Anda di halaman 1dari 66

Sensoriamento Remoto

Peter Zeilhofer

ndice
1. 1.1 1.2 2. 3. 3.1 3.2 3.3 3.4 4. 5. 5.1 5.2 5.3 5.3.1 5.3.2 5.3.3 5.4 6. 6.1 6.2 6.3 6.3.1 6.3.2 6.3.2.1 6.3.2.2 6.3.3 6.3.3.1 6.3.3.2 6.3.4 6.4 6.4.1 6.4.2 6.4.3 6.4.4 6.4.5 7. Anexo A B Introduo ao Geoprocessamento e Sensoriamento Remoto Definies Dicas para leitura Conceitos, termos tcnicos e aplicaes Radiao eletromagntica Princpios fsicos Espectro eletromagntico Interaes da radiao na atmosfera e superfcie da terra Assinaturas espectrais Foto areas Sistemas sensores orbitais Sistemas orbitais passivos e ativos rbitas Sistemas passivos mais usados Landsat Spot Sistemas orbitais de alta resoluo Radares imageadores Avaliao de imagens de satlite Imagens digitais Interpretao visual Processamento digital de imagens Introduo Pr-processamento Correes radiomtricas Correes geomtricas Realce Realce de contraste Filtragem Operaes aritmticas entre bandas Classificao digital de imagens Conceitos Mtodo de fatiamento Mtodo do paraleleppedo Mtodo da Distncia Euclidiana Mtodo da Mxima Verossimilhana Bibliografia selecionada Curso prtico do CCRS: Anlise digital de dados de SR Utilizao Formulrios 1 1 1 2 4 4 5 8 9 10 16 16 16 17 18 19 19 20 23 23 25 26 26 26 26 27 29 29 31 35 35 35 38 38 39 39 41

_______________ Obs.: a maioria das figuras e parte dos textos explicativos desta apostila baseada em FUNCATE (1997), Tutorial of Remote Sensing (CCRS), e o Tutorial SPRING 3.3 (INPE) e no so separadamente citadas.

Introduo ao Geoprocessamento e Sensoriamento Remoto 1 ________________________________________________________________________

1. Introduo ao Geoprocessamento e Sensoriamento Remoto


1.1 Definies
O Geoprocessamento pode ser definido como um conjunto de tecnologias voltadas a coleta e tratamento de informaes espaciais para um objetivo especfico. Assim as atividades que envolvem o Geoprocessamento so executadas por sistemas especficos para cada aplicao. Estes sistemas so mais comunentes tratados como Sistemas de Informao Geogrfica (SIG). Um sistema de Geoprocessamento pode ser tratado como tal, destinado ao processamento de dados referenciados geograficamante (ou georeferenciados), desde a sua coleta at a gerao de sadas na forma de mapas convencionais, relatrios, arquivos digitais, etc; devendo prever recursos para sua estocagem, gerenciamento, manipulao e anlise. Com a evoluo da tecnologia de Geoprocessamento e de softwares grficos vrios termos surgiram para as vrias especialidades. O nome Sistemas de Informao Geogrfica - SIG (ou Geographic Information System - GIS) muito utilizado e em muitos casos confundido com Geoprocessamento. O Geoprocessamento o conceito mais abrangente e representa qualquer tipo de processamento de dados georeferenciados, enquanto um SIG processa dados grficos e no grficos (alfanumricos) com nfase a anlises espaciais e modelagens de superfcies. Sensoriamento Remoto descreve tcnicas e mtodos para aquisio de informaes sobre objetos ou fenmenos sem que haja contato direto entre eles atravs de sensores. Estes sensores remotos podem ser sistemas fotogrficos (-> fotos areas) ou ptico-eletrnicos (-> imagens de satlite). Basta ser observado que Sensoriamento Remoto no sempre considerado como parte do Geoprocessamento.

1.2 Dicas para leitura


Livros: ROSA (1996): Introduo ao Geoprocessamento; RICHARDS (1993): Remote Sensing Digital Image Processing; BURROUGHS (1991): Geographical Information Systems Revistas: International Journal of Remote Sensing; Remote Sensing of Environment; Photogrammetric Engeneering and Remote Sensing, GIS World, FatorGis; Alm das publicaes tradicionais (livros, revistas, anais de congressos) a Internet uma fonte quase infinita de dados e informaes sobre Sensoriamento Remoto. Confira por exemplo: Instituto Nacional de Pesquisas Espaciais INPE: www.inpe.br Revista FatorGis: www.fatorgis.com.br Canadian Centre of Remote Sensing: www.ccrs.nrcan.gc.ca National Centre: www.ncgia.ucsb.edu NASA: rst.gsfc.nasa.gov Sites com links: www.gislinx.com, www.geoplace.com

2. Conceitos,termos tcnicos e aplicaes 2 ________________________________________________________________________

2. Conceitos, termos tcnicos e aplicaes


Sensoriamento remoto consiste na utilizao de sensores para a aquisio de informaes sobre objetos ou a medio de fenmenos relacionados a esse objeto, sem que haja contato direto entre eles. Os sensores so equipamentos capazes de coletar energia proveniente do objeto, converte-la em sinal passvel de ser registrado e apresenta-lo em forma adequada extrao de informaes. A histria do sensoriamento remoto pode ser dividida em dois perodos: o primeiro entre 1860 e 1960, no qual este era baseado na utilizao de fotografas areos, e o perodo de 1960 at hoje, caracterizado pela multiplicidade de sistemas sensores (Novo 1989). Dois grandes eventos que marcaram o segundo perodo dessa hist6ria foram: a primeira fotografia orbital, tirada a bordo da nave Mercury, em 1960; e o primeiro satlite de recursos terrestres (ERTS-1) colocado em orbita, em 1972. Em geral, Sensoriamento Remoto envolve os seguintes elementos (Figura 1): 1. Fonte de energia ou iluminao (A) o primeiro requerimento de SR a disponibilidade de uma fonte de energia que ilumina o objeto de interesse. 2. Radiao e atmosfera (B) como a energia se desloca da sua fonte para os objetos monitorados, ela ter contato e interaes com a atmosfera pela qual ela passa. Esta interao se repete uma segunda vez na volta da radiao dos objetos para o sensor. 3. Interao com o objeto monitorado (C) aps a passagem pela atmosfera, a energia interage com o objeto. As interaes dependem das caratersticas do objeto e da radiao. 4. Registro da energia pelo sensor (D) aps a reflexo da energia pelo objeto ou aps a emisso pelo objeto, necessrio um sensor para coletar e mensurar o fluxo da radiao eletromagntica.

Figura 1: Elementos de Sensoriamento Remoto.

2. Conceitos,termos tcnicos e aplicaes 3 ________________________________________________________________________ 5. Transmisso, recepo, e processamento (E) a energia registrada pelo sensor deve ser transmitida, normalmente em forma eletrnica, para uma estao de recepo e processamento, onde os dados so processados e gerada uma imagem (hardcopy e/ou digital). 6. Interpretao e Anlise (F) a imagem processada interpretada, visualmente e/ou digitalmente, para extrair informao sobre os objetos que foram iluminados. 7. Aplicao (G) o elemento final do processo de SR alcanado, quando aplicada a informao extrada da imagem sobre os objetos para um entendimento melhor, a criao de nova informao, ou para assistir na soluo de um problema especfico. A listagem em seguida uma seleo aleatria e somente incompleta das possveis aplicaes de Sensoriamento Remoto. Uso da terra e vegetao estimativas sobre a produo agrcola (na Europa: controle anual) desmatamento monitoramento da desertificao monitoramento de queimadas cobertura e distribuio dos tipos de vegetao estimativas de biomassa estrutura da paisagem Geologia e pedologia explorao/minerao caractersticas do solo mapeamento de litologia, estruturas geolgicas Meteorologia/Climatologia balano de radiao anlise da concentrao de ozone previso do tempo direo e velocidade do vento Recursos hdricos monitoramento de inundaes qualidade de gua temperatura da superfcie do mar umidade do solo delineao de bacias hidrogrficas concentrao de fitoplncton evaporao

3. Radiao eletromagntica 4 ________________________________________________________________________ Em funo do objetivo da aplicao, seleciona-se o tipo de imagem apropriado. Alguns exemplos: Fotos areas para planejamento urbano: a grande escala importante para delineao de lotes ou prdios Imagens de LANDSAT TM para mapeamento vegetal em bacias hidrogrficas: as bandas do infravermelho so importantes para diferenciao dos tipos de vegetao Imagens GOES para previso do tempo: repetio regular e cobertura de grandes regies so necessrias para a observao do movimento das nuvens Leia mais sobre aplicaes de Sensoriamento Remoto nas pginas: http://www.ccrs.nrcan.gc.ca/ccrs/eduref/tutorial/indexe.html http://rst.gsfc.nasa.gov/Front/tofc.html

3. Radiao eletromagntica
3.1 Princpios fsicos
Um sensor registra a quantidade de energia radiante refletida ou emitida pelos objetos. Esta radiao (ondas) eletromagntica constituda por diversas caractersticas fsicas (intensidade, comprimento de onda, freqncia, energia, polarizao, etc...).

Fig. 2.: Onda eletromagntica (E = Campo eltrico; M = Campo magntico)

Entretanto, independente dessas caractersticas, todas as ondas eletromagnticas (Fig. 2) so essencialmente idnticas, apresentando uma independncia com relao existncia ou no de um meio de propagao (propriedade importante deste processo de transferncia de energia). Esta independncia fcil de entender pela figura a seguir, o campo eltrico e o campo magntico so perpendiculares entre si e ambos oscilam perpendicularmente direo de propagao da onda, assim o campo eltrico gera um campo magntico e do campo magntico gera um campo eltrico. A velocidade de propagao da onda eletromagntica no vcuo a velocidade da luz C (3 x 108 m/s). O nmero de ondas que passa por um ponto do espao num determinado tempo define a freqncia (f) da radiao. A freqncia de onda diretamente proporcional velocidade de propagao da radiao.

3. Radiao eletromagntica 5 ________________________________________________________________________ Quanto maior a velocidade de propagao da onda, maior o nmero de ondas que passaro por um ponto num dado tempo (t) e maior ser sua freqncia. A velocidade de propagao (v) num dado meio constante. A onda eletromagntica pode tambm ser caracterizada pelo comprimento de onda () que pode ser expresso pela equao:

=v/f
A faixa de comprimentos de onda ou freqncias em que se pode encontrar a radiao eletromagntica ilimitada. Com a tecnologia atualmente disponvel, pode-se gerar ou detectar a radiao eletromagntica numa extensa faixa de freqncia, que se estende de 1 a 1024 Hz, ou comprimentos de onda na faixa de 108 metros a 0.01A.

3.2 Espectro eletromagntico A radiao eletromagntica subdividida em faixas, representando regies que possuem caractersticas peculiares em termos dos processos fsicos, geradores de energia em cada faixa, ou dos mecanismos fsicos de deteco desta energia. Na figura 3 apresentado este Espectro Eletromagntico, que mostra o conjunto dos diferentes tipos de energia radiante conhecidos.

Figura 3. Espectro Eletromagntico (Steffen & Moraes 1993).

A radiao eletromagntica total (M) emitida por um corpo uma funo da temperatura (T) deste corpo. Esta relao expressa pela lei de Stefan-Boltzmann

3. Radiao eletromagntica 6 ________________________________________________________________________

M = T 4
= constante de Stefan-Boltzmann, 5.6697 * 10-8 W m2 oK-4 Segundo a lei de deslocamento de Wien, o comprimento de onda no qual o mximo de energia emitida (m) tambm muda em funo da temperatura (T).

m = A / T
A = 2898 m oK

A figura 4 mostra a distribuio espectral da radiao emitida por diferentes corpos, entre outros do sol (mximo de energia emitida no comprimento de onda ~ 0.5 m) e da prpria terra (mximo de energia no comprimento de onda ~ 10 m).

Figura 4: Distribuio espectral da energia emitida por corpos pretos de diferentes temperaturas (wavelength = comprimento de onda, spectral radiant exitance = exitncia espectral (razo entre o fluxo radiante que deixa uma amostra de superfcie e a rea dessa amostra).

3. Radiao eletromagntica 7 ________________________________________________________________________ A figura 5 mostra mais detalhada as caratersticas espectrais da radiao emitida pelo sol e a terra, como a atmosfera interfere na radiao proveniente do sol e em quais faixas os diferentes sistemas sensores trabalham. So diferenciadas as faixas espectrais do Ultravioleta (UV), Visvel e Infravermelho. Observa-se que a atmosfera absorve diferenciadamente as faixas espectrais. Faixas nas quais a transmisso da atmosfera quase total (ex. luz visvel, infravermelho entre 8 e 12 m) se chamam janelas atmosfricas nas quais a maioria dos sistemas sensores trabalham (Fotografia convencional, Escaneadores multiespectrais e termais). Sistemas de radar (microondas) so sensveis a uma radiao de um comprimento de onda bem maior, uma faixa onde a transmisso da atmosfera quase total.

Figura 5: Caratersticas espectrais de fontes de energia (a), efeitos atmosfricos (b) e sistemas de sensoriamento remoto (c).

3. Radiao eletromagntica 8 ________________________________________________________________________ 3.3 Interaes da radiao na atmosfera e superfcie da terra

A figura 6 mostra todas as interaes da radiao eletromagntica na atmosfera e na superfcie de terra. Na atmosfera podem ser citados efeitos tais como a difuso, absoro e reflexo (nas nuvens). A difuso pode prejudicar a qualidade/contraste de imagens de sensores ticos-passivos em dias com alta concentrao de aerossol. To mais curto o comprimento de onda da radiao, to mais intensa a difuso pela atmosfera. No caso do sistema sensor Landsat TM, so sobretudo as bandas (= faixa espectral na qual um sensor registra a reflexo) #1, #2 e #3 que sofrem fortes alteraes pela difuso. Em funo do comportamento dos alvos na superfcie pode ser diferenciada a reflexo difusa (em todas as direes) e a reflexo especular (direcionada).

Sensor no satlite Insolao

Difuso por partculas do ar Radiao do ceu

Absoro por vapor, poeira, CO2 e O3 Reflexo nas nuvens

Difuso

Emisso por vapor, CO 2 e outros gases

Reflexo difusa

Reflexo especular

Emisso de calor

Absoro, emisso e aquecimento

Figura 6: Interaes da radiao na atmosfera e superfcie da terra (modificado conforme KRONBERG)

3. Radiao eletromagntica 9 ________________________________________________________________________ A reflexo diferenciada dos diferentes alvos a componente da radiao solar que determina o contraste nas imagens de sistemas passivos. A qualidade das imagens de sistemas passivos evidentemente determinada pela quantidade de nuvens que refletem tambm a radiao proveniente do sol. A parte no refletida da radiao absorvida pela superfcie da terra o que causa o aquecimento da prpria. Por sua vez a terra emite radiao (calor) que medida por sensores termais. Da mesma forma as partculas da atmosfera e as nuvens emitem radiao. 3.4 Assinaturas espectrais

Como visto na figura 6, os sistemas sensores (passivos) medem a reflexo dos alvos na superfcie terrestre. Um conjunto destas informaes de todos os alvos registrados produz a imagem da regio monitorada. Para poder interpretar uma imagem corretamente precisa-se conhecer a reflexo dos alvos. A figura 7 mostra a reflexo espectral (reflexo nos diferentes comprimentos de onda) de solo seco aberto (dry bare soil), vegetao verde (vegetation, green) e gua clara (water, clear).

Figura 7: Curvas tpicas de reflexo espectral de alguns alvos na superfcie terrestre.

A reflexo do solo aberto aumenta gradativamente at o infravermelho intermedirio. Solo mido tem uma curva semelhante, s com valores mais baixos em todas as faixas espectrais. Vegetao verde tem baixa reflexo na luz azul e vermelho e um pico na luz verde (em funo disso ela aparece verde para nossos olhos). A vegetao utiliza a luz vermelha para a fotosntese.

4. Fotos areas 10 ________________________________________________________________________ caraterstico um forte aumento da reflexo no infravermelho prximo. A gua clara geralmente reflete pouco. No infravermelho toda radiao do sol absorvida. Portanto, gua com alta concentrao de sedimentos tem uma reflexo expressiva nas faixas da luz visvel. Por sua vez, os sistemas sensores no so capaz de registrar as curvas de reflexo continuas como esquematizadas na figura anterior e tambm na Figura 2.8 B. Eles trabalham em bandas, faixas espectrais tecnicamente definidas (Fig. 2.8 A). No exemplo so quatro bandas situadas nas faixas espectrais da luz azul B (blue) entre ~0.4 e 0.5 m), da luz verde G (green) entre ~0.5-0.6 m, da luz vermelho R (red) entre ~0.6-0.7 m e do Infravermelho prximo IR (~0.7-0.8 m).

Figura 8: Assinatura espectral da uma folha verde e a reflexo determinada em quatro bandas espectrais. O sensor registra ento a reflexo mdia (ou mais exatamente integra a reflexo) nestas faixas espectrais e grava estas quatro informaes sobre o alvo.

4. Fotos areas
Fotos areas e os mtodos da sua interpretao no so sempre mencionados nos cursos de Sensoriamento Remoto. Mas devido a sua escala normalmente grande (bom detalhamento) e sua geometria especfica, as fotos areas so uma fonte extremamente importante para mapeamentos e para a calibragem e controle de classificaes de imagens de satlite. A figura 9 mostra a trajetria tpica de uma campanha de levantamento areofotogramtrico. Na direo do vo a sobreposio das fotos cerca de 60%, entre duas faixas de cerca de 35%.

4. Fotos areas 11 ________________________________________________________________________

Figura 9: Trajetrias de uma campanha areo-fotogramtrica.

As cmaras areas produzem fotografias com uma geometria central, diferente da geometria paralela de mapas ou quase paralela das imagens de sistemas orbitais. A figura 10 mostra que atravs da geometria central, um objeto diferentemente orientado e deslocado em funo do relevo. Devido a baixa altura do vo a escala de uma foto area muda significativamente mesmo em terreno plano, com a maior escala no ponto central da foto (principal point) diminuindo centripetamente.

4. Fotos areas 12 ________________________________________________________________________

Figura 10: Comparaes da geometria de um mapa (ou com restries imagem de satlite) e uma fotografia area. Observe as diferenas no tamanho, orientao e localizao das duas rvores.

Atravs da utilizao de um estereoscpio e um par de fotos da mesma regio (fotografada em diferentes ngulos), o avaliador forma uma viso tridimensional da rea sobreposta (Figura 11).

Figura 11: Estereoscpio.

4. Fotos areas 13 ________________________________________________________________________ Este efeito pode ser valorizado para a melhor interpretao dos objetos (ex. engenheiros florestais podem diferenciar algumas espcies de rvores devido a sua altura) ou diretamente para a mensurao do relevo. Para conseguir a impresso tridimensional so necessrios alguns passos preparativos (Figura 12).

Figura 12: Preparao das fotografias para interpretao num estereoscpio (Localizao e transferncia dos pontos principais sobre e entre as fotografias).

Alm da prpria reproduo do terreno, as fotos contm vrias informaes importantes para uma interpretao correta (Figura 13). Desenhando linhas transversais entre as marcas fiduciais da foto pode ser determinado seu ponto central (Fig. 12). Dados sobre a altitude do vo ajudam estimar a escala da foto. A altitude, tipo de lente e distncia focal devem ser informadas para a orientao correta das fotos na utilizao em aparelhos fotogramtricos sofisticados (Stereoplotter). O ndice da foto e contador ajudam na localizao das fotos na rea de estudo. Data e horrio informam sobre as condies de insolao e ajudam na aquisio de informaes correlatas (dados climticos, trabalho de campo etc.).

4. Fotos areas 14 ________________________________________________________________________

Figura 13: Informaes registradas em fotografias areas (Cmera Wild)

Figura 14: Exemplo para uma chave de mapeamento geomorfolgico.

4. Fotos areas 15 ________________________________________________________________________ Para a avaliao dos fotos j existem chaves de interpretao prontas para as diferentes aplicaes. A figura 14 mostra um exemplo de um manual de interpretao de unidades geomorfolgicas ( IBGE 1995). Em diversos casos so predefinidos os smbolos para a representao das diferentes classes no mapeamento resultante (p. ex. mapa geomorfolgico).

Leia mais sobre fotos areas: CARVER, A.J. (1988): Fotografia area para planejadores de uso da terra. Ministrio de Agricultura, Brasilia.

5. Sistemas sensores orbitais 16 ________________________________________________________________________

5.
5.1

Sistemas sensores orbitais


Sistemas passivos e ativos

Os equipamentos capazes de transformar alguma forma de energia em um sinal passvel de ser convertido em informao so denominados sistemas sensores. Esses sistemas podem ser divididos em (Figura 15): Sensores passivos: detectam a radiao solar refletida ou a radiao emitida pelos objetos; Sensores ativos: produzem sua prpria radiao, por exemplo, radares;

Passivo Figura 15: Sistema sensores passivos e ativos

Ativo

Sensores que operam na regio ptica do espectro, sendo que esses dividem-se em: + sensores termais, que operam na faixa do espectro entre 7 e 15 m, e + sensores de energia solar refletida, que operam entre 0,38 e 3 m; + sensores de microondas (radar) + sistemas sensores no-imageadores: no fornecem uma imagem da superfcie sensoriada; + Sistemas sensores imageadores: fornecem como resultado uma imagem da superfcie sensoriada, podendo ser classificados em razo do processo utilizado na formao da imagem: - sistemas de quadro, que adquirem a linha da imagem num mesmo instante, - sistemas de varredura, em que as linhas da imagem so formadas pela aquisio seqencial de elementos de resoluo ('pixel', abreviao de picture element)

5.2 rbitas
Os sistemas sensores instalados em satlites so chamados sistemas orbitais. Eles podem ser classificados conforme suas rbitas (Figura 16). Sistemas sensores geoestacionrios se movimentam com a mesma velocidade do que a rotao da terra e eles monitoram

5. Sistemas sensores orbitais 17 ________________________________________________________________________ consequentemente sempre a mesma regio da superfcie. Eles circulam numa grande distncia da superfcie (alguns mais do que 30.000 km), e so usados para aplicaes meteorolgicas (ex. previso de tempo), que exigem imagens repetitivas da mesma regio em curtos intervalos. O detalhamento das imagens restrito.

Geoestacionrio Figura 16: rbitas de satlites de sensoriamento remoto.

Hliosincrono

Para aplicaes que exigem um maior detalhamento (uso e ocupao do solo, cobertura vegetal, mapeamento geolgico etc.) so usados sistemas com rbitas muito mais baixas (700-850 km). As rbitas destes sistemas sensores tem as seguintes caratersticas: a rbita sncrona com o Sol (heliosincrono), para que as condies de iluminao da superfcie terrestre se mantivessem constantes; a rbita circular, para garantir que as imagens tomadas em diferentes regies da Terra tivessem a mesma resoluo e escala; a rbita permite o imageamento cclico da superfcie, para garantir a observao peridica e repetitiva dos mesmos lugares; o horrio da passagem do satlite atende s solicitaes de diferentes reas de aplicao (geologia, geomorfologia, agricultura, etc..).

5.3

Sistemas passivos mais usados

Trataremos neste item com maior profundidade do sistema Landsat e menos do sistemas SPOT. Estes sistemas, no atual estado da arte, representa a maior fonte da dados de sensoriamento remoto e com maior potencial de continuidade ao longo do tempo. Alm disso temos disponvel no pas, atravs do INPE - Instituto Nacional de Pesquisas Espacias, toda uma infraestrutura para recepo, processamento e distribuio das imagens enviadas por estes sistemas.

5. Sistemas sensores orbitais 18 ________________________________________________________________________ 5.3.1 LANDSAT O sistema LANDSAT compe-se at o momento de 6 satlites, que foram desenvolvidos pela NASA (National Aeronautics and Space Administration, recebendo inicialmente o nome de Earth Resouces Technology Satellite-1 (ERST-1), que passou a ser chamado de LANDSAT em janeiro de 1975. O Landsat 1 e 2 carregaram a bordo dois sistemas sensores com a mesma resoluo espacial, mas com diferentes concepes de imageamento: o sistema RBV, com imageamento instantneo de toda a cena e o sistema MSS, com imageamento do terreno por varredura de linhas (line-scanner). Ambos os sistemas propunham-se aquisio de dados multespectrais, mas o desempenho do sistema MSS, em termos de fidelidade radiomtrica, fez com que o 3 satlite da srie tivesse seu sistema RBV modificado, de modo a prover dados com melhor resoluo espacial em uma nica faixa do espectro. Por outro lado, foi acrescentada uma faixa espectral ao sistema MSS, para operar na regio do infravermelho termal. A partir do Landsat 4, ao invs do sensor RBV, a carga til do satlite passou a contar com o sensor TM (Thematic Mapper), operando em 7 faixas espectrais. Esse sensor conceitualmente semelhante ao MSS pois um sistema de varredura de linhas (linescanner). Incorprora, entretanto, uma srie de aperfeioamentos, quer nos seus componentes pticos, quer nos seus componentes eletrnicos. O recm lanado Lansat 7 (o lanamento do Landsat 6 no tive sucesso) possua alm das bandas multiespectrais um canal pancromtico com uma resoluo espacial de 15 metros. Os instrumentos mais usados so os imageadores MSS e TM: IMAGEADOR MSS MSS (Multispectral Scanner): um sistema sensor que permite o imageamento de linhas do terreno numa faixa de 185 km, perpendicularmente rbita do satlite. A varredura do terreno realizada com auxlio de um espelho que oscila perpendicularmente ao deslocamento do satlite. Durante a oscilao do espelho, a imagem do terreno, ao longo da faixa, focalizada sobre uma matriz de detectores. A dimenso de cada detector que compe a matriz de detectores, responsvel pelo seu campo de visada instantneo (rea observada por cada detector na superfcie da Terra). A energia registrada por cada detector transformada em um sinal eltrico e este transmitido para as estaes em terra. A cada oscilao do espelho, o satlite desloca-se ao longo da rbita, para proporcionar o imageamento contnuo do terreno. Entretanto, o movimento de rotao da Terra provoca um pequeno deslocamento do ponto inicial da varredura para oeste a cada oscilao do espelho, ou seja, a cada seis linhas imageadas. Se considerarmos o deslocamento de 185 km ao longo da rbita do satlite, h um deslocamento de 12,5 cm entre a primeira e a ltima coluna de pixels. IMAGEADOR TM TM (Thematic Mapper): um sistema avanado de varredura multiespectral concebido para proporcionar: resoluo espacial mais fina, melhor discriminao espectral entre objetos da superfcie terrestre, maior fidelidade geomtrica e melhor preciso radiomtrica em relao ao sensor MSS.

5. Sistemas sensores orbitais 19 ________________________________________________________________________ A energia proveniente da cena atinge o espelho de varredura que oscila perpendicularmente direo de deslocamento do satlite em sentido leste-oeste e oesteleste. O sinal atravessa um telescpio e um conjunto de espelhos, cuja funo principal corrigir o sinal coletado pelo espelho de varredura. Dessa maneira, o sinal detectado em cada matriz de detectores de cada canal transferido para um amplificador e convertido em sinal digital atravs de um sistema A/D (analgico/digital). A sada de dados , ento transmitida via telemetria. 5.3.2 SPOT O sistema SPOT um programa espacial francs semelhante ao programa Landsat, que foi concebido pelo Centre National d'Etudes Spatiales (CNES) e leva a bordo dois sensores de alta resoluo (HRV - HAUT Resolution Visible). Estes sensores foram concebidos para operarem em dois diferentes modos. O modo multiespectral permite a aquisio de dados em trs faixas do espectro eletromagntico com uma resoluo espacial de 20 metros. E o modo pancromtico com uma banda de resoluo espacial de 10 metros. Uma das caractersticas marcantes dos instrumentos a bordo do SPOT a possibilidade de observao "off-nadir" (apontamento direcional). O sensor poder ser direcionado de modo a observar cenas laterais rbita em que se encontra inserido o satlite em dado momento. Esta possibilidade de observao "off-nadir" aumenta os meios de obter-se um aumento no recobrimento repetitivo de determinadas reas. Outra vantagem da visada "off-nadir" a possibilidade de serem obtidos pares estereoscpicos de determinadas reas. A luz proveniente da cena atinge um espelho plano, que pode ser controlado a partir das estaes terrenas variando em ngulos de +/- 0,6 at 27o em relao ao eixo vertical. A energia que atinge o espelho plano focalizada sobre uma matriz linear de detectores do tipo CCD (Charge-Coupled Device). Cada matriz consiste em 6000 detectores arranjados linearmente, formando o que se convenciona chamar de push-broom scanner ou sistema de varredura eletrnica. Este sistema permite o imageamento instantneo de uma linha completa no terreno, perpendicularmente direo de deslocamento do satlite em sua rbita.

5.3.3 Sistemas orbitais de alta resoluo Recentemente foram lanados ou esto sendo lanados num futuro prximo sistemas orbitais comerciais de alta resoluo geomtrica (imagens com grande detalhamento). Baseados na maioria em tecnologia militar, eles chegam a resolues de 1 m. A figura 17 mostra uma imagem do IKONOS da cidade de Washington.

5. Sistemas sensores orbitais 20 ________________________________________________________________________

Figura 17: Cidade de Washington (EU) numa imagem do satlite IKONOS, banda pancromtica.

Estas imagens sero uma forte concorrncia para as fotos areas em aplicaes como planejamento urbano. Devido a sua alta resoluo (que resulta em arquivos extremamente grandes) e o tamanho pequeno das cenas (ex. 8 * 8 km), imagens destes sistemas sensores no so apropriadas para mapeamentos de escalas intermedirias. Leia mais sobre sistemas sensores recentes: www.geoplace.com/gw/current/1199stch.asp

5.4 Radares imageadores A maioria dos sistemas ativos trabalham na faixa espectral de microondas (radar) e tem caractersticas tcnicas significativamente diferentes dos sistemas passivos. Sensoriamento remoto de microondas deve ser ento tratado num captulo separado que no se encaixa neste curso de introduo. Entretanto, como esto crescendo as aplicaes baseadas no Radar, seguem algumas observaes bsicas (Figura 18).

5. Sistemas sensores orbitais 21 ________________________________________________________________________

Figura 18: Sistema imageador de microondas (radar)

Sistemas ativos de radar emitem radiao (B) em pulsos de uma seqncia definida (A) atravs de uma prpria fonte de energia. Os sinais emitidos so refletidos pelos alvos (C) e recebidos por uma antena. As caractersticas de imagens de radar so influenciadas pelo comprimento de onda (banda) utilizado, sua polarizao na emisso e recepo (Vertical ou Horizontal) e os ngulos nos quais os sinais so emitidos. Cabe observar que so parmetros bem diferentes dos quais de SR passivo que determinam a aparncia da imagem (Figura 19), tais como rugosidade da superfcie do alvo (A), o ngulo de incidncia (B) e a umidade e as propriedades eltricas do alvo.

(A) rugosidade Figura 19: Parmetros influenciando o sinal de radar

(B) ngulo de incidncia

A figura 20 mostra como alguns alvos refletem radar ativo. Superfcies lisas refletem pouca radiao para a antena. Florestas com rvores de diferentes alturas e estruturas refletem mais forte do que campo ou plantaes homogneas. Observa-se tambm uma forte influncia do relevo na claridade da imagem. A reflexo de objetos lineares (p. ex. construes) varia extremamente em funo da sua orientao.

5. Sistemas sensores orbitais 22 ________________________________________________________________________

Figura 20: Reflexo de alguns alvos numa imagem de radar.

Tabela 1 mostra os mais usados sistemas de radar e suas principais caratersticas. As bandas mais usadas so X, C e L. O look-angle descreve o ngulo com o qual as microondas so emitidas (Fig. 19), uma caraterstica de todos os sistemas ativos de radar.

Tabela 1: Sistemas de radar ativo

A resoluo geomtrica das imagens geradas pode variar em funo do look-angle e do mtodo do processamento dos dados (ex. Radarsat com resoluo geomtrica entre 10 e 100 m).

Leia mais sobre SR com radar: southport.jpl.nasa.gov/

6. Avaliao de imagens de satlite 23 ________________________________________________________________________

6. Avaliao de imagens de satlite


6.1 Imagens digitais
Toda imagem de satlite anloga (impressa) ou digital o produto dos dados registrados e transmitidos pelos sistemas sensores. A colorao de compostos coloridos dos dados tem na grande maioria dos casos nenhuma relao com a colorao dos objetos percebidos pelos nossos olhos. Para interpretar imagens visualmente (Cap. 6.2) devem ser ento consideradas o procedimento da composio de uma imagem, as bandas usadas para a criao do composto colorido e o comportamento espectral dos objetos monitorados nas faixas espectrais destas bandas. Para poder iniciar um processamento digital das imagens (Cap. 6.3) devem ser em adio adquiridos conhecimentos sobre a forma de gravao, processamento e visualizao destes dados atravs de computadores. A figura 21 mostra os passos na formao de uma imagem digital no exemplo do sistema sensor Landsat MSS de quatro bandas.

Bandas MSS

Intensidade

Reflexo

Bandas MSS

Formato digital banda intercalada por pixel

Figura 21: Formao de uma imagem digital

O(s) sensor(es) de cada banda medem o fluxo energtico integral recebido atravs da reflexo de um alvo na respectiva faixa espectral. O fluxo energtico transferido em valores digitais por banda. No caso de um formato banda intercalada por pixel esto gravados os valores das quatro bandas (4, 5, 6, 7) do primeiro pixel da imagem na localizao 1,1, depois os valores do segundo pixel etc. A figura 22 mostra como os valores de uma destas bandas so organizados para formar uma imagem. A imagem pode ser entendida como uma matriz de celas (= pixels). A localizao dos pixels descrita por coordenadas e cada cela (pixel) tem um valor de intensidade que tambm chamado tom (=nvel) de cinza.

6. Avaliao de imagens de satlite 24 ________________________________________________________________________

Figura 22: Estrutura raster de uma banda de uma imagem digital. A imagem uma matriz com celas de tamanho igual, cuja localizao pode ser descrita por coordenadas (1,1; 1,2 etc.). Cada cela (pixel) tem um valor de cinza (33, 31).

A figura 23 mostra outras caractersticas fundamentais de dados digitais, as quatro resolues de imagens. A resoluo espacial (=geomtrica) o tamanho de um pixel (spatial resolution).

Figura 23: Resoluo espacial, radiomtrica, espectral e temporal de imagens de satlite.

A resoluo radiomtrica (radiometric resolution) descreve a sensibilidade do sensor. No caso de Landsat TM a resoluo 8 bits (256 nveis de cinza). A resoluo espectral (spectral resolution) a largura de uma banda normalmente descrita em m. A resoluo temporal (temporal resolution) a freqncia com qual o satlite monitora a mesma regio terrestre. Para a interpretao visual os dados digitais podem ser impressos ou visualizados no monitor do computador. Nos dois casos as intensidades das respectivas bandas so codificadas com cores. Podem ser visualizadas simultaneamente 03 bandas, uma codificada com vermelho, uma com verde e outra com azul. Uma rea vermelha numa imagem significa que na banda que foi codificada com a cor vermelha (p. ex. atravs do

6. Avaliao de imagens de satlite 25 ________________________________________________________________________ canal vermelho do monitor) foi registrada uma alta reflexo, enquanto nas outras bandas havia uma reflexo relativamente baixa. importante lembrar que no somente uma banda representando a reflexo na luz vermelha pode ser codificada com a cor vermelha. Codificando p. ex. a banda 4 do Landsat TM do infravermelho prximo com vermelho, vegetao verde (para nossos olhos) aparece vermelho na imagem.

6.2 Interpretao visual Uma interpretao pode ser efetuada de modo analgico atravs de uma imagem impressa e papel transparente sobreposto. A interpretao no monitor/computador tem a vantagem que j est sendo criado um resultado digital que pode ser depois modificado no computador e diretamente integrado num SIG. Nos dois casos, um intrprete experiente intuitivamente valoriza seis caratersticas das imagens (Figura 24).

Figura 24: Caractersticas de imagens valorizadas na interpretao

Alm da colorao, forma e tamanho de um elemento podem ajudar na identificao de um objeto. A textura da imagem a freqncia na qual uma certa tonalidade se repete (ex.: floresta e campo podem ter as mesmas tonalidades, mas a textura da floresta geralmente mais irregular). Certas culturas podem ser identificados pelo padro no qual eles esto plantadas. A localizao de construes pode ajudar na sua identificao (p. ex. ETA perto de um rio).

6. Avaliao de imagens de satlite 26 ________________________________________________________________________

6.3

Processamento digital de Imagens

6.3.1 Introduo Por Processamento Digital de Imagens (PDI) entende-se a manipulao de uma imagem por computador de modo que a entrada e a sada do processo sejam imagens. Por comparao, na disciplina de reconhecimento de padres, a entrada do processo uma imagem e a sada constitui-se numa classificao ou descrio da mesma. O objetivo de se usar processamento digital de imagens, melhorar o aspecto visual de certas feies estruturais para o analista humano e fornecer outros subsdios para a sua interpretao, inclusive gerando produtos que possam ser posteriormente submetidos a outros processamentos. O processamento digital de imagens pode ser dividido em trs etapas independentes: prprocessamento, realce e classificao. O pr-processamento refere-se ao processamento inicial de dados brutos para calibrao radiomtrica da imagem, correo de distores geomtricas e remoo de rudo. As tcnicas de realce mais comuns em PDI so: realce de contraste, filtragem, operao aritmtica, transformao IHS e componentes principais. J as tcnicas de classificao podem ser divididas em; classificao supervisionada e classificao no supervisionada. NOTA: O usurio pode escolher por no utilizar os algoritmos de classificao, uma vez pode optar por fazer uma interpretao direta sobre uma imagem realada (Cap. 6.2). Como veremos a seguir as tcnicas de PDI so realizadas sempre com os nveis de cinza (NC) atribudos aos pixels de uma imagem. Dependendo da tcnica envolvida o usurio trabalhar com uma nica imagem (banda ou PI) ou com vrias imagens, sendo est ltima conhecida por tcnicas multi-espectrais, por tratar de vrias imagens da mesma cena em regies diferentes do espectro eletromagntico.

6.3.2 Pr-processamento As tcnicas de pr-processamento envolvem as correes radiomtricas e geomtricas das imagens. 6.3.2.1 Correes radiomtricas As correes radiomtricas visam eliminar rudos e degradaes, devidos aos efeitos atmosfricos, e do sistema sensor. A radincia detectada por um sensor composta pela radincia dos alvos da superfcie da Terra somada com a radincia resultante do espalhamento que a radiao eletromagntica sofre pela atmosfera (Fig. 6). Esse espalhamento maior quanto menor for o comprimento de onda da radiao. Pode-se corrigir os efeitos atmosfricos das imagens utilizando modelos matemticos que consideram a temperatura, a umidade relativa e outros dados do local de interesse. Porm, nem sempre esses dados esto disponveis. Outra tcnica utilizada consiste na subtrao de uma constante dos valores de nvel de cinza de todos os pixels de uma determinada banda. Essa constante corresponde ao menor valor de nvel de cinza dos pixels daquela banda.

6. Avaliao de imagens de satlite 27 ________________________________________________________________________ Os erros devidos ao sistema sensor causam rudos nas imagens. Estes rudos podem ser pontuais ou apresentar-se em forma de linhas, e podem ser peridicos ou aleatrios. O mtodo de correo a ser aplicado depender do tipo de erro. Por exemplo, se houver perda de uma linha inteira, pode-se atribuir aos pixels dessa linha a mdia dos valores dos pixels das linhas vizinhas. Correes atmosfricas precisam ser aplicadas no caso da comparao dos nveis de cinza de imagens de diferentes datas (p. ex. anlises de correlao regresso da concentrao de sedimentos transportados em corpos de gua)

6.3.2.2 Correes geomtricas Segundo Richards (1986), existem, potencialmente, mais fontes de distores geomtricas que radiomtricas e seus efeitos so mais severos. Elas podem estar relacionadas a alguns fatores como: rotao da terra durante a aquisio dos dados, taxa de varredura finita de alguns sensores, extenso do campo de visada de alguns sensores curvatura da terra falta de linearidade de alguns sensores, variao de altitude e velocidade das plataformas, e efeitos panormicos relacionados a geometria da imagem.

O processo de correo geomtrica envolve basicamente duas etapas. A primeira consiste na determinao da funo que relaciona o sistema de referencia ao da imagem a ser corrigida. Erros sistemticos relacionados aos orbitas dos sistemas sensores so corrigidos desta forma, na maioria pelo fornecedor dos dados (p. ex. INPE) A segunda consiste no clculo por re-amostragem dos valores de nvel de cinza dos pixels na imagem corrigida. Esta segunda etapa precisa ser efetuada, em muitos casos, pelo usurio, e ser portanto mais detalhadamente explicada em seguida: Utilizando um mapa como sistema de referencia, pode-se registrar uma imagem de forma que seus pixels se tornem referenciados a esse sistema, ou seja, a valores de latitude e longitude ou coordenadas UTM. Esse processo se chama Georeferenciamento. A funo aplicada para correo geomtrica determinada a partir das coordenadas de pontos de controles na imagem a ser corrigida e no sistema de referncia utilizado (coordenadas geogrficas ou planimtricas determinado atravs de mapas ou GPS). Esses pontos de controle devem ser pequenos e bem definidos, podendo ser baseados em: confluncia do sistema de drenagem, cruzamento ou bifurcaes do sistema hdrico, cruzamento entre o sistema de drenagem e pontes rodovirias, barragens e extremidades de aeroportos. O processo de re-amostragem utilizado para a correo geomtrica esquematizado na Figura 25. A grade geometricamente corrigida no coincide com a grade definida pelas

6. Avaliao de imagens de satlite 28 ________________________________________________________________________ coordenadas x, y dos pixels da cena em estudo. Podemos verificar que o pixel em destaque (Z) da grade corrigida corresponde, no espao, a pores dos pixels a, b, c e d da imagem original. Isto cria o problema de determinar o valor do nvel de cinza a ser atribudo ao pixel na imagem geometricamente corrigida.

Figura 25: Correo geomtrica de imagens.

Para se determinar os valores de nvel de cinza do pixel da imagem corrigida, utiliza-se mtodos de interpolao dos pixels (da imagem no corrigida) mais prximos a ele. Os mtodos de interpolao mais comuns so: alocao de vizinho mais prximo, interpolao bilinear e convoluo cbica. Utilizando-se o mtodo do vizinho mais prximo, o valor a ser atribudo ao pixel Z (Figura 25) igual ao valor do pixel b, pois este o valor mais prximo de seu centro. As vantagens desse mtodo so a rapidez de processamento e a manuteno dos valores originais dos nveis de cinza, porm, resulta em uma imagem de baixa qualidade visual. Segundo o mtodo de interpolao bilinear, o valor do nvel de cinza a ser atribudo ao pixel Z determinado pela mdia ponderada dos valores dos quatro vizinhos mais prximos (a, b, c e d). Essa ponderao dada pela distancia do centro dos pixels vizinhos ao centro do pixel Z. Nesse caso, o tempo de processamento maior que o anterior, porm resulta em uma imagem de melhor qualidade visual. Ocorre ainda uma perda de contraste, suavizando feies de bordas da imagem original. Pelo mtodo de convoluo cbica, o nvel de cinza a ser atribudo ao pixel Z determinado atravs de clculos realizados em uma matriz com os nveis de cinza dos 16 vizinhos mais prximos. Esse mtodo resulta em imagens de melhor qualidade visual, embora seu processamento seja mais demorado que os anteriores. Tambm ocorre perda de contraste.

6. Avaliao de imagens de satlite 29 ________________________________________________________________________ 6.3.3 Realce 6.3.3.1 Realce de Contraste A tcnica de realce de contraste e tem por objetivo melhorar a qualidade das imagens sob os critrios subjetivos do olho humano. O contraste entre dois objetos pode ser definido como a razo entre os seus nveis de cinza mdios. A manipulao do contraste consiste numa transferncia radiomtrica em cada "pixel", com o objetivo de aumentar a discriminao visual entre os objetos presentes na imagem. Realiza-se a operao ponto a ponto, independentemente da vizinhana. Esta transferncia radiomtrica realizada com ajuda de histogramas, que so manipulados para obter o realce desejado. Veja mais sobre o que um Histograma: Histogramas A escolha do mapeamento direto adequado , em geral, essencialmente emprica. Entretanto, um exame prvio do histograma da imagem pode ser til. O histograma uma das formas mais comuns de se representar a distribuio dos nveis de cinza (NC) de uma imagem, e a mais utilizada em PDI. O histograma fornece a informao de quantos pixels na imagem possuem um determinado NC, definido entre 0 (preto) a 255 (branco) para uma imagem quantificada em 8 bits. Outra caracterstica que o histograma no apresenta nenhuma informao espacial da imagem, e sim um funo de probabilidade de encontrar um NC referente a um objeto qualquer da imagem. Normalmente tem-se no eixo X a distribuio dos NC e no eixo Y a freqncia em que ocorrem (veja figura 26).

Figura 26: Histograma de uma banda de uma imagem. O maior pico do histograma representa NC intermedirias que dominam sobretudo nas partes centrais da imagem. O mximo secundrio do histograma resultado das reas escuras no canto esquerdo baixo da imagem.

6. Avaliao de imagens de satlite 30 ________________________________________________________________________ Um histograma descreve a distribuio estatstica dos nveis de cinza em termos do nmero de amostras ("pixels") com cada nvel, e esta distribuio pode tambm ser dada em termos da percentagem do nmero total de "pixels" na imagem. Pode ser estabelecida uma analogia entre o histograma de uma imagem e a funo densidade de probabilidade, que um modelo matemtico da distribuio de tons de cinza de uma classe de imagens. Os histogramas pode ser uni-dimensionais (Fig. 26), isto , para apenas uma banda, ou multi-dimensionais quando representa a distribuio de duas ou mais bandas, sendo o de duas dimenses o mais simples. Um histograma de duas bandas, ou scattergrama, permite analisar visualmente o grau de correlao entre duas bandas e decidir sobre tipo de tcnica de aumento de contraste a ser aplicado a imagens multi-espectrais. A forma do histograma fornece informaes importantes como a intensidade mdia e espalhamento dos valores de NC, sendo este ltimo a medida de contraste da imagem. Quanto maior o espalhamento ao longo do eixo dos NCs, maior o contraste da imagem. A figura 27 ilustra esta distribuio dos NCs.

Figura 27: Histograma e imagem antes (A) e aps a aplicao de uma realce de contraste.

6. Avaliao de imagens de satlite 31 ________________________________________________________________________ Para aumentar o contraste de uma imagem, deseja-se expandir o intervalo original de nveis de cinza da imagem original, utilizando-se uma funo de transferncia que consiste em mapear as variaes dentro do intervalo original de tons de cinza, para um outro intervalo desejado (Fig. 28).

Figura 28: Funo de transferncia para aumento de contraste. Os valores originais (eixo X) entre +/- 20 a 80 so transferidos para os valores resultantes entre +/- 40-255.

NOTA: Pode-se usar como parmetro de contraste a inclinao da funo de transferncia, representada pela curva plotada em relao aos eixos XY. Como regra geral um aumento na inclinao da curva, reflete um aumento de contraste. Se a inclinao for maior do que 45 graus o contraste ser expandido, e se for menor do que 45 graus o contraste ser comprimido.

6.3.3.2 Filtragem A aplicao de filtros amplamente discutida na literatura. Portanto a importncia prtica destas operaes no trabalho com imagens de sistemas passivos limitada. Com a crescente utilizao de imagens de Radar (que possuem um alto grau de rudo speckle), as tcnicas de filtragem ganharam nova importncia. As tcnicas de filtragem so transformaes da imagem "pixel" a "pixel", que no dependem apenas do nvel de cinza de um determinado "pixel", mas tambm do valor dos nveis de cinza dos "pixels" vizinhos, na imagem original. Os filtros funcionam como janelas ou mscaras mveis que se deslocam sobre a imagem. Por exemplo, uma janela de trs por trs pixels (nove ao todo) que percorre a imagem

6. Avaliao de imagens de satlite 32 ________________________________________________________________________ (Figura 29). Inicialmente ela colocada no canto superior esquerdo da imagem, sendo que o valor do pixel central dessa janela na imagem dado pela soma dos valores do 9 pixels da imagem multiplicados pelas 9 celas da janela. Essa janela se desloca, pixel a pixel, e essa operao repetida, atribuindo-se novos valores aos pixels.

Figura 29: Representao de uma janela de trs por trs pixels transposta sobre uma imagem.

Alguns exemplos de filtros so apresentados a seguir. Filtro passa-baixa O efeito visual de um filtro passa-baixa (Fig. 30) o de suavizao da imagem e a reduo do nmero de nveis de cinza da cena. As altas freqncias, que correspondem s transies abruptas so atenuadas. A suavizao tende a minimizar rudos e apresenta o efeito de borramento da imagem.

* 1/9
(A) Figura 30: Filtros passa-baixo 3 x 3 e 5 x 5. (B)

* 1/25

Algumas janelas que efetuam uma filtragem passa-baixa, numa vizinhana de dimenso 3x3, 5x5 ou 7x7 esto indicadas abaixo, estes filtros so conhecidos por filtros de mdia, pois obtm a mdia entre pontos vizinhos.

6. Avaliao de imagens de satlite 33 ________________________________________________________________________ Filtro Passa-Alta A filtragem passa-alta tende a realar os detalhes, produzindo uma "agudizao" (sharpering) da imagem, isto , as transies entre regies diferentes tornam-se mais ntidas (Figura 31).

Figura 31: Filtros passa-baixo 3 x 3 e 5 x 5.

Exemplos: limites de um campo de cultivo, lineamento geolgico, etc. Estes filtros podem ser usados para realar certas caractersticas presentes na imagem, tais como bordas, linhas curvas ou manchas. O efeito indesejado o de enfatizar o rudo porventura existente na imagem. Os filtros de realce de bordas atribuem valores de nvel de cinza para os "pixels" da cena original, segundo a influncia de seus "pixels" vizinhos. Esta maior ou menor influncia ser funo de valores (positivos, nulos ou negativos) fornecidos pelo usurio e atribudos aos elementos da mscara, considerados segundo a configurao do filtro utilizado. atravs da combinao destes valores de entrada ou pesos, que se obter um realce maior ou menor da cena, segundo direes preferenciais de interesse. Para diminuir o rudo em imagens radar foram desenvolvidos filtros com um calculo mais sofisticado. Entre outros podem ser citados os filtros Filtro de Frost (Frost 1982), Lee (Lee 1981) ou Kuan/Nathan (Kuan et al. 1982). Figura 32 mostra os efeitos de vrios filtros aplicados a uma banda de radar.

6. Avaliao de imagens de satlite 34 ________________________________________________________________________

Imagem original

Mdia 3 x 3

Frost

Kuan

Figura 32: Filtros aplicados numa banda original do ERS-1

Leia mais sobre filtros: Eric M. Eliason & Alfred S. McEwan (1990): Adaptive Box Filters for Removal of Random Noise from Digital Images", Photogrammetric Engineering and Remote Sensing, Vol. 56, No. 4, pp. 453-458. INPE: Manual SPRING 3.3 (www.inpe.br)

6. Avaliao de imagens de satlite 35 ________________________________________________________________________ 6.3.4 Operaes aritmticas entre Bandas Pode-se realizar operaes matemticas como adio, subtrao, multiplicao e diviso entre bandas ou imagens. Essas operaes so feitas pixel a pixel. Em geral, a adio e multiplicao so utilizadas para realar similaridades espectrais entre bandas ou entre diferentes imagens. A subtrao e a diviso, por outro lado, so utilizadas para realar diferencias espectrais (Crosta, 1992). A diviso de imagens a operao aritmtica mais utilizada em processamento digital de imagens de sensoriamento remoto, sendo usada na determinao dos ndices de vegetao e na identificao de zonas de alterao hidrotermal relacionadas a concentraes de minerais. A operao entre bandas utilizada na determinao de ndices de vegetao, por exemplo, o ndice desenvolvido para o sensor MSS/LANDSAT e calculado pela seguinte equao: MSS7 - MSS5 MSS7 + MSS5

VI =

A presena de oxidos de ferro e minerais de argila de alterao hidrotermal realada pelas razes entre bandas do sensor Landsat TM: TM3/TM 5 e TM1/TM7 respectivamente.

6.4

Classificao Digital de Imagens

6.4.1 Conceitos A classificao digital de imagens compe-se de um conjunto de procedimentos que permitem associar objetos (pixels ou regies) presentes em uma imagem a um conjunto de classes. O resultado final de um processo de classificao uma imagem digital que constitue um mapa de "pixels" classificados, representados por smbolos grficos ou cores. O processo de classificao digital transforma ento um grande nmero de nveis de cinza em cada banda espectral em um pequeno nmero de classes em uma nica imagem. As tcnicas de classificao que podem ser aplicadas apenas a um canal espectral (banda da imagem) so conhecidas como classificaes unidimensionais. As tcnicas em que o critrio de deciso depende da distribuio de nveis de cinza em vrios canais espectrais so definidas como tcnicas de classificao multiespectral. Podem ser diferenciados dois conceitos principais de classificao. O critrio para a diferenciao destes dois conceitos o primeiro passo em um processo de classificao, o treinamento. Treinamento o reconhecimento da assinatura espectral das classes. Existem basicamente duas formas de treinamento: supervisionado e no-supervisionado (Figura 33).

6. Avaliao de imagens de satlite 36 ________________________________________________________________________

(A)

(B)

Figura 33: Classificao no-supervisionada (A) e supervisionada (B).

Quando o usurio utiliza algoritmos para reconhecer as classes presentes na imagem, o treinamento dito no-supervisionado. Ao definir reas para o treinamento nosupervisionado, o usurio no deve se preocupar com a homogeneidade das classes. As reas escolhidas devem ser heterogneas para assegurar que todas as possveis classes e suas variabilidades sejam includas. Os "pixels" dentro de uma rea de treinamento so submetidos a um algoritmo de agrupamento ("clustering") que determina o agrupamento do dado, numa feio espacial de dimenso igual ao nmero de bandas presentes. Este algortmo assume que cada grupo ("cluster") representa a distribuio de probabilidade de uma classe. Quando existem regies da imagem em que o usurio dispe de informaes que permitem a identificao de uma classe de interesse, o treinamento dito supervisionado. Para um treinamento supervisionado o usurio deve identificar na imagem uma rea representativa de cada classe. importante que a rea de treinamento seja uma amostra homognea da classe respectiva, mas ao mesmo tempo deve-se incluir toda a variabilidade dos nveis de cinza. Recomenda-se que o usurio adquira mais de uma rea de treinamento, utilizando o maior nmero de informaes disponveis, como trabalhos de campo, mapas, etc. Para a obteno de classes estatisticamente confiveis, so necessrios de 10 a 100 "pixels" de treinamento por classe. O nmero de "pixels" de treinamento necessrio para a preciso do reconhecimento de uma classe aumenta com o aumento da variabilidade entre as classes. O conceito da classificao supervisionada o mais utilizado. O usurio define as classes a serem diferenciadas e classifica a imagem conforme as assinaturas espectrais destas classes.

6. Avaliao de imagens de satlite 37 ________________________________________________________________________ Para a compreenso dos mtodos de classificao digital de imagens necessrio o conhecimento do conceito espao de atributos. A representao do espao de atributos pode ser feita, como exemplo, pelo grfico dos valorem dos nveis de cinza de duas bandas de uma imagem multispectral. Os trs pontos do grfico representam os valorem dos nveis de cinza de trs diferentes materiais: A, B e C. Pode-se observar que para separar os pixels pertencentes aos trs materiais necessrio se considerar o nvel de cinza desses nas duas bandas. Tomando-se somente a banda 1, no possvel separar B e C. No caso da banda 2, no possvel separar A e B (Figura 34).

Figura 34: Espao de atributos de duas bandas espectrais contendo as caractersticas espectrais do pixel de trs diferentes materiais.

A utilizao do nvel de cinza de apenas um pixel no suficiente para a separao dos materiais. Pode-se selecionar amostras de pixels das bandas utilizadas e determinar os intervalos de nveis de cinza, ou ainda, a distribuio dos nveis de cinza de cada material. A representao grfica desses intervalos no espao de atributos mostrada na Figura 35.

6. Avaliao de imagens de satlite 38 ________________________________________________________________________

Figura 35: Espao de atributos de duas bandas espectrais contendo os intervalos de nveis de cinza dos pixels de trs diferentes materiais.

No processo de classificao digital, pixels ou regies da imagem so associados a uma classe previamente definida. A atribuio das classes pode estar baseada no valor do nvel de cinza do pixel, na informao sobre sua vizinhana e na distribuio dos nveis de cinza da imagem. A seguir so apresentados alguns mtodos de classificao.

6.4.2 Mtodo do Fatiamento O mtodo do fatiamento aplicado em apenas uma banda e consiste em dividir o histograma da imagem em faixas de nveis de cinza. As faixas podem ser escolhidas de forma que elas apresentem o mesmo intervalo de nveis de cinza, ou que contenham o mesmo nmero de pixels, ou ainda, podem apresentar intervalos vari6veis. Os pixels que apresentam valores dos nveis de cinza dentro de uma mesma faixa tm atribuda uma mesma classe. 6.4.3 Mtodo do Paraleleppedo Pelo mtodo do paraleleppedo tambm se faz a diviso do histograma em faixas, porm pode-se realizar essa diviso em uma ou mais bandas. Na figura 36 pode-se observar o espao de atributos de duas bandas espectrais e a representao da aplicao do mtodo

6. Avaliao de imagens de satlite 39 ________________________________________________________________________ do paraleleppedo. Os pixels que se encontram dentro do retngulo formado pelos intervalos de cinza selecionados nas duas bandas tm atribuda uma mesma classe.

Figura 36: Representao da partio do espao de atributos de duas bandas espectrais a partir da aplicao do mtodo do paraleleppedo.

6.4.4 Mtodo da Distncia Euclidiana O mtodo da distncia mnima baseia-se em medidas de distncia no espao de atributos entre os valores de nveis de cinza de cada pixel da imagem e o valor mdio dos nveis de cinza das classes. Uma classe atribuda a um pixel se a distncia entre o valor mdio de seus nveis de cinza e o pixel analisado for menor que as distncias tomadas para as demais classes.

6.4.5 Mtodo da Mxima Verossimilhana O mtodo de mxima verossimilhana o mtodo mais utilizado de classificao supervisionada de imagens de sensoriamento remoto. Para a aplicao do mtodo supe-se que os nveis de cinza dos pixels de cada classe apresentam uma distribuio normal. A classificao feita a partir da probabilidade de cada pixel pertencer s classes previamente definidas, ou seja, ser atribuda a classe A ao pixel x se a probabilidade dele pertencer a A for maior que a probabilidade dele pertencer a outra classe qualquer. A figura 37 ilustra os princpios da classificao por mxima verossimilhana apresentando as curvas de probabilidade para as classes A, B e C no espao de atributos de duas bandas espectrais. Os pontos 1, 2 e 3 representam os valorem de nveis de cinza de trs pixels da imagem. Tomando-se como exemplo o pixel 2, ele classificado como

6. Avaliao de imagens de satlite 40 ________________________________________________________________________ A pois, embora encontra-se mais prximo do valor central (valor mdio) da banda B, situa-se em faixa de maior probabilidade de pertencer banda A.

Figura 37: Representao das curvas de probabilidade de ocorrncia de trs classes: A, B e C , no espao de atributos de duas bandas espectrais; e dos valores dos nveis de cinza de trs pixels: 1, 2 e 3.

7. Bibliografia selecionada
CMARA, G. et. al. (1996): Anatomia de Sistemas de Informao Geogrfica. Campinas, Instituto de Computao/ UNICAMP. Canadian Centre of Remote Sensing (CCRS): Tutorial of Remote Sensing (http://www.ccrs.nrcan.gc.ca/) CARVER, A.J. (1988): Fotografia area para planejadores de uso da terra. Ministrio de Agricultura, Brasilia. CROSTA, A., P. (1992): Processamento digital de imagens de Sensoriamento Remoto. Campinas, SP, IG/UNICAMP. FUNCATE (1997): Curso de Sensoriamento Remoto e Geoprocessamento. INPE (1999): Manual SPRING 3.3 (www.inpe.br) NOVO, E.,M.,L.,M. (1989): Sensoriamento Remoto: princpios e aplicaes, So Paulo, Edgar Blucher. RICHARDS, J.A. (1993): Remote Sensing Digital Image Analysis An Introduction, Springer, Berlin. ROSA, R. (1995): Introduo ao Sensoriamento Remoto, Universidade Federal de Uberlndia, Edufu, Uberlndia. ROSA, R. & BRITO, J., L., S. (1996): Introduo ao Geoprocessamento, Universidade Federal de Uberlndia, Edufu, Uberlndia. STEFFEN, C.A. & MORAES, E.C. (1993): Introduo radiometria. In simpsio Brasileiro de Sensoriamento Remoto, 6., Curitiba, 10 a 14 de maio.

Bibliografia adicional citada no fim dos diferentes captulos

INTRODUO S IMAGENS DIGITAIS E S TECNICAS DE ANLISE DIGITAL:


Curso de Iniciao a Anlise Digital de Dados de Sensoriamento Remoto
Utilizao
(Formulrio dos exerccios) (Respostas dos exerccios)

T. T. Alfldi Applications Division

Nota Tcnica 78-1 Impresso Marco 1978 Re-impresso Outubro 1986 Verso Digital Agosto 1996

Canada Centre for Remote Sensing Natural Resources Canada (antepassado: Energy, Mines and Resources Canada)

Ottawa, Canada

1. Introduo O Centro Canadense de Sensoriamento Remoto criou um exerccio que simula o tratamento digital de imagens, afim de familiarizar o novato manipulao de dados digitais. No incio, este exerccio tinha como objetivo principal permitir ao usurio sua iniciao aos princpios de funcionamento do sistema IMAGE - 100 do Canada Centre for Remote Sensing (Centro Canadense de Sensoriamento Remoto). Porm, as noes expostas no presente documento vo alm deste objetivo, podendo aplicar-se maioria dos sistemas de tratamento digital de imagens. Se os estudantes se beneficiam com os servios de um instrutor, o exerccio prtico deveria ser precedido de uma breve descrio das caractersticas espaciais, temporais, espectrais e radiomtricas das imagens digitais. Para permitir ao leitor imaginar uma simulao manual, unicamente com a ajuda de papel e lpis, as imagens sofreram as seguintes simplificaes: a) As dimenses da imagem proposta ao leitor foram reduzidas a 49 elementos (pixels), enquanto que as imagens digitais contm habitualmente vrios milhes. b) Uma imagem de ou canais de multiespectral, concentra, muitas vezes, entre 4 e 24 bandas espectrais. Para este exerccio, as pseudo-imagens foram constituidas de apenas 2 bandas espectrais (ou dimenses no espao espectral). c) O nmero de intensidade que pode ser registrado por um detector se situa, habitualmente, entre 64 e 256. Como este nmero grande de mais para um tratamento manual, ns o reduzimos a 10 na imagem proposta ao leitor. As tcnicas manuais que vamos descrever assemelham-se muito s operaes executadas por um computador. No entanto, dada sua grande velocidade de execuo, o computador capaz de tratar imagens cobrindo superfcies bem maiores, bandas espectrais mais numerosas e numa escala radiomtrica mais larga.

2. Disposio e apresentao dos dados A figura 1 nos mostra os dados de um pequeno segmento de uma cena captada por um satlite em 2 bandas. Em cada banda temos a intensidade luminosa subdividida em 10 nveis: de 0 a 9. Uma das bandas (A) sensvel ao vermelho e a outra (B) cobre uma parte de infravermelho refletido. Nesta figura, os dados (de cada banda) so intercalados por linha. No caso das imagens 7x7, representadas sobre fita magntica, os sete primeiros nmeros correspondem intensidade dos pixels da primeira linha da Banda A, a partir do lado esquerdo da imagem. Os sete nmeros seguintes se aplicam igualmente primeira linha, mas, desta vez, da banda B. Os sete nmeros seguintes representam a segunda linha da banda A, e assim sucessivamente. Portanto, para a superfcie da imagem 7x7, temos 2 bandas compostas de 7 linhas cada uma e estas linhas constituidas de sete pixels cada uma, o que nos d 98 nmeros. Vamos agora dispor estes nmeros sobre uma forma geomtrica til. Etapa n 1 De incio, separe os grupos de 7 valores no sentido da seta, indicando banda A por cima dos 7 primeiros algarismos, a banda B por cima dos 7 seguintes, a banda A por cima dos 7 seguintes e assim por diante. A figura 2 representa de uma forma mais prtica a imagem digital. As bandas A e B representam a mesma regio da superfcie terrestre, mas elas so codificadas separadamente porque correspondem a faixas distintas no espectro eletromagntico (ou cores de luz).

Etapa n 2 Coloque cada um dos valores da banda magntica no quadrado apropriado no interior das grades. Assim, os 7 primeiros valores da banda A ocuparo os pixels de 1 a 7 da primeira linha da matriz da banda A, na figura 2. Os 7 valores seguintes correspondem aos pixels de 1 a 7 da primeira linha da matriz da banda B. Continue assim at que todos os espaos sejam preenchidos. As cartas digitais da figura 2 podem, agora, receber uma outra forma que torna possvel uma nova apreciao visual da imagem. Produz-se uma "carta de nveis de cinza" afim de se visualizar os valores os quais se dispem. As cartas de nveis de cinza produzidas por computador apresentam, normalmente, um problema: o nmero de intensidade (entre 64 e 256) ultrapassa largamente o nmero de tons de cinza disponveis que a impressora capaz de produzir e o olho humano de distinguir. Cada pixel contido na imagem 7x7 recebe um cdigo que vai de 0 a 9 e que corresponde a um dos 10 graus de intensidade. Convm, portanto, no nosso exemplo, representar os 10 graus de intensidade por trs tons de cinza. Etapa n 3 Para cada uma das imagens digitais das bandas A e B (figura 2), transforme o valor numrico de cada pixel em um tom de cinza, baseando-se na seguinte escala de converso:

Valor numrico Tons de cinza

Em seguida, transporte os pixels assim transformados at as grades da figura 3. Voc notar que quanto menor as intensidades, mais escuros sero os tons. Podemos observar semelhanas e diferenas nos desenhos das bandas A e B. Certas formas no meio da imagem aparecam, mas claro que as cartas de cinza concentram muito menos informaes que as cartas numricas. Abordaremos agora um certo nmero de tcnicas que nos permitaram aprofundar nosso conhecimento sobre os dados tratados. Um "perfil de intensidade" nos d uma viso unidimensional de apenas uma parte dos dados. Este anlogo ao "perfil de densidade" ou densitometria, muito empregado em anlise fotogrfica. Etapa n 4 Construiremos aqui um perfil de intensidade para a linha n 6 de cada imagem representada pelas bandas A e B. Para isto, utilizaremos as grades da figura n 4. Para a linha n 6 da banda A, determine a intensidade de cada pixel da carta digital e marque com um ponto cada posio correspondente a um pixel e sua intensidade. Aps ter posto todos os pontos em sua posio, unaos, atravs de uma linha, a partir do pixel n 1 at o pixel n 7. Faa o mesmo para a banda B. Os grficos da figura 4 representam, agora, as intensidades da luz refletida pelo terreno que corresponde linha n 6 da imagem. Podemos construir os perfis de intensidade para qualquer linha da imagem (qualquer que seja o ngulo). Esta tcnica tem sempre limites que reduzem sua utilidade; existe outras formas de se estruturar dados contendo muito mais informaes. Por exemplo, um histograma unidimensional nos permite obter uma representao grfica da distribuio de dados de uma nica banda. A curva (ver figura 5) indica o nmero de pixels que um dado nvel de intensidade possui. Esta uma noo abstrata, mas importante. Inversamente, poderamos nos perguntar: Qual zona da imagem corresponde a um dado nvel de intensidade ?.

Etapa n 5 Na banda A, calcule o nmero de pixels que tem uma intensidade nula (zero) utilizando a imagem digital da figura 2. Escreva o nmero total no espao apropriado abaixo do grfico da Banda A da figura 5. Agora, calcule o nmero de vezes que aparece o nvel de intensidade 1 e escreva o nmero total obtido no espao apropriado abaixo da Banda A da figura 5. Repita o processo para todos os nveis de intensidade. Assegure-se de que a soma destes valores seja igual a 49 (7 x 7). Transporte estes valores para o grfico e una os pontos atravs de uma linha da esquerda para a direita. Construa o histograma da banda B da mesma forma. Vrias observaes podem ser feitas em relao a estes dois histogramas. Primeiro, os dois histogramas obtidos se diferem sensivelmente. Isto significa que as 2 bandas nos fornecem informaes diferentes (e que podem ser igualmente teis) em relao ao mesmo pixel (ou detalhe do terreno). Segundo, observe os diversos picos dos histogramas; chamamos "moda" do histograma cada crista separada de seus vizinhos pelas concavidades ou vales. Constatamos muitas vezes que uma "moda" corresponde a um tipo particular de cobertura do solo. A presena de vrias modas (histograma multimodal) indica que vrios elementos diferentes so representados na mesma imagem. Veremos agora o histograma da Banda B. Este histograma contm duas modas maiores separadas por uma concavidade que se acha ao nvel de intensidade 2. Como a banda B representa o infravermelho refletido, um conhecimento das propriedades de reflectncia da terra e da gua no domnio do infravermelho pode ser til identificao destas duas modas. A gua absorve muito o infravermelho e, consequentemente, tem uma fraca reflectncia. Em compensao, os solos cobertos de vegetao tm uma reflectncia muito mais forte durante os meses do vero. Podemos supor, portanto, que a moda da esquerda representa a gua e a moda maior da direita, o solo coberto de vegetao. Contando o numero de pixels em cada moda, ja temos uma ideia do tamahno relativo da zona de terra e agua na imagen. A "assinatura espectral" de um pixel a combinao dos nveis de intensidade deste pixel representam nas duas bandas. Esta caracterstica pode ser representada atravs de um histograma bidimencional. No histograma de 2 dimenses, os 2 eixos representam os nveis de intensidade registrados nas duas bandas (ver figura 6). Isto consiste na representao, atravs de uma curva, da frequncia de ocorrncia de uma dada combinao de intensidades nas Banda A e B. Em outras palavras, um histograma bidimencional indica o nmero de pixels na imagem que corresponde a uma dada combinao de intensidades das duas bandas, isto , a uma assinatura espectral. Tomemos como exemplo o pixel n6 da linha n 2 (figura 2). Na banda A este pixel tem a intensidade 4, e na banda B, a intensidade 6. Portanto, no grfico da figura 6 ele ser representado pelas coordenadas 4,6 (4 para o eixo da banda A e 6 para o eixo da banda B). Uma vez construido, o histograma mostrar simultaneamente a distribuio dos dados das duas bandas. Etapa n 6 Neste exerccio voc dever transportar as coordenadas espectrais da imagem da figura 2 para o histograma bidimencional. Para cada coordenada espectral de cada pixel, faa um trao na clula apropriada da figura 6. Estes traos sero, em seguida, somados de maneira a nos dar o nmero total em cada clula. Voc deve considerar somente os pixels que ocupam as 3 primeiras linhas da figura 2. Como podemos constatar na figura 6, as 4 ltimas linhas j foram feitas. Etapa n 7 Remova os dados da figura 6 para a figura 7, adicionando os traos presentes em cada umas das clulas e escrevendo o nmero na clula correspondente da figura 7. Chamamos "clula" ou "vetor" cada um dos quadrados componentes do histograma bidimensional. O algarismo que aparece em uma dada clula da figura 7 representa a frequncia de ocorrncia das coordenadas de intensidade correspondente a esta clula na imagem original. O histograma bidimensional representa igualmente o domnio da assinatura espectral; as clulas que esto na mesma vizinhana tm caractersticas espectrais mais ou menos semelhantes. Assim, utilizando-se simultaneamente os 2 eixos

espectrais (histograma bidimensional) temos recursos para uma anlise muito mais apurada que se utilizarmos separadamente os eixos (histograma unidimensional), como nos mostra os exemplos seguintes.

3. Classificao utilisando uma nica banda A figura 8 representa um mapa de controle no campo de um elemento particular : a floresta. Trs lugares foram reconhecidos no campo como sendo terrenos florestais e os especialistas, tendo recolhido dados sobre esta regio, tm certeza que o conjunto representativo de todos os tipos de florestas podendo ser encontrados na rea da imagem de sensoriamento remoto. O mapa de controle foi geometricamente sobreposto imagem de maneira que um ponto no mapa possa ter uma coordenada linha-pixel que corresponda imagem. Usando a assinatura espectral destas zonas florestais conhecidas, torna-se possvel de encontrar todos os outros pixels da imagem associados floresta ou seja, ns iremos procurar todos os outros pixels que tm a mesma assinatura espectral. A primeira etapa consiste, ento, na definio das caractersticas espectrais das zonas de treinamento (assim chamadas a partir de agora). Etapa n 8 Ache as intensidades correspondentes a cada zona de treinamento na banda A. Para conseguir, voc deve anotar as coordenadas dos pixels das zonas de treinamento e achar as intensidades correspondentes na figura 2 (banda A). Escreva estes valores na parte de baixo da figura 8. Podemos ento supor que a categoria floresta est caracterizada pelo intervalo de intensidade registrado na banda A da figura 2. Este intervalo definido pelo valor mnimo e mximo destas trs amostras (zona de treinamento). Escreva estes valores no espao previsto na figura 8. Faa o mesmo para a banda B. A classificao consiste na procura de todos os pixels cuja a intensidade se situa dentro do intervalo de intensidade registrado nas zonas de treinamento. Faremos tal processo separadamente para cada banda. Etapa n 9 Utilizando a imagem digital da banda A na figura 2, anote todos os pixels que tm uma intensidade dentro do intervalo definido para a banda A (etapa 8). Na figura 9A, escurea cada pixel correspondendo a um pixel da banda A que tem uma intensidade dentro deste intervalo (inclusive o mnimo e o mximo). Faa o mesmo para a imagem digital da banda B utilisando o intervalo definido para esta banda e o diagrama da figura 9B. Os dois mapas florestais das figuras 9A e 9B representam o mesmo objeto no terreno, isto , a floresta. Porm, eles so difirentes por serem construidos a partir de dados de duas bandas diferentes. O mtodo para produzir estes mapas poderia ser comparado a uma forma rudimentar da densitometria. Um intervalo de intensidades foi extraido da dinmica completa da imagem. Podemos conseguir uma classificao melhor, ou mais correta considerando, simutaneamente, as intensidades das duas bandas.

4. Classificao multiespectrais por paraleleppedos Para classificar uma imagem de modo multibandas (ou multiespectral), todas as bandas precisam ser consideradas simultaneamente. Na figura 10A, a floresta est representada por uma zona sombreada, ou seja, pelas intensidades 2 a 5 da banda A e 3 a 7 da banda B. A superposio destes dois intervalos de intensidade est ilustrada por hachuras cruzadas ("crosshatch" em ingls) e representa a assinatura multibandas da classe floresta. Para fazer uma classificao multibandas da floresta, basta anotar todos os pixels cujas coordenadas espectrais entram dentro da rea retangular de hachuras cruzadas ilustrada na figura 10A.

Etapa n 10 Usando as imagens digitais da figura 2, anotar todos os pixels da banda A que tm uma intensidade de 2, 3, 4 ou 5. Para cada pixel encontrado, verificar se a sua intensidade na banda B de 3, 4, 5, 6 ou 7. Se um pixel satisfaz estas duas condies escurea o pixel correspondente na figura 10B. Basta fazer apenas as ltimas quatro linhas; as trs primeiras j foram feitas. No total, 21 pixels devem ter sido classificados como floresta; verificar se o nmero est certo. Verificar tambm se a figura 10B representa o cruzamento lgico (unio) das figuras 9A e 9B. Enfim, uma classificao multibandas, como foi executada aqui, precisa de amostras representativas do terreno para ser confivel. As intensidades dos pixels representativos so mapeadas para cada banda. Os intervalos de intensidades das duas bandas so representados num grfico bidimensional onde cada eixo representa uma banda (espao objeto). O retngulo assim delimitado neste espao representa a assinatura espectral do objeto considerado. Quando utiliza duas dimenses (centenas de bandas multiespectral aerotransportados no fora do comun) n bandas podem produzir uma assinatura espectral de n dimenses representadas por um paraleleppedo retangular similar ao retngulo bidimensional que produzimos aqui (sendo que mais que trs dimenses no podem ser representadas no papel).

5. Classificao multibandas (vetorial) A assinatura espectral definida pela classificao multibandas retangular pode ser ainda melhorada. Para isto, basta demonstrar a limitao mais fundamental da tcnica de classificao retangular (ou por paraleleppedos). Etapa n 11 O mapa florestal da figura 10B foi verificado por inspeco visual e populaes homognias de conferas e de caduciflias foram identificadas. A figura 11A ilustra a distribuio espacial destes dois tipos de florestas. Nosso trabalho consiste em delimitar as partes do espao espectral correspondente a cada um destes tipos. Para cada pixel que identifica um tipo de floresta na figura 11A, voc deve achar as intensidades em banda A e B (figura 2). Registre estas coordenadas espectrais na figura 11B usando o smbolo C para conferas e D para caduciflias. Depois, trace um retngulo definindo a assinatura espectral da floresta de conferas. Os dois lados verticais deste retngulo correspondem aos limites inferiores e superiores do intervalo de intensidades na banda A e as linhas horizontais, aos limites do intervalo em banda B. Trace um retngulo similar para a assinatura espectral das caduciflias. Observe que os dois retngulos se sobrepem parcialmente. Esta superposio das assinaturas espectrais reduz bastante a eficincia do mtodo dos paraleleppedos. Se um pixel qualquer tiver coordenadas espectrais que caem na rea de superposio, fica difcil saber se ele pertencia classe conferas ou caduciflias. A classificao multibandas vetorial permite scanear um retngulo do espao espectral e registrar cada coordenada espectral (tambm chamada de clula ou de vetor) e o nmero de pixels associados a cada uma. Ela define a distribuio das densidades no espao espectral. O prximo exerccio consiste em utilizar um mtodo de classificao multibanda vetorial para mapear as florestas de conferas e de caduciflias numa outra cena (imagem). A primeira cena foi utilizada nas figuras 11A e 11B para definir as assinaturas espectrais; esta primeira cena possui as zonas (ou reas) de treinamento dos dois tipos de florestas que foram definidas. Entretanto, possvel extrapolar essas assinaturas espectrais no outro meio (cena n 2) onde estamos procurando detalhes do terreno ou objetos similares. bvio que um algoritmo e um computador vo apenas procurar objetos possuindo caractersticas espectrais iguais. tarefa do pesquisador postular que assinaturas iguais refletem o mesmo objeto, mesmo se a cena for outra. Neste nvel, preciso ser muito cuidadoso porque erros graves de classificao podem ser induzidos com este mtodo se algumas das caractersticas-imagem mudam

(declinao do sol, condio atmosfrica, etc.) O pesquisador dever verificar se as assinaturas correspondem a objetos idnticos. Se for preciso, ele dever aplicar uma correo radiomtrica imagem. Etapa n 12 As figuras 12A e 12B ilustram as imagens digitais da banda A e da banda B da nova cena (n 2). A figura 12C mostra a representao, no espao espectral, das assinaturas espectrais das florestas de conferas (C) e de caduciflias (D), assim como fizemos anteriormente. Procure nas quatro primeiras linhas da figura 12D (as ltimas trs j foram classificadas) os pixels que tm coordenadas espectrais (nas figuras 12A e 12B) correspondendo a uma das classes (C ou D) da figura 12C e coloque o smbolo apropriado na figura 12D. As coordenadas espectrais no devem apenas ser incluidas no retngulo da assinatura mas devem coincidir tambm com um dos smbolos C ou D. a nica maneira de evitar a ambiguidade da rea de superposio das duas assinaturas. Este tipo de mtodo de treinamento e de classificao chamado de no-paramtrico porque, para classificar um pixel da imagem, ns utilizamos a posio absoluta das coordenadas espectrais no espao espectral e NO parmetros estatsticos como a mdia e o desvio-padro.

6. Interpretao (usando as assinaturas espectrais) Um controle no campo essencial se queremos ter certeza da natureza dos elementos detectados na imagem. Porm, possvel fazer dedues a respeito de elementos no verificados na base de caractersticas espaciais e espectrais. Etapa n 13 Assim que o vimos anteriormente, um histograma unidimencional da banda infravermelha (B) mostra uma diferena marcante entre uma moda de baixa intensidade correspondendo gua e uma moda de alta intensidade representando as feies do terreno. Esta diferena pode ser observada facilmente no histograma da banda B da cena 2 (figura 13A). A moda esquerda do histograma, com valores inferiores a 2 na banda B, representa com certeza pixels de gua (ou, no caso extremo, poderiam ser reas de sombra de nuvens ou de relevo tambm caracterizados por valores baixos). Identifique os pixels da figura 12B tendo intensidade inferiores a 2 e marque um E nos pixels correspondentes da figura 12D. A figura 13B mostra os nveis de ocupao (populao de pixels) para os objetos da cena 2. Identifique as 3 clulas de baixa intensidade correspondendo gua. Some o nmero de pixels representativos destas 3 clulas e certifique-se de que o total corresponde ao nmero de pixels identificados por um E na figura 12D. As partes do espao espectral, estabelecidas como representativas das florestas de conferas e de caduciflias esto ilustradas na figura 13B. Podemos supor que a parte do espao localizada entre as duas assinaturas espectrais corresponde a um objeto misto. Assim, as clulas localizadas entre as reas (espectrais) de conferas e de caduciflias podem ser consideradas como a representao espectral de uma mistura destes dois tipos de floresta. Procure os pixels possuindo esta mesma caracterstica espectral e os identifique com um M na figura 12D. Certifique-se de que o nmero de pixels marcados como floresta mista (M) o mesmo que a soma das populaes de pixels das 3 clulas do espao espectral da figura 13B.

7. Classificao no supervisionada Os mtodos de classificao vistos at agora utilizam reas de treinamento para definir a assinatura espectral, das quais o pesquisador j conhece suas caractersticas. Depois, extrapolamos esta assinatura

outras partes da imagem ou a uma outra imagem afim de se identificar outros elementos possuindo a mesma caracterstica espectral. uma variao da classificao supervisionada. Um pesquisador pode querer inverter o processo. De fato, frequentemente desejvel distinguir reas da imagem possuindo caractersticas espectrais diferentes, mesmo sem saber nada sobre a natureza das subdivises ou das classes resultantes. Estabelecemos cartas das classes resultantes e as levamos para o campo afim de definir a natureza das subdivises criadas. Este mtodo conhecido como classificao no-supervisionada, pois no se usa rea de treinamento. Sua principal vantagem de ser baseada nos parmetros estatsticos das classes que cobrem geralmente grandes reas geogrficas no lugar de pequenas amostras (reas de treinamento) que podem se revelar pouco representativas da variabilidade real da cena a ser mapeada. Existem vrios algoritmos matemticos, baseados em diversos mtodos, que permitem achar e distinguir grupos estatisticamente representativos no espao espectral e que podem representar objetos importantes da cena. A maioria destes algoritmos so baseados na procura de zonas de alta populao de pixels (no espao espectral) separadas por reas de baixa populao. O exerccio seguinte ilustra este mtodo usando um algoritmo menos complexo que aqueles que so usados na prtica. Etapa n 14 A representao espectral da cena n 2 est representada na figura 14A. Copie na figura 14B as clulas da figura 14A que tm uma populao de pixels igual ou superior a 3. Podemos agora observar, na figura 14B, trs grupos de clulas de populao alta. Cada um deles representa na realidade o ncleo de um grupo maior ainda. A prxima etapa consiste em delimitlos. O ncleo de duas clulas ser chamado de grupo A no espao espectral e de classe A uma vez que ele ser representado no espao imagem (espacial). Marque com um A na figura 14B todas as clulas contguas ao grupo A inclusive aquelas encostadas apenas por uma quina (deve haver 10). Faa o mesmo para o grupo B (grupo de trs clulas) marcando um B e para o grupo C (grupo de uma clula s) marcando um C. Se houver conflito, resolva pela atrao mais forte (dar clula a etiqueta do grupo de populao maior). Na figura 14B, delimite os trs grupos por um trao em negrito (cercando as clulas de mesma etiqueta). O grupo A dever ter 11 clulas, 15 no B e 6 no C. Reproduzir estes limites na figura 14A tambm. Vamos agora fazer a representao final do espao espectral dividido em grupos. Transfira para a figura 14C as clulas da figura 14A que tm uma densidade igual ou superior a 1 dentro do grupo A e marque-as com um A. Faa o mesmo com os grupos B e C. Agora que o espao espectral foi subdividido em grupos uniformes usando um critrio pseudoestatstico, s falta trazer os grupos de volta s suas posies geogrficas. Para cada pixel da figura 14D, voc dever anotar as coordenadas espectrais nas duas bandas ilustradas nas figuras 12A e 12B, reporte estas coordenadas na figura 14C, e associe a etiqueta apropriada, ou seja, o smbolo representativo (A, B ou C). S as ltimas trs linhas precisam ser classificadas, as quatro primeiras j o foram. A prxima etapa da classificao no supervisionada, ilustrada na figura 14D, consiste em identificar cada uma das classes (A, B e C) em relao ao seu ambiente prprio. Para isto, podemos utilisar vrias tcnicas como a interpretao de fotos areas ou, quando for possvel, a verificao com trabalhos de campo. Porm, no ser necessrio cobrir a cena inteira mas apenas uma amostra de cada categoria. Uma outra vantagem da classificao no supervisionada que ela permite a orientao do trabalho de campo (ou outra forma de verificao) atravs da procura de lugares pequenos, prticos e representativos das classes estabelecidas. Por exemplo, o lugar marcado por um asterisco na figura 14D timo por nos dar uma amostra de cada

classe. Geralmente, bastam alguns destes lugares para conferir a classificao e adquirir um nvel de confiana para a cena inteira. Este mtodo pode ser usado tambm para estabelecer a preciso da classificao. Esta verificao pode tambm servir para a identificao de pixels que no foram classificados (como o pixel n 4 da linha n 6 na figura 14D). A no-classificao de uma rea pode ser causada por uma falha da tcnica ou por ruido na imagem; mas se esta rea for representativa, ela poder corresponder a um objeto particular no terreno. 8. Otros Estudios Grabau, W.E., "Pixel Problems", Miscellaneous Paper M-76-9 Mobility and Environmental Systems Laboratory, U.S. Army Engineering Waterways Experiment Station, P.o. Box 631, Vicksburg, Miss. 39180. May, 1976. Landgrebe, D.A.. "Machine Processing for Remotely Acquired Data", LARS Information Note 031573, Purdue University, West Lafayette, Indiana. 1973. Lindenlaub, J. and J. Russell, "An Introduction to Quantitative Remote Sensing", LARS Information Note ll0474, Purdue University, West Lafayette, Indiana, 1974. Orhaug, T. and 1. Akersten, "A Workshop Introduction to Digital Image Processing, FOA Report D-30053-El. Research Institute of Sweden National Defense, S-l04 50 Stockholm 80, Sweden. September 1976. Smith, J.A., L.D. Miller, and T. Ells, "Pattern Recognition Routines for Graduate Training in the Automatic Analysis of Remote Sensing Imagery -- RECOGIl, Science Series No. 3A, Colorado State University, Fort Collins, Colorado. February, 1972.

Temos que lembrar que esta lista foi compilada em 1978. Depois, um grande numero de documentos foram publicados sobre o assunto. Podem se achar referencias nos jornais e livros de sensoriamento remoto, atas de symposio e tamben no WWW.

INTRODUO S IMAGENS DIGITAIS E S TECNICAS DE ANLISE DIGITAL:


Courso de Iniciao a Anlise Digital de Dados de Sensoriamento Remoto
(Utilizao)

Formulrio dos exerccios


(Respostas

dos exerccios)

T. T. Alfldi Applications Division

Nota Tcnica 78-1 Impresso Marcio 1978 Re-impresso Outubro 1986 Verso Digital Agosto 1996

Canada Centre for Remote Sensing Natural Resources Canada (antepassado: Energy, Mines and Resources Canada)

Ottawa, Canada

FIGURA 1 Imagem digital, 2 bandas, 7 x 7, linhas intercaladas

Incio

0 Fim

FIGURA 2 Imagem digital na forma geomtrica apropriada.

1 2 L I N H A S 1 2 3 4 5 6 7

PIXELS 3 4 5

7 L I N H A S 1 2 3 4 5 6 7

PIXELS 3 4 5

BANDA A

BANDA B

FIGURA 3 Mapas de nveis de cinza.

1 2 L I N H A S 1 2 3 4 5 6 7

PIXELS 3 4 5

7 L I N H A S 1 2 3 4 5 6 7

1 2

PIXELS 3 4 5

BANDA A

BANDA B

FIGURA 4 Perfil de intensidade

I N T E N S I D A D E

BANDA A 9 8 7 6 5 4 3 2 1 0 1 2 3 4 5 6 No do PIXELS 7

I N T E N S I D A D E

BANDA B 9 8 7 6 5 4 3 2 1 0 1 2 3 4 5 6 No do PIXELS 7

FIGURA 5 Histograma unidimensional

BANDA A N
o

BANDA B N
o

d e P i x e l s

1 1 1 0 9 8 7 6 5 4 3 2 1 0 0 1 2 3 4 5 6 7 8 Nvel de intensidade 9

d e P i x e l s

1 1 1 0 9 8 7 6 5 4 3 2 1 0 0 1 2 3 4 5 6 7 8 9 Nvel de intensidade

Nmero de pixels: Soma =

Nmero de pixels: Soma =

FIGURA 6 Histograma bidimencional

Banda B Intensidade

9 8 7 6 5 4 3 2 1 0

//// //// // /// / / / / /

/ / // ///

0 1 2 3 4 5 6 7 8 9
Banda A Intensidade

FIGURA 7 Histograma bidimencional Banda B Intensidade

9 8 7 6 5 4 3 2 1 0 0 1 2 3 4 5 6 7 8 9
Banda A Intensidade

FIGURA 8 Mapa de controle no campo: Mata

L I N H A S

1 2 3 4 5 6 7

PIXELS 1 2 3 4 5 6 7 F F F

Nveis de intensidade da bandaA: __ , __ , __ Intervalo de intensidade da bandaA: Mnimo: __ Mximo: __

Nveis de intensidade da bandaB: __ , __ , __ Intervalo de intensidade da banda B: Mnimo: __ Mximo: __

FIGURA 9A Mapa forestal em Banda A

PIXELS 1 2 3 4 5 6 7 L I N H A S 1 2 3 4 5 6 7

FIGURA 9B Mapa florestal em Banda B

PIXELS 1 2 3 4 5 6 7 L I N H A S 1 2 3 4 5 6 7

FIGURA 10A Parte do espao espectral representando a mata

BandA B Intensidade

9 8 7 6 5 4 3 2 1 0 0 1 2 3 4 5 6 7 8 9
Banda A Intensidade

FIGURA 10B Representao da Mata em banda A e B PIXELS 1 2 3 4 5 6 7 L I N H A S 1 2 3 4 5 6 7

FIGURA 11A Mapa de controle no campo: tipo de mata

1 2 L I N H A S 1 2 3 4 5 6 7
D C C C C C C C C

PIXELS 3 4 5
D D D

6
D D

7
D

C = conferas D = caduciflias

FIGURA 11B Identificao dos tipos de mata no espao espectral

Banda B Intensidade

9 8 7 6 5 4 3 2 1 0 0 1 2 3 4 5 6 7 8 9
Banda A Intensidade

FIGURA 12A Cena #2, Banda A

L I N H A S

1 2 3 4 5 6 7

1 3 4 3 5 4 4 5

2 4 4 3 5 5 3 5

PIXELS 3 4 5 1 1 2 4 2 1 5 2 2 2 2 2 5 2 2 3 4 4 3 4 4

6 2 2 2 2 2 5 5

7 2 2 2 2 2 5 4

FIGURA 12B Cena #2, Banda B

L I N H A S

1 2 3 4 5 6 7

1 7 7 4 7 6 7 7

2 7 7 4 7 7 5 6

PIXELS 3 4 5 0 0 0 6 0 0 7 1 1 4 4 3 7 4 5 5 5 7 6 7 7

6 3 3 3 4 5 7 7

7 3 4 4 4 5 6 7

FIGURA 12C Cena #2, Espao espectral Banda B Intensidade

9 8 7 6 5 4 3 2 1 0

D D D D D C D C C C C C

Assinaturas Espectrais Rectangular

0 1 2 3 4 5 6 7 8 9
Banda A Intensidade

FIGURA 12D Cena #2, Theme Map xxx

PIXELS 1 2 3 4 5 6 7 L I N H A S 1 2 3 4 5 6 7

D D D

D D

C D

C D D

C D D

C D D

C = conferas D = caduciflias

FIGURA 13A Cena #2, Banda B, Histograma unidimencional 17 16 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1 0 1 2 3 4 5 6 7 8 Banda B Intensidade 9

N
o

d e P i x e l s

FIGURA 13B Cena #2, Histograma bidimencional. Banda B Intensidade

9 8 7 6 5 4 3 2 1 0

caduciflia

3 7 5 2 2

1 1 2 2

8 2 1

8 2

conferas

0 1 2 3 4 5 6 7 8 9
Banda A Intensidade

FIGURA 14A Cena #2, Espao espectral Banda B Intensidade

9 8 7 6 5 4 3 2 1 0

3 7 5 2 2

1 1 2 2

8 2 1

8 2

0 1 2 3 4 5 6 7 8 9
Banda A Intensidade

FIGURA 14B Cena #2, Espao espectral Banda B Intensidade

9 8 7 6 5 4 3 2 1 0 0 1 2 3 4 5 6 7 8 9
Banda A Intensidade

FIGURA 14C Cena #2, Espao espectral. Banda B Intensidade

9 8 7 6 5 4 3 2 1 0 0 1 2 3 4 5 6 7 8 9
Banda A Intensidade

FIGURA 14D Cena #2, Classificao no supervisionada

PIXELS 1 2 3 4 5 6 7 L I N H A S 1 2 3 4 5 6 7
A A B A A A B A C A A B C C C B C C C B B B B B B B B B