos da Carta ( Escala )

3 – Grade ( Planas )

3 – Grade ( Geográficas )

4 - Quadros e Linhas

Gerar arquivo IPL / Salvar Carta / ImprimirGerar arquivo IPL / Salvar Carta / Imprimir

Criar arquivo *.ipl p/ abrir no IPLOT

Salvar Carta para alterações posteriores

ImprimirExportar

PostScriptEPSCGMBMPPCXGIFTIF

IPLOT: Visualização e Impressão

Opção de Edição e Impressão : CorelDRAW

PostScript

EPS

CGM

Obrigado!

PROCESSAMENTO DIGITAL DE IMAGENS

Eliana Maria Kalil Mello (kalil@ltid.inpe.br)

José Carlos Moreira (moreira@dpi.inpe.br)