GEOPROCESSAMENTO
e fotointerpretação
Prof. Maigon Pontuschka
2013
Aula 5:
Processamento de imagens
Agenda
• Introdução
• Pré-Processamento
• Realce de imagens
• Segmentação e classificação
• Pós-Processamento
• Exatidão da classificação
Agenda
• Introdução
• Pré-Processamento
• Realce de imagens
• Segmentação e classificação
• Pós-Processamento
• Exatidão da classificação
Introdução
Uma imagem digital
obtida por
sensoriamento remoto
é uma representação
matricial dos valores
que correspondem à
intensidade de energia
refletida ou emitida
pelos objetos da
superfície terrestre.
Introdução
• Por meio de softwares especializados aplicamos
técnicas de processamento (operações ou
transformações numéricas) nas imagens.
• Cuidado para evitar perda de informação e erros
de interpretação
Introdução
• Técnicas de processamento:
▫ Pré-processamento
▫ Realce
▫ Classificação
Agenda
• Introdução
• Pré-Processamento
• Realce de imagens
• Segmentação e classificação
• Pós-Processamento
• Exatidão da classificação
Pré-Processamento
• Tratamento preliminar de dados brutos para
calibrar a radiometria da imagem.
• Atenuar efeitos da atmosfera
• Remover ruídos
• Corrigir distorções geométricas por meio de
georreferenciamento.
Pré-Processamento
• Ajustar o posicionamento da cena representada
na imagem à sua localização no terreno.
• Cada pixel da imagem é ajustado com um ponto
da superfície da Terra utilizando os Sistemas
Geodésicos de Referência (Datum).
• Datum, do latim dado, detalhe, pormenor
(plural data) em cartografia refere-se ao modelo
matemático teórico da representação da
superfície da Terra ao nível do mar utilizado
pelos cartógrafos numa dada carta ou mapa.
Pré-Processamento
• Datum: marco determinado por meios geodésicos
de alta precisão que serve como ponto de
referência para todo o levantamento da
superfície.
▫ No Brasil até o início de 2005 – Datum sul-
americano de 1969 (SAD-69)
▫ SIRGAS – Sistema Geodésico de Referência para as
Américas a partir de 2005
▫ WGS 84 –World Geodetic System é o datum
utilizado pelo GPS (Global Positioning System)
Pré-Processamento
• Georreferenciamento
de imagens:
Uso de base cartográfica ou
pontos de controle obtidos com
equipamento GPS.
▫ Ou uso de mosaicos de imagens
Landsat da Nasa
Pré-Processamento
• Ortorretificação de imagens de satélite de alta
resolução espacial
• Spring – Permite refinar imagens com
resolução de 30m para resolução de 20 ou
15m permitindo analisar imagens em escalas
maiores e de até 1:25.000 e permite integrar
e sobrepor imagens de diferentes resoluções
espaciais.
Agenda
• Introdução
• Pré-Processamento
• Realce de imagens
• Segmentação e classificação
• Pós-Processamento
• Exatidão da classificação
Realce de imagens
• Melhorar a qualidade visual e
facilitar interpretação.
• Técnicas:
▫ Ampliação linear de contraste
Consiste em expandir
a distribuição dos
dados originais
concentrados em um
pequeno intervalo
para todo o intervalo
possível, por exemplo
para 255 níveis.
Consiste em expandir
a distribuição dos
dados originais
concentrados em um
pequeno intervalo
para todo o intervalo
possível, por exemplo
para 255 níveis.
Consiste em expandir
a distribuição dos
dados originais
concentrados em um
pequeno intervalo
para todo o intervalo
possível, por exemplo
para 255 níveis.
Realce de imagens
• Técnica
▫ Operações aritméticas:
 adição, subtração ,
multiplicação e divisão
de cores em imagens.
 Servem para destacar
unidades de relevo e
drenagem ou destacar
cobertura e uso da
terra.
Realce de imagens
• Técnica
▫ Transformação por componentes principais:
 Realce de componentes principais
▫ Filtragem espacial
 Transformação da imagem filtrada depende dos
níveis de cinza dos pixels vizinhos. Serve para
limpar ruídos de imagem
Realce de imagens
• Técnica
▫ Geração de composições coloridas
 Uso de duas ou três imagens em tons de cinza às
cores primárias azul, verde e vermelho.
Realce de imagens
• Técnica
▫ Integração de dados
 Dados de sensoriamento remoto podem ser
integrados gerando imagens coloridas
multiespectrais, multisensores ou multitemporais.
Reunir em uma mesma imagem a informação .
Agenda
• Introdução
• Pré-Processamento
• Realce de imagens
• Segmentação e classificação
• Pós-Processamento
• Exatidão da classificação
Segmentação e classificação
• Segmentação de imagens é um procedimento
computacional aplicado antes de um algoritmo
de classificação automática
• A segmentação permite dividir a imagem em
regiões homogêneas.
▫ Por similaridade
▫ Por área
Segmentação e classificação
• Técnicas de classificação visam o
reconhecimento automático de objetos em
função de determinado critério de decisão
agrupando em classes os objetos que
apresentam similaridade em suas respostas
espectrais.
• Resultado: mapa temático
Segmentação e classificação
• Técnicas de classificação :
▫ Supervisionada: classes definidas a priori
 Uso de amostras ou áreas de treinamento.
▫ Não supervisionada: classes definidas a
posteriori como resultado da análise.
 Algoritmo do sistema decide com base em regras
estatísticas o que deve ser separado e os pixels que
pertencem a cada grupo
Segmentação e classificação
• Técnicas de classificação :
▫ Híbridas entre Supervisionada e não
supervisionada:
 Primeiro aplica-se a não supervisionada como base
para a seleção de amostras de treinamento e depois
a supervisionada.
Segmentação e classificação
• Técnicas de classificação :
▫ Classificação orientada a objeto
▫ Conceito de objeto. Não se considera o valor de
cada pixel mas o de cada conjunto de pixels da
imagem e as relações entre os objetos.
▫ Na classificação orientada a objeto é fundamental
o conhecimento temático (litologia, relevo, solos,
cobertura vegetal e uso da terra) e de
sensoriamento remoto do intérprete.
Segmentação e classificação
• Técnicas de classificação :
▫ Classificação orientada a objeto
▫ SPRING permite aplicar nas imagens digitais técnicas
de correção, realce, segmentação e classificação
automatizada.
▫ Permite a geração de um plano de informações e de
cartas temáticas
▫ Permite acessar, sobrepor e integrar à imagem
analisada uma grande variedade de dados
armazenados no sistema como curvas de nível,
drenagem, mapas temáticos, etc.
Agenda
• Introdução
• Pré-Processamento
• Realce de imagens
• Segmentação e classificação
• Pós-Processamento
• Exatidão da classificação
Pós-Processamento
▫ Corrigir erros resultantes da classificação
automática
▫ Spring -> Edição matricial´: um recurso
computacional disponível no sistema.
▫ Serve para classificar áreas que não foram
classificadas e agrupar classes.
Agenda
• Introdução
• Pré-Processamento
• Realce de imagens
• Segmentação e classificação
• Pós-Processamento
• Exatidão da classificação
Exatidão da classificação
▫ Confronto entre os mapas gerados com dados
provenientes de pesquisa de campo são
fundamentais para validar estes mapas.
▫ Procedimento necessário para verificar o quanto
o resultado de uma classificação é confiável
▫ Sorteio aleatório de determinado número de
pontos para coleta de dados no campo. Geração
de uma matriz de erros para fazer a verificação da
exatidão da classificação por meio de uma matriz
de erros.
Referências
FLORENZANO, T.G. Iniciação em Sensoriamento Remoto. 3. ed. São Paulo:
Oficina de Textos, 2011. 128p.

Aula 5

  • 1.
    GEOPROCESSAMENTO e fotointerpretação Prof. MaigonPontuschka 2013 Aula 5: Processamento de imagens
  • 2.
    Agenda • Introdução • Pré-Processamento •Realce de imagens • Segmentação e classificação • Pós-Processamento • Exatidão da classificação
  • 3.
    Agenda • Introdução • Pré-Processamento •Realce de imagens • Segmentação e classificação • Pós-Processamento • Exatidão da classificação
  • 4.
    Introdução Uma imagem digital obtidapor sensoriamento remoto é uma representação matricial dos valores que correspondem à intensidade de energia refletida ou emitida pelos objetos da superfície terrestre.
  • 5.
    Introdução • Por meiode softwares especializados aplicamos técnicas de processamento (operações ou transformações numéricas) nas imagens. • Cuidado para evitar perda de informação e erros de interpretação
  • 6.
    Introdução • Técnicas deprocessamento: ▫ Pré-processamento ▫ Realce ▫ Classificação
  • 7.
    Agenda • Introdução • Pré-Processamento •Realce de imagens • Segmentação e classificação • Pós-Processamento • Exatidão da classificação
  • 8.
    Pré-Processamento • Tratamento preliminarde dados brutos para calibrar a radiometria da imagem. • Atenuar efeitos da atmosfera • Remover ruídos • Corrigir distorções geométricas por meio de georreferenciamento.
  • 9.
    Pré-Processamento • Ajustar oposicionamento da cena representada na imagem à sua localização no terreno. • Cada pixel da imagem é ajustado com um ponto da superfície da Terra utilizando os Sistemas Geodésicos de Referência (Datum). • Datum, do latim dado, detalhe, pormenor (plural data) em cartografia refere-se ao modelo matemático teórico da representação da superfície da Terra ao nível do mar utilizado pelos cartógrafos numa dada carta ou mapa.
  • 10.
    Pré-Processamento • Datum: marcodeterminado por meios geodésicos de alta precisão que serve como ponto de referência para todo o levantamento da superfície. ▫ No Brasil até o início de 2005 – Datum sul- americano de 1969 (SAD-69) ▫ SIRGAS – Sistema Geodésico de Referência para as Américas a partir de 2005 ▫ WGS 84 –World Geodetic System é o datum utilizado pelo GPS (Global Positioning System)
  • 11.
    Pré-Processamento • Georreferenciamento de imagens: Usode base cartográfica ou pontos de controle obtidos com equipamento GPS. ▫ Ou uso de mosaicos de imagens Landsat da Nasa
  • 12.
    Pré-Processamento • Ortorretificação deimagens de satélite de alta resolução espacial • Spring – Permite refinar imagens com resolução de 30m para resolução de 20 ou 15m permitindo analisar imagens em escalas maiores e de até 1:25.000 e permite integrar e sobrepor imagens de diferentes resoluções espaciais.
  • 13.
    Agenda • Introdução • Pré-Processamento •Realce de imagens • Segmentação e classificação • Pós-Processamento • Exatidão da classificação
  • 14.
    Realce de imagens •Melhorar a qualidade visual e facilitar interpretação. • Técnicas: ▫ Ampliação linear de contraste
  • 15.
    Consiste em expandir adistribuição dos dados originais concentrados em um pequeno intervalo para todo o intervalo possível, por exemplo para 255 níveis.
  • 16.
    Consiste em expandir adistribuição dos dados originais concentrados em um pequeno intervalo para todo o intervalo possível, por exemplo para 255 níveis.
  • 17.
    Consiste em expandir adistribuição dos dados originais concentrados em um pequeno intervalo para todo o intervalo possível, por exemplo para 255 níveis.
  • 18.
    Realce de imagens •Técnica ▫ Operações aritméticas:  adição, subtração , multiplicação e divisão de cores em imagens.  Servem para destacar unidades de relevo e drenagem ou destacar cobertura e uso da terra.
  • 19.
    Realce de imagens •Técnica ▫ Transformação por componentes principais:  Realce de componentes principais ▫ Filtragem espacial  Transformação da imagem filtrada depende dos níveis de cinza dos pixels vizinhos. Serve para limpar ruídos de imagem
  • 20.
    Realce de imagens •Técnica ▫ Geração de composições coloridas  Uso de duas ou três imagens em tons de cinza às cores primárias azul, verde e vermelho.
  • 21.
    Realce de imagens •Técnica ▫ Integração de dados  Dados de sensoriamento remoto podem ser integrados gerando imagens coloridas multiespectrais, multisensores ou multitemporais. Reunir em uma mesma imagem a informação .
  • 24.
    Agenda • Introdução • Pré-Processamento •Realce de imagens • Segmentação e classificação • Pós-Processamento • Exatidão da classificação
  • 25.
    Segmentação e classificação •Segmentação de imagens é um procedimento computacional aplicado antes de um algoritmo de classificação automática • A segmentação permite dividir a imagem em regiões homogêneas. ▫ Por similaridade ▫ Por área
  • 26.
    Segmentação e classificação •Técnicas de classificação visam o reconhecimento automático de objetos em função de determinado critério de decisão agrupando em classes os objetos que apresentam similaridade em suas respostas espectrais. • Resultado: mapa temático
  • 27.
    Segmentação e classificação •Técnicas de classificação : ▫ Supervisionada: classes definidas a priori  Uso de amostras ou áreas de treinamento. ▫ Não supervisionada: classes definidas a posteriori como resultado da análise.  Algoritmo do sistema decide com base em regras estatísticas o que deve ser separado e os pixels que pertencem a cada grupo
  • 30.
    Segmentação e classificação •Técnicas de classificação : ▫ Híbridas entre Supervisionada e não supervisionada:  Primeiro aplica-se a não supervisionada como base para a seleção de amostras de treinamento e depois a supervisionada.
  • 31.
    Segmentação e classificação •Técnicas de classificação : ▫ Classificação orientada a objeto ▫ Conceito de objeto. Não se considera o valor de cada pixel mas o de cada conjunto de pixels da imagem e as relações entre os objetos. ▫ Na classificação orientada a objeto é fundamental o conhecimento temático (litologia, relevo, solos, cobertura vegetal e uso da terra) e de sensoriamento remoto do intérprete.
  • 32.
    Segmentação e classificação •Técnicas de classificação : ▫ Classificação orientada a objeto ▫ SPRING permite aplicar nas imagens digitais técnicas de correção, realce, segmentação e classificação automatizada. ▫ Permite a geração de um plano de informações e de cartas temáticas ▫ Permite acessar, sobrepor e integrar à imagem analisada uma grande variedade de dados armazenados no sistema como curvas de nível, drenagem, mapas temáticos, etc.
  • 33.
    Agenda • Introdução • Pré-Processamento •Realce de imagens • Segmentação e classificação • Pós-Processamento • Exatidão da classificação
  • 34.
    Pós-Processamento ▫ Corrigir errosresultantes da classificação automática ▫ Spring -> Edição matricial´: um recurso computacional disponível no sistema. ▫ Serve para classificar áreas que não foram classificadas e agrupar classes.
  • 35.
    Agenda • Introdução • Pré-Processamento •Realce de imagens • Segmentação e classificação • Pós-Processamento • Exatidão da classificação
  • 36.
    Exatidão da classificação ▫Confronto entre os mapas gerados com dados provenientes de pesquisa de campo são fundamentais para validar estes mapas. ▫ Procedimento necessário para verificar o quanto o resultado de uma classificação é confiável ▫ Sorteio aleatório de determinado número de pontos para coleta de dados no campo. Geração de uma matriz de erros para fazer a verificação da exatidão da classificação por meio de uma matriz de erros.
  • 38.
    Referências FLORENZANO, T.G. Iniciaçãoem Sensoriamento Remoto. 3. ed. São Paulo: Oficina de Textos, 2011. 128p.