GEOPROCESSAMENTO Aula 5: Processamento de imagens e fotointerpretação

Apresentação em tema: "GEOPROCESSAMENTO Aula 5: Processamento de imagens e fotointerpretação"— Transcrição da apresentação:

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

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

17 Consiste em expandir a distribuição 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 .

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.