resumo dos conceitos sensoriamento remoto –prática sensor

18/11/2018

1

Resumo dos ConceitosSensoriamento Remoto –Prática

Os objetos da superfície terrestre refletem e absorvem

seletivamente energia eletromagnética, devido a sua diferente

composição molecular. Esta característica, denominada resposta espectral dos objetos permite identificá-los numa FOTOGRAFIA

AEREA ou imagem de sensoriamento remoto.

SENSOR

Fotogrametria 1 Prof. Alzir Felippe Buffara Antunes

Comprimento de OndasAzul Verde Verm.

Comprimento de ondaµµµµm

Visível µµµµm

γγγγRaio RaioX Ultra-VioletaInfra Termal Microondas Radio/TVVermelho

µµµµm

Espectro Visível- 04 a 0.7 µµµµm

18/11/2018

2

Resolução Espacial: refere-se a medição do menor objeto

que pode ser registrado pelo sensor, ou a área querepresenta cada pixel no terreno.

Imagem 20m x 20 m, terreno

Resoluções de uma imagem

Ex: CBERS II

Resolução Espacial

0.4 1 4 5 10 20 30 (m)

GeoeyeIkonos Pan

IKONOS MS

SOPT PanSPOT5 MS

Landsat 7 Pan

SPOT MS

Landsat 8 MS

18/11/2018

3

Resolução Radiométrica

2n = quantidade deníveis de cinza

onde:

n = número de bits

Por exemplo

• Uma imagem de 8 bits terá:

256 níveis de cinza (28 = 256).

O número 10010110 é um número binário de 8bits com valores 0 ou 1.

Resolução Temporal

Intervalo de tempo em dias ou horas, que o sistema demora em obter duas imagens consecutivas da mesma região sobre a Terra

Resolução Espectral

• Inerente às imagens multiespectrais ehiperespectrais

• Quantidade de regiões do espectroeletromagnético e pelo intervalo de comprimento de onda

• Estas imagens denominam-se bandasespectrais .

Ex: Ikonos 4 bandas

18/11/2018

4

PRINCIPAIS SENSORES

IMAGEM/Sensor Resolução Espacial Resol. Espectral

Worldview 3 0.3 a 1,3 (MS)m 8

IKONOS 1 a 4m 4

Geo Eye 0,40 m 4

QUICKBIRD 0,5m 4

CBERS IV 20m 5

LANDSAT 8 30m 7

Exercício Prático com software MULTISPEC

A- Usando a imagem LANDSAT : escolha a melhor composicaçãocolorida que melhor apresente as classes de interesse .

Área de Estudo : Guaratuba-PR

Classes: Mangues, Baixios, Floresta, Solo Exposto, Mar , Baia/Rios

B- Segmentação, classificação . Segmentar a imagem em 10 cluster(agrupamento) e identificar as classes.

CLASSIFICAÇÃO DE UMA IMAGEM MULTIESPECTRAL

Objetiva por meio de interpretação de imagens e técnicas de processamento digital de imagem, transformar uma imagem multiespectral em uma imagem TEMATICA.

Imagem Temática é aquela que cada PIXEL esta associada a uma Classe . E que possui apenas uma banda

Classificação Digital é associar determinado pixel a determinada categoria por meio de critérios estatísticos

Banda A

Banda B Espaço dos Atributos

Classes

da d b dc

?

18/11/2018

5

Classificação: ordenar, descriminar e categorizar

Supervisionada: utiliza a verdade de campo por amostragem;

Não Supervisionada: automatizada, segmentação da imagem em clusters ou segmentos.

• A técnica supervisionada é a classificação controlada pelo usuário ouconhecedor da área (analista) a ser classificada;

• O analista seleciona na imagem amostras(áreas de treinamento)(pixels) de feições conhecidas previamente. Estas amostras devemrepresentar o melhor possível as feições a serem classificadas;

• O analista deve escolher sobre a imagem amostras que representemdeterminada categoria, após análise estatística saber-se-á aqualidade da amostra que poderá ser ou não utilizada;

• Análise estatística da amostra: desvio padrão, média, histograma, elipses.

Pixels

Amostrados

Histograma : Valor Max: 25, Valor Min: 50, Desvio padrão: 2,5

n

Dn

Amostragem na imagem RGB

(a) (b)

Escolhendo-se um par de bandas podemos observar a distância espectral entre duas amostras.

Zonas de sobreposição ou intersecção apontam para uma confusão espectral entre classes

18/11/2018

6

Para realizar uma boa seleção de amostras na imagem deve-se levar em consideração os seguintes requisitos:

• as amostras mais homogêneas possíveis, baixo desvio padrão;

• amostras representativas das categorias a serem classificadas;

• serem constituídas por no mínimo 15 pixels;

• o histograma deverá ter uma distribuição próxima de uma curva normal.

Regras de Decisão

Uma vez coletada as amostras para as diferentes classes deve-se proceder o processo de classificação de toda a imagem, por regras estatísticas de decisão(probabilidades). As mais conhecidas são :

• mínima distância;

e

• máxima probabilidade(maxVer);

MAXIMAVEROSSIMILHANÇAConsidera a ponderação das distâncias entre médias dos níveis de cinza das classes, utilizando parâmetros estatísticos. • Utiliza estatísticas de treinamento para calcular a probabilidade de um pixel pertencer a uma determinada classe. • Examina a função de probabilidade de um pixel para cada classe e atribui o pixel à classe com a maior probabilidade.. • Para que a classificação por máxima verossimilhança seja precisa o suficiente, é necessário um número elevado de "pixels", para conjunto de treinamento.

Classificação não Supervisionada- Segmentação

A classificação não supervisionada é baseada no método da mínima distância espectral para categorizar determinado pixel.

A primeira interação do algoritmo ISODATA utiliza a média dos N agrupamentos (clusters) que pode ser arbitrariamente determinada.

Após a primeira iteração uma nova média para os N agrupamentos

são determinadas, baseada nas posições espectrais.

O processo iterativo continua até não haver mais variação

significativa entre as médias.

18/11/2018

7

µµµµ - σσσσ µµµµ µµµµ + σσσσ

Banda A

µµµµ + σσσσ

µµµµ

µµµµ - σσσσ

Banda B

Agrupamentos Baseados na mínima distância espectral

5 Agrupamentos Iniciais

baseados em µµµµ (média) e

σσσσ (desvio padrão)

Tópico Complementar: Qualidade da Classificação

Floresta A

Floresta B

Água

Pântano

A imagem classificada deve ser avaliada pois esta apenas é uma aproximação da realidade de campo.

A qualidade depende:

-Significância das amostras;

-Regra de decisão;

-Número de bandas espectrais

-Resolução da Imagem

Será que a classe Floresta A corresponde mesmo a Floresta A no campo?

Qual o grau de concordância entre a imagem classifacada e o terreno?

Terreno Imagem

⊕⊕⊕⊕

Pontos devem ser amostrados na imagem e conferidos no campo. A amostragem deve ser aleatória.

EXERCÍCIO

Dada a imagem LANDSAT 7 do Município de Guaratuba.

Segmente a imagem em 10 Clusters utilizando o algoritmo ISODATA. Salve a imagem e interprete os resultados.

Faça a mesma coisa com a imagem LANDSAT 8 e observe as diferenças . Interprete os resultados .

18/11/2018

8

CORREÇÃO GEOMETRICA DE UM DADO RASTER

Conceito

• A retificação ou correção geométrica de uma imagem é o processo que permite a imagem assumir propriedades cartográficas de sistema de projeção e respectivas coordenadas.

• É uma transformação entre coordenadas de pixels (linhas,colunas) para um sistema geográfico (E,N) ou (ϕϕϕϕ,λλλλ).

• Esta transformação é também denominada georreferenciamento da imagem;

• Para transformar um SISTEMA ( L,C) para um SISTEMA UTM (E,N), necessita-se de saber a relação matemática entre a IMAGEM e o TERRENO;

• Através de parâmetros de transformação que permita transformar IMAGEM em TERRENO

Sensoriamento Remoto II, Prof. Alzir Felippe Buffara Antunes

Transformações: Alteração

entre dois sistemas

Escala, Rotação, Translação

Alteração de Escala em

X

Alteração de Escala em

YRotação


18/11/2018

9

• Para transformar um sistema de coordenadas em outro sistema deve-se conhecer os parâmetros de transformação;

• Estes parâmetros podem ser determinados por meio de pontos de controle (ground control points, GCP), ou seja pontos que sejam reconhecíveis e conhecidos em ambos sistemas, de maneira a formar um sistema de equações.

(linha, coluna) vs (E, N)

IMAGEM

ORIGINAL

LANDSAT 5

IMAGEM

RETIFICADA

Porque retificar uma imagem ?

�Criação de mosaicos e carta imagem;

�Corrigir distorções;

�Sobre posição de informações (imagem e vetor);

�Extração de medidas (áreas, distâncias e perímetros);

�Atualização de banco de dados geográficos;

�Integração Sensoriamento Remoto, Geodésia (GPS) e

SIG.


18/11/2018

10

GIS x SR

Fonte: ESRI, 1998

Modelos Matemáticos de Correção

Geométrica de Imagens Orbitais de média resolução

• Estes tipos de transformações mais simplificadas são úteis para corrigir as deformações geométricas. NÃO LEVA EM CONSIDERAÇÃO O RELEVO.

Ex.: Transformação afim no Plano e Polinomial;

Pontos de

Controle

A- Transformação Afim

Modelo matemático de transformação no plano.

18/11/2018

11

Sejam as equação baseada em pontos de

controle:

E= a1xi + a2yi + Tx

N= a3xi + a4yi + Ty

onde: E, N: coordenadas UTM;

xi, yi : Coordenadas da imagem bruta

(linha e coluna)

a1 a2 Tx

a3 a4 Ty ;

parâmetros de transformação que relaciona os

dois sistemas.

Pontos e controle e equações• Pontos de controle (E,N) ou (ϕϕϕϕ,λλλλ) por GPS, topografia ou

mapa.

X1= a1E1 + a2N1 + Tx

Y1= a3E1 + a4 N2 + Ty

X2= a1E2 + a2N2 + Tx

Y2= a3E2 + a4 N2 + Ty

X3= a1E3 + a2N3 + Tx

Y3= a3E3 + a4N3 + Ty

As incógnitas a1,a2,a3,a4,Tx,Ty necessitam de três pontos de controle para serem determinadas

Coeficientes Matriz de Transformação (2 x 3):

a1 a2 Txa3 a4 Ty

Transformação Afim ou Polinômio de 1º ordem PC> 4 pontos;


EXEMPLO:Dada a imagem LANDSAT de Curitiba foram coletados em campo e identificados na imagem os pontos GPS com precisão média de 10 metros.

18/11/2018

12

Depois de identificados na

imagem as coordenadas

podem ser relacionadas IMAGEM (L,C) GCP(UTM)

0.6049 0.7021 666546.875 7172497.625

0.9074 4.7044 666847.815 7175686.063

1.2783 7.2866 667176.875 7177785.125

0.6588 9.1427 666696.875 7178910.125

6.2490 8.9763 671315.940 7178982.312

8.6120 8.9576 673359.687 7179019.813

9.5000 4.0000 674165.940 7175112.312

8.9448 0.4788 673648.430 7172329.812

6.3410 1.9481 671432.190 7173503.562

3.9000 2.2788 669404.375 7173765.125


Seja as equações da transformação afim no plano:

E= a1xi + a2yi + Tx

N= a3xi + a4yi + Ty

Para o ponto 1:

666546.875 = a1 0.6049 + a2 0.7021 + Tx

7172497.625= a30.6049 0. + a40.7021 + Ty,

Repetindo para todos os pontos de controle ter-se-ão 20 equações a 6

incógnitas e se pode determinar a1,a2,a3,a4 Tx e Ty e depois fazer a

transformacao inversa para observar a acurácia.


ponto 1 GPS,

E= 666.546,875 N= 7.172.497,625 m

O mesmo ponto transformado ou calculado

E= 666.546,123, N= 7.172.497,400m

Erro ponto 1

ξx1= 666.546,875 - 666.540,123 = 6,8 m

ξ y1= 7.172.497,625 - 7.172.512,400= -14,8 m

22

1 1 1( ) ( )x yξ ξΕ = +

22

16 8 14 8( , ) ( , )Ε = + −

E1= 16,28 metros

Acurácia aceitável para

resolução da imagem

(landsat)


Raio de

Abrangência do

erro de 1 pixel

erro

O erro quadrático médio deve

ser inferior a 1 pixel e

compatível como a resolução

espacial da imagem.

18/11/2018

13

Reamostragem

• Após a transformação pixels ,em geral, têm sua posição alterada, por esta razão a imagem de saída não possui níveis de cinza.

• Os pixels utilizados como pontos de controle terão os mesmos níveis de cinza

dos pixels de referencia utilizados na transformação polinomial.

• Entretanto para os demais pixels, a nova posição pode não ter valores inteiros,

isto significa que a nova posição pode estar no meio entre dois pixels.

• O valor do nível de cinza então deve ser interpolado, baseado na vizinhança.

A este processo denomina-se reamostragem, o método mais comum é o

Vizinho Próximo.


Img.não

corrigida

Img.corrigida

vizinho Próximo

[x,y,z]

[x,y,z]


É atribuído ao pixel da imagem transformada o valor do contador digital do pixel mais próximo. Neste caso não existe interpolação.

EXERCICIO

Corrigir a imagem LANDSAT 7 de Guaratuba a partir do MAPA topográfico de Guaratuba usando QGIS. Escolha no mínimo 6 pontos de controle e observe os erros.

18/11/2018

14

Lembre-se:

Para georreferenciar uma imagem os pontos de controle devem estar bem distribuídos sobre a imagem e serem superiores a 6;

O erro quadrático médio deve ser o menor possível compatível à resolução da imagem e escala do mapeamento;

A projeção e datum da imagem retificada será SEMPRE a mesmos dos pontos de controle;

Quando não se pretende alterar a resolução do pixel a reamostragem por vizinho próximo é a mais indicada;

ESCALA DO MAPA ERRO ESPERADO RESOLUÇÃO DA IMAGEM

1: 50.000 30-35 m Landsat 30 mPan 15 m

1: 10.000 4- 6m QuickBird 50 cm

1: 2.000 0.6 – 1m Resolução inferior a20 cm

resumo dos conceitos sensoriamento remoto –prática sensor

Documents