A apresentação está carregando. Por favor, espere

A apresentação está carregando. Por favor, espere

GEOPROCESSAMENTO e fotointerpretação Prof. Maigon Pontuschka 2013 Aula 5: Processamento de imagens.

Apresentações semelhantes


Apresentação em tema: "GEOPROCESSAMENTO e fotointerpretação Prof. Maigon Pontuschka 2013 Aula 5: Processamento de imagens."— Transcrição da apresentação:

1 GEOPROCESSAMENTO e fotointerpretação Prof. Maigon Pontuschka 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 obtida por 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 meio de 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 de processamento: ▫Pré-processamento ▫Realce ▫Classificação

7 Agenda •Introdução •Pré-Processamento •Realce de imagens •Segmentação e classificação •Pós-Processamento •Exatidão da classificação

8 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.

9 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.

10 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)

11 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

12 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: 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 a distribuição dos dados originais concentrados em um pequeno intervalo para todo o intervalo possível, por exemplo para 255 níveis.

16

17

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.

22

23

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

28

29

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 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.

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.

37

38 Referências FLORENZANO, T.G. Iniciação em Sensoriamento Remoto. 3. ed. São Paulo: Oficina de Textos, p.


Carregar ppt "GEOPROCESSAMENTO e fotointerpretação Prof. Maigon Pontuschka 2013 Aula 5: Processamento de imagens."

Apresentações semelhantes


Anúncios Google