Datainnsamling

De acordo com Gonzalez & Woods (2011), o processamento de imagens é o conjunto de técnicas desenvolvidas ao longo dos anos para melhorar o aspecto visual de certas feições de uma imagem para o analista humano e fornecer outros subsídios para a sua interpretação, podendo gerar resultados que podem ser posteriormente submetidos a outros processamentos. Essas técnicas podem ser aplicadas em imagens pancromáticas, coloridas, multiespectrais e hiperespectrais. Devido à vasta quantidade de áreas de aplicação, sistemas de processamento de imagens são, à priori, interdisciplinares. Alguns exemplos além do SERE são: microscopia, medicina, manutenção de obras de arte, identificação de impressões digitais, armazenamento de documentos, medidas de

31

velocidade de escoamento de fluxo, controle de qualidade, astronomia, fotografia, vídeo e efeitos especiais.

Existe um consenso entre os autores da área de processamento digital de imagens para dividir os assuntos que abrangem o conhecimento envolvido nos seguintes grupos:

a) Pré-processamento

Trata-se dos métodos utilizados para a correção de erros, remoção de ruído e inconsistências presentes nos dados brutos. Entre as correções feitas, podem ser citadas:

 Correção radiométrica: serve para converter e/ou calibrar os dados para um determinado padrão de radiação ou refletância, facilitando a comparação entre eles. Está relacionada às variações na cena provocadas pelo nível de iluminação, condições atmosféricas, interferências ou ruídos e a resposta do sensor;

 Correção atmosférica: remove o efeito de dispersão da energia eletromagnética nas partículas de água suspensas na atmosfera, possibilitando que alvos invariáveis temporalmente, sejam interpretados sempre da mesma forma. No caso de plataformas cuja altura de voo não excede 1000m (como é o caso dos mini-VANTs) esse tipo de correção normalmente não é utilizada;

 Correção geométrica: remove as distorções sistemáticas introduzidas durante a aquisição das imagens normalmente relacionadas com o sistema óptico do sensor. Para o sucesso desse tipo de método é importante que sejam conhecidos os erros que interferem no processo de formação da imagem para a seleção da função matemática de correção.

As principais deformações geométricas ocorrem devido a variações de posição, velocidade e atitude da plataforma. Podem ser observadas na Figura 2.13 quais são os tipos de distorções geométricas na imagem devido ao movimento da plataforma e qual o efeito resultante:

a) Imagem sem distorção;

b) Escaneamento perpendicular ao sentido do voo; c) Row: afeta a aquisição no sentido longitudinal; d) Pitch: provoca distorções transversais;

32

Figura 2.13 - Distorções geométricas devido ao movimento da plataforma

(GOMARASCA, 2009).

Nos casos em que é necessário comparar, combinar ou sobrepor imagens de diferentes sensores em uma mesma área, deve-se garantir que os pixels das imagens em questão sejam referentes às mesmas áreas no terreno. A coincidência natural nos pixels é muito difícil de ser alcançada em função das distorções geradas pelo sistema de aquisição. Para contornar este problema, é fundamental que as imagens sejam registradas, ou seja, diferentes conjuntos de dados devem ser mapeados em um único sistema de coordenadas. As técnicas de registro de imagens podem ser de dois tipos básicos (GONZALEZ & WOODS, 2011):

 Registro manual: realizado com base na identificação de pontos de controle no terreno. Trata-se de uma transformação geométrica que relaciona as coordenadas da imagem (linha e coluna) com as coordenadas geográficas (latitude e longitude) de um mapa. Esse processo elimina distorções existentes na imagem, causadas no processo de formação da imagem pelo sistema sensor e por imprecisão dos dados de posicionamento da plataforma de aquisição.

 Registro automático: realizado com base na análise da similaridade ou dissimilaridade entre duas imagens. É calculado com base no deslocamento relativo existente entre as imagens. A maneira como a similaridade é determinada baseia-se na correlação entre a mesma área (janela) nas duas imagens. Esse tipo de análise possibilita a identificação de feições referentes ao terreno mostradas nas duas imagens.

Georreferenciamento de uma imagem nada mais é do que uma forma de registro onde através de uma transformação geométrica são relacionadas coordenadas de uma imagem (linha, coluna) com coordenadas de um sistema de referência (coordenadas reais), normalmente planas em certa projeção cartográfica. Esse processo é fundamental

33

em vários problemas práticos dentre eles a fusão aplicada a dados adquiridos por diferentes sensores, como é o caso do estudo proposto neste trabalho (CHANG, 2008).

Outro processo importante no pré-processamento de imagens é o de reamostragem. Novos pixels da imagem podem ser obtidos com base nos pixels originais da imagem a ser corrigida. Os métodos computacionais mais conhecidos para a realização dessa rotina são os seguintes:

 Vizinho mais próximo: método determinista no qual o valor estimado é sempre igual à sua amostra mais próxima não considerando qualquer outra. Utilizado para interpolações rápidas e em áreas de estudo bem amostradas.

 Interpolação bilinear: método que realiza uma interpolação linear em uma direção (X) e depois em outra (Y). Embora cada um destes passos seja uma interpolação linear, de maneira geral o método é quadrático.

 Convolução cúbica: método que considera 16 pixels mais próximos (janela 4x4). A interpolação é realizada ajustando polinômios cúbicos a cada coluna, para depois interpolar um novo polinômio cúbico a estes resultados.

A ortorretificação é um tipo de correção geométrica de alta precisão. O método é baseado em princípios matemáticos e geométricos, refletindo a realidade física da geometria de visada do sensor. São levadas em consideração as distorções que ocorrem na formação da imagem, isto é, ocasionadas pelo relevo e relativas à plataforma, ao sensor, e à projeção cartográfica (TOUTIN & CARBONNEAU, 1992).

b) Realce

São técnicas que visam melhorar a qualidade visual das imagens e enfatizar características de interesse, uma vez que a interpretação dos dados é muitas vezes dificultada em função das degradações oriundas dos processos de aquisição e visualização. São apresentados a seguir os dois principais tipos de transformações de nível de cinza:

Contraste

Esse processo não aumenta a quantidade de informação contida na imagem, apenas torna mais fácil a sua percepção para o olho humano. O contraste entre dois elementos pode ser definido como a razão entre os seus níveis de cinza médios. A manipulação do contraste consiste numa transferência radiométrica em cada pixel,

34

com o objetivo de aumentar a discriminação visual entre os objetos presentes na imagem. Essa operação é realizada ponto a ponto, independentemente da vizinhança (GOMARASCA, 2009).

O histograma de uma imagem descreve a distribuição estatística dos níveis de cinza em termos do número de pixels em cada nível. A distribuição pode também ser dada em termos da porcentagem do número total de pixels na imagem. A cada histograma está associado o contraste da imagem. Através de uma função matemática denominada transformação radiométrica é possível realizar um realce de contraste. Esse processo consiste em mapear as variações dentro do intervalo original de tons de cinza, para outro intervalo desejado, expandindo o intervalo original de níveis de cinza da imagem original.

Filtragem

As técnicas de filtragem são transformações da imagem pixel a pixel, que não dependem apenas do nível de cinza de um determinado pixel, mas também do valor dos níveis de cinza dos pixels vizinhos. O processo de filtragem é feito com a utilização de matrizes denominadas máscaras, as quais são aplicadas sobre a imagem. A aplicação da máscara com 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.

Os filtros espaciais podem ser classificados em passa-baixa, passa-alta ou passa- banda (SOLOMON, 2010). Os dois primeiros são os mais utilizados no processamento de imagens. O filtro passa-banda é mais utilizado em processamentos específicos, principalmente para remover ruídos periódicos.

De acordo com Gonzalez & Woods (2011) os filtros podem ser:

 Filtros lineares: suavizam, realçam detalhes da imagem e minimizam efeitos de ruído sem alterar o nível médio de cinza da imagem. Alguns exemplos desses filtros são: passa-alta, passa-baixa, realce de bordas e realce de imagem;

 Filtros não lineares: são filtros que minimizam/realçam ruídos e suavizam/realçam bordas, alterando o nível médio de cinza da imagem. Os principais filtros nesta categoria são os operadores para detecção de bordas e os filtros morfológicos. Os operadores para detecção de bordas detectam

35

características, tais como bordas, linhas, curvas e manchas, a exemplo dos operadores de Roberts e Sobel.

c) Classificação

É o processo de extração de informação em imagens para reconhecer padrões e objetos homogêneos, utilizado para mapear áreas da superfície terrestre que correspondem a temas de interesse conforme pode ser observado na Figura 2.14. Na referida figura os elementos que compõem uma determinada imagem do mundo real são classificados em: água, solo exposto, área urbana e plantação de cana.

Figura 2.14 - Classificação de imagens para a produção de mapas temáticos

(GOMARASCA, 2009).

Para representar a informação espectral de uma cena considera-se que cada pixel possui coordenadas espaciais i, j e uma informação espectral E (que representa a radiância do pixel). Para uma imagem com n bandas espectrais, existem n níveis de cinza associados a cada pixel sendo um para cada banda espectral. Os classificadores podem ser divididos em classificadores pixel a pixel e por regiões.

 Pixel a pixel: utilizam apenas a informação espectral de cada pixel para a definição de regiões homogêneas.

 Por regiões: além da informação espectral de cada pixel esses classificadores utilizam a informação de pixels adjacentes. Áreas homogêneas são determinadas na imagem a partir das informações espectrais e espaciais de cada pixel.

Como resultado da classificação, obtém-se um mapa com diferentes zonas, identificadas por símbolos gráficos ou cores distintas. O processo de classificação agrupa um grande número de níveis em cada banda espectral em um pequeno número de classes. Classificações ditas unidimensionais são aplicadas em cada banda espectral da imagem. A classificação multiespectral ocorre quando o critério de decisão depende

36

dos níveis em vários canais espectrais. O reconhecimento da assinatura espectral das classes pode ser feito através de treinamento. De acordo com (SOLOMON, 2010), existem basicamente duas formas de treinamento:

 Supervisionado: quando existem regiões da imagem em que o usuário dispõe de informações que permitem a identificação de uma classe de interesse. Para esse tipo de classificação, o usuário deve identificar na imagem uma área representativa de cada classe.

 Não supervisionado: quando o usuário utiliza algoritmos para reconhecer as classes presentes na imagem. Ao definir áreas para o treinamento não supervisionado o usuário não deve se preocupar com a homogeneidade das classes.

O esquema ilustrado na Figura 2.15 apresenta as principais técnicas de processamento digital de imagens. O processo se inicia com o pré-processamento, posteriormente são aplicadas técnicas de realce e classificação à imagem.

Figura 2.15 - Principais técnicas de processamento de imagens, adaptado de

37

O esquema ilustrado na Figura 2.16 apresenta uma visão geral de um processo para a produção de mapas temáticos a partir da aquisição digital de imagens.

Figura 2.16 - Visão geral do processo de produção de mapas temáticos, adaptado de

(GOMARASCA, 2009).