Trabalho de sensoriamento remoto 2

270 visualizações

Publicada em

Sensoriamento remoto

Publicada em: Engenharia
0 comentários
0 gostaram
Estatísticas
Notas
  • Seja o primeiro a comentar

  • Seja a primeira pessoa a gostar disto

Sem downloads
Visualizações
Visualizações totais
270
No SlideShare
0
A partir de incorporações
0
Número de incorporações
3
Ações
Compartilhamentos
0
Downloads
3
Comentários
0
Gostaram
0
Incorporações 0
Nenhuma incorporação

Nenhuma nota no slide

Trabalho de sensoriamento remoto 2

  1. 1. UNIVERSIDADE DO ESTADO DO RIO DE JANEIRO CENTRO DE TECNOLOGIA E CIÊNCIAS FACULDADE DE ENGENHARIA DEPARTAMENTO DE ENGENHARIA CARTOGRÁFICA ALUNO: LEANDRO DE SOUZA CAMARGO MATRÍCULA: 201020542211
  2. 2. ALUNO: LEANDRO DE SOUZA CAMARGO MATRÍCULA: 201020542211 CORREÇÕES DE IMAGENS SATELITÁRIAS INTRODUÇÃO Muitos dos problemas identificados nas fotografias aéreas ocorrem de formas bastante semelhantes com as imagens digitais de sensoriamento remoto. São várias as fontes que geram esses problemas, a maioria devido aos erros e defeitos que os sensores possam apresentar ao longo de sua vida útil, e por perdas de estabilidade da plataforma que aloja o sensor. Mas há fontes de erros que independem da plataforma ou mau funcionamento do sensor. A atmosfera é uma dessas fontes externas de erros, que pode gerar com intensidades diferentes, severas distorções nos dados das imagens. No conjunto, os erros ou distorções que as imagens estão sujeitas, vão se apresentar nas deformações de escala, incorreções nas posições espaciais dos pixels, perda de contraste entre os alvos ou registros incorretos dos valores digitais dos pixels. As correções dessas distorções fazem parte do conjunto de funções de processamento que se denomina de pré-processamento. As técnicas de pré- processamento são assim denominadas, porque elas não visam transformações das imagens, as quais têm, como principal objetivo, melhorar a qualidade visual da cena. As correções dos diferentes tipos de erros que a imagem pode apresentar são modeladas de acordo com o tipo da estrutura dos erros, conhecendo-se qual é a fonte de distorção. Constitui uma importante etapa de processamento, porque nos processamentos subseqüentes, tais como as transformações de realces espectrais, essas imperfeições seriam também realçadas. A ordem da correção da imagem depende dos objetivos do trabalho ou da pesquisa que o intérprete propôs fazer, podendo iniciar pela correção radiométrica, atmosférica ou geométrica, ou todas serem realizadas As técnicas de pré-processamento são, essencialmente, funções operacionais para remover ou corrigir os erros e as distorções introduzidos nas imagens pelos sistemas sensores devidos a erros instrumentais (ruídos espúrios), às interferências da atmosfera (erros radiométricos) e à geometria de imageamento (distorções geométricas).
  3. 3. ELIMINAÇÃO DE RUÍDOS As imagens podem conter erros aleatórios de pixels ou erros coerentes de linhas de pixels que, normalmente, se mostram como pixels ou linhas com valores saturados (claros), ou sem sinal (escuros). É reconhecido como um erro do valor digital do pixel. São denominados de ruídos e, tipicamente, esses ruídos espúrios e imprevisíveis são decorrentes e erros instrumentais. Os ruídos, normalmente, se apresentam em três formas: como linhas ruidosas, pixels ruidosos ou conjunto sistemático de linhas ruidosas, que se denomina de striping. Linhas ruidosas consistem na má qualidade de pixels ao longo de uma linha ou mesmo da perda total de informação ao longo de toda uma linha ou de algumas linhas, devido a problemas diversos, como o de saturação do detector na medida do sinal, falha na aquisição dos dados ou erro na transmissão ou registro de dados em Terra. É um tipo de ruído aleatório, isso é, não tem um padrão definido. A linha ruidosa é reconhecida na imagem pela aparência de uma linha escura, sinal perdido, ou claro ou sinal saturado. O striping consiste num tipo de ruído coerente, cujo efeito é o aparecimento de faixas horizontais regularmente espaçadas nas imagens, dando a aparência de uma persiana que mostra abruptas diferenças de níveis de cinza, originadas por diferenças das respostas do conjunto de detectores de uma banda. CORREÇÃO ATMOSFÉRICA Mais comprometedor do que os ruídos aleatórios ou coerentes, são as degradações que alteram radiometricamente a imagem por completo. A fonte de erro dessa degradação ou distorção radiométrica é a atmosfera, cuja intensidade de efeitos é dependente do comprimento de onda, da data de imageamento e da trajetória da radiação. A atmosfera afeta a radiância medida em qualquer ponto da imagem, de duas maneiras aparentemente contraditórias. Primeiro, ela atua como um refletor, adicionando uma radiância extra ao sinal que é detectado pelo sensor. Segundo, ela atua com um absorvedor, atenuando a intensidade de energia que ilumina o alvo na superfície. Quando a atenuação é acima de um valor, a transparência da atmosfera torna-se opaca em determinados comprimentos de onda, impossibilitando a obtenção de imagens. Portanto, quando temos uma imagem, nela devemos apenas verificar a degradação que pode ter sido causada pelo espalhamento atmosférico, avaliando quanto de radiação foi adicionada ao pixel e que sabemos não ser proveniente do alvo. Na maioria
  4. 4. das vezes, os efeitos do espalhamento atmosférico são sempre o de diminuir o contraste entre os alvos presentes na imagem. CORREÇÕES DAS DISTORÇÕES GEOMÉTRICAS A correção das distorções geométricas trata, prioritariamente, da remoção de erros sistemáticos presentes em todos os tipos de imagens de sensoriamento remoto. Isso é realizado em duas etapas distintas. Inicialmente, na primeira etapa de correção são eliminadas as distorções geométricas sistemáticas que são introduzidas no momento de aquisição das imagens devidas à rotação, inclinação e curvatura da Terra e devida à instabilidade da plataforma. Efetivamente, essa primeira etapa é o que se deve denominar de processo de correção geométrica de imagens. Como depende de uma série de parâmetros da exatidão de posicionamento da plataforma, que o usuário não tem conhecimento e nem acesso, a correção geométrica fica a cargo dos laboratórios de produção de imagens, pois para se efetuar uma boa correção geométrica, devem-se conhecer as fontes de erros que interferem no processo de aquisição da imagem. A escolha do modelo matemático mais adequado depende, fortemente, desse conhecimento. Com a imagem corrigida geometricamente, inicia-se a segunda etapa do processo, para se corrigir as distorções geradas pela visada cônica dos sensores, e que deve ser realizada pelo usuário. O objetivo é inserir na imagem um sistema de projeção para se estabelecer um referencial de coordenadas que possibilite localizar na imagem a posição geográfica dos alvos. Isso constitui o que se denomina de georreferenciamento de imagens, que consiste apenas no uso de transformações geométricas simples, usualmente transformações polinomiais, para estabelecer um mapeamento entre as coordenadas espaciais da imagem e as coordenadas geográficas de cartas topográficas CORREÇÃO GEOMÉTRICA Para avaliar porque as distorções geométricas ocorrem, é necessário, primeiramente, imaginar que uma imagem é formada de linhas sequenciais de pixels. Uma imagem registra N linhas de M pixels, dispondo as linhas sucessivamente, uma abaixo da outra. Como normalmente o IFOV (instantaneous field of view) que determina a área de resolução no terreno
  5. 5. (resolução espacial) é quadrado, por exemplo, 20 x 20 m, a formatação da imagem é o mesmo que arranjar os pixels em uma grade As distorções geométricas são os desajustes dessa grade de pixels. Na imagem digital isso deve ser entendido como a mudança de posição do pixel na grade. Como o pixel é visto por um valor de brilho ou de nível de cinza, se ele mudou de posição pode-se, então, dizer que aquele pixel na grade teve uma mudança de valor de brilho. Devido à alta altitude dos satélites de sensoriamento remoto, uma pequena mudança da plataforma pode causar grandes distorções de posição dos pixels na imagem. As fontes de distorções geométricas são mais diversas do que as radiométricas, as principais sendo devido à: a) rotação da terra durante o tempo de imageamento b) instabilidades dos eixos de posicionamento da plataforma c) curvatura da Terra d) campo de visada do sensor No caso da distorção devido à rotação da Terra a natureza e magnitude da fonte de distorção são conhecidas, e assim fica fácil elaborar um modelo matemático para estabelecer uma fórmula de correção geométrica. Durante o tempo de imageamento gasto para um sensor obter uma imagem, a Terra está rotacionando de oeste para leste, de modo a provocar um deslocamento relativo das linhas de imageamento para oeste. A quantidade de deslocamento para oeste depende da velocidade relativa do satélite, da dimensão da área imageada e da latitude da área. Como se conhece os dados para se calcular a magnitude do deslocamento em cada situação, que são a velocidade angular do satélite e a velocidade de rotação da Terra, é possível modelar, especificamente, esse tipo de distorção, e fazer uma correção para as linhas serem deslocadas para a direita, numa posição que assegure que as feições estejam em correta posição, relativa uma com a outra, ao longo de toda a imagem. O deslocamento das linhas é da ordem de uma dezena de quilômetros para os satélites tipo Landsat ou CBERS
  6. 6. As distorções geométricas causadas pela variação de altitude provocam distorções de escala da imagem, enquanto as distorções provocadas por variações dos eixos de atitude do satélite (inclinação, rolamento, arfagem), causam rotações transversais e longitudinais relativas à linha de vôo do satélite. Essas distorções são semelhantes às que ocorrem em aerolevantamentos fotográficos. Informações telemétricas das efemérides da plataforma são continuamente enviadas para as estações terrestres de rastreamento e computadas para aplicar a correção necessária. A distorção devido à curvatura da Terra é dependente da largura da faixa de imageamento da órbita do satélite, mas a maior influência é o efeito da geometria do plano de inclinação da superfície da Terra sobre a faixa imageada. Para os sensores que possuem um pequeno ângulo FOV (±7,5o) como o HRV do satélite SPOT, o ETM do Landsat, ou o CCD do CBERS, com uma largura da faixa de imageamento no terreno entre uma a duas centenas de quilômetros, a distorção não é relevante. Para ângulos FOV da ordem de 40o a 50o a distorção da imagem passa a ser considerável, pois a largura da faixa de imageamento pode atingir mais de 2000 km. O tamanho do pixel ao longo da linha de varredura pode ser de 3 a 5 vezes maior que o tamanho do pixel a nadir. É o caso do sensor MODIS (MODerate resolution Imaging Spectroradiometer). As fontes de distorções geométricas devido ao grande campo de visada do sensor são bem conhecidas dos fotointérpretes. Elas introduzem nas imagens dois tipos de distorções: (i) aumento da área do pixel situado no extremo da imagem; (ii) deslocamento das posições dos pixels ao longo da linha de varredura. Ambas são inerentes a todos os tipos de sensores, em função de a visada ser do tipo central ou cônica, à semelhança dos sensores fotográficos. Portanto, nesses casos a correção da imagem trata,
  7. 7. prioritariamente, da remoção de erros introduzidos pelos campos de visada óptica do sensor. REALCE DAS IMAGENS Esta técnica tem por objetivo modificar, através de funções matemáticas, os níveis de cinza ou os valores digitais de uma imagem, de modo a destacar certas informações espectrais melhorando sua qualidade visual.
  8. 8. Para este trabalho utilizaremos imagens adquiridas do satélite CBERS da região da bacia de rio alegre localizada no estado do Espírito Santo onde possuímos os seguintes parâmetros: FUSO 24; COORDENADAS UTM X1=220489.00000 Y1=7684786.0000 X2=243050.0000 Y2=7710137.0000; Banda1_210708 azul 0,45-0,52(20m) Banda2_210708 verde 0,52-0,59(20m) Banda3_210708 vermelho 0,63-0,69(20m) Banda4_210708 Infravermelho proximal 0,77-0,89(20m) Banda5_210708 pancromático 0,51-0,73(20m) Imagem antes das correções: a) Composição Normal
  9. 9. b) Falsas Cores Com estas duas imagens temos como objetivo principal destacar os corpos de água existentes em cada fotografia. Percebemos que na composição normal, o corpo e curso d’água fica de difícil identificação, assim, aplicando as cores falsas estes elementos da imagem ficam melhor caracterizados, logo obtemos:
  10. 10. Para melhor identificar as feições do cursos d’água, vamos aplicar as devidas correções comparando as imagens como produto final. FILTRAGEM LINEAR Todas as imagens possuem limites entre áreas com diferentes respostas em relação à energia eletromagnética, como por exemplo, entre diferentes coberturas do terreno (solo, vegetação, rocha e outros), ou podem representar o contato entre áreas com diferentes condições de iluminação devido ao sombreamento topográfico. Uma característica das imagens digitais é o parâmetro chamado frequência espacial, o qual é definido como o número de mudanças no valor de brilho por unidade de distância para qualquer parte da imagem. Quando se tem pouca variação no valor de brilho em áreas relativamente grandes, como é o caso de monoculturas, dizemos que esta é uma região de baixa frequência. E, quando ocorre uma grande variabilidade nos valores de brilho em áreas pequenas, dizemos que é uma região de alta frequência (limites de plantações, redes de transporte, estruturas geológicas, entre outros). A enorme mistura de frequências em uma imagem dificulta a interpretação de feições com frequências específicas. Deste modo, para contornar esse problema e melhorar a aparência da distribuição espacial das informações, são utilizadas técnicas de FILTRAGEM espacial de frequências (transformações de imagem pixel a pixel ), as quais realçam seletivamente as feições de alta, média ou baixa frequências que com põem as imagens de sensoriamento remoto. As técnicas de filtragem são transformações da IMAG em pixel a pixel, que não dependem apenas do nível de cinza de um determinado pixel, m as também do valor dos níveis de cinza dos pixels vizinhos. O processo de filtragem é feito utilizando matrizes denominadas máscaras, as quais são aplicadas sobre a imagem. A aplicação da máscara co m centro na posição ( i, j ), sendo i o número de uma dada linha e j o número de uma dada coluna sobre a imagem, consiste na substituição do valor do pixel na posição ( i, j ) por um novo valor que depende dos valores dos pixels vizinhos e dos pesos da máscara, gerando uma nova imagem com a eliminação das linhas e colunas iniciais e finais da imagem original. A cada posição da máscara, está associado um valor numérico, chamado de peso ou coeficiente. Em cada posição ( i, j ), os pesos do filtro são multiplicados pelos níveis de cinza
  11. 11. (NCs) dos pixels correspondentes e somados, resultando em um novo valor de NC, o qual substitui o antigo NC do pixel central As imagens usadas a seguir são do satélite IKONOS do quadrante representativo da cidade de Alegre, ES. Assim intitulamos o nosso projeto com o nome de BACIA_RIO_ALEGRE. Filtros lineares O filtros servem para suavisar ou realçar detalhes da imagem, ou ainda minimizar efeitos de ruído. O sistema provê algumas máscaras pré-definidas para a aplicação de cada tipo de filtro. No caso da filtragem linear estão disponíveis máscaras para os filtros passa-baixa e passa-alta. Para as imagens propostas abaixo, utilizamos a filtragem passa –baixa, esta ajudou a destacar melhor o corpo d’água ( sendo esse o objetivo primordial) onde podemos distinguir com mais clareza as devidas feições do terreno. Após a aplicação da correção geométrica, a filtragem linear e a correção do contraste da imagem proposta, o produto final revela não apenas com maior clareza a definição dos corpos d’água mas também as regiões com maior concentração de vegetação ( usamos o infravermelho proximal), as curvas de talveg, as regiões com solos mais expostos ao inteperismos dando maior riqueza de detalhes a cada quadro sendo de fundamental importância como base para todo tipo de projeto para a região.
  12. 12. Após a correção geométrica e aplicação da correção de contraste obtivemos uma melhor definição da imagem e do curso d’água: O curso d’água torna-se mais evidente à medida que aplicamos as devidas correções
  13. 13. CONCLUSÃO Na comparação com as imagens anteriores constatamos uma feição mais fiel as características do terreno Usando o infravermelho proximal, averiguamos que as regiões que estão avermelhadas há maior concentração de vegetação, o que confirma a análise acima
  14. 14. CONCLUSÃO As técnicas abordadas neste trabalho visam com o apoio do software SPRINTER, mostrar as diferentes técnicas de registro e refinamento de uma imagem explorando as diversas formas de correções de ruídos e como este manejo pode ajudar na identificação de feições no terreno. Como exemplo final propomos uma correção de contraste e filtragem linear para o modelo abordado e assim obtivemos definições mais claras de feições de terreno. BIBLIOGRAFIA http://www.inpe.br/; http://www.cbers.inpe.br/; http://www.mundogeomatica.com.br/spring5x.htm

×