Sensoriamento Remoto II

Documentos relacionados
Manipulação, Visualização e Interpretação de Imagens de Sensoriamento Remoto

Cores em Imagens e Vídeo

Sensoriamento Remoto II

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

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

PROCESSAMENTO DE IMAGENS COLORIDAS

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

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

Processamento Digital de Imagens. Cor

Rodrigo Antonio LA SCALEA, Flavio Marcelo CONEGLIAN e Selma Regina Aranha RIBEIRO. Universidade Estadual de Ponta Grossa

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

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

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

Processamento digital de imagens

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

Mudanças de Coordenadas em Sistemas de Cores

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

PROCESSAMENTO DE IMAGENS. Eduardo Ribeiro

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

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

A Luz-Cor EDUCAÇÃO VISUAL 8º ANO

Introdução ao Processamento de Imagens Digitais Aula 01

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

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

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

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

José Alberto Quintanilha Mariana Giannotti

Classificação digital de Imagens

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

Prof. Cláudio Henrique Albuquerque Rodrigues

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

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

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

O uso do Sensoriamento Remoto na agricultura

O sistema visual humano e noções de colorimetria

Um método simplificado de fusão de imagens. C.P Curitiba-PR- Brasil (centeno,

Princípios sobre imagens digitais

Sensoriamento Remoto Aplicado à Geografia

LAB 1 - GEOPROCESSAMENTO Introdução à imagem multiespectral e assinatura espectral de alvos

Sensoriamento Remoto I Engenharia Cartográfica. Prof. Enner Alcântara Departamento de Cartografia Universidade Estadual Paulista

Computação Gráfica Síntese de Cores

Sensoriamento Remoto Aplicado à Geografia Características das Imagens

Considerando as cores como luz, a cor branca resulta da sobreposição de todas as cores, enquanto o preto é a ausência de luz. Uma luz branca pode ser

PROCESSAMENTO DIGITAL DE IMAGENS. Thales Sehn Körting

Qualidade Radiométrica das Imagens Sensor ADS40

Cor SCC0251 Processamento de Imagens

TEORIA DE CORES ALEXANDRE KEESE

Definição de sensoriamento remoto. Professor: Enoque Pereira da Silva

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

Imagem ou Desenhos e Gráficos vetorial ou raster?

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

GEOPROCESSAMENTO. Sensoriamento Remoto. Prof. Luiz Rotta

COMPORTAMENTO ESPECTRAL DE ALVOS

PMI 3331 GEOMÁTICA APLICADA À ENGENHARIA DE PETRÓLEO

Fundamentos Teóricos: Percepção Visual

Os colorímetros simplificam a identificação das cores.

SEL 5895 Introdução ao Processamento Digital de Imagens. Aula 1 - Introdução. Prof. Dr. Marcelo Andrade da Costa Vieira

Teoria da Cor - Fundamentos Básicos

Classificação supervisionada

Imagem e Gráficos. vetorial ou raster?

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

Professor Gerson Witte Artes - EMI Informática. As Cores. Professor Gerson Witte EMI Informática Artes I

Estudo da variabilidade de índices de vegetação através de imagens do ETM+/LANDSAT 7

Resoluções das Imagens fotogramétricas e digitais. Fotogrametria e Fotointerpretação Prof. Dr. Raoni W. D. Bosquilia

Cores. Misturando apenas essas três cores, em proporções e intensidades variadas, podemos obter todas as outras, mesmo as que não estão no

Cor e Imagem. Luz. ! Visão = percepção da energia electromagnética. ! O espectro eletromagnético inclui diversos tipos de radiações:

Radiômetros imageadores

COMPUTAÇÃO GRÁFICA. Ana Paula Mandelli

Luz, Cor e Percepção Visual

TÉCNICAS DE INTERPRETAÇÃO

Mídias Discretas. Introdução à Ciência da Informação

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

Sensoriamento Remoto Engenharia Ambiental Prática #1

Características da cor

Transcrição:

Sensoriamento Remoto II 2: transformações espetrais IHS, Tasseled Cap UFPR Departamento de Geomática Prof. Jorge Centeno 2016 copyright@ centenet

Sensoriamento Remoto II Descrição da Ementa: Transformações espectrais: análise de componentes principais, IHS, Tasseled Cap. Fusão de imagens. Classificação orientada a regiões: métodos de segmentação e classificação. Técnicas de análises multitemporais. Laser Scanning: princípios e aplicações.

LUZ - COR Faixa visível O que é cor? Como descrever as cores?

Como descrever cores? azul? Azul 2, azul marinho? Azul escuro? Azul mais escuro?

BLUE RED GREEN

Cones e bastonetes Os Cones são as células do olho humano capazes de reconhecer as cores. Os bastonetes, percebem a luminosidade. Existem aproximadamente 6 milhões em cada olho humano concentrados na região fóvea. http://users.rcn.com/jkimball.ma.ultranet/biologypages/v/visi on.html

sensibilidade

RGB Monitor O sistema CIE caracteriza cores por um parâmetro de luminância Y e duas coordenadas de cores x e y que especificam um ponto no diagrama de cromaticidade. Este sistema oferece maior precisão na medição de cor do que os sistemas Munsell e Ostwald porque os parâmetros são baseados na distribuição de energia espectral (SPD) da luz emitida por um objeto colorido e são ponderados por curvas de sensibilidade que foram medidas para o olho humano.

Diagrama de cromaticidade O diagrama de cromaticidade representa o mapeamento de percepção de cor humana em termos de dois parâmetros do CIE ( x e y). As cores estão distribuídas ao redor da borda do "espaço de cor, que inclui todos os tons de cor percebidos e fornece uma estrutura para descrever a cor.

CIE Diagram y O diagrama é associado com o padrão CIE 1931. Revisões foram feitas em 1960 e 1976, mas a versão de 1931 continua sendo mais utilizada. A figura é uma renderização grosseira das cores CIE 1931 no diagrama de cromaticidade; x

Como descrever cores? Qual a diferença entre... A) B) C)

Combinação aditiva de cores Na tela do computador são combinadas luzes, logo se verifica a combinação aditiva das cores básicas R G B. Logo, cada cor pode ser descrita por uma combinação RGB COR = r* I(R) + g *I(G) + b*i(b)

CUBO RGB As cores podem ser representadas pelo vetor (r,g,b) num cubo de cores

Círculo de cores

Intensidade da cor o total de intensidade da cor, ou seja a soma de todas ascomponentes: I=r+g+b Ou normalizando para a faixa (0-255) I=1/3(r+g+b) É proporcional ao tamanho do vetor COR = (r,g,b)

Fazendo um corte perpendicular à linha de cinzas...

RGB-HSV Transformações R G B

RGB-HSV Transformações HSV-RGB

Transformação tasseled cap A transformação tasseled cap foi originalmente desenvolvida para o estudo de campos de agricultura. Analisando a variação espectral de campos agrícolas em imagens do antigo MSS foram constatadas algumas propriedades que variam em função do crescimento da vegetação.

http://auracle.ca/news/wordpress-content/uploads/2011/08/ag-montage.jpg

NIR Imagine... Considerando a variação espectral nas bandas vermelho e infravermelho notou-se que os campos agrícolas, quando descobertos de vegetação, formam uma. As bandas são altamente correlacionadas, independentemente do tipo ou cor de solo presente. Linha de Solos RED

NIR crescimento Na medida em que a vegetação cresce, a resposta espectral do pixel torna-se mais escura na banda RED, sendo este fenômeno mais evidente para regiões com solos claros, até atingir o ponto onde todo o pixel é coberto por vegetação. Linha de Solos RED

Tasseled cap No plano formado pelas bandas verde e vermelho, nota-se que os solos não formam uma linha, se não uma leve dispersão origina uma elipse. Quando a folha se torna amarela, a resposta espectral na banda 4 diminui e cresce na banda 5. Combinando as três bandas, forma-se um cone inclinado, que tem a aparência de um gorro com borlas, do que deriva o nome inglês tasseled cap.

Tasseled cap R.J. Kauth and G.S. Thomas, "The tasseled Cap -- A Graphic Description of the Spectral- Temporal Development of Agricultural Crops as Seen by LANDSAT." Proceedings of the Symposium on Machine Processing of Remotely Sensed Data, Purdue University of West Lafayette, Indiana, 1976, pp. 4B-41 to 4B-51.

Estes fatos sugeriram a criação de um sistema, apropriado para descrever a evolução da vegetação em campos agrícolas, com os seguintes eixos: Primeiro eixo paralelo à linha de solos nas bandas RED e NIR, chamado de solos; Segundo eixo paralelo à direção de crescimento da vegetação, chamado de verde Terceiro eixo na direção do amarelamento da folha, chamado de amarelo; Um quarto eixo que não foi passível de interpretação, denominado de outras coisas.

TASSELED CAP LANDSAT MSS DATA Component Channel 1 Channel 2 Channel 3 Channel 4 Brightness 0.433 0.632 0.586 0.264 Greenness -0.290-0.562 0.600 0.491 Yellowness -0.829 0.522-0.039 0.194 "Non-such" 0.223 0.012-0.543 0.810

TASSELED CAP THEMATIC MAPPER DATA Component Channel 1 Channel 2 Channel 3 Channel 4 Channel 5 Channel 7 Brightness 0.3037 0.2793 0.4343 0.5585 0.5082 0.1863 Greenness -0.2848-0.2435-0.5436 0.7243 0.0840-0.1800 Wetness 0.1509 0.1793 0.3299 0.3406-0.7112-0.4572 http://www.sjsu.edu/faculty/watkins/tassel.htm