ANÁLISE ORIENTADA A OBJETO (OBIA) E INTEGRAÇÃO SIG/SR UFPR DEPARTAMENTO DE GEOMATICA PROF.ALZIR FELIPPE BUFFARA ANTUNES felipe@ufpr.br OBIA- object-based image analysis ObjectBased (OBIA) ou GEOBIA é uma sub-disciplina de GIScience relacionada a segmentação de imagens sensoriamento remoto (SR) e a agregação de pixel em objetos significativos, e avaliar suas características através de escala espacial, espectral e temporal. Leitura Recomendada: OBIA TUTORIAL, de Stefan Lang, Florian Albrecht, Thomas Blaschke, Centre for Geoinformatics (Z_GIS)Paris-London University Salzburg,2011. 1
OBIA requer segmentação de imagens, classificação atribuição, e a capacidade de consulta e ligação objetos individuais (segmentos) no espaço e no tempo. Incorpora o conhecimento de um vasto conjunto de disciplinas envolvidas na geração e utilização de informação geográfica. O enfoque exclusivo em de SR e GIS distingue OBIA de disciplinas afins, tais como visão computacional, imageamento biomedico, Vantagem Objetos Objetos significativos Estatística Confiável Limites nítidos Proximidade ao real CT 0 DN 2
Objeto com topologia Atributos o Espectral o Forma o Textura o Relações de vizinhança o Subobjetos Superobjetos Hierarquia e Herança Subobjetos 3
Semântica dos objetos A semântica é uma notação gráfica representando o conhecimento através da conexão entre arcos e nós. A implementação computacional da rede semântica foi pela primeira vez desenvolvida através de programas de inteligência artificial. Antigamente, estruturas semânticas eram aplicadas amplamente na filosofia, psicologia e lingüística como forma de representar o processo cognitivo O que é comum em todas as redes semânticas é a representação gráfica que tanto pode ser utilizada para representar o conhecimento como para apoiar sistemas de inteligência artificial. O tipo mais antigo de rede semântica é a denominada definidora que enfatiza subtipos (relações de pertinência e subdivisões de conceitos tipo: parte_de). A primeira rede semântica definidora foi descrita pelo filósofo grego Porphiri, século III a.c, baseado no método de Aristóteles para separar categorias (genus). A relação entre conceitos é baseada em especialização,onde, conceito mais geral é denominado supertype ou hypernym e conceito mais especializado é denominado subtype or hyponym. Professor Alzir Felippe Buffara Antunes 2012 4
Exemplo de semântica IMAGEM parte_de Superobjetos VEGETAÇÃO parte_de Ambiente Ciliar tipo_de Subobjetos Galeria Várzea Professor Alzir Felippe Buffara Antunes 2012 Relações Topológicas Topologia é um processo matemático para definir explicitamente relacionamentos espaciais; Para mapas a topologia define conexões entre entidades, identifica polígonos adjacentes. Características: armazenar dados vetoriais mais eficientemente; processar um maior número de dados; permitir a conexão de linhas em rede, combinar objetos adjacentes e sobrepor feições geográficas; Agregar objetos por meio de relações espaciais 5
Objeto com Topologia Dado Temático Atributo OBJETO ID Dado Geométrico Topologia Tamanho e forma Posição e orientação Objeto com topologia Atributos o Espectral o Forma o Textura o Relações de vizinhança o Subobjetos 6
Imagem Segmentos SIG Classificação dos Segmentos: Geração da base de dados SIG CONTEXO HIERARQUIA RICHARDS. & JIA (1999) definem contexto como a relação de determinado pixel com os pixels da sua vizinhança. Em imagens de S. remoto, o conceito de contexto considera também à relação entre uma região com outra região (ou regiões). Métodos de classificação que consideram a categorização de determinado pixel ou objeto, baseado nas características dos pixels ou objetos vizinhos são denominados de classificador contextual. O grau com que pixels ou objetos adjacentes são correlacionados pode depender da resolução espacial e radiométrica da imagem da imagem. O contexto é um elemento muito importante no processo de classificação de imagem de alta resolução, pois este exprime uma maior possibilidade de similaridade espacial e espectral entre os objetos 7
Classificação convencional: sem contexo Classificação ao nível de pixel Problemas: Valores espectrais pertencem as diferentes classes Não há relação espacial Pixel não é uma unidade confiável de classificação Efeito : salt-and-pepper Pixel- vs. Objeto Limitações do pixel, considerando Cor (reflectância espectral, n bandas) Textura (restrição) Objetos Forma Vizinhança Contexto Nivel 8
A segmentação multi-resolução é baseada em contexto e segundo MOLENNAAR (1998) permite a construção de estrutura hierárquica. O contexto é expresso através de definições semânticas dos objetos e suas estruturas descritivas. Isto significa que um objeto relativo à determinada classe se relaciona com outros objetos de acordo com um grau de hierarquia. Leia mais: MOLENAAR, Martien. Na indroduction to the theory of object modelling in GIS. Taylor&Francis.1998. No processo de classificação, o contexto entre os objetos está vinculado à análise de relacionamentos- uma classe A só existe se for adjacente a uma classe C, ou, A só existe se estiver contida em C. As regras Booleanas são oriundas das propriedades que compõem os objetos, propriedades estas de carácter geométrico e descritivo. Segundo MOLENAAR & CHENG (2000), o agrupamento de objetos com topologia vetorial permite a determinação de regiões, baseadas em características semânticas. Um mapa temático pode ser composto por conjuntos de regiões que compartilham de uma mesma classe. Contudo, uma região pode ser delimitada praticamente sob qualquer ângulo, sob diferentes óticas, permitindo assim flexibilizar limites. 9
Uma região se distingue das demais por possuir características próprias. Cabe aduzir o termo domínio para justificar as características inerentes aos fenômenos naturais localizados junto as unidades físicas estruturais, climáticas, morfológicas e espectrais, como por exemplo: domínio de várzea, domínio de erosão, domínio espectral, etc. A orientação a objeto permite ao usuário definir regras complexas baseadas em características espectrais e de relações espaciais. Este modelo permite que a semântica possa ser desenvolvida apoiada em parâmetros físicos e de conhecimento sobre relacionamentos. Métodos de Classificação dos Objetos objeto REGRA CLASSE Fuzzy Conhecimento Minima Distância 10
Modelo de Classificação proposto BLASHKE(2008) Vizinho Próximo O método do vizinho próximo é baseado no método da mínima distância do modelo pixel a pixel. Consiste em coletar amostras de objetos ou grupo de objetos de determinada classe. O objeto espectralmente mais próximo a determinada amostra é associado a classe amostrada Atributo 2 Amostras Classes Atributo 1 11
d distância entre o objeto amostrado s e o objeto da imagem segmentada o V fs valor atributo do objeto amostrado s para atributo f (espectral o forma) V f o valor atributo do objeto da imagem o para atributo f (espectral o forma) σ f desvio padrão do atributo f Classificação Fuzzy Conceito O conceito de conjuntos difusos, nebulosos ou fuzzy, proposto por ZADEH (1965), é uma generalização do conceito da teoria clássica dos conjuntos. O conjunto fuzzy refere-se a conceitos inexatos para uma metodologia de caracterização de classes, que por várias razões não se tem ou não se pode definir limites rígidos (bordas) entre classes. A utilização de um conjunto fuzzy é em geral aplicada sempre que se tiver que lidar com ambigüidade, abstração e ambivalência em modelos matemáticos. 12
Classificação Fuzzy Conceito O conceito de conjuntos difusos, nebulosos ou fuzzy, proposto por ZADEH (1965), é uma generalização do conceito da teoria clássica dos conjuntos. O conjunto fuzzy refere-se a conceitos inexatos para uma metodologia de caracterização de classes, que por várias razões não se tem ou não se pode definir limites rígidos (bordas) entre classes. A utilização de um conjunto fuzzy é em geral aplicada sempre que se tiver que lidar com ambigüidade, abstração e ambivalência em modelos matemáticos. Classificação Fuzzy Conceito O conceito de conjuntos difusos, nebulosos ou fuzzy, proposto por ZADEH (1965), é uma generalização do conceito da teoria clássica dos conjuntos. O conjunto fuzzy refere-se a conceitos inexatos para uma metodologia de caracterização de classes, que por várias razões não se tem ou não se pode definir limites rígidos (bordas) entre classes. A utilização de um conjunto fuzzy é em geral aplicada sempre que se tiver que lidar com ambigüidade, abstração e ambivalência em modelos matemáticos. 13
A teoria tradicional dos conjuntos define a pertinência sim ou não das proposições como Pedro é muito alto, por exemplo. Por outro lado a teoria Fuzzy permite representar a pertinência a um conjunto como uma distribuição de possibilidades. Representação Matemática Fuzzy Sim Não (Boleano) A Figura mostra o conjunto de pessoas altas, onde o tamanho da pessoa aumenta gradativamente com sua altura até o valor 1 ser alcançado. A definição booleana do padrão, abrupto, de pessoas altas, onde para uma pessoa ser alta ou não, há um valor de altura específico que define o limite. Amostragem de objetos: Classe A Classe B Parâmetros Espectral Função de Pertinência 14
15
TENDÊNCIAS E CONCLUSÕES OBIA- permite a integração de dados de imagens a banco de dados Parâmetros espectral, textura, forma, vizinhaça, hierarquia Interface com softwares livres e ARCGIS Novo paradigma de interpretação e classificação de imagens Aplicações em ambientes urbanos Tema aberto para pesquisa: Multiprocessamento de diferentes conjuntos de dados; segmentação de nuvem de pontos Laser, atualização automatizada de bases de dados e extração de feições 16
Referências Antunes, A.F.B. 2002. Classificação de ambiente ciliar baseada em orientação a objeto em imagens de alta resolução especial. Pdh Thesis.UFPR. Baaz, M.; Schape, A. 2000. Multiresolution Segmentation an optimization approach for high quality multi-scale image segmentation, Karlsruhe: Herbert Wichmann. Blaschke T, 2010. Object based image analysis for remote sensing. ISPRS Journal of Photogrammetry and Remote Sensing 65, 2-16. 17