Manipulação, Visualização e Interpretação de Imagens de Sensoriamento Remoto

Documentos relacionados
SEL-0339 Introdução à Visão Computacional. Aula 3 Processamento de Imagens Coloridas

Processamento digital de imagens

PROCESSAMENTO DIGITAL DE IMAGENS (SERP11) TRANSFORMAÇÕES LINEARES: COMPONENTES PRINCIPAIS, TASSELED CAP, IHS. Daniel C. Zanotta

Satélites Artificiais da Terra

Período: 5 Carga Horária: 45 horas. UFPR Departamento de Geomática Prof. Jorge Centeno 2013 centenet

Sensoriamento Remoto II

Computação Gráfica Síntese de Cores

Universidade do Estado de Minas Gerais Curso de Sistemas de Informações. Multimídia. A Imagem (Parte I)

Processamento Digital de Imagens. Cor

Luz e Cor. Luz. Onda eletro-magnética. Computação Gráfica Interativa - Gattass 10/26/2004. Luz e Cor. λ (m) f (Hertz)

PROCESSAMENTO DE IMAGENS COLORIDAS. Nielsen Castelo Damasceno

Cor SCC0251 Processamento de Imagens

27/03/2017 OPERAÇÕES ARITMÉTICAS NDVI E RAZÃO DE BANDAS AULA 04 RAZÃO DE BANDAS. Ex: Realce de minerais de Ferro = ρ v / ρ A

AULA 9 TRANSFORMAÇÃO RGB IHS. Daniel C. Zanotta 22/06/2017

Luz e Cor. Sistemas Gráficos/ Computação Gráfica e Interfaces FACULDADE DE ENGENHARIA DA UNIVERSIDADE DO PORTO

PROCESSAMENTO DE IMAGENS COLORIDAS

AULA 9 TRANSFORMAÇÃO RGB HSV. Daniel C. Zanotta 13/08/2018

Processamento de Imagens Coloridas. Prof. Adilson Gonzaga

CARTOGRAFIA TEMÁTICA Teoria das cores. Prof. Luciene S. Delazari Departamento de Geomática Curso de Engenharia Cartográfica e de Agrimensura

Mudanças de Coordenadas em Sistemas de Cores

Luz, Visão Humana e Cor Modelos de Cores

Cores em Imagens e Vídeo

Fundamentos sobre. Universidade Federal do Rio de Janeiro - IM/DCC & NCE. Antonio G. Thomé Sala AEP/1033. Processamento de Imagens

Representação de cores. Computação Gráfica Cores. O que é luz. Distribuição espectral da iluminação 11/12/12

CARTOGRAFIA TEMÁTICA Teoria das cores. Prof. Luciene S. Delazari Departamento de Geomática Curso de Engenharia Cartográfica e de Agrimensura

Introdução ao Processamento de Imagens Digitais Aula 01

Sensoriamento Remoto Aplicado à Geografia Características das Imagens

Luz e Cor. por Marcelo Gattass Departamento de Informática PUC-Rio

Processamento de imagem a cores

Fundamentos de Sensoriamento Remoto

Fundamentos de Processamento Gráfico. Modelos de cores. Fátima Nunes. Profa. Fátima L. S. Nunes

Geomática e SIGDR aula teórica 25 14/05/2013. Interpretação de imagens de detecção remota Índices de vegetação

COMPORTAMENTO ESPECTRAL DE ALVOS

Material protegido pelas leis de direito autoral Proibida qualquer tipo de divulgação sem à devida autorização ou citada a fonte de forma correta.

O resultado é uma série de "fatias" da superfície, que juntas produzem a imagem final. (Exemplo: o radiômetro dos satélites NOAA gira a uma

Aplicações Informáticas B 12º Ano

Luz, Cor e Percepção Visual

Computação Gráfica. Prof. MSc. André Yoshimi Kusumoto

Sensoriamento Remoto: características espectrais de alvos. Patricia M. P. Trindade; Douglas S. Facco; Waterloo Pereira Filho.

Qualidade Radiométrica das Imagens Sensor ADS40

Cor. Márcio Bueno Fonte: Material do Prof. Claudio Esperança e do Prof. Paulo Roma Cavalcanti

Imagem bitmap. Gráfico vetorial. gráficos vetoriais

TEORIA DE CORES ALEXANDRE KEESE

A Luz-Cor EDUCAÇÃO VISUAL 8º ANO

VISÃO anatomia do olho. Retina: região no fundo do olho onde os estímulos visuais são captados e transmitidos ao

Sistemas de Cores. Leandro Tonietto Processamento Gráfico Jogos Digitais set-09

SENSORIAMENTO REMOTO INTRODUÇÃO E ÍNDICES DE VEGETAÇÃO

Computação Gráfica. Prof. MSc André Yoshimi Kusumoto

Sistema de Cores. Guillermo Cámara-Chávez

INTRODUÇÃO AO DESENVOLVIMENTO WEB. PROFª. M.Sc. JULIANA H Q BENACCHIO

Sensoriamento Remoto Aplicado à Geografia

Sensoriamento Remoto Aplicado à Geografia

Radiométricas. Alexandre Xavier Falcão. Instituto de Computação - UNICAMP

Processamento de Imagens Coloridas. 35M34 Sala 3D5 Bruno Motta de Carvalho DIMAp Sala 15 Ramal 227

Luz e Cor. Sistemas Gráficos/ Computação Gráfica e Interfaces FACULDADE DE ENGENHARIA DA UNIVERSIDADE DO PORTO

O resultado é uma série de "fatias" da superfície, que juntas produzem a imagem final. (Exemplo: o radiômetro dos satélites NOAA gira a uma

As imagens. As imagens. Representação digital de imagens. As imagens Wilson de Pádua Paula Filho 1

Imagens digitais. Armando J. Pinho. Introdução à Análise e Processamento de Sinal Universidade de Aveiro.

José Alberto Quintanilha Mariana Giannotti

COMPORTAMENTO ESPECTRAL DE ALVOS

Interpretação Visual de Produtos de Sensoriamento Remoto

Estímulo Visual Luz Física da cor, visão humana e círculo cromático

TRANSFORMAÇÕES MULTIESPECTRAIS (GLOBAIS)

Morfologia Matemática colorida

GEOPROCESSAMENTO. Sensoriamento Remoto. Prof. Luiz Rotta

5. A COR NO PROCESSAMENTO DIGITAL DE IMAGENS DE SENSORIAMENTO REMOTO

PEF 5743 Computação Gráfica Aplicada à Engenharia de Estruturas

REVISÃO SENSORIAMENTO REMOTO AULA ZERO. Daniel C. Zanotta 14/03/2018

09/03/2017. O que é Sensoriamento Remoto? Tipos de Sensoriamento Remoto REVISÃO SENSORIAMENTO REMOTO AULA ZERO. Satélites.

Sensoriamento Remoto II

Fundamentos Teóricos: Percepção Visual

Sensoriamento Remoto

Processamento de Imagens. Processamento de Imagens. Universidade Federal do Rio de Janeiro - IM/DCC & NCE. Fundamentos sobre. Antonio Carlos Gay Thomé

Fundamentos de Cor. 1. Cor

EFEITOS DA FUMAÇA SOBRE A DETERMINAÇÃO DO NDVI MARCELO LIMA DE MOURA LÊNIO SOARES GALVÃO

COMPARAÇÃO ENTRE OS MÉTODOS DE FUSÃO IHS, PRINCIPAL COMPONENTS

Introdução à Computação Gráfica Cor. Claudio Esperança Paulo Roma Cavalcanti

USO DE ÍNDICES DE VEGETAÇÃO NA AVALIAÇÃO DA VARIAÇÃO DE COBERTURA VEGETAL NA ÁREA RURAL DO MUNÍCIPIO DE MACEIÓ

Características da cor

PROCESSAMENTO DE IMAGENS. Eduardo Ribeiro

Capítulo II Imagem Digital

Prof. Fernando Lang da Silveira

MODELO de COR (1) ORIENTADO PARA O EQUIPAMENTO. Finalidade? Especificação precisa das cores numa certa gama, para determinada classe de equipamentos.

Definição de sensoriamento remoto. Professor: Enoque Pereira da Silva

Universidade Federal de Alagoas Instituto de Matemática. Cor. Prof. Thales Vieira

INTRODUÇÃO AO PROCESSAMENTO DIGITAL DE IMAGENS SENSORIAMENTO REMOTO

1. Introdução: um breve histórico

Fundamentos do Sensoriamento Remoto. Disciplina: Sensoriamento Remoto Prof. Dr. Raoni W. D. Bosquilia

Imagem, Pixels, Modelos de Cor e Operações. Visão Computacional - UFMA

MODELOS DE COR. Intensity is radiant power in a particular direction.

Fusão de imagens MODIS com NDVI do Landsat para a classificação de áreas de cultivo de Soja

DETEÇÃO REMOTA 2011/2012 Frequência 23 de Novembro de 2011

Prof. Cláudio Henrique Albuquerque Rodrigues

Sensoriamento Remoto no Estudo das Áreas Urbanas

Sensoriamento Remoto: Imagens orbitais e resoluções. Patricia M. P. Trindade; Douglas S. Facco; Waterloo Pereira Filho.

Processamento Digital de Imagens

Avaliação do desempenho de dois Índices de Vegetação (NDVI e SAVI) por meio de Índice de Qualidade de Imagens

Universidade Federal de Sergipe Departamento de Matemática. Cor* Profª. Maria Andrade. *Parte desta apresentação foi do Prof. Thales Vieira.

Transcrição:

Manipulação, Visualização e Interpretação de Imagens de Sensoriamento Remoto Alexandre Xavier Falcão Instituto de Computação - UNICAMP afalcao@ic.unicamp.br

Objetivo Extrair informações quantitativas e visualizar as imagens de modo a facilitar sua interpretação.

Roteiro Operações Lógicas e Aritméticas. Razão de Bandas. Índices de Vegetação. Conceitos sobre Cor. Espaço RGB. Tabelas de Cores. Composições Coloridas. Espaços de Cores HSV, XYZ, Luv e IHS.

Operações Lógicas e Aritméticas Realizadas entre pixels correspondentes. Algumas aplicações: União e interseção entre regiões de interesse; Controle de cobertura vegetal, expansão de áreas urbanas e uso do solo; Realce por razão de bandas; Cálculos de índices de vegetação; Conversões entre espaços de cores.

Operações Lógicas A B A.OR.B A.AND.B 0 0 0 0 1 0 1 0 0 1 1 0 1 1 1 1 AND = Interseção entre regiões de interesse.

Operações Aritméticas Adição, subtração, multiplicação, divisão, multiplicação por um escalar, etc. Multiplicação 10 03 06 02 10 09 05 04 05 08 06 08 02 07 05 04 01 00 00 00 01 01 00 00 00 01 00 00 00 00 00 00 * = 10 00 00 00 10 09 00 00 00 08 00 00 00 00 00 00 Máscara de uma região de interesse aplicada a uma banda.

Razão de Bandas (a) Realce da vegetação IV / V onde IV é a banda do infra-vermelho e V é a do vermelho. O brilho é proporcional à saúde da vegetação. Vegetação sadia reflete 40-50% do infra-vermelho (0.7-1.1µm). Fotosíntese absorve 80-90% da luz visível (0.4-0.7µm).

Razão de Bandas (cont.) Reflectância (%) 60 50 40 30 20 Assinaturas Espectrais da Grama MSS 5 TM 3 HRV 2 MSS 6 TM 4 HRV 3 MSS 7 morta sadia 10 0.4 0.5 0.6 0.7 0.8 1.1 Comprimento de Onda (µm)

Razão de Bandas (cont.) Divisa entre plantação de cana e mata fechada. TM 3 Vermelho TM 4 Infra-Vermelho TM4/TM3

Razão de Bandas (cont.) (b) Realce de solos Ricos em óxido de ferro TM3/ TM1 MSS6 / MSS7 Ricos em argila TM5 / TM7

Índices de Vegetação Medem a densidade e as condições de áreas com vegetação. Normalized Difference Vegetation Index (NDVI) ( IV V) ( IV + V) IV é a banda do infra-vermelho e V é a do vermelho Tasseled Cap (Kauth and Thomas - 1976) Mede brilho, verde e umidade do solo. Muito usada em aplicações agrícolas.

Índices de Vegetação (cont.) NDVI no TM ( TM4 TM3) ( TM4 + TM3) NDVI no MSS MSS6 MSS5 MSS6 + MSS5 ( ) ( MSS7 MSS5) ( ) ( MSS7 + MSS5) NDVI no HRV ( XS3 XS2) ( XS3 + XS2)

NDVI no TM Índices de Vegetação (cont.) Divisa entre plantação de cana e mata fechada. TM 3 Vermelho TM 4 Infra-Vermelho NDVI

Índices de Vegetação (cont.) Tasseled Cap no TM 1 2 3 4 5 7 Brilho 0,33183 0,33121 0,55177 0,42514 0,48087 0,25252 Verde -0,24717-0,16263-0,40639 0,85468 0,05493-0,11749 Umidade 0,13929 0,22490 0,40359 0,25178-0,70133-0,45732 Umidade 0,84610-0,70310-0,46400-0,00320-0,04920-0,01190

Índices de Vegetação (cont.) Tasseled Cap no TM verde vegetação forma de um boné concreto e solo exposto água brilho

Índices de Vegetação (cont.) Tasseled Cap no TM vegetação solo exposto Brilho Verde Umidade

Índices de Vegetação (cont.) Tasseled Cap no TM solo exposto vegetação Verde Brilho

Índices de Vegetação (cont.) Tasseled Cap no TM Verde Brilho Plantação de cana Mata fechada

Índices de Vegetação (cont.) Tasseled Cap no TM Verde Brilho Água Vegetação Área urbana

Uso de Cores A cor é o resultado da percepção da luz visível (0.4-0.7mm) incidente na retina. O olho é mais sensível ao verde, depois ao vermelho e menos ao azul. A sensação da soma ponderada do vermelho (R), verde (G) e azul (B) gera a maioria das cores visíveis (Thomas Young, 1773-1829) Espaço RGB.

Uso de Cores (cont.) Espaço RGB Aditivo. Diagonal Cinza. Complementar do espaço CMY (subtrativo) blue cyan magenta white black green red yellow

Uso de Cores (cont.) O olho percebe cerca de 30 níveis de cinza e 7 milhões de cores uso de tabelas de cores e composições coloridas melhora a interpretação. A imagem de uma banda pode ser transformada em uma imagem RGB usando uma tabela de cores. Subconjuntos de três bandas podem ser compostos em uma imagem RGB associando cada banda a uma componente de cor Composições coloridas. O olho percebe mais variações de azul, depois de vermelho e menos de verde regiões de interesse com pouca variação de valor em uma dada banda deveriam ser associadas ao azul.

Uso de Cores (cont.) Reflectância (%) 60 50 40 30 20 Assinaturas Espectrais 4 5 6 7 1 2 3 4 12 3 4 5 7 água solo vegetação TM MSS 10 HRVIR 4 5 6 7 8 10 13 25 Comprimento de Onda (10-1 µm)

Tabelas de Cores 2 0 1 2 R G B 255 255 0 yellow Imagem Monocromática de 8bits (0-255 níveis de cinza). 254 255 Tabela de Cores

Tabelas de Cores (cont.) Density Slicing (fatiamento de níveis) vegetação água nível 0-9 10-20 cor cyan green Banda 7 do TM

Composições Coloridas Natural: R-Vermelho, G-Verde, B-Azul. vegetação áreas urbanas água solo TM 321 Não existem receitas sobre composições coloridas. A melhor composição vai depender das características espectrais do material em estudo e do tipo de sensor.

Composições Coloridas (cont.) R-Infra-Vermelho Próximo, G-Vermelho, B-Verde. vegetação áreas urbanas água solo TM 432 Bom para estudar as condições da vegetação e acompanhar o ciclo das plantações.

Composições Coloridas (cont.) R-Infra-Vermelho Médio, G- Infra-Vermelho Próximo, B- Verde. vegetação áreas urbanas água solo TM 742 Permite discriminar regiões úmidas (mais escuras) no solo e na vegetação.

Composições Coloridas (cont.) R-Infra-Vermelho Próximo, G- Infra-Vermelho Médio, B- Vermelho. vegetação áreas urbanas água solo TM 543 Permite diferenciar o uso do solo usando os tons da vegetação: marrom, verde e laranja. Apresenta boa definição entre água e terra.

Uso de Cores (cont.) Retina humana tem três tipos de células foto-receptoras de cor Três componentes numéricas são necessárias para descrever uma cor: intensidade, matiz e saturação. A intensidade é responsável pela sensação de brilho. A matiz é responsável pela sensação de cor. A saturação representa o grau de pureza da cor. Alguns espaços de cores procuram representar estas três componentes: HSV, IHS, HLS.

Espaço HSV

Espaço HSV (cont.) natural matiz saturação valor Uma melhor estimativa de brilho seria: 0.299R + 0.587G + 0.114B (ITU-R Recomendação 601-2)

Espaço HSV (Harrington - 1987) RGB para HSV = B G R 6 1 6 1 6 2 2 1 2 1 0 3 3 3 3 3 3 V V I 2 1 1 V 0 I, V 1 S 0, V V S 2 H 0, V V tan H 2 2 2 1 1 2 1 = = π = + HSV para RGB = 2 1 V V I 6 1 2 1 3 3 6 1 2 1 3 3 6 2 0 3 3 B G R ( ) ( ) V I H Ssin V2 H Scos V1 = = =

Espaço XYZ (Observador Padrão - CIE) (CIE = Comission Internationale de L Éclairage) X Y Z = 0.606 0.299 0.000 0.174 0.587 0.066 0.201 R 0.114G 1.117 B Y é o brilho. R G B 1.910 = 0.984 0.058 0.534 1.998 0.118 0.289 X 0.027Y 0.897 Z

Espaço Luv (CIE - Espaço Uniforme) Primeiro calcula XYZ ( ) L = 116 Y Y u = 13L 0 ( u' u0) v = 13L(v' v 0 1 3, ), 16, u v 0 0 = = Y Y 0.201 0.461 0 > 0.01, Y 0 = 1 u' = v' = X X 4X + 15Y 9Y + 15Y + 3Z + 3Z

Espaço IHS da CIE Primeiro calcula Luv I H S = = = L tan u 2 1 + v u v 2