Você está na página 1de 7

Redimensionamento para intercomparao entre levantamentos de radar e satlites Sylvio Luiz Mantelli Neto1,2 Leandro Coser2 Mathias Henrique

Weber2 Maximiliano Pessoa Junior 2 Mrio Antnio Ribeiro Dantas 2 Aldo von Wangenheim 2 Izabelly Carvalho Costa 3 Instituto Nacional de Pesquisas Espaciais INPE Caixa Postal 515 12245-970 So Jos dos Campos - SP, Brasil sylvio.mantelli@inpe.br Universidade Federal de Santa Catarina UFSC Departamento de Engenharia e Gesto do Conhecimento Departamento de Informtica e Estatstica Caixa Postal 476 88040-900 Florianpolis SC, Brasil coser,mathias,maxpessoajr@incod.ufsc.br, awangenh, mario@inf.ufsc.br Centro de Nacional de Monitoramento e Alertas de Desastres Naturais CEMADEN Rodovia Presidente Dutra, Km 40, SP-RJ CEP: 12630-000 Cachoeira Paulista SP, Brasil izabelly.costa@cemaden.gov.br
3 2 1

Abstract. This work describes the methodology used to match the resolution of planied meteorological radar estimates and satellite images. Distinct resolution existent among remote sensing imaging systems, difcult image comparisons used to match quantitative features generally employed on forecasting, mapping etc. A naive approach generally used is the translation of pixel averages considering the surrounding values into new resolution. But this procedure always face problems of rounding fractional resolution into new ones, reducing the quality of subsequent quantitative analysis and degrading the uncertainty of results. Current work uses a more appropriate method to reduce this problem by using open source image processing library OPENCV for image resizing. But again a new decision have to be made when selecting the scale interpolation method. Current research compare the available methods of interpolation check which one is the most appropriate to be used in our case. Results by image and surface graphics comparison concluded that nearest neighbor interpolation is most appropriate due to simplicity, delity to original image and no inclusion of articial pixeis. Keywords: remote sensing, image processing, resampling sensoriamento remoto, processamento de imagens, redimensionamento

1. Introduo A rea de sensoriamento remoto comumente depara-se com o a anlise de mltiplas imagens que possuem resoluo espacial distintas. Comum tambm a transformao de imagens para uma mesma resoluo, em um procedimento denominado redimensionamento (resizing) Lillesand e Kiefer (1994). O redimensionamento permite a anlise simultnea das imagens na mesma escala espacial entre sistemas que produzem imagens e dados espectrais em resolues diferentes. Por exemplo o GOES-12 utilizado amplamente em previses do tempo no Brasil,

possui cinco sensores e trs resolues distintas que variam de 1 a 8km/pixel no mesmo sistema. Caso seja necessrio utilizar uma anlise simultnea ou multivariada destas imagens, ser necessrio realizar um redimensionamento com um fator de escala para mais ou para menos na ordem de at 8 vezes, para que haja uma superposio exata dos dados ou pxeis a serem analizados. Um dos procedimentos mais utilizados a reamostragem (resampling) Lillesand e Kiefer (1994), Schowengerdt (2007) onde uma nova imagem corrigida gerada a partir da imagem original. A reamostragem tambm utilizada na correo geomtrica, e neste procedimento, nem sempre a matriz original de pxeis se sobrepe exatamente na nova matriz de pxeis gerada. O procedimento mais simples a atribuio do pixel mais prximo ou de uma mdia dos pxeis adjacentes da imagem original para o local correspondente na nova imagem, desprezando-se os pequenos desvios (offsets) entre as imagens. Mas estes procedimentos causam erros de aproximao, aumento das incertezas envolvidas nos clculos quantitativos e das estimativas secundrias obtidas a partir das imagens. No desenvolvimento das pesquisas foi encontrado este problema, quando tentou-se utilizar estimativas obtidas a partir de imagens de radar para correspondncia de estimativas em imagens de satlite. As imagens de radar so volumtricas e suas estimativas precisam ser planicadas, antes de serem comparadas com as estimativas de satlite. As imagens de radar planicadas e as de satlite no possuem a mesma resoluo espacial. A resoluo espacial do radar de 0, 75km/pixel, enquanto que a de satlite varia de 1 a 8km/pixel. O mtodo sugerido preliminarmente pelo grupo de pesquisas foi pela utilizao da mdia dos pxeis, para diminuir a disperso dos dados. Mas o redimensionamento nestas condies no permite a sobreposio exata na geometria das imagens causando fracionamento (por exemplo encaixar 5,3 pxeis de radar em 1 pixel de satlite). O uso do valor mdio poderia ocasionar erros de aproximao na atribuio de valores por descasamento geomtrico. Por isto foram utilizadas rotinas de redimensionamento que utilizam interpolao de imagens. Optou-se por utilizar as tcnicas disponveis na biblioteca aberta OPENCV1 Bradski (2000). OPENCV um conjunto de bibliotecas multiplataforma em cdigo aberto na linguagem C ++ especicamente desenvolvida para aplicaes de viso computacional pela INTEL 2 . Entre as tcnicas de interpolao disponveis torna-se necessrio saber qual delas a mais apropriada para ser utilizada no presente caso. Cinco mtodos de interpolao para uma resoluo maior ou menor esto disponveis na biblioteca OPENCV, conforme descrito a seguir. NEAREST : nearest neighbor, Kawabata (1991), Altman (1992). LINEAR: bilinear (default). AREA: resampling. CUBIC: bicubic 4x4 pixel neighborhood, Keys (1981). LANCZOS4: Lanczos over 8x8 pixel neighborhood. Vale a pena salientar que durante o redimensionamento da imagem, no podem haver lacunas de dados, pois estas causam erros semnticos durante a interpolao utilizada no redimensionamento. Esta outra razo pela qual as imagens de radar so interpoladas somente em 2-D. Por exemplo, a interpolao CUBIC utiliza a vizinhana 4x4 dos pxeis.
1 2

OPENCV esta disponvel em http://opencv.org INTEL Corporation http://www.intel.com/english

Se houver uma ou mais lacunas na vizinhana dos pxies, a interpolao apresentar resultados matematicamente vlidos porm sinteticamente gerados. As lacunas ocorrem predominantemente entre os nveis de elevaes. Neste trabalho o redimensionamento aplicado somente nas imagens planas (ou que se encontram no mesmo plano) e no em imagens volumtricas em diferentes altitudes. O presente trabalho apresenta um estudo, avaliando o procedimento de superposio das imagens, comparando as tcnicas de redimensionamento por interpolao encontradas na literatura especializada. Nas prximas sees estaro descritas e avaliadas as tcnicas encontradas na literatura especializada, apresentados os resultados encontrados e a concluso desta avaliao. 2. Metodologia de Trabalho Este trabalho foi desenvolvido como parte das atividades de cooperao tcnica entre o CEMADEN 3 (Centro de Nacional de Monitorao e Alertas de Desastres Naturais) e a UFSC-LAPIX 4 (Universidade Federal de Santa Catarina, Laboratrio de Processamento de Imagens e Computao Grca) para pesquisas na validao das estimativas do satlite GOES12 utilizando imagens do radar meteorolgico, ainda em andamento. Foram utilizadas imagens do Radar do Morro da Igreja em Santa Catarina (lat = 28.1285956 , long = 49.47176413 , alt = 1820 m), pertencentes ao DCEA 5 disponibilizadas pelo CEMADEN , obtidas no dia 25 de abril de 2012. Foram utilizadas tambm as imagens do satlite GOES-12 correspondentes aos canais C3 e C4, mais apropriados para a avaliao em questo, previamente convertidas para uma resoluo de 4km/pixel. As imagens de radar so tridimensionais e encontram-se no formato HDF-5 6 NCSA (2000). Um conjunto de algoritmos foi desenvolvido especicamente para ler e processar as imagens em linguagem C ++ . As imagens 3-D do radar foram utilizadas para calcular as estimativas do contedo de gua lquida integrada verticalmente (VIL) utilizando tcnicas de processamento de imagens e o mtodo desenvolvido por Greene e Clark (1972). As estimativas de VIL do radar apresentadas na forma de imagens e as imagens dos canais do satlite GOES-12 no possuem a mesma resoluo espacial. A resoluo espacial do radar de 0, 75km/pixel, enquanto que a de satlite utilizada foi a de 4km/pixel. Antes de utiliz-las foi necessrio convert-las para a mesma resoluo atravs de redimensionamento. Cada um dos mtodos de redimensionamento disponveis no OPENCV foi utilizado, e todos eles apresentaram resultados diferentes nas imagens. As tcnicas de redimensionamento em geral, so aplicadas sobre imagens de mapas que permitem interpretao semntica dos resultados a partir das formas presentes nas imagens. Atravs da inspeo visual das imagens de VIL obtidas, possvel notar alguns aspectos qualitativos dos efeitos de cada mtodo de interpolao, no entanto, cou impossvel realizar uma anlise semntica nos resultados e perceber os impactos dos mtodos ou as diferenas entre elas. Por isto foi utilizado um estudo terico, para saber quais eram as diferenas entre eles. Lillesand e Kiefer (1994, cap. 7.2), comparam os mtodos de redimensionamento aplicados ao processamento de imagens em sensoriamento remoto para aumentar as imagens upsampling ou reduzir downsampling como no presente trabalho. Entretanto o mais importante a ser analisado, so os efeitos causados nas imagens de acordo com a aplicao. Nos prximos pargrafos sero analisadas algumas destas
http://www.cemaden.gov.br/ http://www.lapix.ufsc.br/ 5 Departamento de Controle do Espao Areo do Ministrio da Aeronutica www.decea.gov.br 6 HDF-5 Hierarchial Data Format, desenvolvido pelo National Center for Supercomputing Applications (NCSA) http://www.ncsa.illinois.edu
4 3

caractersticas para saber qual dos mtodos o mais apropriado para esta pesquisa. Lillesand e Kiefer (1994), Schowengerdt (2007), Dodgson (1992) e Parker, Kenyon e Troxel (1983), Richards (1995, cap. 2) mencionam os mesmos mtodos de interpolao utilizados no redimensionamento (nearest neighbor, bilinear, cubic) disponveis na biblioteca OPENCV. Lillesand e Kiefer (1994) comentam que a interpolao CUBIC possui vantagens sobre os mtodos NEAREST e LINEAR na aparncia nal da imagem. Lillesand e Kiefer (1994) no comentam acerca dos mtodos AREA e LANCZOS4. Parker, Kenyon e Troxel (1983) tambm comparam 5 mtodos de interpolao utilizados em imagens mdicas, com trs variaes do mtodo CUBIC (cubic B-Spline, high-resolution cubic spline with edge enhancement e highresolution cubic spline). Parker, Kenyon e Troxel (1983) concluram que os mtodos CUBIC possuem uma melhor resposta de frequncia do que o NEAREST e o LINEAR. Apesar dos mtodos LINEAR e CUBIC apresentarem uma imagem mais ntida, eles acrescentam pxeis na imagem e no preservam os valores originais. Por esta razo estes mtodos so aplicados depois do reconhecimento de padres e classicao ou no so utilizados antes da anlise estatstica das imagens Richards (1995). A tabela 1, apresenta um sumrio das vantagens e desvantagens dos mtodos avaliados. Um estudo mais profundo acerca da denio do melhor mtodo de interpolao excede ao escopo do presente trabalho , mas pode ser encontrado em Dodgson (1992), Lehmann (1999) e Thevenaz (2000). As palavras aliasing, smothing, halos e blurring foram mantidas do original em ingls e descrevem respectivamente os efeitos de serrilhamento de linhas, suavizao, fastasmas e borramento na imagem. Tabela 1: Vantagens e desvantagens dos mtodos de interpolao candidatos a resampling levantados. Mtodo Desvantagens Vantagens Uso NEAREST aliasing simplicidade tcnicas estatsticas offset no altera original LINEAR sinttico altera original problemas ps anlise e executado depois do reconhecimento de padres introduz novos pxeis CUBIC aumenta um pouco produz undershooting problemas da LINEAR halos melhor aliasing introduz halos preciso e rapidez mais precisa que LINEAR upsampling downsampling no introduz novos pxeis smothing reduz aliasing blurring upsampling

Baseado na indicao de Schowengerdt (2007) e Richards (1995) foi utilizado o redimensionamento por interpolao NEAREST, para preservar os valores originais da imagem durante a anlise estatstica.

3. Resultados e Discusso Os resultados obtidos a partir do uso do redimensionamento por interpolao nas imagens de radar, podem ser observados na gura 1. Nesta gura est ilustrada a mesma imagem de radar, o resultado de vrios mtodos de redimensionamento por interpolao e os respectivos grcos de superfcie. Conforme pode ser observado nas guras cada imagem apresenta um resultado diferente, de acordo com o mtodo de interpolao utilizado. Os grcos de superfcie ao lado de cada imagem foram includos para facilitar a visualizao do problema. 4. Concluses Ao longo do presente trabalho foram levantados os problemas de redimensionamento para viabilizar a anlise simultnea e automtica de imagens de radar e satlite na mesma escala de resoluo espacial. O trabalho indicou que quando se trata de imagens que no possuem a referncia semntica de rios estradas etc ca difcil analisar e comparar os resultados dos mtodos de redimensionamento por interpolao, utilizando as caractersticas de aliasing, blurring, entre outros como nos mapas temticos. Mas a partir dos resultados observados nas tcnicas existentes, foi possvel analisar e concluir que o mtodo de interpolao nearest neighbor o mais apropriado para ser utilizado no redimensionamento das imagens mesma escala espacial. A partir destas concluses ser possvel utilizar com mais segurana tcnicas de viso computacional, inteligncia computacional ou mtodos estatsticos multivariados na interpretao automtica das imagens. 5. Agradecimentos O autores agradecem o suporte nanceiro dado pelo CNPQ atravs do CEMADEN e do INPE para o desenvolvimento deste trabalho no mbito da Rede Clima.
Referncias ALTMAN, N. S. An introduction to kernel and nearest-neighbor nonparametric regression. The American Statistician, v. 46, n. 3, p. 175185, 1992. Disponvel em: <http://www.tandfonline.com/doi/abs/10.1080/00031305.1992.10475879>. BRADSKI, G. The opencv library. Dr. Dobbs Journal of Software Tools, 2000. DODGSON, N. A. Image resampling. Dissertao (Mestrado) University of Cambridge, 1992. GREENE, D. R.; CLARK, R. A. Vertically integrated liquid water a new analysis tool. Monthly Weather Review, v. 100, p. 548552, 1972. KAWABATA, T. Generalization effects of k-neighbor interpolation training. Neural Computation, v. 3, p. 409417, 1991. KEYS, R. Cubic convolution interpolation for digital image processing. IEEE Transactions on Acoustics, Speech and Signal Processing, v. 29, p. 11531160, 1981. LEHMANN, T. Survey: interpolation methods in medical image processing. IEEE Transactions on Medical Imaging, v. 18, p. 10491075, 1999. LILLESAND, T. M.; KIEFER, R. W. Remote Sensing and Image Interpretation. [S.l.]: John Wiley & Sons, 1994. 750 p. NCSA. Hierarchical data Format version 5. [S.l.], 2000. Disponvel em: <http://www.hdfgroup.org/>. PARKER, J. A.; KENYON, R. V.; TROXEL, D. E. Comparison of interpolating methods for image restoration. IEEE TRANSACTIONS ON MEDICAL IMAGING, MI-2, p. 3139, 1983.

RICHARDS, J. Remote Sensing Digital Image Analysis: An Introduction. 2nd. ed. Springer, 1995. ISBN 9783540251286. Disponvel em: <http://books.google.com.br/books?id=4PB5vhPBdJ4C>. SCHOWENGERDT, R. A. Remote Sensing Models and Methods for Image Processing. 3rd. ed. [S.l.]: Academic Press, 2007. 515 p. THEVENAZ, P. Interpolation revisited [medical images application]. IEEE Transactions on Medical Imaging, v. 19, p. 739758, 2000.

(a) nearest neighbor

(b) Graco de superfcie para nearest neighbor.

(c) linear

(d) Graco de superfcie para linear.

(e) area

(f) Graco de superfcie para area.

(g) cubic

(h) Graco de superfcie para cubic.

(i) laczos4

(j) Graco de superfcie para laczos4.

Figura 1: Imagens do VIL normalizadas entre valores de 0 a 255 e os respectivos gracos de

Interesses relacionados