Apostila Sensoriamento Remoto

FUNDAMENTOS DE SENSORIAMENTO REMOTO
EM AMBIENTE DE GEOPROCESSAMENTO
Prof. Alzir Felippe Buffara Antunes

14
SUMRIO

1- INTRODUO.............................................................................................................................................. 16
1.1- Sensoriamento Remoto............................................................................................................................ 16
1.2- ........................................................................................................................ Fotogrametria
.......................................................................................................................................................................... 17
2- PRINCPIOS................................................................................................................................................... 19
2.1- Espectro Eletromagntico...................................................................................................................... 19
2.3- Comportamento Espectral...................................................................................................................... 22
3- SENSORES ..................................................................................................................................................... 24
3.1- Tipos.......................................................................................................................................................... 24
3.2- Caractersticas das imagens.................................................................................................................... 27
3.3- Resolues ................................................................................................................................................ 28
3.3- Formato .................................................................................................................................................... 30
4- SISTEMAS SENSORES................................................................................................................................ 30
4.1- Sistema Imagens LANDSAT ................................................................................................................. 30
4.2- Sistema SPOT .......................................................................................................................................... 32
4.3- IKONOS................................................................................................................................................... 33
4.4- Quickbird ................................................................................................................................................. 34
4.5 Outros sistemas ......................................................................................................................................... 36
4.6- Imagem de Radar .................................................................................................................................... 37
4.7- Principais Sensores Radar ...................................................................................................................... 39
4.8- Laser Scanner .......................................................................................................................................... 40
5- PRINCIPIOS DE PROCESSAMENTO DIGITAL DE IMAGEM NO CONTEXTO SIG..................... 43
5.1- Generalidades........................................................................................................................................... 43
5.2- Noes de Processamento........................................................................................................................ 44
5.3- Etapas do Processamento........................................................................................................................ 44
5.4- Processamento.......................................................................................................................................... 45
5.4.1- Realce ................................................................................................................................................. 45
5.4.2- Filtragem............................................................................................................................................. 48
5.4.3- Composio Colorida ......................................................................................................................... 52
5.4.4- Correo Geomtrica.......................................................................................................................... 53
6- CLASSIFICAO......................................................................................................................................... 60
6.1- Interpretao de imagem........................................................................................................................ 60
6.1.1- Tonalidade e cor ................................................................................................................................. 61
6.1.2- Forma.................................................................................................................................................. 61
6.1.3- Padro................................................................................................................................................. 62
6.1.4- Textura................................................................................................................................................ 63
6.1.5- Associao (ou convergncia de evidncias)...................................................................................... 63
6.1.6- Sombra............................................................................................................................................... 63
6.1.5- Chave da interpretao de imagem..................................................................................................... 64
6.2- Classificao Digital ................................................................................................................................ 66
6.2.1- Classificao Supervisionada ............................................................................................................. 66
6.2.2- Classificao baseada em objetos: segmentao ................................................................................ 73
6.2.3- Acurcia.............................................................................................................................................. 74
6.2.4- Qualidade da Imagem Temtica ......................................................................................................... 75
7- SENSORIAMENTO REMOTO E SIG........................................................................................................ 77
8- BIBLIOGRAFIA............................................................................................................................................ 77


15

Apresentao

Este material didtico visa nica e exclusivamente atender a disciplina de Sensoriamento
Remoto em ambiente de Geoprocessamento referente ao Curso de Especializao em
Geoprocessamento. O contedo est de acordo com a ementa da disciplina. Aqueles que
necessitarem de um maior aprofundamento em um dos tpicos descritos recomenda-se
consultar a bibliografia citada. Roga-se aos alunos que apontem falhas e faam sugestes a
fim de melhorar as prximas edies.


16
1- INTRODUO

1.1- Sensoriamento Remoto

Pode-se definir sensoriamento remoto ou teledeteco como a cincia que tem por
objetivo a captao de imagens da superfcie terrestre. Segundo BARRETT & CURTIS
(1992) a cincia de observao distncia. Isto contrasta com o sensoriamento in situ,
onde os objetos so medidos e observados no local onde ocorrem. Em outras palavras, o
sensoriamento remoto est relacionado ausncia de contacto fsico entre o sensor (cmara
fotogrfica, satlite) e o alvo (objeto). Desta forma, o sensoriamento remoto tambm pode
incluir o estudo das tcnicas de aerofogrametria e fotointerpretao, uma vez que fotografias
areas so remotamente captadas. Contudo, o termo se refere a captao, processamento e
representao de imagens orbitais. As imagens de sensoriamento remoto disponveis
atualmente, so a forma mais rpida de se obter informaes espaciais em formato digital,
permitindo que estas fontes sejam combinadas a outras informaes, de forma a constituir um
banco de dados geogrfico sobre o espao em questo. O processamento dessas
informaes,espacialmente referenciadas em meio digital a base dos sistemas de informao
geogrfica. Dentro das geotecnologias hoje disponveis (sistemas de posicionamento global,
aerofotogrametria digital) o sensoriamento remoto desponta como tecnologia imprescindvel
em aplicaes geoambientais.

Resumindo, o sensoriamento pode ser definido segundo alguns autores da seguinte forma:

a aquisio de informaes sobre um objeto sem entrar em contato fsico com ele
(Hutton).
Sensoriamento Remoto: a cincia e a arte de obter informaes sobre um objeto, rea ou
fenmenos atravs da anlise de dados adquiridos sem entrar em contato enquanto esto sob
investigao (Lillesand & Kiefer).
Sensoriamento remoto a coleo de informaes sobre os recursos naturais e meio
ambiente usando imagens adquiridas por sensores a bordo de avio ou satlites (Ryerson).
Sensoriamento remoto um termo restrito a mtodos que aplicam a energia eletromagntica
como meio para a deteco e mensurao das caractersticas dos objetos (Sabins).

As imagens provenientes do sensoriamento remoto podem ser processadas
digitalmente por modernos softwares em potentes hardwares, a fim de se obter da imagem o
maior nmero de informaes possveis. JENSEN (1986) denomina o processamento digital
de imagens como conjunto de procedimentos relativos manipulao e anlise de imagens
por meio do computador. A Figura 1 mostra o processo de captao das imagens atravs de
sensores a bordo dos satlites.
O tratamento digital de imagens difere, muitas vezes, dos procedimentos de
restituio de fotografias areas afetas ao campo aerofotogrametria, visto que a geometria da
fotografia area difere da geometria da imagem.


17

Figura 1: Captao da Imagem

Em geral uma imagem um registro da energia solar refletida pelos objetos ou
feies da superfcie fsica da terra e captada pelo sensor a bordo de um satlite.

As aplicaes do sensoriamento remoto nas dcadas de 70 e 80 estavam ligadas ao
mapeamento ambiental em escalas mdias e pequenas (1:50.000 a 1.000.000). A partir de
1997, esta realidade comeou a mudar com entrada da rbita de novos satlites de melhor
resoluo, havendo um aumento do campo de aplicao. Assim sendo, as imagens orbitais
passaram a servir de base para mapeamento em grandes e mdias escalas (1:5.000
1:25.000). Em 1999 as imagens passaram a reproduzir um maior nvel de detalhes ampliando
ainda mais as aplicaes desta geotecnologia. Num futuro prximo as imagens apresentaro
um nvel de detalhamento similar a fotografia area, o que permitir que o sensoriamento
remoto atinja um maior nmero de usurios, e conseqentemente diminuio de custos.

1.2- Fotogrametria

A fotogrametria segundo alguns autores pode ser definida como: A cincia, a arte e a
tecnologia de se obter medidas confiveis, mapas, modelos de elevao digital e outros
produtos a partir de fotografias. A fotografia area tem sido usada desde os primrdios do
Sculo XX como provedor de dados espaciais em uma grande gama de aplicaes. A maioria
das bases cartogrficas so provenientes desta geotecnologia e difere geometricamente das
imagens captadas por satlite. A Figura 2 mostra a cmara area dentro da aeronave que
realiza a cobertura do fotogrfica do terreno. A cmera fotogramtrica tem por finalidade
prover imagens fotogrficas com estabilidade geomtrica a fim de serem utilizadas
cartograficamente. As fotografias devem ser verticais e possuem uma escala varivel de
acordo com a altura de vo e o relevo do terreno.


18
Figura 2: Cmara area 1 (Adaptado, WOLF, 1981)

A escala de uma fotografia area dada por pela distncia focal da cmara e a altitude de
vo- altura da aeronave em relao ao terreno. A figura 3 apresenta a determinao da escala
de uma fotografia area.
Figura 3: Escala de uma fotografia (Adaptado, Wolf, 1981)

Como j foi citada a imagem de satlite e fotografias areas possuem diferenas na forma de
captao de maneira de os mtodos de tratamento so tambm diversos, bem como de certa
maneira as aplicaes. A Tabela 1 mostra as principais diferenas entre uma imagem e uma
Plano do negativo
Terreno
23 cm
H
c= constante

Escala da Fotografia
Centro
Perspectivo
D
d
P
p
c
Espao Imagem
Espao Objeto
Centro Perspectivo
(CP)
Sistema
de lentes
Feixe ptico
terreno
Distncia Focal
( c ou f )
23cm


19
fotografia area. A restituio fotogramtrica ainda a maneira mais exata de se extrair
informaes cartogrficas em grandes escalas(Ex:.1: 1.000 a 1: 5.000).

Tabela 1: Caractersticas das imagens
Caractersticas de
Captao
Aplicaes

FOTOGRAFIA
Projeo central;
Imagem em quadro;
Posio vertical;

Mapeamento em
grandes escalas (1:
1.000 1: 50.000)

IMAGEM ( S. Remoto)
Varredura ou
escanerizao;

Mapeamento de
escalas a partir de 1:
10.000

2- PRINCPIOS

2.1- Espectro Eletromagntico

O sensoriamento remoto e a fotogrametria baseiam-se na aquisio de informaes
armazenadas pelos sensores e cmaras , que captam a energia eletromagntica irradiada por
um objeto. A energia emitida ou refletida por objetos da superfcie fsica da terra
transmitida aos sensores em forma de ondas eletromagnticas (figura 1). A informao
recebida pelo sensor pode ser codificada em termos de freqncia, intensidade e polarizao
da onda. O conjunto de comprimentos de onda que compem a radiao eletromagntica
denominado espectro eletromagntico. Todas as ondas propagam-se a uma mesma
velocidade de 3 x 108 m/s, conhecida como a velocidade da luz. A fonte energtica, sol,
origina as perturbaes peridicas em forma de campos eltricos e magnticos. O espectro
eletromagntico dividido em regies onde o componente comprimento de onda possui
caractersticas similares (Figura 4). O espectro eletromagntico se estende da regio dos raios
gama() s microondas.

Figura 4: Espectro eletromagntico ( Adaptado: Erdas, 2004)


20
Azul Verde Verm.
Comprimento de onda
m
Visvel m
Raio RaioX Ultra-Violeta
Infra Termal Microondas Radio/TV
Vermelho
m

Os instrumentos de sensoriamento remoto operam em todos os campos de energia
exceto nas regies dos raios x e e ondas de rdio. A estreita faixa da regio visvel (0,4m
0,7m) possui uma particular importncia, no apenas por ser detectvel ao olho humano,
mas tambm pela quantidade de energia disponvel para deteco. Os sensores detectam e
armazenam a energia (ftons) em bandas ou faixas nas quais o sensor sensvel. O nmero de
ftons (intensidade de energia) que alcana o detector varia de acordo com a quantidade de
energia emitida pela fonte de iluminao(sol), com a quantidade de energia absorvida pela
atmosfera e pelo grau de energia emitida e refletida pelos objetos da superfcie.
A luz visvel ou luz branca um conjunto de ondas com diferentes freqncias e
comprimentos de onda, que nosso crebro traduz como cores. Portanto, cada cor corresponde
a uma determinada onda eletromagntica, com freqncia e comprimento de onda especfico,
que se refere a uma pequena faixa do espectro (0,4m 0,7m).

2.2- Janelas Atmosfricas

As pores do espectro eletromagntico apropriadas para captao pelos sensores
so bastante restritas devido absoro da atmosfera. A atmosfera reduz a percentagem de
radiao solar transmitida a terra. No obstante existem zonas em que a absoro baixa, ou
seja, alta percentagem de transmisso de energia solar. Estas regies so denominadas janelas
atmosfricas. So nestas janelas que trabalham as maiorias dos sensores que captam a energia
refletida por objetos da superfcie terrestre. Desta forma, apenas parte do espectro
eletromagntico apropriada para a captao de imagens. A absoro de energia pela
atmosfera reduz a percentagem de energia transmitida do alvo at o sensor. Logo, somente as
zonas de baixa absoro (janelas) sero utilizadas na captao de energia.
O conhecimento da interao e dependncia entre a janela espectral da atmosfera e a
energia utilizada pelo sensoriamento remoto requisito pelos diversos mtodos de
sensoriamento, iniciando pela construo de um sensor at a anlise do comportamento
espectral e reconhecimento dos alvos. Neste caso devem ser considerados os seguintes
fatores:

1. sensibilidade espectral do sensor;


21
2. existncia da janela atmosfrica;
3. existncia da fonte de energia, com intensidade de radiao e composio espectral;
4. conhecimento sobre as alteraes da radiao recebida atravs do objeto analisado.

A Energia Incidente (I) sobre os alvos da superfcie terrestre interage de formas
diferentes de acordo com as caractersticas de geometria e fsico-qumicas de cada um deles.
Esta interao especfica para cada alvo e pode ser mensurada atravs das seguintes
componentes (Figura 5):

Energia Refletida R
Energia Absorvida A
Energia Transmitida T

Figura 5: Interao da energia com o alvo : Folha (Adaptado: Lingnau, 2003)

As trs pores de energia podem ser mensuradas pela seguinte equao:

I = R + A + T

onde cada componente uma funo do comprimento de onda. A igualdade um balano da
energia e explica de uma forma geral a reflexo, absoro e a transmisso.

Deve ser considerado que:

1. para cada objeto as propores entre reflexo, absoro e a transmisso so diferentes, o
que possibilita que os objetos possam ser identificados ou diferenciados;
2. significa tambm que para um mesmo objeto as propores entre reflexo, absoro e a
transmisso so diferentes em relao ao comprimento de onda, ou seja, um objeto pode ser
diferenciado do outro em um determinado comprimento de onda e em outro comprimento de
onda no.
Pode-se dizer que a energia emitida ou refletida por objetos da superfcie da terra
transmitida aos sensores em forma de ondas eletromagnticas. Na natureza ocorre uma grande
variabilidade da energia refletida, sendo que o seu conhecimento de grande importncia no
reconhecimento e identificao dos alvos a partir de dados de sensores remotos. Assim sendo,


22
deve-se descrever e explicar o conceito das caractersticas da reflexo dos alvos, objetos ou
feies do terreno.

2.3- Comportamento Espectral

Os objetos da superfcie terrestre refletem e absorvem seletivamente energia eletromagntica,
devido a sua diferente composio molecular. Esta caracterstica, denominada resposta
espectral dos objetos permite identific-los numa imagem de sensoriamento remoto. Esta
depende das diferenas na composio fsico-qumica dos materiais que compem os objetos,
e estes interagem de maneira diferente com as ondas eletromagnticas.
Com base na complicada estrutura da geometria e da heterogeneidade, ou seja, da
composio varivel da superfcie natural, as caractersticas de reflectncia no podem ser
explicadas atravs de uma simples teoria eletromagntica. A heterogeinidade se reflete no
grau de reflectncia e seu comprimento de onda.
O grfico que representa o comportamento espectral de determinado objeto dentro de
determinadas faixas espectrais (bandas) denomina-se assinatura espectral. Como exemplo,
na figura 6 observa-se a assinatura espectral para vegetao sadia, apresentando picos e
vales. A reflexo visvel nas diferentes faixas espectrais originada dos pigmentos das
plantas. A clorofila absorve energia nos comprimentos de onda de 0.45-0.67 m. A reflexo
no infravermelho prximo determinada pela estrutura celular da planta. No infravermelho
mdio, a reflexo devida ao contedo de gua na planta. A reflexo espectral da planta varia
durante o seu ciclo de crescimento. A resposta espectral da cobertura vegetal depende de sua
profundidade, densidade, idade e diversidade.

A alta reflexo da vegetao ocorre na faixa de 0,7-1,3 m (infravermelho prximo). Os
valores da reflexo da vegetao nessa faixa espectrais podem ser influenciados pela
refletncia do solo.
Figura 6 Reflexo das folhas, observando-se no plano do infravermelho (0.75-1.3 m) a
baixa absoro da gua (Fonte: Barret & Curtis 1992).

0
20
40
60
80
100
0.4 0.6 0.8 1.0 1.2 1.4 1.6 1.8 2.0 2.2 2.4 2.6
Mm
%
Reflexo da Folha
Absoro da Agua

m


23

Maior Reflexo conseqentemente menor absoro. Percebe-se no grfico da figura
4 que a absoro eletromagntica inversamente proporcional a reflexo. No caso em
questo, existe alta reflexo da vegetao na faixa do infravermelho (0.76-1,4 m). Muitas
feies ou objetos do terreno possuem boa resposta espectral na faixa do infravermelho tais
como: solos, relevo e sedimentao. Cada objeto ter diferentes respostas espectrais em
diferentes faixas do espectro, logo o usurio de estar ciente de que faixas escolher para
melhor mapear os objetos de interesse.


24
Tabela 3: refletncia dos alvos (Adaptado: INPE, 2003)
GUA VEGETAO

SOLO COMPARAO DAS REFLETANCIAS

3- SENSORES

3.1- Tipos

Os sistemas sensores so equipamentos que esto a bordo das aeronaves ou satlites e sua
funo captar e registrar a energia eletromagntica proveniente dos objetos na superfcie
terrestre. Sem eles no seria possvel para o satlite obter imagens, ele estaria literalmente
cego.
Os sensores podem ser classificados em apenas duas classes:
ATIVOS E
PASSIVOS.
Os sensores passivos, tal como a fotografia, detecta e armazena energia solar ou
terrestre refletida ou emitida pelos objetos da superfcie (Ex: imagens de satlite Landsat e
Spot). As imagens deste tipo de sensor iro depender das condies atmosfricas, pois reas
com nuvens ou bruma no sero imageadas adequadamente. As caractersticas fsico-qumico
Solo

% Veg.

gua
Visvel IV prximo IV mdio


25
dos alvos imageados permitiro que a energia refletida seja registrada diferentemente em cada
poro do espectro eletromagntico (Figura 7).

Os sensores ativos, tal como o radar, gera energia ou radiao que refletida pelos
objetos do solo. A energia refletida pode ser armazenada em meio fotogrfico ou na forma
digital. Os sensores de microondas so um exemplo, pois detectam energia de 0.1 a 25 cm,
onde a absoro atmosfrica mnima. A energia emitida para os objetos refletida por esses
ao sensor ( Ex: Radarsat, ERS-1). O imageamento independe das condies atmosfricas
(Figura 7).

Figura 7: Tipos de sensores

Cada satlite possui ento as suas caractersticas peculiares de obteno de dados.
Esta caracterstica refere-se ao percurso que ele realiza em torno da superfcie terrestre. Esta
rota denominamos de rbita. Dependendo do objetivo do satlite para o qual foi projeto ele
ter uma rbita especfica.
Por exemplo, satlites de comunicao possuem rbita geossncrona. Um satlite em
rbita geossncrona equatorial (GEO) localiza-se diretamente acima da linha do equador,
aproximadamente a 36.000 Km de altura. Nesta distncia o satlite demora 24 horas para dar
uma volta completa no planeta. Sabendo que a Terra demora 24 horas para dar uma volta
sobre o seu eixo (Movimento de
rotao), podemos observar que o satlite e a Terra se movem juntos. Sendo assim o satlite
GEO sempre est parado em relao ao mesmo ponto na terra, e por isso denominado de
rbita geossncrona ou rbita geoestacionria.
Mesmo com muitos satlites de comunicao em rbitas Geoestacionrias , eles no cobrem
as regies polares da Terra. Para isso, so necessrios os satlites de rbitas elpticas, que
cobrem as reas extremas dos dois hemisfrios.
rbitas polares so muito usadas para a observao da superfcie de nosso planeta. Como a
rbita do satlite tem a direo Norte-Sul e a Terra gira na direo Leste-Oeste, isto resulta
que um satlite em rbita polar pode eventualmente "varrer" a superfcie inteira da Terra. Por
essa razo, satlites de monitoramento global como satlites de sensoriamento remoto e
meteorolgicos sempre efetuam uma rbita polar. Nenhum outro tipo de rbita consegue uma
melhor cobertura da terra, Figura 8.


26
Figura 8: Satelite de rbita polar

Existe diferentes nveis de aquisio de dados e o sistema do sensor, em geral os sensores
podem ser imageadores (varredura) ou no-imageadores (no varredura). Os sensores so
criados de acordo com o objetivos e aplicaes. O quadro 1 abaixo apresenta o grupo de
sensores de acordo com sua origem.
Quadro1: Classificao dos sensores


27

3.2- Caractersticas das imagens

A localizao de pixels (picture element) na imagem determinada atravs de um
sistema bidimensional de linhas e colunas, expressas em coordenadas X e Y. A imagem
organizada desta forma num reticulado de linhas e colunas denominada dado raster ou
formato matricial. A imagem est relacionada a uma funo bidimensional de intensidade da
luz f (x, y), onde x e y so coordenadas espaciais linhas e colunas. Existe ainda uma outra
varivel z relacionada variao tons de cinza da imagem. O valor de z denominado, digital
number- DN, ou tom de cinza (Figura 9).

A imagem digital pode ser representada por uma matriz de linhas x, colunas y e z
para os DN. Desta forma, uma imagem digital uma funo discreta f (x, y), definida por uma
grade regular de m linhas e n colunas, representada por:
f (i,j), onde : 0<i<m-1 e 0<j< n-1;
para f variando de [0 ,k-1];
onde, k= nveis de cinza (DN).
Cada elemento dessa matriz (i, j) determinado por elementos da imagem, pixel.
Este sistema poder ser transformado para um sistema cartogrfico de coordenadas atravs de
pontos de controle reconheceis na imagem. Desta forma, uma imagem devidamente tratada,
poder servir de base para concepo de carta imagem (uma fonte de dados para Sistema de
Informaes Geogrficas).

Figura 9: Captao da Imagem


28

3.3- Resolues

Um dado orbital geralmente descrito por sua resoluo, ou seja, caractersticas da
imagem de acordo com a radiometria, tamanho do pixel e faixas espectrais. As resolues
podem ser:
Espacial
Espectral
Radiometrica
Temporal
A resoluo espacial corresponde rea do terreno representada por um pixel na
imagem. O tamanho do pixel esta diretamente relacionado informao contida na imagem,
quanto menor o pixel mais detalhes podem ser extrados da imagem, logo melhor a resoluo,
figura 10.
O sistema sensor tem a capacidade de cobrir uma linha de largura especifica composta
por um conjunto de pixels. Cada pixel corresponde a uma unidade mnima de rea, que se
muito grande os detalhes so perdidos, visto que os vrios objetos ou feies so agrupados
em um mesmo pixel, denominado pixel mistura (figura 10). O tamanho do pixel depende das
caractersticas de cada sensor a resolucao espacial funo o ngulo de visada do sensor e a
altura da plataforma.
Figura 10: Resoluo Espacial- Tamanho do Pixel

Resoluo de 30 metros Resoluo de 4 metros

Tabela 3: Classificao das imagens quanto a resoluo espacial

Tamanho do Pixel (metros) Sensores Aplicaes
0,67- 05: Alta Quickbird, Ikonos Mapeamento em escalas
grandes
10-30 : media Landsat, CBERS II Mapeamento em escalas
medias. Meio Ambiente.
40- 1000: Baixa NOAA, SPOT Veg, CBERS
WFI
Monitoramento Ambiental


29

A Resoluo Espectral refere-se a um intervalo especfico de comprimento de onda do
espectro-eletromagntico armazenado pelo sensor (ex: bandas do visvel e infravermelho). A
resoluo espectral dos sensores inerente s imagens multiespectrais e hiperespectrais.
Neste caso, a resoluo indica a quantidade de regies do espectro eletromagntico e pelo
intervalo de comprimento de onda. Estas imagens denominam-se bandas espectrais e
representam a energia registrada pelos detectores do sensor numa determinada regio do
espectro eletromagntico, figura 11.
Assim sendo, uma imagem pode possuir conjuntos de dados de uma mesma cena.
Cada banda refere-se determinada poro do espectro eletromagntico de reflexo e emisso
de luz ou calor de uma parte da superfcie terrestre, que compe a cena. Cada poro do
espectro eletromagntico detectado pelo sensor ir gerar uma imagem, com caractersticas
especificas segundo a resposta espectral de cada objeto.

Figura 11: Resoluo Espectral

A Resoluo Radiomtrica refere-se ao nmero possvel de dados para cada banda, ou seja,
o nmero de bits. Por exemplo, em um dado de 8 bits os valores dos tons de cinza para cada
pixel variam de 0 a 255 (ex: uma imagem de 11bits possui 2048 tons de cinza, figura 12).
Figura 12: Nveis de Cinza


30

A Resoluo Temporal a periodicidade em que determinada rea registrada pelo satlite.
A resoluo temporal de fundamental importncia quando se pretende monitorar processos
dinmicos como, por exemplo: a ocorrncia de incndios ou queimadas em reservas florestais,
derramamento de leo no oceano, maremotos, mudanas fenolgicas de culturas e o
crescimento de uma cidade. Alguns satlites como Ikonos revista uma mesma regio a cada 5
dias.

3.3- Formato

Em geral imagens de sensoriamento remoto apresentam-se como arquivo multi-
banda (conjuntos de vrias imagens referentes s faixas espectrais) ou banda simples (ex.
imagem digitalizada), de formato contnuo. Para cada (linha , coluna) existe um z (nvel de
cinza). Um dado contnuo aquele que contm um conjunto valores contnuos para os DNs
(Ex. Landsat, Spot, MDT). Um outro tipo de formato muito comum o temtico, oriundo de
imagens processadas de uma banda, associada a uma tabela de atributo. Esta imagem est
vinculada a dados qualitativos e/ou categricos (Ex: mapa de uso do solo, vegetao), este
tipo de dado bastante comum ao SIG. A imagem temtica pode ser descontnua, pois
determinado pixel pode no estar associado determinada classe ou valor. Atualmente
existem vrios formatos para as imagens dependendo do software disponvel, contudo o
formato mais comumente utilizado o tiff ou geotiff.

4- SISTEMAS SENSORES

4.1- Sistema Imagens LANDSAT

Talvez a mais importante fonte de dados digitais em forma de imagens sobre a superfcie
terrestre pertence ao conjunto de satlites do projeto Landsat, programa lanado pela NASA a
partir de 1972 para aquisio contnua de dados digitais de sensoriamento remoto (NASA,
1988). Landsat 4 foi lanado em julho de 1982 e o Landsat 5 em maro de 1984. O Landsat 6
caiu e nunca entrou em fase operacional. O Landsat 7 foi lanado em abril de 1999, tendo
funcionado normalmente at maro de 2003 quando interrompeu-se a captao de imagens
por problemas tcnicos. As imagens apresentam distores o que inviabilizou o seu uso
comercial. A nova gerao de satlite Landsat est prevista para 2007.
Apesar dos problemas ainda hoje o sistema Landsat o maior provedor de imagens
sobre a superfcie terrestre, figura 13.
Figura 12: Caracterstica da captao da Imagem


31

TABELA 4- Bandas do sistema Landsat TM 7

Bandas
Resoluo
Espacial
Comprimento de Onda
m
Aplicaes

1 30m 0.45-0.52 - Azul Mapeamento de corpos dgua; diferenciao de
gua e solo
2 30m 0.52-0.60 Verde Reflexo de vegetao sadia
3 30m 0.63-0.69 Vermelho Absoro de clorofila; diferenciao de espcies
vegetais, solo mido e solo seco.
4 30m 0.76-0.90-Infravermelho
prximo
Levantamentos de biomassa, copas das rvores,
rios.
5 30m 1.55-1.75-
Infravermelho Mdio
Deteco de umidade da vegetao
6 60m 10.4-11.7 Termal

Umidade da vegetao; geologia.
7 30m 2.08-2.35-
Infravermelho Alto
Umidade da vegetao; solos e geologia.
PAN 15m 0,50 0,90 m-
Pancromtico.
Exclusivo TM7
til no reconhecimento de padres que necessite
de uma maior resoluo espacial. Ex: estradas,
avenidas, quadras. Atualizao cartogrfica.

O Landsat 7 Thematic Mapper Plus (ETM+), que apresentou como principal inovao
banda pancromtica com 15 metros de resoluo espacial . A banda pancromtica inclui a


32
faixa do visvel 0,50 a 0,90 m, sobrepondo a faixa do espectro visvel. Apesar de senilidade
o satlite Landsat 5 continua a mandar imagem terra pouco utilizveis devido a rudos e
distores geometricas. A tabela 4 mostra a caracterstica do Landsat 7.

4.2- Sistema SPOT

O programa SPOT (Systme Probatoire de lObservation de la Terre) foi planejado e
projetado como um sistema operacional e comercial. Estabelecido pelo governo francs em
1978, com a participao da Sucia e Blgica, o programa gerenciado pelo Centro Nacional
de Estudos Espaciais CNES (Tolouse-Frana), que o responsvel pelo desenvolvimento
do programa e operao dos satlites. J foram lanados os SPOT 1, 2 e 3 ,4 e o mais recente
Spot 5 em 2002. O SPOT 5 apresenta maior detalhamento,mantendo as mesmas faixas de
observao.
Dois novos instrumentos HRG (High-Resolution Geometric) imageiam com 5 m de
resoluo em Pancromtico e 2.5 metros em "supermode". Cada um dos dois instrumentos
recobre uma faixa de 60 Km no solo, dentro de um corredor potencial de visibilidade de 420
km.
Da mesma forma que os sensores dos antecessores do SPOT 5, os instrumentos HRG podem
imagear igualmente em modo multiespectral em 4 bandas (faixa espectral da luz verde,
vermelho, infravermelho prximo e infravermelho mdio) . Graas as bandas no
infravermelho o SPOT 5 permite uma maior aplicabilidade ao mapeamento temtico.
Se comparado com seu antecessor (SPOT 4) ainda em funcionamento pode-se
resumir as inovaes a partir dos seguintes aspectos:
5 m e 2.5 m de resoluo em P&B no modo Pancromtico, contra 10m
anteriormente;
10 m de resoluo em cores contra 20 m anteriormente;
A rea recoberta por cada cena ser mantida 60 km x 60 km.
Resoluo temporal de 3 a 5 dias.
Estas caractersticas permitem o uso das imagens SPOT 5 para aplicaes nas escalas entre
1:10.000 e 1:50.000. Atualmente este tipo de imagem vem sendo utilizado com vistas a
atualizao do mapeamento sistemtico.


33

Figura 14: Cobertura SPOT 5

4.3- IKONOS

O satlite IKONOS lanado em 1999, foi o primeiro de alta resoluo espacial de
1m na banda pancromtica e de 4 metros nas bandas multiespectral. A Tabela 5 mostra as
principais caractersticas das imagens e do satlite IKONOS.
Tabela 5- Caractersticas da Imagem Ikonos (Adaptado, Engesat, 2003)

Resoluo no terreno de
cada banda
Pancromtica: 1m (considerando posio nominal de 26 fora
do nadir)
Multiespectral: 4m (considerando posio nominal de 26 fora
do nadir)
Bandas espectrais 0.45 a 0.90 (pan)
Azul 0.45 - 0.52
Verde 0.52 - 0.60
Vermelho 0.63 - 0.69
Infra vermelho prximo 0.76 - 0.90
Faixa de imageamento 13km no nadir (cena simples 13km x 13km)
Tamanho das cenas
sugeridos
Faixas de 11km x 100km at 11km x 1000km
Mosaicos de at 12.000km2
At 20.000km2 de rea continua imageada em uma nica


34
passagem
Acurcia mtrica Horizontal: 12m
Vertical: 10m
(correo de sistema, sem pontos de controle cartogrficos)
Preciso relativa de pelo menos 90% da cena;
Horizontal: 2m
Vertical: 3m (com pontos de controle)
Preciso relativa em pelo menos 90% da cena;
Tempo de Revisita 2.9 dias (pan)
1.5 dias (multiespectral)
Esses valores referem-se a alvos ao longo da latitude de 40. O
tempo de revisita para latitudes maiores ser menor, enquanto
que para as latitudes prximas ao Equador, o tempo ser mais
longo.

Dentre os principais avanos, podem ser citados os seguintes:
A maior resoluo espacial possvel entre as imagens orbitais atualmente disponvel no
mercado.
Facilidade para interpretao visual.
Radiometria de 11 bits (2048 nveis de cinza) aumenta o poder de contraste e de
discriminao das imagens.
Bandas espectrais no visvel so mais largas (quando comparadas com Landsat 5 e 7),
permitindo uma maior penetrao na atmosfera e maior poder de discriminao dos alvos
terrestres, principalmente da cobertura vegetal, reas sombreadas e de corpos dgua.
Imagens com 4m de resoluo espacial oferecem at 25 vezes mais informaes que
imagens com 20m de resoluo.
Com imagens pancromticas de 1m, possvel distinguir objetos do tamanho de 1m
2
.

4.4- Quickbird

O Satlite de alta resoluo Quickbird , alm de sua apurada preciso, conta ainda com
sensores pancromticos e multiespectrais. A grande capacidade de armazenamento de dados a
bordo de si, aliado ao fato de que este satlite capta cenas de 2 a 10 vezes maiores que
qualquer outro satlite de alta resoluo, fazem com que o Quickbird seja o melhor em sua
categoria, no que concerne a resoluo espacial.
Tabela 6- Caractersticas do Quickbird (FONTE: Engesat)
QuickBird
Data de lanamento Outubro de 2001
Veculo de lanamento Boeing Delta II
Local de lanamento Vandenberg Air Force Base, California
Capacidade de armazenamento de 128 Gbytes, aproximadamente 57 reas imagens


35
dados simples
Altitude da rbita 450 km
Inclinao da rbita 98 graus, em sincronismo com o Sol
Velocidade 7.1 km / segundo
Horrio de passagem 10:30 h
Durao da rbita 98 minutos
Capacidade de envio de dados 320 Mbps em banda X
Peso, tamanho 953 kg, 3.04-metros de comprimento
Tempo de vida til No mnimo de 7 anos
Tempo de revisita 1 a 3,5 dias, dependendo da latitude (30
o
off-nadir)
Largura do imageamento 16.5 km x 16.5 km, no nadir
Preciso mtrica
Horizontal: 23 metros (CE 90%)
Vertical : 17 metros (LE 90%)
Digitalizao 11 bits
Resoluo*
Pan: 61 cm (nadir) a 72 cm (25
o
off-nadir)
Multiespectral: de 2.44 m (nadir) at 2.88 m (25
o
off-
nadir)
Formatos disponveis GeoTIFF 1.0, NITF 2.1 ou NITF 2.0
Mximo para aquisio simples 1x10, 1 par estreo
Pancromtica 450 - 900 nm
Azul: 450 - 520 nm
Verde: 520 - 600 nm
Vermelho: 630 - 690 nm
Bandas
Infravermelho prximo : 760 - 900 nm

A resoluo dos satlites de alta resoluo depende do ngulo visada nadiral e ps-
nadiral. Dependendo deste ngulo a rea imageada maior, porem a resoluo do pixel
deteriorada, Para o Quickbird a imagem Pan: 61 cm no nadir at 72 cm (ngulo de 25
o
ps-
nadir), igualmente para imagem multiespectral de 2.44 m (nadir) at 2.88 m (25
o
pos-nadir
ou off-nadir), Figura 13.
Figura 13: Imagem Nadiral e Ps-Nadiral


36

4.5 Outros sistemas

Hoje existe no mercado um grande numero de satlites dentre os quais podemos citar:

a) CBERS: China Brazil Earth Resources Satellite. Lanado em 1999 na China, o satlite
sino-brasileiro passou a gerar imagens comerciais a partir do segundo semestre de 2000;
b) IRS: Indian Remote Sensing Satellite, possui a pancromtica de 5 m de resoluo, cada
uma recobrindo 70 por 70 Km;
c) ASTER (Advanced Spacebone Thermal Emission and Reflection Radiometer) um dos
Instrumentos a bordo do satlite EOS AM-1 e obtm imagens de alta resoluo (15 a 90
m);
d) NOAA : so satlites originariamente concebidos para observao de dados
meteorolgicos, no entanto estes dados tem sido utilizados em agronomia e oceanografia.
O primeiro satlite foi lanado em 1978. Abrange pequenas escalas visto que apresenta
um resoluo espacial de 1.1 x 1.1 km e a varredura de 2700 km.
Pixel 0,88 cm , nadir
Pixel 0,67 cm , nadir
Inclinao
maior rea


37

Tabela 6: Sistemas Sensores
SENSOR RESOLUO
ESPACIAL
RESOLUO
ESPECTRAL
PAIS APLICAOES
CBERS II,
2002
CCD: 20m
WFI: 260m
IR-MSS
4 bandas + Pan
2 bandas IV
3 Bandas + Pan
Brasil/China, Monitoramento
Ambiental
IRS, 1997 Pan: 5 m
MSS: 20 m

1 bandas
3 bandas
ndia Atualizao
Cartogrfica
ASTER VNIR 15 m
SWIR 30 m
TIR 90m
3 bandas
6 bandas
3 bandas

EUA Monitoramento
Ambiental
NOAA, 1978 MSS: 1,1 km Visvel + IV EUA Meteorologia

4.6- Imagem de Radar

O Radar um sensor ativo da faixa da microonda. Uma imagem Radar construda
digitalmente pela seqncia de uma quantidade de pontos ou pixels como os demais tipos de
imagens de satlites. Cada pixel na imagem Radar representa a intensidade da reflexo o
pulso de energia para a rea correspondente no solo, onde:
reas mais escuras so superfcies de retorno ou reflexo de fraca intensidade do sinal
Radar, ou seja que uma proporo menor ou mnima da energia do pulso Radar foi
refletida pelo alvo de volta para a antena do Instrumento Radar;
reas mais brilhantes correspondem a alvos para os quais a reflexo de energia para a
antena do instrumento Radar foi maior e mais intensa.
A reflexo do sinal de Radar para uma alvo ou uma rea de interesse num comprimento de
onda especfico varia bastante em funo de uma quantidade de condies fsicas:

Tamanho e geometria do alvo ou reflector;
Umidade do alvo;
Polarizao do sinal emitido;
ngulos de incidncia do sinal emitido.


38

Figura 15: Comportamento dos alvos numa imagem radar

A pesar das imagens pticas serem mais fceis de ser interpretada pelo usurio a imagem de
Radar apresentam algumas vantagens:

o devido ao maior comprimento de onda da faixa de microondas este tipo de energia
capaz de atravessar as nuvens;

o por possurem fonte prpria de energia, no necessitam do Sol como fonte de
iluminao;

o comparativamente s outras faixas do espectro eletromagntico, as microondas
penetram mais na vegetao, alm de eventualmente poderem adentrar no solo.

Quando a radiao refletida por uma superfcie cuja rugosidade da mesma ordem de
grandeza que o comprimento de onda, a interferncia das ondas produz o rudo chamado
Speckle. um rudo multiplicativo, proporcional intensidade do sinal recebido. Visualmente
percebe-se o efeito deste rudo atravs de uma textura granulosa que dificulta a interpretao
das imagens, figura 16. Para amenizar este rudo existem dois mtodos: multi-look e
filtragem. O multi-look pode ser utilizado quando se tem imagens obtidas por SAR, sendo que
a imagem corrigida composta da mdia das imagens de cada look geradas separadamente.
As imagens de radar atualmente podem ser associadas imagens de sensores passivos a
fim de compor novas faixas espectrais, o que permite extrair mais dados sobre os alvos de
interesse, a integrao e fuso de imagens um tema que vem sendo muito discutido pela
comunidade afeta.


39

Figura 16: Imagem Radar

4.7- Principais Sensores Radar

Radarsat

O satlite canadense Radarsat lanado em 1995 composto por um sensor ativo de
microondas, o que permite obteno de dados independentemente das condies atmosfricas
e iluminao. O sistema possui as seguintes caractersticas:
a) observa a terra com um angulo obliquo varivel, o que permite ampliar o leque de
aplicaes (Figura 16);
b) possui resoluo varivel de 10 a 100 metros e periodicidade de 85 dias.


40

Figura 16: Modo de operao (Fonte:www.radarsar.com)

A quantidade de energia espalhada pelo satlite influenciada pela rugosidade da superfcie.
Isto permite distinguir diferentes padres de textura na imagem, os quais so teis para
detectar reas desmatadas, reas de cultivos, florestas, corpos dgua e feies antrpicas
(RADARSAT,1997).

ERS-1: satlite de radar lanado pela Agncia Europia em 1991, uma das maiores fontes
de dados radar disponvel. Possui uma resoluo espacial de 30 x 30 metros e uma cena cobre
100 km
2
(ERDAS, 1995).

JERS-1: imageador a radar janons, lanado em fevereiro de 1992. Resoluo espacial 18
metros

4.8- Laser Scanner

O sistema de escaneamento a laser embarcado (ALS), um sistema de modelagem de
superfcie que tem como principio a emisso e recepo de feixes de raios laser da plataforma
at a superfcie da terra e transformar o intervalo de tempo envolvido em distncia. Esta
tcnica um sistema que integra uma serie de sensores que juntos, permitem
determinar a posio tridimensional georeferenciada de pontos da superficie terrestre.
O sistema ALS composto por: a) a unidade laser de medida: dispositivo
responsvel pela medida das distancias entre o sensor e superfcie; b) unidade de varredura:
dispositivo responsvel pela deflexo dos pulsos laser emitidos transversalmente a linha de
vo; c) unidade de posicionamento: constitudo de um receptor GPS dupla freqncia que
permite o posicionamento geodsico dos pontos (Figura 17).
Oprincipio de funcionamento baseia-se na utilizao de um feixe de laser (LASER:
Light Amplification by Stimulatied Emission of Radiance) que emitido em direo aos
objetos. Ao atingir sua superfcie, este feixe refletido e uma parte dele retorna ao sistema. A
partir da intensidade do sinal de retorno possvel derivar informaes a respeito da natureza
da superfcie do objeto, mas o dado mais relevante o tempo decorrido entre a emisso do
feixe e o registro do retorno, pois permite calcular a distncia entre o sensor e o objeto. Este


41
tipo de sistema tambm chamado de LIDAR - Light Detection And Ranging ou LADAR -
Laser Detection And Ranging (BRANDALIZE, 2004).
Figura 17- Esquema de funcionamento do sistema

A unidade de Varredura a Laser composta de um dispositivo de medio laser, um
sistema de varredura ptico-mecnico e uma unidade de registro de medies de apoio. A
unidade de medio laser responsvel pela gerao e emisso dos pulsos laser. Estes pulsos
so gerados pelo estmulo de um cristal sinttico. O tipo de cristal geralmente utilizado
Nd:YAG (Neodiminium: Yttrium Aluminum Garnet) e seu estmulo varia entre 10-15 s. A
maioria dos sistemas laser operam numa faixa do espectro eletromagntico variando entre 0,8
m e 1,6 m . Os pulsos emitidos pelo sistema so apontados a diferentes pontos na
superfcie. Ao atingir a superfcie, parte do pulso refletido de volta ao sensor, onde
transformado em digital e armazenado.

O produto gerado a partir do processamento dos dados coletados por um sistema ALS
, basicamente, grades ou malhas regulares de pontos 3D georreferenciadas (E,N,H). O
processamento totalmente automtico, mesmo quando as etapas de classificao, filtragem e
interpolao no so realizadas pelo programas fornecidos pelos fabricantes de tais sistemas.
Em geral o produto uma imagem resultante de uma grade regular de pontos. Estas grades
so resultantes da interpolao o que nada mais que um mtodo de gerao de superfcie,
que pode ser classificada em:

Modelo Digital de Elevao: grade que exclui a vegetao e as feies artificiais (Ex:
prdios, postes etc.), um modelo similar aquele gerado a partir de curvas de nvel;
Modelo Digital de Superfcie: estes incorporam os valores da altitude para todas as
feies que se encontram acima da superfcie do terreno, tais como arvores, prdios,
torres, etc.


42
Para direcionar os pulsos, um sistema de varredura (scanner) necessrio. O sistema
de varredura pode ser uni ou bidirecional. Eles podem ser do tipo ptico-mecnico, mais
utilizado, como o espelho oscilante, a varredura Palmer e o polgono de rotao.
Para o clculo da posio do feixe incidente na superfcie do terreno so necessrias
duas unidades de apoio que so encarregadas da determinao da atitude e posio do sensor
na hora da emisso do feixe. A posio determinada mediante um sistema de GPS
diferencial (DGPS), encarregado de calcular a posio da plataforma no espao.
O feixe associado a um pulso Laser disparado desde um avio sofre uma pequena
divergncia. Por este motivo, a rea associada ao feixe depende da altura do vo. O tamanho
dos objetos, em relao projeo do feixe (footprint), bem como o material que compe a
superfcie, determinam a intensidade do pulso que retorna ao sensor. Assim sendo, o feixe
pode no atingir um nico objeto e pode ser refletido por diferentes pontos localizados a
diferentes distncias do sensor, como mostrado na Figura 18. Sendo assim, o ponto mais
prximo ocasionar um pulso que retorna mais rapidamente e o ponto mais distante um
retorno mais demorado. Esta caracterstica ganha relevncia quando se leva em considerao
a diferena de penetrao que pode existir em um nico pulso, pois permite a distino de
elevaes. Alguns sistemas laser possuem como caracterstica a medio de diferentes
retornos do sinal emitido, refletido por diferentes objetos dentro da projeo do feixe no
terreno (footprint). possvel medir o primeiro e o ltimo retorno do pulso (first/last pulse),
ou at pode-se medir toda a variao do retorno, se for necessrio. Na figura 19 mostrado
um exemplo de duas grades altimtricas de uma mesma regio, associadas ao primeiro e
ltimo pulso. Pode-se verificar visualmente que alguns feixes conseguem atravessar a copa
das rvores, atingindo o terreno.


43

Figura 18 Demonstrao do primeiro e ltimo pulso (adaptado www.toposys.com, 2005)

Figura 19 Diferentes retornos do pulso Laser. (a) Primeiro retorno. (b) Segundo retorno.

(a) (b)

Os resultados encontrados at o momento levam a uma acurcia horizontal de 0,5 a 1 m e
uma acurcia vertical pode chegar at 0,15 m, estes valores so obtidos para uma altura de
vo de 1.000 m. Isto faz que os dados altimtricos extrados do perfilamento a Laser sejam
adequados ao mapeamento em grandes escalas, podendo por vezes substituir a restituio
altimtrica.

5- PRINCIPIOS DE PROCESSAMENTO DIGITAL DE IMAGEM NO CONTEXTO
SIG

5.1- Generalidades

As imagens digitais tais como Landsat, Spot, Ikonos, Quickbird e Radar so uma
importante fonte de informao hoje disponvel, em algumas partes do planeta a nica. Em


44
algumas situaes a fonte mais barata de informao de dados geoambientais. Com
aquisio de imagens de alta resoluo prxima a 1 metro houve uma ampliao dos
aplicativos de Sensoriamento Remoto rea do planejamento urbano.

A classificao de dados digitais pode gerar, atualizar e complementar um banco de
dados geogrficos. A associao de dados vetoriais e matriciais, hoje viabilizada nos
principais softwares de sensoriamento remoto (Erdas, Emapper, Spring, PCI, Envi, Idrisi
dentre outros), permitem atravs de rotinas de lgebra matricial e anlise estatstica extrair
informaes acuradas dos objetos imageados.
Na atualidade, os usos das tcnicas de sensoriamento remotos j se tornaram
imprescindvel para anlise de alteraes ambientais e onde a tecnologia de Sistemas de
Informaes Geogrficas tem um papel fundamental. A tendncia que as imagens de
satlite passem a minimizar a grande lacuna para a implementao do SIG: a aquisio de
dado. Com custo decrescente e disponibilidade crescente, o sensoriamento remoto ser a
maior e mais barata fonte de dados para os sistemas de informao.

5.2- Noes de Processamento

O objetivo do uso do processamento digital de imagens, consiste em melhorar o
aspecto visual de certas feies estruturais para o analista humano e fornecer outros subsdios
para a sua interpretao, inclusive gerando produtos que possam ser posteriormente
submetidos a outros processamentos. rea de processamento digital de imagens tem atrado
grande interesse nas ltimas duas dcadas. A evoluo da tecnologia de computao digital,
bem como o desenvolvimento de novos algoritmos para lidar com sinais bidimensionais est
permitindo uma gama de aplicaes cada vez maior.
Como resultado dessa evoluo, a tecnologia de processamento digital de imagens
vem ampliando seus domnios, que incluem as mais diversas reas, como por exemplo:
anlise de recursos naturais e meteorologia por meio de imagens de satlites; transmisso
digital de sinais de televiso ou facsmile; anlise de imagens biomdicas, incluindo a
contagem automtica de clulas e exame de cromossomos; anlise de imagens metalogrficas
e de fibras vegetais; obteno de imagens mdicas por ultrassom, radiao nuclear ou tcnicas
de tomografia computadorizada; aplicaes em automao industrial envolvendo o uso de
sensores visuais em robs, etc.
GONZALEZ & WOODS (2000) descrevem o objetivo do processamento digital de
imagem como sendo um conjunto de procedimentos que melhoram a informao pictorial
para interpretao do olho humano, bem como, para o reconhecimento do dado imageado
pelo computador. O processamento de imagens orbitais envolve procedimentos que so
expressos em forma de algortmica de aplicao especfica. A concepo de programas
computacionais para eliminao de rudos, melhora da nitidez da imagem e segmentao ir
depender do tipo e sensor que gerou a imagem (ex. radar, multiespectral).

5.3- Etapas do Processamento

Para o usurio de SIG, as imagens so teis na gerao e atualizao da base
cartografia. O processamento deve de certa forma permitir a extrao de informao da
imagem. As imagens de sensoriamento remoto so, em geral, multibandas ou de natureza


45
multiespectral, que em sua forma natural, muitas vezes so de difcil interpretao. O
esquema da figura 20 mostra os passos do processamento digital (PDI) onde a imagem
submetida uma anlise dirigida denominada pr-processamento. Este permite obter
composies coloridas (pseudocores) por meio de combinao de bandas, salientar
determinadas feies atravs do aumento de contraste e eliminao de rudos (filtragem). A
segmentao que divide uma imagem de entrada em partes ou objetos constituintes o que
facilita a obteno de regies homogneas na imagem. O processo de descrio, tambm
chamado seleo de caractersticas, procura extrair caracteristicas que resultem em alguma
informao quantitativa de interesse ou que sejam bsicas para discriminao entre classes de
objetos (em se tratando de reconhecimento de caracteres, descritores tais como vegetao,
solo, etc) . O ltimo estgio envolve reconhecimento e interpretao. reconhecimento o
processo que atribui um rtulo a um objeto, baseado na informao fornecida pelo seu
descritor. A interpretao envolve a atribuio de significado a um conjunto de objetos
reconhecidos.

Figura 20: Etapas do Processamento Digital PDI

5.4- Processamento

De acordo com o exposto no item acima ser abordado alguns prticas de processamento com
vistas a extrair informaes da imagem para formar a base de dados de um SIG. As
procedimentos mais conuns so:
a)- Realce de imagem;
b)- Correo geomtrica;
c)- Segmentao;
d)- Classificao.

5.4.1- Realce

Uma imagem de sensoriamento remoto deve num primeiro momento ser avaliada
atravs do seu histograma. O usurio deve perceber as variaes tonais e a relacionadas com


46
os dados estatsticos da imagem. O histograma de uma imagem fornece informao til para
fazer realce e anlise da imagem. O histograma de uma imagem revela a distribuio dos
nveis de cinza da imagem. representado por um grfico que d o nmero de pixels na
imagem para cada nvel de cinza.
Definio: Seja uma imagem digital g de M linhas e N colunas. O histograma da imagem
g, Hg, pode, analiticamente, ser definido por :

onde nk o nmero de vezes que o nvel de cinza K aparece na imagem.
O histograma permite obter informao sobre quantos pixels na imagem possuem
determinado valor de cinza (que numa imagem de 8 bits varia de 0, preto, a 255, branco). Os
dados discretos, representados nos histogramas de freqncias, so de fundamental
importncia no que concerne manipulao de contraste e realce de uma imagem
(RICHARDS, 1997). Anlise do histograma fornece informaes a respeito de brilho e
contraste da imagem. Toda a imagem possui um histograma, que permite para cada banda
distribuir no eixo horizontal os valores de tons de cinza e no eixo vertical o nmero de pixels
para cada um desses valores.
A manipulao do histograma permite contrastar, melhorar a sua qualidade visual
sob critrios subjetivos ao olho humano. Esse processo no aumenta a quantidade de
informao contida na imagem, mas torna mais fcil a sua percepo. normalmente
utilizada como uma etapa de pr-processamento. Tipicamente, os sensores so capazes de
discretizar os valores recebidos da cena em um intervalo mximo que vai de 0 at 255 (8 bits
= 256 possveis valores). Devido m iluminao, defeitos do sensor ou mesmo s
caractersticas da cena, o intervalo de valores de intensidade ocupados pelos pixels presentes
em uma imagem, pode ser muito menor que esse intervalo mximo. Diz-se ento que a
imagem possui baixo contraste, o que torna difcil a sua visualizao ou interpretao por um
intrprete humano ou um sistema de processamento digital, figura 21.


47

Figura 21: Aumento de contraste baseado na manipulao do histograma
Imagem: efeito Histograma

O brilho e contraste da imagem podem ser modificados alterando os nveis de cinza. Uma
imagem pode se tornar adicionando um valor constante ao nvel de cinza. Um dos mtodos
mais comuns o aumento linear de contraste onde:
g(x)= f(x). a + b ; seja
g(x)= novos valores
f(x)= distribuio original
b= constante
Se a>1 o contraste aumentado e a<1 o contraste reduzido, figura 22
Figura 22: Manipulao linear do contraste (equao da reta)
0 255
DN
N
0 255
DN


48

Quando muitos valores de intensidade na imagem original so mapeados para o valor mnimo
ou mximo na imagem original diz-se que, ocorreu uma saturao (overflow) e uma perda de
informao, pois os pixels que originalmente podiam ser diferenciados na imagem original
agora possuem o mesmo valor de intensidade. No entanto isto pode ser um efeito desejado,
por exemplo, quando as regies escuras da imagem com pequenas variaes radiomtricas
correspondem a reas com o mesmo tipo de cobertura as quais no se deseja diferenciar.
Um procedimento de modificao de contraste til o mapeamento linear por partes
ou pontos de quebra com a funo de mapeamento caracterizada por um conjunto de pontos
de quebra, que pode ser escolhido pelo usurio, figura 23. Funes de mapeamento no-
lineares podem ser usadas para realar detalhes especficos na imagem.
Figura 23: Pontos de quebra

Uma funo linear tambm utilizada a funo negativa. Ela realiza o mapeamento inverso
dos nveis de cinza, revertendo a ordem do preto para o branco, de tal forma que pixels com
intensidade clara sero mapeados para escuro e vice-versa. A escolha do mapeamento direto
adequado , em geral, essencialmente emprica, mas existe uma classe de mtodos nos quais o
mapeamento tem por finalidade produzir uma imagem cujo histograma tenha um formato
desejado.

5.4.2- Filtragem

O grande nmero de diferentes freqncias de uma imagem dificulta muitas vezes a
interpretao das feies. Para minimizar este problema, utilizam-se tcnicas de filtragem
espacial da freqncia. As operaes matemticas efetuadas na imagem com a finalidade de
realar padres, so realizadas por dois processos distintos: um que opera no domnio espacial
da imagem, convoluo cbica (janelas m x n), e outro que opera no domnio da freqncia
baseado nas transformadas de Fourrier.
g
a>1 e b0
Aumento de
Contraste

f
g
a<1 e b=0
Diminuio de
Contraste

f
g
Pontos de quebra

f


49
O termo domnio espacial refere-se ao agregado de pixels que compem uma imagem, e o
mtodos no domnio espacial so procedimentos que operam diretamente sobre estes pixels.
Funes de processamento em f (x,y) uma imagem de entrada e g (x,y) uma imagem de
sada, e T um operador sobre f , definido sobre uma vizinhana de (x, y).

Os filtros so geralmente utilizados a fim de realar algumas feies da imagem atravs da
alterao das freqncias espaciais. O processo de convoluo ou filtragem espacial da
imagem consiste na alterao do valor de determinados conjuntos de pixels ao longo da
imagem. Uma matriz (m x n) utilizada para modificar os valores dos pixels levando-se em
conta os valores dos pixels vizinhos.

Em geral, a matriz (m x m) passada por toda a imagem alterando o valor dos pixels. Na
Figura 24 observa-se uma matriz (janela) 3 x 3 aplicada para um pixel na terceira coluna e
terceira linha, centro da convoluo.

Figura 24- Convoluo ou filtragem matriz 3 x 3 (Fonte: Erdas Field, 2002)

Figura 25- Exemplo de filtragem
Dado Filtro (kernel)

Janela 3x3
Movimento da janela
Imagem
Entrada: 9 valores dos pilxels da imagem
Sada : valor do pixel central baseado nos pesos da janela.


50
De acordo com o esquema da figura 25, para computar novo valor deste pixel, cada valor do
filtro multiplicado pelo valor do pixel correspondente no filtro. O somatrio do produto
dividido pelo total da soma dos valores do filtro, tal como se segue:

V=((-1 x 8) + (-1 x 6) + (-1 x 6) + (-1 x 2) + (16 x 8) + (-1 x 6) + (-1 x 2) + (-1 x 2) +
(-1 x 8) / (-1 + -1 + -1 + -1 + 16 + -1 + -1 + -1 + -1) = (88/8) = 11;

generalizando,

Os valores da nova imagem filtrados sero dados pela frmula:

(
(
(
(
(
|
|
.
|
\
|
=

= =
F
fijdij
V
q
i
q
j 1 1

onde:
f ij = coeficiente referente ao filtro (m x n) na posio i,j ;
d ij = coeficiente referente ao valor do pixel correspondente fij;
q = dimenso da matriz, no exemplo 3 x 3;
F = soma dos coeficientes do filtro;
V = novo valor do pixel.

Este filtro um exemplo de um filtro de alta freqncia, onde os valores mais baixos tornam-
se ainda mais baixos e valores mais altos tornam-se ainda maiores, aumentando a freqncia
espacial da imagem.
Vale a pena lembrar que as bordas da imagem original no podem ser calculadas por no
existir vizinhana. Em geral as bordas da imagem filtrada (linhas e colunas) possuem os
valores iguais o da imagem. Em outras palavras so se pode filtrar as linhas e colunas
limtrofes de uma imagem.

3.4.1- Tipos de Convoluo

Os filtros de baixa freqncia, ditos de passa baixa ou suavizao, eliminam as altas
freqncias da imagem deixando passar somente as baixas freqncias, suavizando assim a
imagem. A matriz abaixo exemplifica um filtro de baixa freqncia que de acordo com a
frmula de convoluo vista acima. A nova imagem ter pixels mais homogneos, uma vez
que, os novos valores seriam uma mdia dos pixels vizinhos, resultando numa imagem mais
suavizada:

Os filtros de alta freqncia ou passa alta eliminam as feies de baixa freqncia, deixando
apenas as de alta freqncia. Os filtros de alta freqncia servem para realar bordas ( limites
entre padres na imagem). Os filtros de alta freqncia servem com filtros de realce de bordas
uma vez que estes salientam limites bordas entre grupos de pixels com DNs prximos. Os
valores das matrizes abaixo, mostram um filtro de alta freqncia aplicado numa janela 3 x 3.


51
De acordo com os valores dos pixels vizinhos valores baixos ficam ainda mais baixos (ex:
100 para 009) e o valores altos mais altos (ex:125 para 187).
Existe um grande nmero de filtros que podem ser elaborados pelo prprio usurio a fim de
facilitar a interpretao da mesma. As janelas ou matrizes podem variar de dimenso, as mais
usuais so: (3 x 3), (5 x 5) e ( 7 x 7).
Os filtros de passa alta e baixa so filtro lineares pouco aplicveis em imagens
temticas e segmentadas. A aplicao das tcnicas de convoluo so por meio de filtros no
lineares de mediana, moda em imagens temticas destina-se, geralmente, na eliminao de
rudos, generalizao de classes e anlise espacial. No filtro de moda , a freqncia relativa
dos valores dos pixels na vizinhana calculada para depois escolher o pixel mais freqente, a
moda, que utilizado para substituir ao valor do pixel central referente a mscara ou janela.

Figura 26- Exemplos de filtros passa alta e passa baixa

Imagem Original

Landsat Pan

Imagem Filtrada

Passa Alta

Efeito:

Deteco de Bordas

Janela 3x3

-1 - 1 - 1
-1 17 -1
-1 - 1 -1

Imagem Filtrada

Passa Baixa

Efeito:

Suavizao
Janela 3x3

1 1 1
1 1 1
1 1 1


52

5.4.3- Composio Colorida

Imagens multiespectrais so aquelas que possuem diversas bandas que podem ser
combinadas entre si de maneira a melhorar a interpretao da imagem. Como foi citadas
anteriormente as caractersticas de refletncia dos objetos podem ser representados por tons
de cinza ou dn. O sistema de cores geralmente utilizado o RGB (vermelhor, verde, azul)
baseado nas cores primarias. Logo se pode visualizar neste sistema de cores somente trs
bandas de cada vez. A cor pura representada pelo valor Maximo de bits como na tabela 7
abaixo:

Tabela 7 Cores sistema RGB, coordenadas para 8 bits
COR R- vermelho G- verde B- azul
Vermelho 255 0 0
Verde 0 255 0
Azul 0 0 255

As diferentes cores so formadas misturando os valores dos tons de cinza de trs bandas
multiespectrais. Supondo que se deseje fazer uma composio colorida ou falsa cor de uma
imagem Landsat, escolheriam-se trs bandas, e para cada uma delas se associaria uma cor
primaria do sistema RGB.
Supondo uma composio 4, 3, 2, pode-se dizer que os tons de cinza da banda quatro esta em
tons de vermelho, os tons da banda 3 estao em tons de verde e a banda 2 em tons de azul. As
sobreposies destes tons artificiais daro a composio colorida denominada falsa cor, como
pode ser observado na Figura 27.

Figura 27- Composio colorida de uma imagem Landsat 7 do municpio de Paranagu-Pr
Composio: R= banda 4; G= banda 3, B= banda 2.

Observa-se solo exposto em tons de cor de rosa, vegetao em tons de verde, alterando a
disposio das bandas os objetos do terreno teriam diferentes cores. As composies coloridas
principalmente quando se misturam as bandas do infravermelho pode ser bastante til para a
descriminao de diferentes objetos que dificilmente seriam inidentificveis quando
observadas as bandas individualmente (preto e branco).


53
5.4.4- Correo Geomtrica

5.4.4.1- Conceito

As imagens de sensoriamento remoto, por abrangerem uma grande rea da superfcie
terrestre, apresentam distores devido curvatura da terra e do sensor. O registro de uma
imagem compreende uma transformao geomtrica que relaciona coordenadas de imagem
(linha, coluna) com coordenadas de um sistema de referncia, em geral UTM ou coordenadas
geodsicas. O registro estabelece uma relao entre coordenadas de imagem e coordenadas
geodsicas. A este processo ainda denomina geocodificao e georreferenciamento.
importante, contudo, fazer uma distino clara entre registro e correo geomtrica. O
processo de correo geomtrica de imagens elimina as distores geomtricas sistemticas
introduzidas na etapa de formao das imagens, enquanto o registro apenas usa
transformaes geomtricas simples (usualmente transformaes polinomiais de 1
o
. e 2
o
.
graus) para estabelecer um mapeamento entre coordenadas de imagem e coordenadas
geodsicas.
O georreferenciamento ou registro uma operao necessria para se fazer a
integrao de uma imagem base de dados existente num SIG. A sobreposio de informao
de dados matriciais e vetoriais s possvel se estiverem num mesmo sistema de
coordenadas.Alem disso, o georreferenciamento tambm importante para se combinar
imagens de sensores diferentes sobre uma mesma rea ou para se realizar estudos multi-
temporais, caso em que se usam imagens tomadas em pocas distintas.
A imagem captada pelo satlite aps a correo geomtrica , passa a ter um sistema
de coordenadas. As deformaes da imagem podem ser reduzidas atravs de transformaes,
entre o sistema matricial (n x m) da imagem e o sistema referencia cartogrfica. A correo
geomtrica permite corrigir a imagem geral estas distores so minimizadas por meio de um
estabelecimento matemtico que relaciona o endereo dos pontos na imagem com os
respectivos pontos no terreno. Alguns autores denominam o processo de correo geomtrica
quando esta permite corrigir as distores do relevo de ortorretificao.

Figura 28 - Transformao de diferente sistema de coordenadas


54

5.4.4.2- Distores da Imagem

O objetivo primordial das transformaes para a retificao de uma imagem gerar uma
nova imagem vertical sem as distores introduzidas pela atitude do sensor durante a tomada
da imagem. A imagem resultante poder, inclusive, est isenta dos erros de deslocamento
devido ao relevo. As distores geomtricas verificadas so :

Distores inerentes plataforma: Efemrides (posio e velocidade) e atitude;

Distores inerentes ao instrumento;

Distores inerentes ao modelo da Terra: Rotao,esfericidade e relevo.

Em geral em imagens de alta resoluo alguns erros oriundos a variao da altitude da
plataforma poder acarretar uma alterao de escala na direo da plataforma. A figura 29
ilustra de forma conjunta as distores devido as variaes de altitude e velocidade da
plataforma(Figura 29).


55

Figura 29 : Distores devido s variaes de altitude e velocidade da plataforma.

As transformaes matemticas empregadas para corrigir as deformaes geomtricas
podem ser agrupadas em modelos matemticos de sensores fsicos rigorosos e modelo
generalizado.Os modelos generalizados independem da plataforma, ex: Transformao afim
no Plano e Polinomial; Transformao Linear Direta (DLT).
J os modelos matemticos fsicos ou rigorosos dependem dos parmetros da
plataforma (efemrides , altitude, ngulo de inclinao; freqncia de varredura; orientao
entre os sistema de referencia do instrumento e do sensor de altitude). As vantagens deste
modelo so :
Eliminar as distores geomtricas globalmente;
Permitir a representao da imagem corrigida em qualquer sistema de projeo
cartogrfica;
Permite o refinamento dos dados de altitude ou dos dados de efemrides a partir de
alguns pontos de controle;
As desvantagens porem sao :
Complexidade
Dificuldade em se obter os parmetros orbitais
Altitude
Velocidade
Rotao
Ondulao


56

Figura 30- Distores de imageamento, ortoretificao

.

5.4.4.2- Modelos Matemticos

Seja u= f (E,N) e v=g(E,N); onde E, N so coordenadas no ponto no terreno (UTM)
e u, v o local desses pontos na imagem. Geralmente, essas funes so desconhecidas, logo se
utilizam polinmios para impor este relacionamento. As funes so relacionadas atravs de
pontos de controle que estabelece a relao terreno e imagem. Existe influencia do nmero
de pontos de controle na estimao dos parmetros de transformao e na eficincia do
modelo matemtico. Com a introduo das imagens de alta resoluo faz-se necessrio
reviso das tcnicas de correo geomtrica. Os modelos matemticos polinomiais 2D (ex:.
transformao afim ) amplamente utilizados em imagens tipo Landsat 7, Spot 4 e Cbers,
possuem eficincia reduzida quando aplicados em imagem tipo Ikonos ou Quickbird, neste
caso vem-se testando modelos matemticos 3D, ou ainda, modelos de ortorretifio
aplicados na fotogrametria.

A- Transformao afim

Para transformar um sistema de coordenadas em outro sistema devem-se conhecer os
parmetros de transformao denominada afim (rotao, translao, escala). Estes parmetros
podem ser determinados por meio de pontos de controle (ground control points, CGP), ou
seja, pontos que sejam reconhecveis e conhecidos em ambos sistemas, de maneira a formar
um sistema de equaes.


57

X
o
= a
1
xi + a
2
yi + T
x
Y
o
= a
3
xi + a
4
yi + T
y

onde: Xo, Yo: coordenadas a serem retificadas;
xi, yi : Coordenadas originais
a
1
a
2
T
x
a
3
a
4
T
y ;
parmetros de transformao.

Na verdade, com o mnimo de trs pontos de controle este sistema teria soluo (6
equaes a 6 incgnitas), porm quanto maior o nmero de pontos de controle mais acurado
ser a determinao dos parmetros de transformao. Com vrios pontos de controle, tem-se
um sistema superabundante de equaes, o que permite avaliar o erro da transformao e
rejeitar os pontos de controle que acumulam maior erro. Este modelo bastante utilizado em
imagens tipo Landsat, Spot 4, Cbers, onde a distoro causada pelo relevo possui uma
relevncia secundria.

Determinao da Acurcia da Transformao

Uma vez que se possui vrios pontos de controle pode-se verificar quais dos pontos
se ajustam melhor transformao. O erro total cometido na transformao dado pelo erro
quadrtico mdio EQM ou RMS, determinado pela frmula:

EQM=
2 2
) ( ) (
m t m t
y y x x +

onde: x
t
, y
t,
so as coordenadas transformadas e x
m
,y
m
so os pontos de controle(GCP), onde :

E
x
= x
t
-x
m
e E
y
=y
t
-y
m
, os resduos.

O erro quadrtico mdio pode ser expresso pela diferena em distncia entre os pontos de
controle e os transformados a partir destes (Figura 31)

Figura 31 -Erro (RMS)

Ec
Coordenada transformada
Coordenada do ponto de controle
Ex
Ey


58
Da mesma maneira, pode-se determinar os erros individuais para cada ponto de
forma que a erro ser dado por:

E
c
= Ex Ey
n
i
n
2
1 1
2
1 = =

+ , onde EQM
i
erro por pontos, n nmero de pontos GCP, E
x
2
e E
y
2
, so
os resduos para as coordenadas x e y (Figura 32).

Figura 32 - (A) pontos de controle distribudos na imagem

Erro tolervel depende da resoluo da imagem e da escala do mapeamento. Uma
transformao com um RMS de 1 pixel significa para uma imagem Ikonos cuja resoluo 1
x 1 metro, o erro de um raio de um metro. Alguns autores aceitam para o Ikonos um erro de
at um pixel. Por esta razo, nem sempre o mapas servem para retificar imagens uma vez que
estes podem acumular um erro posicional superior resoluo da imagem. No entanto, muitos
destes mapas podem ser teis quando a escala que se pretende trabalhar na imagem menor
que a do mapa topogrfico (Ex.: um mapa na escala 1:50.000 pode ser utilizado na retificao
se a escala da imagem for inferior 1:100.000).
Para se obter um erro mnimo na transformao deve-se levar em conta:

A preciso dos pontos de controle deve ser melhor que a resoluo do pixel;
O erro total da transformao dever ser compatvel com a acurcia esperada para escala
da imagem;
A localizao dos pontos de controle deve ser em nvel de pixel na imagem;
As curvas de nvel e/ou altitudes devem ser precisas oriundas de mapas em escala 1:5.000,
ou maior (ver item 4.1).

Imagem de Alta Resoluo

Uma outro conceito vindo da fotogrametria a ortoretifio que significa
transformar as imagens ou fotografias,adquiridas em perspectiva central para a projeo
ortogonal, ou corrigindo os erros advindos do relevo. No que se refere as imagens de alta
resoluo, a transformao geomtrica deve levar em conta a variao do relevo. Com a


59
disponibilidade de imagens de alta resoluo espacial, o modelo de polinmios racionais (ou
razes polinomiais) est sendo amplamente utilizado para a correo geomtrica. TAO &HU
(2001) consideram que os polinmios racionais so essencialmente uma forma genrica de
polinmios, e apresentam a descrio das solues direta e iterativa dos polinmios racionais
pelo MMQ. A resoluo dos polinmios racionais utilizados nos testes descritos a seguir foi
efetuada pela soluo direta, sendo consideradas como observaes (ou medies) apenas as
coordenadas de imagem; assim, o mtodo adotado para o ajustamento pelo MMQ foi
oparamtrico (como na transformao afim). O modelo de polinmios racionais utilizado
para modelar a superfcie topogrfica (representada pelo modelo digital de elevao) na
correo geomtrica de imagens de alta resoluo espacial. O modelo poder ser extrado
atravs das curvas de nvel ou mais modernamente por laser scanning.

A equao geral para os polinmios racionais :

Ln= P1(XN,YN,ZN)/ P2(XN,YN,ZN) (1)
Cn= P3(XN,YN,ZN)/ P4(XN,YN,ZN)

Onde:
Ln e Cn so, respectivamente, as coordenadas de imagem linha e coluna normalizados
correspondentes a um ponto objeto cujas coordenadas normalizadas so Xn, Yn, e Zn.
Para o caso de 3 grau, os polinmios so expressos como:
P1 = (1 Z Y X . . . Y3 X3 )* (a0 a1 . . . a19)T
P2 = (1 Z Y X . . . Y3 X3 )* (1 b1 . . . b19)T (2)
P3 = (1 Z Y X . . . Y3 X3 )* (c0 c1 . . . c19)T
P4 = (1 Z Y X . . . Y3 X3 )* (1 d1 . . . d19)T
Os termos ai e bi so os parmetros a serem determinados por meio dos pontos de controle.
Um outro modelo que pode ser utilizado o modelo APM , conhecido como equao
de projeo paralela que projeta o espao 3D no plano 2D. Modelo o que se segue:

Onde:
x, y, z : coordenadas do espao imagem;
X,Y,Z: coordenadas no terreno
a
1 ...
a
12:
: parmetros de transformao
Para o modelo Afim 3D se deve obter as coordendas Z, por meio do modelo digital
do terreno, Figura 33. O resultado da transformao uma ortoimagem que no possui
distores devido ao relevo. A ortoimagem por si s no substituta para a carta, deve ser
apenas uma ferramenta para a produo ou atualizao cartogrfica e integrao com o
geoprocessamento. A pesquisa de modelos matemticos, mtodos e tcnicas para a gerao de
ortoimagens ainda um tema em discusso pela comunidade de S. Remoto.

Figura 33- Gerao de uma ortoimagem
x
y
z
=
a
1
a
2
a
3

a
5
a
6
a
7

a
9
a
10
a
11

X
Y
Z
+
a
4

a
8

a
12


60

6- CLASSIFICAO

6.1- Interpretao de imagem

Um dos objetivos principais do sensoriamento remoto a extrao de
feies das imagens brutas por meio do processo de Classificao ou Categorizao dos
Pixels, por meio de amostragem estatstica. Define-se como classificao das imagens de
sensoriamento remoto, a associao a cada pixel uma informao qualitativa (atributo). Os
valores de cada nvel de cinza (DN) para cada pixel pode ser associado reflectncia dos
materiais que o compem no terreno. Desta forma, cada pixel ou um conjunto de pixels, estar
associado a uma classe ou tema.
A fotointerpretao ou interpretao da imagem o primeiro passo para se
classificar uma imagem, pois o correto reconhecimento dos objetos da imagem fundamental
para a aplicao de algoritmos de classificao digital. A interpretao visual da imagem faz
uso de elementos de reconhecimento, os quais servem de fatores-guia no processo de
reconhecimento e identificao dos alvos na superfcie terrestre atravs de uma fotografia
area ou imagem de satlite. Estes elementos bsicos de leitura de uma fotografia ou imagem
so os seguintes:
Tonalidade e cor;
Forma e tamanho;


61
Padro;
Textura;
Associao
Sombra.

6.1.1- Tonalidade e cor
A tonalidade refere-se a intensidade de energia eletromagntica refletida por um tipo de
alvo na superfcie terrestre, em uma determinada banda do espectro eletromagntico,
em outras palavras, a tonalidade est estreitamente relacionada com o comportamento
espectral das diferentes coberturas da superfcie terrestre. Em fotografias areas a cor est
associada ao tipo de filme (preto e branco, colorido normal, infravermelho preto e branco e
infravermelho colorido). Em uma imagem de satlite, devido reflexo seletiva dos alvos
existentes na superfcie terrestre, nas distintas bandas do espectro eletromagntico,
analisamos os tons de cinza nas bandas individualmente ou as cores atravs das composies
coloridas. O olho humano mais sensvel a cores que a tons de cinza. Desta forma
associamos cores aos tons de cinza (Figura 34).
Figura 34- Exemplo de Tonalidade e cor- imagem LANDSAT /TM do encontro das guas dos
rios Solimes (azul claro) e Negro (preto) formando o rio Amazonas

6.1.2- Forma
A forma definida atravs da geometria dos objetos e o tamanho diretamente
proporcional escala. A forma um elemento importante, pois facilita o reconhecimento
de alguns alvos na superfcie terrestre, tais como: estradas e linhas frreas (que apresentam


62
formato longitudinal), cultivos (que tem formas regulares e bem definidas pois as culturas so
plantadas em linha ou em curva de nvel), reflorestamentos (que tem formas regulares)
(Figura 35), reas irrigadas por piv central (que apresentam formas arredondadas)
reservatrios, complexos industriais, aeroportos, estruturas geolgicas e geomorfolgias,
cidades (que apresentam formas reticulares devido aos cruzamentos de suas avenidas e ruas)
(Figura 3), rios (que apresentam forma sinuosa) etc. Paralelamente a forma deve-se
tambm levar em considerao o tamanho dos alvos, pois algumas vezes alvos diferentes
apresentam formas semelhantes, mas tamanhos diferentes, o que auxilia na sua caracterizao.
Por exemplo, as reas de horticultura tm forma semelhante s reas de plantio de cana-de-
acar, porm elas tm tamanhos diferentes. O mesmo acontece com rios, os rios principais e
os tributrios tm a mesma forma sinuosa, mas tamanhos diferentes (LINGNAU, 2003).
Figura 35- Imagem IKONOS de rea agrcola com padro quadriculado bem definido.
(Fonte: http://www.engesat.com.br).

6.1.3- Padro
Este elemento bastante utilizado em fotografias areas e em imagens de alta resoluo.
O padro definido a partir da unio e extenso das formas que podem se repetir
regularmente com variaes tonais na imagem. O padro pode ser representado por obras
feitas pelo homem ou feies naturais, p. ex. padres de drenagem, padro das plantaes, de
construes, de mineraes, etc. Em estudos de bacias de drenagem o padro de drenagem
um elemento importante, pois ele est associado ao tipo de solo, rocha e estrutura geolgica
na rea que est sendo estudada. O Padro tambm nos permite identificar alguns tipos de
coberturas artificiais tais como plantaes, reas de reflorestamento, reas urbanas, distritos
industriais, rea urbana (Figura 36) e algumas reas de lazer, etc


63
Figura 36: Padro linear, tpico em reas de plantios agrcolas ou florestais.

6.1.4- Textura

A textura pode ser definida como a variao de tonalidade criada em funo do
conjunto de objetos demasiadamente pequenos para ser percebidos individualmente. A textura
poderia tambm ser defina como a repetio tonal de alguns grupos de objetos no
identificveis individualmente. A textura o produto da forma, tamanho, sombra e tom de
cada objeto. A textura oferece a impresso visual de rugosidade ou lisura de determinada
superfcie. Em geral a textura uma ferramenta valiosa na interpretao de padres florestais
e formas de relevo em imagens orbitais de alta resoluo e fotografias areas. A textura varia
sempre com a escala.

Figura 37- Comparao entre a imagem LANDSAT e IKONOS de uma parte da Bacia
Paracat na escala 1:25.000.

6.1.5- Associao (ou convergncia de evidncias)
Elementos ou objetos que esto comumente associados, nos quais um tende a ocorrer
em funo do outro. Por exemplo, a ocorrncia de mangue se d por uma conjuntura de
fatores de influncia fluvio-marinha.

6.1.6- Sombra
outro elemento importante na interpretao de imagens de satlite,mas na maioria das
vezes dificulta a interpretao das imagens, porque esconde a informao onde ela est
sendo projetada. De um modo geral o relevo sempre provoca uma sombra do lado oposto a


64
incidncia do sol, fazendo com que estas reas apresentem tonalidades escuras na imagem,
dificultando assim a caracterizao dos alvos na superfcie terrestre.

6.1.5- Chave da interpretao de imagem
Com base nestes elementos elabora-se ento uma chave de classificao, a qual serve de guia
ao fotointrprete para identificar rapidamente os alvos na fotografia ou na imagem. A chave
vem a ser descrio e ilustrao tpica dos alvos. Este tipo de interpretao visual pode ser
muito interessante quando no se quer ou no vivel realizar uma classificao digital da
imagem Este material tambm pode ser preparado um trabalho com finalidades de
interpretao preliminar em campo para posterior classificao automtica. As chaves de
interpretao no tm aplicabilidade ampla, ou seja, ela deve ser desenvolvida para uma
determinada regio e imagem.
A vantagem da utilizao de chaves que elas podem ser adaptadas para sensores de
diferentes satlites e permite que o fotointrprete iniciante organize as informaes na
fotografia ou imagem, de modo a melhorar a eficincia do mapeamento.
A tabela 8 mostra o exemplo da chave da fotointerpretao para uma composio colorida
para a Imagem IKONOS no municpio de Nova Esperana PR. Na imagem onde a
vegetao aparece em vermelho, a combinao de bandas foi feita da seguinte forma: a cor
azul foi associada banda 2 (visvel), a cor verde banda 3 (visvel) e a cor vermelha banda
4 (infra-vermelho prximo). Esta combinao chamada de falsa-cor, porque os alvos
aparecem na imagem em cores falsas, e no como so vistos na natureza. Este tipo de
combinao muito usado para identificao de diferentes tipos de matas ou diferenciar
reas de mata sadia das atacadas por enfermidades, ou para realar sedimentos em
suspenso na gua.


65

Tabela 08 Exemplo dos elementos de interpretao para a Imagem IKONOS, composio
B4, B3 e B2 em RGB. (Fonte: Adaptado, ANTUNES, 2003)

Descrio em Campo Imagem IKONOS Caracterstica no Campo

Cor
azul mesclado c/ rosa e
rosa
Textura spera
Padro Linear
reas de agricultura que podem ser
facilmente subdivididas em funo do
tipo de cultura e poca de plantio.

Cor azul escuro
Textura Lisa
reas pequenas e com solo exposto

Cor Azul escuro
Textura Marmorizada
rea mida ao redor do eixo do
crrego, a qual possui uma vegetao
tpica de banhado.

Cor vermelha
Textura grosseira
Vegetao arbrea que ocorre ao
longo do curso dgua.

Cor Azul
Textura Lisa
Lago artificial com baixo ndice de
sedimentao.


66

Cor Azul claro
Textura Fina
Solo exposto e arado pouco antes da
obteno da imagem.

Cor azul e rosa
Textura Fina
Padro Linear
Os diferentes tons indicam os
diferentes tipos de pasto.

6.2- Classificao Digital

O processo de se associar pixels a feies distintas pode ser realizado por diferentes
mtodos, denominados classificao supervisionada e no supervisionada.

A mtodo de classificao supervisionada consiste na classificao controlada pelo
usurio ou conhecedor da rea (analista) a ser classificada. Baseado na chave da
fotointerpretao o analista seleciona na imagem amostras (pixels) de feies conhecidas
previamente. Estas amostras devem representar o melhor possvel as feies a serem
classificadas. Este tipo de classificao indicado quando o analista tem facilidade de
reconhecer todos os padres da imagem e classes bem distintas entre si. O analista deve
primeiramente determinar as classes e posteriormente as assinaturas, ou seja, o conjunto de
dados estatsticos de cada amostra coletada na imagem. Atravs da anlise estatstica saber-
se- a qualidade da amostra.

A classificao a no supervisionada requer do usurio apenas alguns parmetros
tais como nmero de classes e interaes. O algoritmo permite agrupar pixels com
caractersticas espectrais similares. necessrio posteriormente associar classes aos
agrupamentos, procedimento este que feito de maneira totalmente automatizada. Este
processo tambm pode ser denominado de segmentao, que significa o agrupamento de
pixels dentro de determinados intervalos de variao. O mtodo mais utilizado o Self-
Organizing Data Analysis Technique ou Isodata (agrupamento). Este algoritmo permite
reunir pixels de maneira seqencial, atravs de uma mnima distncia espectral. Assim sendo,
cada pixel associado a determinado agrupamento ou cluster. O resultado da classificao
no supervisionada a segmentao da imagem dentro de intervalos pr-fixados de variao
espectral.

6.2.1- Classificao Supervisionada


67
O primeiro requisito para proceder classificao supervisionada o correto
reconhecimento e interpretao da imagem por parte do usurio. Uma vez que, as feies do
terreno so reconhecidas na imagem, inicia-se o processo de seleo das reas de
treinamento ou amostras. Vrios autores definem como reas de treinamento ou
amostragem de imagem um conjunto de pixels que representam determinada feio, classe ou
categoria. Estas iro compor um arquivo de assinaturas que servir de base classificao
(JANSEN, 1986; SABINS, 1987; RICHARDS, 1997; McCLOY, 1995 ).

As amostras so selecionadas interativamente na imagem atravs do agrupamento de pixels
que possuam uma variao espectral pequena. Na Figura 39 observa-se a amostragem de um
conjunto de pixels a serem associados classe de solo exposto.

Figura 39- Seleo de uma amostra, imagem Ikonos multiespectral.

As amostras devem representar o melhor possvel as classes a que esto associadas. A
estatstica da amostra fundamental para que se obtenha amostras mais homogneas
possveis, com pouca variao espectral entre os pixels. Os parmetros mais comuns de
avaliao estatstica so os seguintes:

Histograma da Amostra
Desvio padro, Varincia
Elipses

Observa-se na Figura 40 o histograma da amostra de reflorestamento da
figura 32, h um grande espalhamento dos valores dos DNs que variam de 51 243, porm a
maioria dos pixels encontra-se na faixa de 100 200. Supe-se que no centro do histograma
estejam os valores mais provveis da classe de solos expostos. Esta amostra possui um alto
desvio padro 15,7 o que leva a crer que a amostra homognea, se tratando de uma
imagem de alta resoluo. Entretanto, uma amostra pode ter diferentes desvios padres para
diferentes bandas. Dessa forma deve-se levar em considerao todas as bandas da imagem.
Amostra
Ex: Reflorestamento


68

Figura 40- Histograma da amostra reflorestamento para banda 3

Na avaliao das amostras numa imagem multi-banda, as elipses so ferramentas
teis. A partir das mdias e desvios padres do arquivo das amostras, pode-se construir numa
figura bidimensional onde no eixo vertical tem-se as variaes dos nveis de cinza para uma
banda e, no eixo horizontal, as mesmas variaes para uma outra banda. Geralmente, as
assinaturas possuem elipses que se sobrepem , representando classes de difcil distino
espectral (Figura 41). O seu efeito visual permite a melhor compreenso da distribuio
espectral dos dados amostrados em cada assinatura ou classe.
Observa-se na Figura 41: a) que as amostras das assinaturas 1 e 2 se sobrepem,
significando uma confuso entre estas duas classes; b) a separao entre as elipses mostra
uma boa amostram para as assinaturas 1 e 2 neste par de bandas. As elipses devem ser
analisadas par a par de bandas a fim de se determinar em quais faixas se pode selecionar as
melhores amostras.

Figura 41- Elipses (Fonte: adaptao Erdas fieldguide, 2003)

Para realizar uma seleo adequada de amostras na imagem, deve-se levar em
considerao os seguintes requisitos:
As amostras mais homogneas possveis - baixo desvio padro;
Amostras representativas das categorias a serem classificadas;
(a) (b)
n Pixels

70 125 Nvel de Cinza


69
Serem constitudas por no mnimo 15 pixels;
O histograma dever ter uma distribuio prxima de uma curva normal.

Aps a amostragem das diferentes feies do terreno pode-se proceder a classificao da
imagem por mtodos paramtricos que levam em conta a estatstica das amostras coletadas os
principais mtodos so : mnima distncia; mxima probabilidade. Existem ainda mtodos
no paramtricos como o baseado em Lgica Fuzzy.

6.2.1.1- Mnima distncia

A regra da mnima distncia, tambm denominada distncia espectral, determina a distncia
espectral entre a medida do vetor do pixel candidato e do vetor mdio para cada assinatura nas
diferentes bandas da imagem. O pixel candidato classificado na assinatura mais prxima
espectralmente. A equao de classificao basea-se na distncia Euclidiana (Figura 42).

Figura 42- Pixel candidato e a distancia espectral entre as classes

( )
SD X
xyc ci xyi
i
n
=
=

1
2

Onde: n = numero de bandas
i = uma banda em particular
c = uma classe em particular
X
xyi
= valor do pixel para uma banda i

ci
= mdia do valor na banda i para a classe c
SD
xyc
= distncia espectral do pixel x,y para a mdia da classes c

Por esta regra no existiro pixels sem classificao, no obstante, no se considera a
variabilidade da classe, ou seja, a varincia, uma vez que os pixels longe da mdia com uma
grade varincia poderiam pertencer a uma outra classe. O mtodo de Mahalonobis uma
regra de deciso, que associa a matriz covarincia da amostra mnima distncia, melhorando
a preciso da classificao. Entretanto, tende a superclassificar amostras que possuam amplos
valores de covarincia. Este mtodo bastante utilizado para se classificar imagens de media
resoluo com diferentes bandas espectrais( Ex:. Landsat; Cbers)

Pixel Candidato


70
6.2.1.2- Mxima probabilidade ou verossimilhana

Este mtodo estatstico baseado no teorema de Bayes o mais utilizado em
sensoriamento remoto para classificao digital de imagens multiespectrais de media
resoluo.
Seja
i
classes espectrais de imagem, o teorema de Bayes preconiza que a
probabilidade de pixel x pertencer a uma classe
i
dada por:

P (i| x)= P (x|i). P (
1
)/P (x),

onde:

P(i| x) = probabilidade a posteriori baseada em amostragem;
P(i) = probabilidade a priori ou evidncia baseada num conhecimento prvio.

A amostragem de determinada feio permite associar determinado pixel a determinada
classe. Logo um vetor de observao X poder pertencer a uma classe
1
ou

2
de acordo
com as probabilidades descritas pelas funes f
1
(x) e f
2
(x) da Figura 43

Figura 43: funes densidade de probabilidade para classes
1
e
2

f(x)

Assumindo que P(
i
) P(
j
) de diferentes probabilidades a priori, ento, as funes
descriminantes poderiam ser dadas pela seguinte expresso matemtica:

g
i
(X) = ln P (x|
i
).P (
1
) ; g
i
(X) = ln P(x|
i
) + lnP(
1
);
logo , X
1
se

g
i
(X) > g
j
(x) para todo ji.

Muitas vezes as probabilidades a priori so as mesmas, sendo assim, so desconsideradas no
clculo da probabilidade a posteriori:

g
i
(x)= -0.5{ln|C
i
| + d
i
2
(X)};
o termo -0.5ln|Ci| releva algo sobre o tamanho e forma da funo para classe

i
;
o termo d
i
2
(X) a distncia estatstica baseada na varincia (Figura 44).
classe(
2
)

classe(
1
)

f
1
(x) f
2
(x)
a b X (reflectncia)
P(X|
1
) = a;
P(X|
2
) = b;
f(x) = funo densidade de probabilidade
(distribuio normal)
(1/ (2)
1/2
) (e
1/2[(X -/)]2
)
Regra de deciso: a > b X pertence a
1
a < b

X pertence a
2


71

Figura 44: Regra de deciso

O algoritmo de deciso da mxima probabilidade, as assinaturas apresentaro
distribuies normais e as distncias calculadas levaro em conta a matriz covarincia. De
forma mais simplificada poder-se-ia determinar a distncia pela seguinte expresso:

D ln(ac) [0.5l ( | Covc| )] [0,5(X c)t(1/ Covc)(X c)] =
onde:
D = distncia com pesos;
c = classe;
X = vetor dos dados do pixel candidato;
c = vetor mdia dos valores para classe c;
ac = probabilidade a priori de qualquer pixel pertencer classe c;
Covc = matriz covarincia da assinatura c;
|Covc| = determinante da matriz covarincia;
1/Covc = matriz inversa da covarincia;
ln = logaritmo natural;
t = transposta.

Assume-se neste caso, que em todas as assinaturas as probabilidades so iguais para
todas as classes, ou seja, ac = 1. Todos os pixels da imagem so classificados de acordo com
esta regra de deciso. Este mtodo, em relao a mnima distncia o que apresenta
melhores resultados. Isto se deve-se ao fato de considerar um maior nmero de variveis. No
entanto, existe uma tendncia de superclassificao, ou seja, relacionar um maior nmero de
pixels s amostras com maiores valores relativos contidos na matriz. Deve-se em mente que a
classificao baseada em probabilidade estatstica est sempre sujeita a erros. O resultado
deve ser sempre confrontado com a realidade de campo.

6.2.1.3- Classificao Fuzzy

Definindo matematicamente um conjunto fuzzy, sendo X o espao dos pontos
(pixels), com um elemento genrico de X denotado por x, ento:
X= {x}
A= {x, f
A
(x)}; x X.
f(X)

1
2

d
2

d
1
X

1

2 X

X
2
d
2
>d
1


72
O conjunto fuzzy (classe) A em X caracterizado por uma funo de pertinncia
f
A
(x) que associa cada ponto em X a um nmero real no intervalo [0,1]. O valor de f
A
(x)
representa o grau de pertinncia de x em A. Este grau no uma medida de probabilidade,
mas sim uma possibilidade. Desta forma pontos podem pertencer a um conjunto fuzzy num
grau maior ou menor (WANG, 1990; AZEVEDO et al., 2000). A funo de pertinncia de um
conjunto fuzzy expressa por f
A
(x), definido o grau de pertinncia de x em A (Figura 45).

Figura 45- Funo de pertinncia

Na representao fuzzy, as classes podem ser definidas como conjunto fuzzy e os
pixels como elementos. Um pixel pode pertencer a uma determinada classe com um grau de
pertinncia e a uma outra classe com outro grau de pertinncia. A Figura 46 mostra os graus
de pertinncia de diferentes classes baseadas em uma funo de pertinncia.
A representao fuzzy bastante adequada classificao quando se deseja obter
condies intermedirias entre classes, atravs dos graus de pertinncia. Estes graus podem
ser utilizados como um conhecimento a priori da rea a ser classificada, bastante til para a
melhora da imagem temtica resultante ( ANTUNES & LINGNAU, 2001). Espao espectral
Fuzzy (WANG, 1990b). O pixel em preto possui uma maior pertinncia a classe vrzea. Os
pixels coloridos mostram o valor mdio para cada classe.

Figura 46- Espao espectral Fuzzy (Adaptado, ANTUNES, 2003)

Vrzea

Agricultura
f
Varzea
= 0,60
f
Agricultura
= 0,4
B3

B4
B3

B4
Superfcies de
deciso
Nvel de Cinza
f
A
(x)
Possibilidade

1 -

0.5 -

0


73

6.2.2- Classificao baseada em objetos: segmentao

A classificao baseada em objeto ou segmentos permite o agrupamento de
pixels dentro de uma variao espectral estipulada pelo usurio. um processo de
segmentao da imagem onde o usurio pode diferenciar algumas feies de caractersticas
espectrais similares. Mtodos de classificao supervisionada e no supervisionada podem ser
processados conjuntamente. Os agrupamentos de pixels podem ser teis na seleo de
amostras mais homogneas. Isto permite ao usurio obter amostras (assinaturas) de disperso
mais baixa e conseqentemente maior separabilidade entre as diferentes feies da imagem.
Objetiva-se tambm com a segmentao dividir uma imagem em grupos de pixels ou
objetos de acordo com determinado grau de homogeneidade, a fim de associ-los a uma
feio do terreno. Dependendo do tipo de imagem e do objetivo, diferentes mtodos de
segmentao podem ser aplicados.
A segmentao de uma imagem pode ser definida conforme FU & MUI (1981) como a
diviso de uma imagem em diferentes regies, onde cada uma destas regies possui
propriedades especficas. As regies consistem em um agrupamento de valores
multiespectrais ou hiper-espectrais similares. A segmentao uma componente importante
para o reconhecimento de padres. Entretanto, no existe um modelo formal para
segmentao. O processo essencialmente emprico e, em geral, ajustvel aos diferentes tipos
de imagem, com limiares definidos face a complexidade dos alvos investigados.
De acordo com GONZALEZ & WOODS (2000) e TILTON (2002) os algoritmos para
segmentao de imagens so geralmente baseados nas propriedades bsicas de valores de
nveis de cinza, descontinuidade e similaridade. Na primeira categoria, a abordagem
particionar a imagem baseada em mudanas bruscas de tons de cinza. Este tipo de
segmentao utilizado quando se deseja detectar bordas e pontos isolados. A segunda
categoria (similaridade) baseia-se em limiarizao e crescimento de regies.
De acordo com GONZALEZ & WOODS (2000) o crescimento de regies uma
tcnica de agrupamento espacial no qual somente pixels adjacentes, contguos na imagem,
podem ser agrupados. Esta tcnica consiste em partir de um ou vrios pixels considerados
uniformes, analisar os pixels na vizinhana e adicionar os vizinhos que forem similares ao
grupo inicial, de maneira que a regio formada cresa num processo iterativo que termina
quando as fronteiras naturais dos objetos presentes na cena forem atingidas. Ao final do
processo, a imagem encontra-se dividida em vrias sub-regies.
Seja I todos os objetos da imagem, a segmentao por regio pode ser vista como o processo
de subdiviso de I em n sub-regies, R
1
, R
2
, ...R
N
, tal que:
U
n
i
R Ri
1 =
=
, onde todos os pixels devem pertencer a uma nica regio,
R
i
, regio conexa, i=1,2,3 ...n;
As regies devem ser disjuntas, tal que, R
i
R
j
= para todo i e j, ij;
Os pixels em R
i
de uma mesma regio devem possuir a mesma intensidade ou caracterstica;
P(R
i
)= verdadeiro para i= 1,2,..n e para diferentes regies P(R
i
U R
j
)= falso, para i j. Em
que P(R
i
) um predicado lgico sobre os pontos do conjunto R
i
e o conjunto vazio;
A condio (1) sugere que a segmentao deve ser completa . A segunda condio requer que
pixels de uma mesma regio devem ser conexos.


74
A regio cresce atravs da agregao de pixels com caractersticas similares tipo cor,
brilho. A agregao que forma o objeto ou regio interrompida at no poder crescer mais,
baseados nos parmetros associados e limiar, exemplo Figura 47.

Figura 47- Imagem multiespectral segmentada em regies homogneas espectralmente

Imagem tipo IKONOS e QUICKBIRD so em geral classificadas aps serem
segmentadas. Os segmentos ou objetos oriundos da segmentao podem ser categorizados
automaticamente por algoritmos tipo fuzzy, mnima distncia, ou manualmente pelo usurio.
A Figura 48 mostra a classificao digital posteriormente a segmentao.

Figura 48- Classificao orientada a objeto, imagem Ikonos.

6.2.3- Acurcia

A discusso sobre a anlise da confiabilidade temtica da imagem requer que
inicialmente sejam definidos os termos acurcia, preciso e exatido, os quais geralmente so
usados de forma confusa. Define-se preciso como o grau de concordncia de uma srie de
observaes ou medidas, enquanto a acurcia esta relacionada a proximidade de uma
observao ou medida do seu valor real. Pode-se, ento, associar a preciso os erros aleatrios
ou acidentais, e acurcia aos efeitos dos erros aleatrios e sistemticos conjuntamente. Uma
observao pode ser considerada como exata se no tiver ocorrido o erro sistemtico ou bias.
A falta de exatido das observaes so geralmente oriundas dos erros sistemticos e tendem
a se acumular num mesmo sentido.
Segmentos
Objetos Classificados manualmente por fotointerpretao aps a segmentao


75
Considerando uma amostragem, a acurcia seria expressa pelo desvio padro da
amostra do valor real da populao. A preciso poderia ser relacionada ao desvio padro da
mdia da amostra. possvel que uma amostragem possua uma alta preciso, ou seja em
pequeno desvio em relao a mdia, e ao mesmo tempo, devido a falta de exatido, um grau
acurcia inferior.

6.2.4- Qualidade da Imagem Temtica

A conservao, preservao, planos de manejo ambiental com vistas a compor a base
de um SIG requerem um mapeamento da situao atual da rea em questo. Os mapas
temticos ento disponveis so tidos geralmente como corretos. No entanto, sabe-se que
erros desde a obteno dos dados at a gerao de um mapa podem ocorrer em diferentes
nveis e escalas.
Grande parte do mapeamento digital do uso do solo, a nvel regional, vem sendo
realizado atravs de imagens de sensoriamento remoto. Tcnicas de classificao
supervisionada associadas ao processamento digital de imagens tem dado bons resultados na
extrao de informao que compem determinada regio. No entretanto, todo o processo de
classificao est sujeito a erros dos mais diversos tipos e fontes. A avaliao da acurcia
dos dados extrados das imagens est diretamente relacionado com a qualidade do
mapeamento. Todas as classes que compem a imagem ou o mapa temtico devem ser
associadas a um controle de qualidade para que estas possam ser validadas. Entende-se que
um mapeamento temtico s deva ser utilizado como fonte fidedigna de informaes quando
associados a processos de avaliao da acurcia dos dados que o compem. Observa-se que
raramente mapas temticos provenientes de classificao digital ou mesmo da
fotointerpretao apresentam um relatrio de acurcia das informaes, apesar da maioria dos
softwares de processamento digital de imagem possurem ferramentas para tal fim.
Erros podem ocorrer em diferentes nveis, ou seja, desde a aquisio de dados,
processamento at na verificao dos resultados obtidos. Estes diferentes tipos de erros muitas
vezes no so distinguveis mensurveis. Na obteno dos dados a partir de imagens de
satlite os erros podem ser primrios ou secundrios. Erros primrios so ocasionados devido
a sensor, condies do meio (variaes de temperatura, umidade, iluminao) e ainda na
interpretao da imagem. Existem, tambm os erros secundrios, que so introduzidos
atravs do processamento dos dados e sua reproduo. A classificao automatizada de
imagens de alta resoluo pode conter erros temticos muitas vezes superiores s
imagens de mdia resoluo quando aplicado o classificador maxver.
No processamento podem ocorrer erros na correo geomtrica, sendo estes ainda
podem ser devido a m definio dos pontos de controle e/ou no algortmo de
interpolao dos elementos de imagem;
reas de treinamento mal definidas: caso as reas de treinamento no forem
homogneas e um mnimo de varincia entre os nveis de cinza for obtido, na
classificao os elementos de imagem podero ser agrupados errneamente;
Elementos de imagem mistos so aqueles que representam mais de uma categoria.
Ocorrem geralmente em bordaduras das classes;
Sobreposio de classes no espao de atributos, daqueles que foram escolhidos de
forma representativa;
Erros na classificao em funo das condies topogrficas e atmosfricas;
Categorizao errada devido ao tipo de imagem e classificador utilizado.


76
A qualidade temtica da imagem pode ser realizada por avaliao da acurcia
atravs coeficientes de concordncia, sendo que estes podem ser expressos como
concordncia total ou para classes individuais.O coeficiente mais comum o coeficiente
Kappa, usado para avaliar a grau de concordncia entre a realidade do terrono ou de campo
com as classes observadas na imagem temtica. O coeficiente Kappa determinado aps a
montagem da matriz de erros, ou seja, ps cada classe do mapa temtico deve-se escolher um
numero de amostras e verific-las em campos. Erros e acertos devem ser computados de
maneira a calcular Kappa, de acordo com a equao geral abaixo:

=

o e
e
P P
P
1

Seja, P
o
para toda a matriz de erros dado pela razo do somatrio da diagonal
principal pelo nmero total de observaes (N). P
o
pode ser traduzido pela proporo de
unidades (pontos de referncia) que concordam. Pc expresso pelo somatrio do produto dos
elementos das linhas e colunas marginais pelo nmero total de observaes ao quadrado. P
c

traduz a proporo de elementos atribudos a determinada classe ao acaso. O valor positivo de
Kappa sugere que o valor observado de concordncia maior que a concordncia ao acaso
esperada. O valor = 1 ocorre quando houver total concordncia entre os pontos de referncia
e as categorias classificadas. Kappa um valor abstrato, ou seja, mostra um tendncia de
qualidade da classificao, alguns autores comentam que o coeficiente de concordncia
aceitvel para um mapa temtico deve ser superior a 0,70. Deve-se considerar obviamente o
contexto de cada classificao para fixar nvel ou ndice de qualidade.


77
7- SENSORIAMENTO REMOTO E SIG

De acordo com o que foi visto as imagens de satlite pode ser aplicada num projeto
de sistema de informaes geogrficas nas seguintes reas:
Atualizao da base cartogrfica;
Analise espacial por lgebra de Mapas;
Classificao digital
Seja qual for a aplicao a imagem deve ser sempre corrigida geometricamente e
associada ao sistema cartogrfico de referncia, a fim de se possa sobrepor imagem outras
informaes.
Uma imagem classificada a partir de imagem multiespectral possui uma tabela de
atributos que pode ser associada base de dados. Comumente uma imagem temtica pode
ser convertida em formato vetorial baseado com topologia. A topologia permite relacionar os
diferentes vetores com fins de anlise espacial, figura 49.

Figura 49: Converso matrical para vetor com topologia de polgonos.
Imagem Temtica Camada vetorial

8- BIBLIOGRAFIA

ANTUNES, A.F.B. Object oriented analysis and semantic network for high resolution image classification.
Boletim de Cincias Geodsicas. Volume 9, n 2, 2003.

ANTUNES, A. F.B & LINGNAU, C. Anlise da aplicabilidade da teoriat fuzzy para classificao de
imagens de alta resoluo. Anais II Colquio Brasileiro de Cincias Geodsicas. UFPR. Curitiba. 2001.

ANTUNES, F.B. Anlise do uso do processamento digital de imagem na segmentao de tipologias
vegetais da APA de Guaraqueaba-Pr. Dissertao de mestrado. Universidade Federal do Paran. 1996

ANTUNES, A . F.B & LINGNAU, C. Avaliao da acurcia de mapas temticos oriundos da classificao
digital de imagem. VI Simpsio de Geoprocessamento. So Paulo. 1977.

ANTUNES, A . F.B & LINGNAU, C. Curso de educao a distncia em geoprocessamento. Apostila.IEP &
Universidade Eletrnica do Paran. Curitiba. 2002.

ANTUNES, F.B. Avaliao da resoluo temtica de imagem hbrida resultante da fuso spot-landsat.
Artigo PGCCG. Universidade Federal do Paran. 1999


78

BARRETT, E. C.; CURTIS, L. Introduction to environmental remote sensing. Londres:Chapman & Hall.
1992.

CAMARA, G. Geoprocessamento para aplicaes em meio ambiente. Salvador: Apostila . VII Simpsio
brasileiro de sensoriamento remoto. INPE, 1996.

CRSTA, A. P. Processamento digital de imagens de sensoriamento remoto. Instituto de Geocincias,
UNICAMP. Campinas, 1993.

CURRAN, P. J. Principles of remote sensing . 5ed. Londres. Longman Scientific & Technical. 1995.

DRURY, S. A. Image interpretation in geology. London: Allen & Unwin. 1987.

ERDAS. Erdas field guide. Manual Erdas Imagine 8.6, Atlanta. 2002.

GONZALEZ,R.C, WOODS, R. Processamento de imagens digitais. Editora Edgard Blucher Ltda. S
Paulo.2000.

HOFFER, R. M. Biological and physical considerations in applying computer-aided analysis techniques to
remote sensor data. In: SWAIN, P.H; DAVIS, S.M. Remote Sensing The quantitive approach. san
Francisco, MacGraw-Hill, p.227-286. 1988.

HUDSON,W. D.; RAMM, W. Correct formulation of Kappa coeficient of agreement. Photogrammetric
engineering and remote sensing, n4, p.421-422, 1987.

INPE. Sensoriamento remoto. Aplicaes para a preservao, conservao e desenvolvimento sustentvel
da amaznia, CDROM, 2003.

INPE, Setlite CBERS. www.inpe.br . acesso abril 2000.

JANSEN, J. R. Introductary digital image processing. New Jersey : Prentice Hall. 1986.

MULLER, J. P. Digital Image Processing. London: Taylor & Francis. 1988.

RICHARDS, A. J. Remote sensing digital image analysis. Berlim: Springer- Verlag. 1997.

ROBINSON, H.A et Al. Elements of Cartography. John Wiley & Sons, Inc. Sixth Edition, p127-158. 1995

SABINS, F. F. Remote Sensing: Principles and Interpretation. San Francisco: W.H Freeman. 1987.

ENGESAT, Sensor IKONOS. www.engesat.com.br. acesso maio 2005.

WANG, Fangju. Fuzzy Supervised Classification of Romote Sensing Images. IEEE Transations on
Geoscience and Remote Sensing. vol.28, pp194-201. 1990.

USDA, FOREST SERVICE. Guidelines of the use of digital imagery for vegetation mapping. Salt Lake
City: Integration of Remote sensing Program Nationwide Forestry Application Program, 1994.

Apostila Sensoriamento Remoto

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Apostila Sensoriamento Remoto

Enviado por

Direitos autorais:

Formatos disponíveis

FUNDAMENTOS DE SENSORIAMENTO REMOTO

Você também pode gostar