Processamento digital de. Distorções

Transcrição

1 Processamento digital de imagens Distorções

2 Distorções radiométricas No processo de aquisição, o verdadeiro valor da energia é distorcido por diferentes fatores entre os quais podem ser citados: calibração inadequada dos sensores, interação com a atmosfera (espalhamento) e defeitos no registro e ou transmissão da informação. Pixel ou linha perdida Sensores descalibrados (Bandeado) Efeito atmosférico As correções radiométricas são operações que têm por finalidade diminuir as distorções em termos de valores do contador digital.

3 Pixel ou linha perdida Uma falha momentânea no sistema de captação da energia ou no processo de transmissão e recepção dos dados pode ocasionar perda de um ou mais valores da imagem. Quando isto ocorre, alguns pixels apresentam valores incoerentes, extremamente baixos ou extremamente altos, que desarmonizam com o resto da imagem. Prejudica a análise visual ou digital. Na prática, para minimizar este efeito, é feita uma substituição dos valores errados usando informação de pixels vizinhos.

4 Pixel perdido Considerando que pixels vizinhos apresentam alta correlação, a correção é realizada substituindo o valor incorreto pela média dos oito vizinhos ou repetido um deles. Exemplo 90, 99, , 0, ,100, 105

5 Exemplos de pixel perdido Qual valor está errado? Como corrigir? Imagem (8x8)

6 Linha perdida Se o erro ocupa apenas uma linha, a solução mais simples consiste em substituir os valores da linha errada pelos valores de uma linha vizinha, digamos a anterior. Outra solução é interpolar um valor a partir das linhas vizinhas, anterior e posterior. V(i,j)= 0,5 * (v(i-1,j) + v(i+1,j) )

7 Sensores descalibrados (Bandeado) Neste caso, a energia é medida por cada sensor usando uma escala diferente, umas mais claras outras mais escuras. O defeito não ocasiona a perda da informação, mas o surgimento de linhas claras e escuras em áreas que seriam teoricamente homogêneas, devido à escala diferente usada por cada sensor.

8 Como o sistema de sensores executa a varredura sistemática da cena, o erro de cada sensor é repetido também sistematicamente. A correção deste erro baseia-se na análise do histograma de cada sensor. Adotando o histograma da imagem inteira como referência, a correção consiste em aplicar uma transformação linear aos pixels das linhas correspondentes a um determinado sensor, de maneira que o histograma do sensor mal calibrado se aproxime do histograma de referência.

9 Histograma claro Histograma escuro

10 Solução Histograma claro Histograma padronizado Histograma escuro Histogramas corrigidos Aplicar uma transformação linear às linhas associadas a cada detector, isoladamente, de maneira que o histograma de todos os detectores sejam iguais a um histograma de referência (pode ser o histograma de todas as linhas juntas)

11

12 Correção linear Uma transformação linear para o sensor k é dada por: g k (i,j)= a * f k (i,j) +b Onde: a= s/s k, b= m a * m, g k () : linha corrigida f k () : linha com distorção (sensor k ) s= desvio padrão da imagem, s k = desvio padrão dos valores das linhas do sensor k m= média dos valores em toda a imagem.

13 Correção atmosférica A dispersão da energia depende do VD comprimento de onda e varia no espaço e no tempo, o que dificulta o estudo comparativo de imagens obtidas em diferentes datas. O espalhamento de energia resulta numa componente aditiva no valor medido. Esta parcela corresponde a energia que é redirecionada pela refração e/ou reflexão na atmosfera para dentro do IFOV. VD= VD 0 + atm VD 0 atm

14 Efeito no Histograma com espalhamento SEM espalhamento

15 Método do pixel mais escuro Estimar a parcela correspondente ao espalhamento buscando uma região que teoricamente deveria aparecer totalmente escura na imagem, ou seja, uma região onde a reflectância medida deveria ser nula. Se os pixels nestas regiões tiverem valores acima de zero, estes valores são originados unicamente do espalhamento atmosférico. As regiões escolhidas podem ser sombras de nuvens, onde a incidência de energia é nula. VD0= VD - pixel_escuro

16 Método da regressão Procura-se regiões escuras na imagem (água clara e profunda ou sombra). Bandas: IV = nulo (ou quase nulo) VIS: espalhamento Assumindo que existe correlação entre as bandas do visível e a banda do infravermelho, calcula-se a regressão linear entre elas. A reta da regressão deveria passar pela origem e se isto não ocorrer, da interseção entre esta reta e o eixo da banda do visível pode ser lido o valor a ser descontado de todos os pixels.

17

18

19 Normalização de imagens Finalidade: uniformizar imagens com diferenças causadas pelo espalhamento e fatores externos, como as condições de iluminação. Procura-se na imagem áreas extremamente claras, como áreas com concreto (um aeroporto) e áreas com valores extremamente baixos, como água limpa e profunda, cujas características espectrais não mudam ao longo do tempo. Adota-se estes extremos como referência para efetuar uma normalização através de uma regressão linear, fazendo com que os valores registrados nas regiões escuras sejam iguais em todas as imagens ao mesmo tempo em que os valores das áreas claras coincidam.

20 Antes do processamento COMPARAÇÃO DO DESEMPENHO DE ALGORITMOS DE NORMALIZAÇÃO RADIOMÉTRICA DE IMAGENS DE SATÉLITE SILVIA SHIZUE LEONARDI SONIA MARA DE SOUZA LEILA MARIA GARCIA FONSECA Após processamento

21 Geometria Translação xs=x+t x ys=y+t y t x x t y x y y

22 geometria Translação xs=x+t x ys =y+t y Ou XS = X + T (vetores)

23 geometria rotação xs=x cos(a) y sin(a) ys = x sin(a) + y cos(a) x a x y y

24 geometria rotação xs=x cos(a) y sin(a) ys = x sin(a) + y cos(a) Ou xs= x a1 + y a2 ys = x a2 + y a4 XS = R * X

25 escala XS = E * X x y x y

26 RST Juntando: RST (Rotation, Scale,Translation) XS= E * R *X +T

27 Mapeamento direto: Mapeamento direto dadas as coordenadas da imagem de entrada, calcular a nova posição na imagem e saída e copiar o valor digital. u,v=f(x,y) x,y u,v

28 falhas Nem todas as posições da imagem de saída são ocupadas devido a arredondamentos. 45 graus

29 Mapeamento inverso Dadas as coordenadas da imagem de saída, calcular a posição na imagem de entrada e copiar o valor digital. Problema: A transformação ode resultar em valores fracionados de linha e coluna. Logo é necessário interpolar um valor na imagem original. x,y=f(u,v) Valor digital u,v x,y

30 As coordenadas calculadas nem sempre correspondem a números inteiros e por este motivo o novo valor digital deve ser interpolado. Existem para isto três opções mais conhecidas que são a reamostragem pelo método do vizinho mais próximo, a interpolação bilinear e a convolução cúbica. linhas colunas Ex: linha=54,6 coluna 100,3 56

31 vizinho mais próximo: É mais simples e consiste na escolha do valor do contador digital do pixel mais próximo. Não gera novos valores interpolados. Produz um efeito de degrau em imagens de nível de cinza, devido ao arredondamento da posição do pixel na imagem original. (imagens temáticas?) Interpolação bilinear: Consiste em interpolar um novo valor a partir dos quatro vizinhos mais próximos (linha e coluna anterior e posterior). Convolução cúbica: Consiste em interpolar um novo valor a partir dos 16 vizinhos mais próximos, utilizando funções cúbicas para a interpolação.

32 Interpolação Bilinear

33 Ao longo de uma linha V1 V2 col a col+1 h V1 V2 a (1-a) 1 pixel V3 V4 h = V1*(1-a) + v2* a Coluna do pixel= col+a Ex: 321,81 col=321 a=0,81

34 Convolução cúbica. Usa funções cúbicas

35 prática Utilizando uma fotografia preto e branco, aplique uma rotação de 30 graus à imagem.