Upload
leoscamargo
View
55
Download
6
Embed Size (px)
Citation preview
UNIVERSIDADE DO ESTADO DO RIO DE JANEIRO
CENTRO DE TECNOLOGIA E CIÊNCIAS
FACULDADE DE ENGENHARIA
DEPARTAMENTO DE ENGENHARIA CARTOGRÁFICA
ALUNO: LEANDRO DE SOUZA CAMARGO
MATRÍCULA: 201020542211
ALUNO: LEANDRO DE SOUZA CAMARGO
MATRÍCULA: 201020542211
CORREÇÕES DE IMAGENS SATELITÁRIAS
INTRODUÇÃO
Muitos dos problemas identificados nas fotografias aéreas ocorrem de
formas bastante semelhantes com as imagens digitais de sensoriamento
remoto. São várias as fontes que geram esses problemas, a maioria devido
aos erros e defeitos que os sensores possam apresentar ao longo de sua
vida útil, e por perdas de estabilidade da plataforma que aloja o sensor. Mas
há fontes de erros que independem da plataforma ou mau funcionamento do
sensor. A atmosfera é uma dessas fontes externas de erros, que pode gerar
com intensidades diferentes, severas distorções nos dados das imagens. No
conjunto, os erros ou distorções que as imagens estão sujeitas, vão se
apresentar nas deformações de escala, incorreções nas posições espaciais
dos pixels, perda de contraste entre os alvos ou registros incorretos dos
valores digitais dos pixels.
As correções dessas distorções fazem parte do conjunto de funções de
processamento que se denomina de pré-processamento. As técnicas de pré-
processamento são assim denominadas, porque elas não visam
transformações das imagens, as quais têm, como principal objetivo,
melhorar a qualidade visual da cena. As correções dos diferentes tipos de
erros que a imagem pode apresentar são modeladas de acordo com o tipo da
estrutura dos erros, conhecendo-se qual é a fonte de distorção. Constitui
uma importante etapa de processamento, porque nos processamentos
subseqüentes, tais como as transformações de realces espectrais, essas
imperfeições seriam também realçadas. A ordem da correção da imagem
depende dos objetivos do trabalho ou da pesquisa que o intérprete propôs
fazer, podendo iniciar pela correção radiométrica, atmosférica ou
geométrica, ou todas serem realizadas
As técnicas de pré-processamento são, essencialmente, funções
operacionais para remover ou corrigir os erros e as distorções introduzidos
nas imagens pelos sistemas sensores devidos a erros instrumentais (ruídos
espúrios), às interferências da atmosfera (erros radiométricos) e à
geometria de imageamento (distorções geométricas).
ELIMINAÇÃO DE RUÍDOS
As imagens podem conter erros aleatórios de pixels ou erros coerentes de
linhas de pixels que, normalmente, se mostram como pixels ou linhas com
valores saturados (claros), ou sem sinal (escuros). É reconhecido como um
erro do valor digital do pixel. São denominados de ruídos e, tipicamente,
esses ruídos espúrios e imprevisíveis são decorrentes e erros
instrumentais. Os ruídos, normalmente, se apresentam em três formas:
como linhas ruidosas, pixels ruidosos ou conjunto sistemático de linhas
ruidosas, que se denomina de striping.
Linhas ruidosas consistem na má qualidade de pixels ao longo de uma linha
ou mesmo da perda total de informação ao longo de toda uma linha ou de
algumas linhas, devido a problemas diversos, como o de saturação do
detector na medida do sinal, falha na aquisição dos dados ou erro na
transmissão ou registro de dados em Terra. É um tipo de ruído aleatório,
isso é, não tem um padrão definido. A linha ruidosa é reconhecida na imagem
pela aparência de uma linha escura, sinal perdido, ou claro ou sinal saturado.
O striping consiste num tipo de ruído coerente, cujo efeito é o
aparecimento de faixas horizontais regularmente espaçadas nas imagens,
dando a aparência de uma persiana que mostra abruptas diferenças de
níveis de cinza, originadas por diferenças das respostas do conjunto de
detectores de uma banda.
CORREÇÃO ATMOSFÉRICA
Mais comprometedor do que os ruídos aleatórios ou coerentes, são as
degradações que alteram radiometricamente a imagem por completo. A
fonte de erro dessa degradação ou distorção radiométrica é a atmosfera,
cuja intensidade de efeitos é dependente do comprimento de onda, da data
de imageamento e da trajetória da radiação. A atmosfera afeta a radiância
medida em qualquer ponto da imagem, de duas maneiras aparentemente
contraditórias. Primeiro, ela atua como um refletor, adicionando uma
radiância extra ao sinal que é detectado pelo sensor. Segundo, ela atua com
um absorvedor, atenuando a intensidade de energia que ilumina o alvo na
superfície. Quando a atenuação é acima de um valor, a transparência da
atmosfera torna-se opaca em determinados comprimentos de onda,
impossibilitando a obtenção de imagens. Portanto, quando temos uma
imagem, nela devemos apenas verificar a degradação que pode ter sido
causada pelo espalhamento atmosférico, avaliando quanto de radiação foi
adicionada ao pixel e que sabemos não ser proveniente do alvo. Na maioria
das vezes, os efeitos do espalhamento atmosférico são sempre o de
diminuir o contraste entre os alvos presentes na imagem.
CORREÇÕES DAS DISTORÇÕES GEOMÉTRICAS
A correção das distorções geométricas trata, prioritariamente, da
remoção de erros sistemáticos presentes em todos os tipos de imagens de
sensoriamento remoto. Isso é realizado em duas etapas distintas.
Inicialmente, na primeira etapa de correção são eliminadas as distorções
geométricas sistemáticas que são introduzidas no momento de aquisição das
imagens devidas à rotação, inclinação e curvatura da Terra e devida à
instabilidade da plataforma. Efetivamente, essa primeira etapa é o que se
deve denominar de processo de correção geométrica de imagens. Como
depende de uma série de parâmetros da exatidão de posicionamento da
plataforma, que o usuário não tem conhecimento e nem acesso, a correção
geométrica fica a cargo dos laboratórios de produção de imagens, pois para
se efetuar uma boa correção geométrica, devem-se conhecer as fontes de
erros que interferem no processo de aquisição da imagem. A escolha do
modelo matemático mais adequado depende, fortemente, desse
conhecimento.
Com a imagem corrigida geometricamente, inicia-se a segunda etapa do
processo, para se corrigir as distorções geradas pela visada cônica dos
sensores, e que deve ser realizada pelo usuário. O objetivo é inserir na
imagem um sistema de projeção para se estabelecer um referencial de
coordenadas que possibilite localizar na imagem a posição geográfica dos
alvos. Isso constitui o que se denomina de georreferenciamento de imagens,
que consiste apenas no uso de transformações geométricas simples,
usualmente transformações polinomiais, para estabelecer um mapeamento
entre as coordenadas espaciais da imagem e as coordenadas geográficas de
cartas topográficas
CORREÇÃO GEOMÉTRICA
Para avaliar porque as distorções geométricas ocorrem, é necessário,
primeiramente, imaginar que uma imagem é formada de linhas sequenciais de
pixels. Uma imagem registra N linhas de M pixels, dispondo as linhas
sucessivamente, uma abaixo da outra. Como normalmente o IFOV
(instantaneous field of view) que determina a área de resolução no terreno
(resolução espacial) é quadrado, por exemplo, 20 x 20 m, a formatação da
imagem é o mesmo que arranjar os pixels em uma grade
As distorções geométricas são os desajustes dessa grade de pixels. Na
imagem digital isso deve ser entendido como a mudança de posição do pixel
na grade. Como o pixel é visto por um valor de brilho ou de nível de cinza, se
ele mudou de posição pode-se, então, dizer que aquele pixel na grade teve
uma mudança de valor de brilho. Devido à alta altitude dos satélites de
sensoriamento remoto, uma pequena mudança da plataforma pode causar
grandes distorções de posição dos pixels na imagem. As fontes de
distorções geométricas são mais diversas do que as radiométricas, as
principais sendo devido à:
a) rotação da terra durante o tempo de imageamento
b) instabilidades dos eixos de posicionamento da plataforma
c) curvatura da Terra
d) campo de visada do sensor
No caso da distorção devido à rotação da Terra a natureza e magnitude
da fonte de distorção são conhecidas, e assim fica fácil elaborar um modelo
matemático para estabelecer uma fórmula de correção geométrica. Durante
o tempo de imageamento gasto para um sensor obter uma imagem, a Terra
está rotacionando de oeste para leste, de modo a provocar um deslocamento
relativo das linhas de imageamento para oeste. A quantidade de
deslocamento para oeste depende da velocidade relativa do satélite, da
dimensão da área imageada e da latitude da área. Como se conhece os dados
para se calcular a magnitude do deslocamento em cada situação, que são a
velocidade angular do satélite e a velocidade de rotação da Terra, é possível
modelar, especificamente, esse tipo de distorção, e fazer uma correção
para as linhas serem deslocadas para a direita, numa posição que assegure
que as feições estejam em correta posição, relativa uma com a outra, ao
longo de toda a imagem. O deslocamento das linhas é da ordem de uma
dezena de quilômetros para os satélites tipo Landsat ou CBERS
As distorções geométricas causadas pela variação de altitude provocam
distorções de escala da imagem, enquanto as distorções provocadas por
variações dos eixos de atitude do satélite (inclinação, rolamento, arfagem),
causam rotações transversais e longitudinais relativas à linha de vôo do
satélite. Essas distorções são semelhantes às que ocorrem em
aerolevantamentos fotográficos. Informações telemétricas das efemérides
da plataforma são continuamente enviadas para as estações terrestres de
rastreamento e computadas para aplicar a correção necessária.
A distorção devido à curvatura da Terra é dependente da largura da faixa
de imageamento da órbita do satélite, mas a maior influência é o efeito da
geometria do plano de inclinação da superfície da Terra sobre a faixa
imageada. Para os sensores que possuem um pequeno ângulo FOV (±7,5o)
como o HRV do satélite SPOT, o ETM do Landsat, ou o CCD do CBERS, com
uma largura da faixa de imageamento no terreno entre uma a duas centenas
de quilômetros, a distorção não é relevante. Para ângulos FOV da ordem de
40o a 50o a distorção da imagem passa a ser considerável, pois a largura da
faixa de imageamento pode atingir mais de 2000 km. O tamanho do pixel ao
longo da linha de varredura pode ser de 3 a 5 vezes maior que o tamanho do
pixel a nadir. É o caso do sensor MODIS (MODerate resolution Imaging Spectroradiometer).
As fontes de distorções geométricas devido ao grande campo de visada do
sensor são bem conhecidas dos fotointérpretes. Elas introduzem nas
imagens dois tipos de distorções: (i) aumento da área do pixel situado no
extremo da imagem; (ii) deslocamento das posições dos pixels ao longo da
linha de varredura. Ambas são inerentes a todos os tipos de sensores, em
função de a visada ser do tipo central ou cônica, à semelhança dos sensores
fotográficos. Portanto, nesses casos a correção da imagem trata,
prioritariamente, da remoção de erros introduzidos pelos campos de visada
óptica do sensor.
REALCE DAS IMAGENS
Esta técnica tem por objetivo modificar, através de funções matemáticas,
os níveis de cinza ou os valores digitais de uma imagem, de modo a destacar
certas informações espectrais melhorando sua qualidade visual.
Para este trabalho utilizaremos imagens adquiridas do satélite CBERS da
região da bacia de rio alegre localizada no estado do Espírito Santo onde
possuímos os seguintes parâmetros:
FUSO 24;
COORDENADAS UTM
X1=220489.00000
Y1=7684786.0000
X2=243050.0000
Y2=7710137.0000;
Banda1_210708 azul 0,45-0,52(20m)
Banda2_210708 verde 0,52-0,59(20m)
Banda3_210708 vermelho 0,63-0,69(20m)
Banda4_210708 Infravermelho proximal 0,77-0,89(20m)
Banda5_210708 pancromático 0,51-0,73(20m)
Imagem antes das correções:
a) Composição Normal
b) Falsas Cores
Com estas duas imagens temos como objetivo principal destacar os corpos
de água existentes em cada fotografia. Percebemos que na composição
normal, o corpo e curso d’água fica de difícil identificação, assim, aplicando
as cores falsas estes elementos da imagem ficam melhor caracterizados,
logo obtemos:
Para melhor identificar as feições do cursos d’água, vamos aplicar as
devidas correções comparando as imagens como produto final.
FILTRAGEM LINEAR
Todas as imagens possuem limites entre áreas com diferentes respostas em
relação à energia eletromagnética, como por exemplo, entre diferentes
coberturas do terreno (solo, vegetação, rocha e outros), ou podem
representar o contato entre áreas com diferentes condições de iluminação
devido ao sombreamento topográfico. Uma característica das imagens
digitais é o parâmetro chamado frequência espacial, o qual é definido como
o número de mudanças no valor de brilho por unidade de distância para
qualquer parte da imagem. Quando se tem pouca variação no valor de brilho
em áreas relativamente grandes, como é o caso de monoculturas, dizemos
que esta é uma região de baixa frequência. E, quando ocorre uma grande
variabilidade nos valores de brilho em áreas pequenas, dizemos que é uma
região de alta frequência (limites de plantações, redes de transporte,
estruturas geológicas, entre outros). A enorme mistura de frequências em
uma imagem dificulta a interpretação de feições com frequências
específicas. Deste modo, para contornar esse problema e melhorar a
aparência da distribuição espacial das informações, são utilizadas técnicas
de FILTRAGEM espacial de frequências (transformações de imagem pixel a
pixel ), as quais realçam seletivamente as feições de alta, média ou baixa
frequências que com põem as imagens de sensoriamento remoto. As
técnicas de filtragem são transformações da IMAG em pixel a pixel, que
não dependem apenas do nível de cinza de um determinado pixel, m as
também do valor dos níveis de cinza dos pixels vizinhos. O processo de
filtragem é feito utilizando matrizes denominadas máscaras, as quais são
aplicadas sobre a imagem. A aplicação da máscara co m centro na posição ( i,
j ), sendo i o número de uma dada linha e j o número de uma dada coluna
sobre a imagem, consiste na substituição do valor do pixel na posição ( i, j )
por um novo valor que depende dos valores dos pixels vizinhos e dos pesos
da máscara, gerando uma nova imagem com a eliminação das linhas e colunas
iniciais e finais da imagem original. A cada posição da máscara, está
associado um valor numérico, chamado de peso ou coeficiente. Em cada
posição ( i, j ), os pesos do filtro são multiplicados pelos níveis de cinza
(NCs) dos pixels correspondentes e somados, resultando em um novo valor
de NC, o qual substitui o antigo NC do pixel central
As imagens usadas a seguir são do satélite IKONOS do quadrante
representativo da cidade de Alegre, ES. Assim intitulamos o nosso projeto
com o nome de BACIA_RIO_ALEGRE.
Filtros lineares
O filtros servem para suavisar ou realçar detalhes da imagem, ou ainda
minimizar efeitos de ruído.
O sistema provê algumas máscaras pré-definidas para a aplicação de
cada tipo de filtro. No caso da filtragem linear estão disponíveis máscaras
para os filtros passa-baixa e passa-alta.
Para as imagens propostas abaixo, utilizamos a filtragem passa –baixa,
esta ajudou a destacar melhor o corpo d’água ( sendo esse o objetivo
primordial) onde podemos distinguir com mais clareza as devidas feições do
terreno.
Após a aplicação da correção geométrica, a filtragem linear e a correção
do contraste da imagem proposta, o produto final revela não apenas com
maior clareza a definição dos corpos d’água mas também as regiões com
maior concentração de vegetação ( usamos o infravermelho proximal), as
curvas de talveg, as regiões com solos mais expostos ao inteperismos dando
maior riqueza de detalhes a cada quadro sendo de fundamental importância
como base para todo tipo de projeto para a região.
Após a correção geométrica e aplicação da correção de contraste
obtivemos uma melhor definição da imagem e do curso d’água:
O curso d’água torna-se mais evidente à medida que aplicamos as devidas correções
CONCLUSÃO
Na comparação com as
imagens anteriores
constatamos uma feição
mais fiel as características
do terreno
Usando o infravermelho
proximal, averiguamos que
as regiões que estão
avermelhadas há maior
concentração de
vegetação, o que confirma
a análise acima
CONCLUSÃO
As técnicas abordadas neste trabalho visam com o apoio do software
SPRINTER, mostrar as diferentes técnicas de registro e refinamento de
uma imagem explorando as diversas formas de correções de ruídos e como
este manejo pode ajudar na identificação de feições no terreno. Como
exemplo final propomos uma correção de contraste e filtragem linear para
o modelo abordado e assim obtivemos definições mais claras de feições de
terreno.
BIBLIOGRAFIA
http://www.inpe.br/;
http://www.cbers.inpe.br/;
http://www.mundogeomatica.com.br/spring5x.htm