Técnicas de Processamento de Imagens
Digitais

Os métodos de análise de dados de Sensoriamento Remoto podem
ser classificados em: análise digital e análise visual.

Apesar dos métodos de análise visual terem se desenvolvido
primeiro historicamente, o processamento digital é uma etapa que
precede a análise visual, tendo em vista que este processo gera
imagens realçadas para serem analisadas visualmente.

As técnicas de processamento de imagens digitais podem ser
classificadas em: técnicas de pré-processamento, técnicas de
realce e técnicas de classificação.
Técnicas de Pré-processamento

a) Correção Radiométrica: a função dos programas de correção
radiométrica é minimizar diferenças entre os níveis de cinza
registrados por uma matriz de detectores. Tais diferenças ocorrem
devido a problemas de calibração dos detectores.

b) Correção Geométrica: a função dos programas de correção
geométrica é reorganizar os pixels da imagem em relação a
determinado sistema de projeção cartográfica. As distorções
geométricas das imagens podem estar relacionadas a fatores como
rotação da Terra durante o imageamento, curvatura da Terra; ao
grande campo de visada de alguns sensores; variações na altitude,
velocidade e atitude da plataforma.

c) Correção Atmosférica: o objetivo das técnicas de correção
atmosférica é reduzir o efeito da interferência da atmosfera sobre os
valores de nível de cinza registrados em uma dada cena.
Técnicas de Correção Geométrica



Alocação do vizinho mais próximo - o nível de cinza do pixel z terá o
mesmo valor do nível de cinza do pixel vizinho.
Interpolação bilinear - o nível de cinza do pixel z é determinado a
partir dos valores dos 4 pixels vizinhos.
Convolução cúbica - o nível de cinza do pixel z é determinado por
cálculos realizados numa matriz de 16 pixels na sua vizinhança.
z
Cela
geograficamente
correta na qual os níveis
de cinza dos pixels a, b,
c,
d
devem
ser
colocados
Registro de Imagens

Para que duas imagens sejam perfeitamente coincidentes no
espaço é necessário que sofram um tipo de transformação espacial
conhecido por registro. O registro se faz necessário para realizar
uma análise multitemporal, sobrepondo imagens de datas
diferentes, juntar imagens adjacentes para a montagem de um
mosaico, sobrepor imagens de sensores diferentes (Crósta, 1992).

É importante, contudo, fazer uma distinção clara entre registro e
correção geométrica. O processo de correção geométrica de
imagens elimina as distorções geométricas sistemáticas
introduzidas na etapa de formação das imagens, enquanto o
registro apenas usa transformações geométricas simples
(usualmente transformações polinomiais de 1o e 2o graus) para
estabelecer um mapeamento entre coordenadas de imagem e
coordenadas geográficas.
Técnicas de Realce de Imagens

As técnicas de realce têm como objetivo melhorar a visualização da
cena. Dentre as técnicas podemos destacar:

Manipulação de contraste - consiste em procedimentos que através
de modificação da forma do histograma, ampliam o contraste da
imagem.

Filtragem espacial - resultará numa uniformização dos níveis de
cinza da cena.

Transformações de imagens - visa melhorar a visualização dos
objetos de interesse. Envolve a manipulação de múltiplas bandas,
imagem multiespectral ou duas ou mais imagens da mesma área
adquiridas em datas diferentes, imagem multitemporal.
Manipulação de Contraste

Histograma - é um gráfico que representa a
distribuição estatística dos níveis de cinza
em uma cena em termos de freqüência de
ocorrência de pixels para cada valor digital (0
a 255), por exemplo.

Ampliação de Contraste - após identificar o
nível de cinza mais alto e mais baixo da
imagem, por exemplo 70 e 150, a técnica
ampliação de contraste irá ampliar o
intervalo da cena para variar entre 0 e 255, o
que resultará em um aumento do contraste.
Transformações de Imagens


Um tipo de imagem transformação é a imagem subtração (A), onde
se aplica uma simples operação aritmética. É geralmente usada
para identificar mudanças que ocorreram entre imagens coletadas
em datas diferentes. A imagem subtração é muito utilizada para
mapear mudanças no desenvolvimento de áreas urbanas e para
identificar áreas onde ocorreu desmatamento.
Diferentes
bandas
de
dados
multiespectrais, geralmente possuem
alta correlação e portanto, contém
informações similares. A transformação
por componentes principais (B) é
utilizada para reduzir a dimensionalidade
dos dados, ou seja, concentrar as
informações contidas em diferentes
canais em um menor número de
dimensões.
A
B
Imagem NDVI (Normalized Difference
Vegetation Index)


O comportamento espectral de
uma vegetação verde e sadia
mostra um evidente contraste
entre a região do visível,
especificamente do vermelho, e
do infravermelho próximo. Em
geral, quanto maior o contraste
entre
o
comportamento
espectral nestas duas regiões
do espectro, maior vigor
vegetativo na área imageada.
É uma medida específica de
abundância de clorofila e
absorção de luz, mas também
é muito usada para quantificar
a biomassa da vegetação.
NDVI=IVprox-Verm.\IVprox+Verm.
NDVI
http://metart.fao.org/
Barbados
Modelo Linear de Mistura Espectral

É uma ferramenta de processamento digital de imagens que
permite separar as contribuições espectrais de cada objeto dentro
de um pixel, a partir de um conjunto de componentes puros da
imagem.
 ri= a*vegei + b*soloi + c*sombrai + ei
ri é a resposta espectral do “pixel” na banda i
a, b e c são as proporções de vegetação, solo e sombra (ou água)
vegei, soloi sombrai são as respostas espectrais dos componentes
vege, solo e sombra
ei, é o erro na banda i
Imagem TM
3R, 4G e 5B
Imagem fração
solo
Restauração

Pode-se dizer que a imagem digital é uma cópia borrada da cena,
dado que os detalhes vistos na cena são suavizados, devido às
limitações do sensor.

A idéia de restaurar a imagem é reduzir este efeito de borramento, e
portanto obter uma imagem realçada.

A correção é realizada por um filtro linear. Os pesos do filtro de
restauração são obtidos a partir das características do sensor, e não
de forma empírica como é feito no caso dos filtros de realce
tradicionais. Neste caso, o filtro é específico para cada tipo de
sensor e banda espectral.

Este tipo de processamento é recomendado para ser realizado
sobre a imagem original sem qualquer outro tipo de processamento
Imagem Landsat -TM5 30 m
Imagem restaurada 10 m
Técnicas de Classificação Digital

A classificação digital de
imagens tem como objetivo
associar para cada pixel da
imagem um significado real.
Quando essa operação é
efetuada para todos os pixels
de uma determinada área, o
resultado é um mapa temático
com a distribuição geográfica
de temas (vegetação, solo,
área urbana, etc.)

As técnicas de classificação
digital podem ser divididas
em:

Classificação supervisionada

Classificação
supervisionada
não-
Classificação Supervisionada

O analista está em constante interação com o sistema de análise.
Para que seja possível realizar uma classificação supervisionada é
necessário obter amostras de treinamento, as quais representam o
comportamento médio das classes que deverão ser mapeadas
automaticamente.

Normalmente, as amostras de treinamento são selecionadas a partir
de conhecimento prévio que o analista tem da cena.
Classificação Não-supervisionada

Para as classificações não-supervisiondas, o analista tem pouco
controle sobre a separação entre as classes. Além disto, ele não
precisa preocupar-se com a homogeneidade das amostras.

Os pixels nas áreas de treinamento são submetidos a algoritmos de
grupamento (clustering), que determinam o agregamento natural
dos dados.

Uma das vantagens da classificação não-supervisionada é que ela
não requer, do analista, um conhecimento prévio da área de estudo.
Segmentação de Imagens

A segmentação é o processo que permite
que uma imagem seja subdividida em partes
constituintes ou regiões, a partir de
propriedades dos pixels, tais como nível de
cinza e textura (Hussian, 1991).

Limiar de similaridade: é o valor mínimo
abaixo do qual duas classes são
consideradas similares e agrupadas em uma
única região.

Limiar de área: menor valor de área (em
pixel) para que uma região seja separada de
outra
Técnicas de Análise Visual

Os objetos podem ser diferenciados pela cor (imagens coloridas) ou
pelas variações de tonalidades ou nível de cinza (imagens preto e
branco). Mas as cores ou os tons de cinza irão variar conforme o
comportamento espectral de cada alvo.

Além das cores dos objetos, estes podem ser diferenciados pela
forma, textura e pelo contexto ou associação entre eles. Por
exemplo, pela textura e pela forma é possível diferenciar áreas de
reflorestamento de áreas florestais.
Experiência do Fotointérprete

Deve estar relacionada a três parâmetros básicos:

Conhecimento do problema

Conhecimento da técnica

Conhecimento da região
Exemplos de Aplicações de Sensoriamento
Remoto

Mapeamento de vegetação aquática

Mapeamento de culturas e previsão de safras

Mapeamento dos tipos de vegetação

Mapeamento de desmatamentos

Estratificação de áreas urbanas

Mapeamentos de áreas de risco para determinadas endemias
Identificação dos Tipos de Plantas Aquáticas
Imagem RADARSAT
Fusão das Imagens Radar-TM
Imagem LANDSAT TM
FONTE: Graciani, 2003
Estudos de Uso do Solo (mosaico)
Monitoramento de Desmatamentos
1973
Imagens LANDSAT
Rondônia
INPE\OBT
1991
INPE\OBT
1999
INPE\OBT
Estudos de Áreas Urbanas
Satélite de alta resolução, IKONOS. Imagem da cidade de
São José dos Campos.
Cedida por Madalena Niero. INPE\DSR
Aplicação na Agricultura



Entre as aplicações na agricultura, as imagens de satélite e aéreas
podem ser utilizadas para mapear e classificar tipos de culturas;
monitorar práticas agrícolas;
realizar previsões de safras.
Câmera CCD do satélite
CBERS-2. Região de
Ribeirão Preto
Aplicação na Epidemiologia






O uso das técnicas de sensoriamento remoto permite relacionar
índices de ocorrência de doenças e características do homem e seu
ambiente, o que possibilita observar exatamente a área geográfica
e determinar como os fatores físicos (rios, montanhas, vegetação)
podem influenciar na disseminação ou controle de uma doença.
Para que isso seja possível, é importante conhecer a ecologia do
transmissor da doença para:
a)identificar que determinantes ambientais podem estar
relacionados com sua abundância;
b) definir a escala de detecção;
c) analisar determinantes ambientais passíveis de detecção a partir
das imagens de satélites;
d) analisar a validade dos dados orbitais mediante informações
obtidas in situ.
Referências











NOVO, E.M.L.M. (1988). Sensoriamento remoto: princípios e aplicações. São José
dos Campos: INPE.
ULABY, F.T.; MOORE, R.K.; FUNG, A.K. (1981). Microwave remote sensing: active
and passive. Reading Mass: Assison-Wesley. v.1.
CLINE, B.L. (1970). New eyes for epidemiologists, aerial photography and other
remote sensing techniques. American Journal of Epidemiology, Baltimore, v.92,
p.85-89.
ROBERTS, D.R.; RODRIGUES, M.H. (1994). The Environment, remote sensing, and
malaria control. Annals New York Academy of Sciences, New York, p.396-402.
GRACIANI, S.D. (2003). Determinação da cobertura de macrófitas aquáticas em
reservatórios tropicais.
In: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO
REMOTO, 11., 2003, Belo Horizonte. Anais... Belo Horizonte: INPE. 1 CD-ROM.
MOREIRA, M.A. (2003). Fundamentos do sensoriamento remoto e metodologias de
aplicação. UFV, 2 ed.
http://www.cbers.inpe.br
http://www.eduspace.esa.int/eduspace/main.asp
http://www.ccrs.nrcan.gc.ca/ccrs/learn/tutorials
http://lagavulin.ltid.inpe.br:1905/col/dpi.inpe.br/lise/2002/03.25.17.22.28/doc/mirror.cgi
http://www.engesat.com.br/satelites/orbview.htm
http://www.geoexplore.com.br/proimg0.asp
Sites Interessantes





http://www.dpi.inpe.br/cdteca/
http://www.espace.gc.ca/asc/eng/csa_sectors/earth/earth.asp
http://www.ccrs.nrcan.gc.ca/ccrs/learn/tutorials/stereosc/chap1/chapt
er1_1_e.html
http://www.inpe.br/ensino_e_documentacao/biblioteca.htm
http://www.dpi.inpe.br/spring/