Escolar Documentos
Profissional Documentos
Cultura Documentos
Alegre - ES
2010
SPRING 5.1.2 PASSO A PASSO
Aplicaes Prticas
Capa
Dr. Alexandre Rosa dos Santos ERU/CCA-UFES
Telma Machado de Oliveira Peluzio PPGCF/CCA-UFES
Nathlia Suemi Saito PPGCF/CCA-UFES
Editorao Eletrnica
Programa de Ps-graduao em Cincias Florestais da UFES PPGCF/CCA-UFES
Reviso Tcnica
Alexandre Cndido Xavier
Geraldo Rgis Mauri
Reviso Ortogrfica
Luciene Pinheiro de Souza FAFIA; E.E.E.F.M. Aristeu Aguiar
Contato
http://www.mundogeomatica.com.br
e-mail: mundogeomatica@yahoo.com.br
Tel.: (28) 3552 8632 ou (28) 99260262
ISBN 978-85-61890-06-3
CDU: 528.8
Ns, autores, dedicamos este livro aos familiares que sempre acreditaram em nossos
trabalhos.
AGRADECIMENTOS
Prefeitura Municipal de Alegre por ter disponibilizado parte da base de dados, alm de
fornecer apoio logstico para a coleta de informaes em campo.
Aos rgos Instituto Nacional de Pesquisas Espaciais (INPE), Instituto Estadual de Meio
Ambiente e Recursos Hdricos (IEMA) e Ncleo de Estudos e de Difuso de Tecnologia em
Floresta, Recursos Hdricos e Agricultura Sustentvel (NEDTEC), que disponibilizaram parte do
banco de dados espaciais para a elaborao dos exerccios deste livro.
COLABORADORES
3
REFLEXO
SATLITE
Fim de tarde.
No cu plmbeo
A Lua baa
Paira
Muito cosmograficamente
Satlite.
Desmetaforizada,
Desmitificada,
Despojada do velho segredo de melancolia,
No agora o golfo de cismas,
O astro dos loucos e dos enamorados.
Mas to-somente
Satlite.
Fatigado de mais-valia,
Gosto de ti assim:
Coisa em si,
- Satlite.
Manuel Bandeira
FABRICANTE
Produto: SPRING: Sistema de Informaes Georeferenciadas
Voc poder copiar e redistribuir livremente o sistema, mas o INPE mantm o copyright. No
se pode modificar, vender ou emprestar o software.
O projeto contou com substancial apoio financeiro do CNPq, atravs dos programas RHAE e
PROTEM/CC (projeto GEOTEC).
Home-page: http://www.dpi.inpe.br/spring/
4
Nota: Todas as marcas e imagens de hardware, software e outros, utilizados e/ou
mencionados nesta obra, so propriedades de seus respectivos fabricantes e/ou criadores. O
autor se responsabiliza totalmente pelo contedo descrito no livro. O objetivo do autor
disponibilizar para os usurios do aplicativo Spring 5.1.2 um material de referncia para suas
aplicaes prticas e tericas relacionadas com os dados espaciais, contribuindo de forma
positiva com o fabricante, pois mais usurios iro se interessar e adquirir o produto.
PREFCIO
Ns temos trabalhado com o aplicativo SPRING desde as verses anteriores e, cada verso
lanada, nos impressionava ainda mais. Atualmente, as caractersticas tcnicas do SPRING
5.1.2. so consideradas imprescindveis, possibilitando a coleta, edio, armazenamento e
gerncia de dados espaciais, assim como a explorao, anlise geogrfica e a visualizao
destes dados.
Um dos pontos fortes do SPRING 5.1.2. a sua diversidade de aplicaes em diferentes reas
do conhecimento, apresentando um carter multidisciplinar, possibilitando o uso de
ferramentas especficas para cada atividade a ser executada, sendo dispensvel a utilizao
de outros aplicativos computacionais concorrentes.
Este livro foi idealizado a partir da necessidade de se criar um material prtico, inteligente,
objetivo, rpido e de fcil entendimento a todos os leitores.
Apresentando exerccios aplicveis para dados espaciais, este livro tem por objetivo atingir
diferentes faixas de usurios do mercado porque no se limita a ensinar comandos ou funes
complexas. O livro apresenta ao leitor, claramente, o tipo de atividade que ele ir desenvolver e
explica passo a passo todos os procedimentos necessrios para a sua execuo.
5
NDICE ANALTICO
DEDICATRIA.................................................................................................................................. 3
AGRADECIMENTOS......................................................................................................................... 3
COLABORADORES........................................................................................................................... 3
REFLEXO........................................................................................................................................ 4
FABRICANTE..................................................................................................................................... 4
REQUISITOS BSICOS DE HARDWARE ....................................................................................... 5
PREFCIO......................................................................................................................................... 5
NDICE ANALTICO........................................................................................................................... 6
NDICE DE FIGURAS........................................................................................................................ 7
NDICE DE TABELA.......................................................................................................................... 9
CAPTULO 1 - VISUALIZANDO IMAGENS DE SATLITES E AEROFOTOS DIGITAIS............... 10
1.1. CONHECENDO O SPRING 5.1.2.......................................................................................... 10
1.2. HISTRICO DO SPRING 5.1.2............................................................................................. 10
1.3. AQUISIO GRATUITA DO SPRING 5.1.2.......................................................................... 11
1.4. VISUALIZANDO IMAGENS DOS SATLITES CBERS, LANDSAT E IKONOS.................... 12
1.5. VISUALIZANDO AEROFOTOS DIGITAIS DA CIDADE DE ALEGRE, ES............................ 33
CAPTULO 2 - CONTRASTE DE IMAGENS DIGITAIS.................................................................... 38
2.1. INTRODUO AO PROCESSAMENTO DIGITAL DE IMAGENS........................................ 38
2.2. CONTRASTE DE IMAGENS.................................................................................................. 39
CAPTULO 3 - TRANSFORMAO IHS <- > RGB DE IMAGENS.................................................. 51
3.1. TRANSFORMAO IHS < - > RGB DE IMAGENS............................................................... 51
CAPTULO 4 - FILTRAGEM DE IMAGENS DIGITAIS..................................................................... 60
4.1. FILTRAGEM DE IMAGENS................................................................................................... 60
CAPTULO 5 - OPERAES ARITMTICAS ENTRE IMAGENS................................................... 77
5.1. NORMALIZAO RADIOMTRICA DE IMAGENS DO SATLITE CBERS PARA O
QUADRANTE REPRESENTATIVO DA BACIA HIDROGRFICA DO RIO ALEGRE,
ES.................................................................................................................................................. 77
CAPTULO 6 - NDICES DE VEGETAO...................................................................................... 90
6.1. NDICE DE VEGETAO..................................................................................................... 90
CAPTULO 7 - CLASSIFICAO DE IMAGENS DE SATLITE..................................................... 98
7.1. CLASSIFICAO DE IMAGENS DIGITAIS.......................................................................... 98
7.2. CLASSIFICAO PIXEL A PIXEL E POR REGIO.......................................................... 99
7.3. CLASSE INFORMAL E CLASSE ESPECTRAL.................................................................... 100
7.4. CLASSIFICAO SUPERVISIONADA E NO-SUPERVISIONADA................................... 100
7.5. ALGORITMOS DE CLASSIFICAO................................................................................... 101
7.6. MAPEAMENTO DO USO E OCUPAO DO SOLO USANDO O MTODO DE
CLASSIFICAO SUPERVISIONADA DE MXIMA VEROSSIMILHANA (MAXVER)............ 108
7.7. MAPEAMENTO DO USO E OCUPAO DO SOLO USANDO O MTODO DE
CLASSIFICAO SUPERVISIONADA DE BHATTACHARYA.............................................. 128
7.8. MAPEAMENTO DO USO E OCUPAO DO SOLO USANDO O MTODO DE
CLASSIFICAO NO-SUPERVISIONADA ISOSEG................................................................ 136
7.9. TRABALHOS CIENTFICOS RELACIONADOS COM CLASSIFICAO DE IMAGENS... 140
CAPTULO 8 ANLISE DE COMPONENTES PRINCIPAIS 142
8.1. INTRODUO...................................................................................................................... 142
8.2. ELABORAO DE IMAGENS DE COMPONENTES PRINCIPAIS...................................... 142
8.3. EXEMPLO DE APLICAO.................................................................................................. 146
6
NDICE DE FIGURAS
Figura 1.1 - Home-page do Programa CBERS................................................ 12
Figura 1.2 - Home-pages: a) Mundo da Geomtica e b) Livro Spring 5.1.2: aplicaes prticas....... 14
Figura 1.3 - Pasta Livro_Spring_Alegre_ES extrada dentro da Unidade C....................................... 14
Figura 1.4 - Locais importantes da cidade de Alegre, ES sobre a imagem IKONOS.......................... 32
Figura 1.5 - Parque de exposio da cidade de Alegre....................................................................... 34
Figura 1.6 - Centro de Cincias Agrrias da UFES CCA-UFES....................................................... 34
Figura 1.7 - Regio central da cidade de Alegre.................................................................................. 34
Figura 1.8 - Cobertura de imagens CBERS para o municpio de Cachoeiro de Itapemirim, ES......... 36
Figura 1.9 - Amostras de categorias de uso e ocupao de solo extradas de uma imagem do
satlite QUICK BIRD com resoluo espacial de 60 cm em composio normal e falsa-cor.............. 37
Figura 2.1 - Etapas do processamento digital de imagens.................................................................. 38
Figura 2.2 - rea 1 - quadrante representativo do Campus da Universidade Federal do Esprito
Santo (UFES) Imagem do satlite QUICKBIRD em composio
falsa cor resoluo espacial de 2,4 m............................................................................................... 40
Figura 2.3 - Histograma e imagem antes (a) e aps (b) a aplicao do contraste (contraste linear)
no SPRING 5.1.2................................................................................................................................... 41
Figura 2.4 - Histograma e imagem antes (a) e aps (b) a aplicao do contraste (contraste linear)
no SPRING 5.1.2................................................................................................................................... 41
Figura 2.5 - Funo de mapeamento................................................................................................... 41
Figura 3.1 - Relao espacial entre o sistema RGB e IHS.................................................................. 52
Figura 3.2 - Comparao entre imagens em falsa cor do satlite QUICBIRD antes e aps a
transformao IHS................................................................................................................................ 53
Figura 3.3 - ltima imagem em falsa-cor exibida no Captulo 2.......................................................... 53
Figura 3.4 - Ampliao de imagens em falsa cor da rea central da UFES (biblioteca central). a)
resoluo espacial de 0,6 m oriunda da transformao IHS <-> RGB e, b) resoluo espacial de
2,4 m antes da transformao IHS <-> RGB........................................................................................ 58
Figura 3.5 - Ampliao de uma imagem em falsa cor (resoluo de 0,6 m) oriunda de uma
transformao IHS <-> RGB da rea representativa do Campus da UFES Central, Vitria, ES......... 58
Figura 3.6 - Transformao IHS <-> RGB - Composio Normal Bandas do azul, verde e
vermelho................................................................................................................................................ 59
Figura 4.1 - Mscaras dos filtros de Passa Baixa-Mdia 3x3, 5x5 e 7x7............................................. 61
Figura 4.2 - Comparao entre diferentes filtros Passa Baixa-Mdia sobre a banda infravermelho
do satlite IKONOS representativa do Parque de Exposio da cidade de Alegre, ES....................... 61
Figura 4.3 - Mscaras dos filtros de Passa Baixa Mdia Ponderada 3x3............................................ 61
Figura 4.4 - Aplicao do filtro de passa baixa mdia ponderada (3 x 3) sobre a banda
infravermelho do satlite IKONOS representativa do Parque de Exposio da cidade de Alegre,
ES.......................................................................................................................................................... 62
Figura 4.5 - Exemplos de mscaras de filtros de Passa Alta 3 x 3...................................................... 62
Figura 4.6 - Aplicao do filtro de passa-alta (3 x 3) sobre a banda infravermelho do satlite
IKONOS representativa do Parque de Exposio da cidade de Alegre, ES........................................ 62
Figura 4.7 - Principais mscaras direcionais de realce de bordas....................................................... 63
Figura 4.8 - Aplicao do filtro direcional de realce de bordas Norte (3 x 3) sobre a banda
infravermelho do satlite IKONOS representativa do Parque de
Exposio da cidade de Alegre, ES...................................................................................................... 63
Figura 4.9 - Exemplos de mscaras de filtros no direcionais de realce de bordas............................ 63
Figura 4.10 - Aplicao do filtro no-direcional de realce de bordas baixa (3 x 3) sobre a banda
infravermelho do satlite IKONOS representativa do Parque de Exposio da cidade de Alegre,
ES.......................................................................................................................................................... 64
Figura 4.11 - Mscara de realce para imagens do satlite TM/LANDSAT.......................................... 64
Figura 4.12 - Aplicao do filtro de realce para imagens do satlite TM/LANDSAT (4 x 4) sobre a
banda infravermelho do satlite TM/LANDSAT representativa do municpio de Alegre, ES................ 64
Figura 4.13 - Mscara representativa do operador de Roberts........................................................... 65
Figura 4.14 - Aplicao da filtragem no linear para deteco de bordas utilizando o operador de
Roberts sobre a banda infravermelho do satlite IKONOS representativa do Parque de Exposio
da cidade de Alegre, ES....................................................................................................................... 65
Figura 4.15 - Mscaras do operador de Sobel..................................................................................... 65
Figura 4.16 - Aplicao da filtragem no linear para deteco de bordas utilizando o operador de
Sobel sobre a banda infravermelho do satlite IKONOS representativa do Parque de Exposio da
cidade de Alegre, ES............................................................................................................................ 66
Figura 4.17 - Exemplo para aplicao dos filtros morfolgicos............................................................ 66
Figura 4.18 - Aplicao da filtragem no linear morfolgica de mediana sobre a banda
infravermelho do satlite IKONOS representativa do Parque de Exposio da cidade de Alegre,
ES.......................................................................................................................................................... 67
Figura 4.19 - Aplicao da filtragem no linear Morfolgico-Eroso sobre a banda infravermelho do 67
7
satlite IKONOS representativa do Parque de Exposio da cidade de Alegre, ES............................
Figura 4.20 - Aplicao da filtragem no linear Morfolgico-Dilatao sobre a banda infravermelho
do satlite IKONOS representativa do Parque de Exposio da cidade de Alegre, ES....................... 68
Figura 4.21 - Mscaras comumente utilizadas para filtros morfolgicos............................................. 68
Figura 4.22 - Abertura de uma imagem: aplicao encadeamento de filtros (eroso seguido de
dilatao) sobre a banda infravermelho do satlite IKONOS representativa do Parque de
Exposio da cidade de Alegre, ES............................................................................................ 69
Figura 4.23 - Fechamento de uma imagem: aplicao encadeamento de filtros (dilatao seguido
de eroso) sobre a banda infravermelho do satlite IKONOS representativa do Parque de
Exposio da cidade de Alegre, ES...................................................................................................... 69
Figura 4.24 - Banda infravermelho do satlite IKONOS representativa do Parque de Exposio da
cidade de Alegre, ES, antes (a) e aps (b) a aplicao do filtro de Passa Baixa-Mdia 3 x 3............. 72
Figura 4.25 - Coordenadas geogrficas do pixel a ser testado aps a filtragem de Passa Baixa-
Mdia..................................................................................................................................................... 72
Figura 4.26 - Caractersticas do pixel a ser filtrado.............................................................................. 73
Figura 4.27 - Valores nos nveis de cinza dos pixels vizinhos e central: a) mscara da imagem de
origem e b) da imagem filtrada............................................................................................................. 73
Figura 4.28 - Representao da mscara do Filtro de Passa Baixa-Mdia 3 x 3, valores dos nveis
de cinza da imagem original e imagem filtrada..................................................................................... 73
Figura 4.29 - Banda infravermelho do satlite IKONOS representativa do Parque de Exposio da
cidade de Alegre, ES, antes (a) e aps (b) a aplicao do Filtro de Passa Baixa-Mdia 5 x 5............ 75
Figura 4.30 - Banda infravermelho do satlite IKONOS representativa do Parque de Exposio da
cidade de Alegre, ES, antes (a) e aps (b) a aplicao do filtro de Passa Baixa-Mdia (7 x 7)........... 76
Figura 5.1 - Trabalho publicado no XI SBSR........................................................................................ 79
Figura 5.2 - Comparao entre as imagens de referncia, ajuste e normalizada................................ 89
Figura 5.3 - Comparao entre o histograma das imagens de referncia, ajuste e
normalizada........................................................................................................................................... 89
Figura 6.1 - Comparao entre o NDVI de reas vegetadas (a) e no vegetadas com presena de
edificaes (b)....................................................................................................................................... 95
Figura 6.2 - NDVI na Floresta Nacional de Pacotuba, Cachoeiro de Itapemirim, ES, para os anos
de 1985 e 2007..................................................................................................................................... 96
Figura 6.3 - Variao temporal da cobertura vegetal da Floresta Nacional de Pacotuba, Cachoeiro
de Itapemirim, ES, entre os anos de 1985 e 2007................................................................................ 96
Figura 6.4 - Trabalho publicado no XIV SBSR..................................................................................... 97
Figura 7.1 - Uso e ocupao do solo gerado pelo algoritmo de classificao da mxima
verossimilhana (Maxver) de uma rea pertencente ao bairro Pavuna, Alegre,
ES.......................................................................................................................................................... 98
Figura 7.2 - Imagem numrica oriunda da composio colorida em falsa-cor (a) e imagem
classificada (b)...................................................................................................................................... 99
Figura 7.3 - Etapas necessrias para a classificao supervisionada................................................ 100
Figura 7.4 - Esquema de aplicao do algoritmo de classificao do paraleleppedo (EASTMAN,
1998, adaptado).................................................................................................................................... 103
Figura 7.5 - Esquema de aplicao do algoritmo de classificao da distncia mnima euclidiana
(EASTMAN, 1998, adaptado)............................................................................................................... 104
Figura 7.6 - Limite de deciso.............................................................................................................. 105
Figura 7.7 - Esquema de aplicao do algoritmo de classificao da mxima verossimilhana
(EASTMAN, 1998, adaptado)............................................................................................................... 105
Figura 7.8 - Resultados estatsticos da classificao supervisionada usando o mtodo da Mxima
Verossimilhana (MAXVER)................................................................................................................. 120
Figura 7.9 - Modelo do layout elaborado no programa Scarta............................................................. 127
Figura 7.10 - Amostras de treinamento selecionadas.......................................................................... 132
Figura 7.11 - Resultados estatsticos da classificao supervisionada usando o mtodo de
Bhattacharya........................................................................................................................................ 136
Figura 7.12 - Resultados estatsticos da classificao no-supervisionada pelo mtodo Isoseg........ 140
Figura 8.1 - Telas no SPRING representativas das imagens do satlite IKONOS.............................. 143
Figura 8.2 - Telas no SPRING representativas das imagens dos componentes principais
processados.......................................................................................................................................... 145
Figura 8.3 - Resultados estatsticos da anlise de componentes principais........................................ 145
Figura 8.4 - Amostra de uma imagem do satlite IKONOS. a) Banda 3 (Vermelho) e b) Banda 4
(Infravermelho)...................................................................................................................................... 146
Figura 8.5 - Disperso de 9 tratamento em relao aos componentes principais Y1 e Y2 ................. 153
Figura 8.6 - Valores digitais (nveis de cinza) das bandas espectrais do vermelho (banda 3)(X1) e
infravermelho (banda 4) (X2) e da componente principal 1 (Y1)............................................................ 154
Figura 8.7 - Valores digitais (nveis de cinza) das bandas espectrais do vermelho (banda 3)(X1) e
infravermelho (banda 4) (X2)................................................................................................................. 154
8
NDICE DE TABELAS
Tabela 1.1 - Imagens dos satlites CBERS, LANDSAT 7 e IKONOS correspondentes rea de
estudo................................................................................................................................................... 13
Tabela 1.2 - Modelos de dados disponveis no Spring........................................................................ 19
Tabela 1.3 - Imagens dos satlites LANDSAT e IKONOS representativas da rea estudo................ 30
Tabela 1.4 - Composio colorida normal das aerofotos digitais representativas da rea estudo..... 33
Tabela 2.1 -. Imagens do satlite QUICKBIRD oriundas do quadrante representativo do Campus
da Universidade Federal do Esprito Santo (UFES)............................................................................ 39
Tabela 2.2 - Caractersticas dos mtodos de realce de contraste disponibilizados no SPRING
5.1.2..................................................................................................................................................... 42
Tabela 2.3 -. Bandas espectrais do satlite QUICKBIRD disponibilizadas no banco de dados
[UFES].................................................................................................................................................. 50
Tabela 2.4 - Mtodos de realce de imagem a serem utilizados no SPRING ..................................... 50
Tabela 3.1 -. Imagens do satlite QUICKBIRD oriundas do quadrante representativo do Campus
da Universidade Federal do Esprito Santo (UFES)............................................................................ 52
Tabela 5.1 - Comparao dos valores de mdia e varincia das imagens de referncia, ajuste e
normalizada.......................................................................................................................................... 88
Tabela 7.1 - Algoritmos de classificao mais comuns....................................................................... 101
Tabela 7.2 - Resultado estatstico de cinco classes nas bandas 4 e 5............................................... 107
Tabela 7.3 - Nome e cor das amostras de treinamento a serem criadas............................................ 110
Tabela 7.4 - Intervalo de aceitao dos resultados do ndice Kappa.................................................. 113
Tabela 7.5 - Nome e cor das classes a serem criadas........................................................................ 117
Tabela 7.6 - Temas e suas classes respectivas de associao.......................................................... 118
Tabela 7.7- Resultados estatsticos da classificao supervisionada usando o mtodo da Mxima
Verossimilhana (MAXVER)................................................................................................................ 120
Tabela 7.8- Nome e cor das amostras de treinamento a serem criadas............................................. 132
Tabela 7.9- Resultados estatsticos da classificao supervisionada usando o mtodo de
Bhattacharya........................................................................................................................................ 136
Tabela 7.10- Temas e suas respectivas classes................................................................................. 138
Tabela 7.11- Resultados estatsticos da classificao no-supervisionada pelo mtodo Isoseg....... 139
Tabela 8.1 - Imagens do satlite IKONOS do quadrante representativo do Parque de Exposio
da cidade de Alegre, ES...................................................................................................................... 142
Tabela 8.2 - Observaes relativas a duas variveis (X1 e X2) avaliadas em 9 indivduos
(tratamentos)........................................................................................................................................ 147
Tabela 8.3 - Escores relativos aos 9 tratamentos obtidos em relao aos 2 componentes
principais.............................................................................................................................................. 152
Tabela 8.4 - Componentes principais obtidos da anlise de duas variveis....................................... 153
9
_________Captulo 1 Visualizando Imagens de Satlites e Aerofotos Digitais
Este captulo tem como objetivo principal apresentar o aplicativo SPRING 5.1.2 queles que
ainda no conhecem essa fabulosa ferramenta para se trabalhar com dados espaciais. As
informaes descritas neste captulo foram extradas do prprio SISTEMA DE AJUDA DO
SPRING 5.1.2, aliadas descrio das atividades prticas de sensoriamento remoto
desenvolvidas para o quadrante representativo da bacia hidrogrfica do Rio Alegre, ES, situada
no municpio de Alegre, extremo Sul do Estado do Esprito Santo.
Opera como um banco de dados geogrficos sem fronteiras e suporta grande volume de
dados (sem limitaes de escala, projeo e fuso), mantendo a identidade dos objetos
geogrficos ao longo de todo banco;
Administra tanto dados vetoriais como dados matriciais (raster), e realiza a integrao de
dados de Sensoriamento Remoto num SIG;
Prove um ambiente de trabalho amigvel e poderoso, atravs da combinao de menus e
janelas com uma linguagem espacial facilmente programvel pelo usurio (LEGAL -
Linguagem Espao-Geogrfico baseada em lgebra);
Consegue escalonabilidade completa, isto , ser capaz de operar com toda sua
funcionalidade em ambientes que variem desde microcomputadores a estaes de trabalho
RISC de alto desempenho.
Para alcanar estes objetivos, o SPRING baseado num modelo de dados orientado a objetos, do qual so
derivadas sua interface de menus e a linguagem espacial LEGAL. Algoritmos inovadores, como os
utilizados para indexao espacial, segmentao de imagens e gerao de grades triangulares, garantem o
desempenho adequado para as mais variadas aplicaes.
Outra caracterstica, considerada extremamente importante, que a base de dados nica, isto , a
estrutura de dados a mesma quando o usurio trabalha em um microcomputador (IBM-PC) e em uma
mquina RISC (Estaes de Trabalho UNIX), no havendo necessidade alguma de converso de dados. O
mesmo ocorre com a interface, a qual exatamente a mesma, de maneira que no existe diferena no
modo de operar o produto SPRING.
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
10
_________Captulo 1 Visualizando Imagens de Satlites e Aerofotos Digitais
de 1999, a verso 3.3 (Windows); em maio de 2000, a verso 3.4 (Windows); em maro de 2001, a verso
3.5 (Windows e Linux); em agosto de 2003, a verso 4.0 (Windows); em julho de 2004, a verso 4.1
(Windows); em maro de 2005, a verso 4.1 (Linux); em setembro de 2005, a verso 4.2 (Windows); em
julho de 2006, a verso 4.3 (Windows e Linux); em julho de 2008, a verso 5.0 (Windows e Linux).
Atualmente, encontra-se disponibilizado, a verso 5.1.2 (Windows e Linux) para Sistemas Operacionais
de 32 bits.
O SPRING tem se mostrado uma opo altamente atrativa na rea de geoprocessamento, pois um
software de domnio pblico, podendo ser adquirido pela internet ("http://www.dpi.inpe.br/spring"),
bastando se cadastrar na prpria "home-page".
Agora basta acessar novamente a home-page de download do SPRING 5.1.2 para fazer sua
aquisio gratuita com seu e-mail e senha j cadastrados.
1
2
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
11
_________Captulo 1 Visualizando Imagens de Satlites e Aerofotos Digitais
Nesta etapa, voc ir visualizar imagens dos satlites CBERS, LANDSAT e IKONOS de reas
representativas da bacia hidrogrfica do Rio Alegre, ES, situadas no municpio de Alegre,
extremo Sul do Estado do Esprito Santo.
As imagens dos satlites (CBERS e LANDSAT) a serem utilizadas foram obtidas gratuitamente
na home-page do Programa CBERS (Figura 1.1) disponibilizada na pgina do Instituto
Nacional de Pesquisas Espaciais INPE, (http://www.cbers.inpe.br).
As bandas espectrais dos satlites CBERS, LANDSAT 7 e IKONOS (imagens de 42,21 KB)
correspondentes rea de estudo, que sero utilizadas neste captulo, so as descritas na
Tabela 1.1. Estas so representativas das seguintes datas:
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
12
_________Captulo 1 Visualizando Imagens de Satlites e Aerofotos Digitais
Tabela 1.1. Imagens dos satlites CBERS, LANDSAT 7 e IKONOS correspondentes rea de
estudo.
OBSERVAO
O satlite IKONOS II foi lanado no dia 24 de setembro de 1999, est operacional desde o
incio de janeiro de 2000 sendo operado pela SPACE IMAGING que detm os direitos de
comercializao em todo o mundo fora da ndia. Portanto, visando no comprometer os
direitos de comercializao da SPACE IMAGING, neste livro, as imagens dos satlites
IKONOS so disponibilizadas num tamanho reduzido (pequena amostra equivalente a uma
rea de 0,7 km) com tamanho de 42,21 KB. Abaixo, seguem os contatos comerciais da
SPACE IMAGING do Brasil:
Endereo: Rua da Assembleia 10 S1. 4015 Centro - CEP: 20011-901 Rio de Janeiro, RJ
Telefones: (55) ** 21 2102-7070 / (55) ** 21 2102-7080 (FAX)
Home-page: http://www.spaceimaging.com.br
Para realizar o download gratuito do livro SPRING 5.1.2: aplicaes prticas basta acessar a
home-page do Mundo da Geomtica (Figura 1.2) que apresenta o seguinte endereo
eletrnico: http://www.mundogeomatica.com.br.
Nesta home-page, voc dever clicar na imagem representativa do livro SPRING 5.1.2:
aplicaes prticas indo para a pgina http://www.mundogeomatica.com.br/spring5x.htm.
Na home-page do livro voc poder fazer o download gratuito dos seguintes materiais:
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
13
_________Captulo 1 Visualizando Imagens de Satlites e Aerofotos Digitais
3
2
4
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
14
_________Captulo 1 Visualizando Imagens de Satlites e Aerofotos Digitais
Abaixo mostrada a janela inicial intitulada Novidades Spring 5.1.2. Se desejar, visualize
algumas novidades desta nova verso.
Inicialmente, voc ir criar um banco para, ento, ativ-lo e inserir dados no mesmo.
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
15
_________Captulo 1 Visualizando Imagens de Satlites e Aerofotos Digitais
3
5
6
7
4
CRIAO DO PROJETO
Um Projeto contm Planos de Informao (PI) dentro do retngulo envolvente definido e estes
herdaro o seu sistema de projeo.
Siga os passos abaixo para voc criar o projeto a ser trabalhado nas atividades prticas deste
Captulo.
1. No menu Arquivo, aponte para a opo Projeto e, novamente, clique na opo Projeto.
2. Na caixa de entrada Nome digite BHR_Alegre.
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
16
_________Captulo 1 Visualizando Imagens de Satlites e Aerofotos Digitais
Observao: caso voc necessite utilizar coordenadas geogrficas, a sintaxe deve ser
conforme o exemplo a seguir:
Exemplo:
3 2
5
6
7
8
9 10
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
17
_________Captulo 1 Visualizando Imagens de Satlites e Aerofotos Digitais
Observe na barra de ttulo do programa que agora aparece intitulado o nome do banco de
dados ([Bacia_Rio_Alegre]) e do projeto ([BHR_Alegre]) como mostrado abaixo.
Finalmente, vamos criar um atalho visando possibilitar uma abertura rpida e eficiente de
nosso projeto criado, disponibilizando-o na rea de trabalho do Windows.
11. No menu Arquivo, aponte para a opo Projeto e clique na opo Criar atalho.
12. Na caixa de entrada da opo Nome do arquivo, digite BHR_Alegre.
13. Clique no boto Gravar. Clique no boto OK da caixa de mensagem Atalho gravado com
sucesso.
14. No menu Arquivo, clique na opo Sair.
15. Na caixa de mensagem Sair, clique no boto Sim.
16. No Windows Explorer, v para o diretrio C:\Livro_Spring_Alegre_ES e clique com o
boto direito do mouse sobre o arquivo BHR_Alegre.spring e envie para a rea de
trabalho do Windows.
17. Na rea de Trabalho do Windows, d um clique duplo sobre a opo Atalho para
BHR_Alegre.
11
12 13
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
18
_________Captulo 1 Visualizando Imagens de Satlites e Aerofotos Digitais
15
14
16 17
Objetivando visualizar os dados espaciais de nosso banco de dados em nosso projeto criado
anteriormente, temos que, primeiramente, criar nossos Modelos de Dados especificando as
Categorias e Classes (se for temtico), alm das caractersticas de apresentao grfica
(Visual) dos dados e dos atributos descritivos de objetos ou somente tabelas no-espaciais.
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
19
_________Captulo 1 Visualizando Imagens de Satlites e Aerofotos Digitais
Agora, vamos iniciar a criao do modelo de dados intitulado Satelites a ser utilizado em nosso
projeto.
1 4
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
20
_________Captulo 1 Visualizando Imagens de Satlites e Aerofotos Digitais
banda2_210708.tif Verde
banda3_210708.tif Vermelho
banda4_210708.tif Infravermelho prximo
banda5_210708.tif Pancromtica
5 8
6
4
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
21
_________Captulo 1 Visualizando Imagens de Satlites e Aerofotos Digitais
9
10
11
Nesta etapa, voc ir aprender a visualizar as imagens das bandas espectrais do satlite
CBERS em tons de cinza isoladamente e por meio de composio normal e falsa cor.
Como temos 05 imagens, vamos visualizar essas imagens nas seguintes telas do Spring:
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
22
_________Captulo 1 Visualizando Imagens de Satlites e Aerofotos Digitais
Agora, voc est pronto para iniciar a visualizao da imagem banda1_210708 em tons de
cinza.
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
23
_________Captulo 1 Visualizando Imagens de Satlites e Aerofotos Digitais
Nesta prxima etapa, voc ir elaborar uma composio normal e uma falsa-cor utilizando as
imagens do satlite CBERS.
Inicialmente, voc ir elaborar uma composio normal utilizando a seguinte combinao entre
bandas:
COMPOSIO NORMAL
Banda1_210708 0,45 - 0,52 (20 m) azul B
banda2_210708 0,52 - 0,59 (20 m) Verde G
banda3_210708 0,63 - 0,69 (20 m) Vermelho R
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
24
_________Captulo 1 Visualizando Imagens de Satlites e Aerofotos Digitais
10
11
5
Agora, voc ir elaborar uma composio falsa cor utilizando a combinao entre bandas
mostrada abaixo. Neste tipo de composio, fica clara e evidente a diferenciao entre os
recursos naturais, priorizando a identificao da vegetao e corpos dgua.
COMPOSIO FALSA-COR
banda2_210708 0,45 - 0,52 (20 m) Azul B
Banda4_210708 0,77 - 0,89 (20 m) Infravermelho prximo G
banda3_210708 0,63 - 0,69 (20 m) Vermelho R
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
25
_________Captulo 1 Visualizando Imagens de Satlites e Aerofotos Digitais
13
15
17
18
12
Cursor de rea
O Cursor de rea (zoom) utilizado para definir regies a serem ampliadas na rea de
desenho.
Cursor de Voo
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
26
_________Captulo 1 Visualizando Imagens de Satlites e Aerofotos Digitais
1 3
Cursor de Informao
10
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
27
_________Captulo 1 Visualizando Imagens de Satlites e Aerofotos Digitais
A ferramenta de acoplar tela possibilita comparar os dados de outros PIs com o que estiver
ativo e visvel na janela principal do Spring.
12
13
15 14
16
17. Com a tela Principal ativa, clique na ferramenta Zoom In e veja o resultado.
18. Com a tela Principal ativa, clique na ferramenta Zoom Out e veja o resultado.
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
28
_________Captulo 1 Visualizando Imagens de Satlites e Aerofotos Digitais
Ampliar
19. Com a tela Principal ativa, clique na ferramenta Ampliar e selecione 2x (ampliao de
2 vezes).
20. Arraste o cursor sobre tela Principal e veja o resultado da ampliao na tela de ampliao
Zoom.
20
19
OUTRAS FERRAMENTAS
Nesta etapa, voc ir aprender a alterar a escala da imagem da tela principal e alterar seu
sistema de coordenadas.
Inicialmente, voc ir mostrar a imagem com mais detalhes, alterando a escala para 1:25.000.
Posteriormente, a imagem j com a escala alterada ser visualizada com coordenadas planas
e geogrficas.
1 2
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
29
_________Captulo 1 Visualizando Imagens de Satlites e Aerofotos Digitais
Utilizando os conhecimentos adquiridos nos passos anteriores, voc ir importar imagens com
extenso .tif dos satlites LANDSAT e IKONOS mostradas na Tabela 1.3.
Tabela 1.3. Imagens dos satlites LANDSAT e IKONOS representativas da rea estudo.
SATLITE LANDSAT 7
(QUADRANTE REPRESENTATIVO DA BACIA HIDROGRFICA DO RIO ALEGRE, ES)
BANDAS ESPECTRAIS INTERVALO DE
SENSOR ETM+ COMPRIMENTO DE FAIXA ESPECTRAL
30/05/2001 TELAS DO SPRING ONDA ( m )
b1_300501 (M) Tela 7 0.45 - 0.52 (30 m) Azul
b2_300501 (M) Tela 8 0.53 - 0.61 (30 m) Verde
b3_300501 (M) Tela 9 0.63 - 0.69 (30 m) Vermelho
b4_300501 (M) Tela 10 0.78 - 0.90 (30 m) Infrav. prximo (IP)
b6_300501 (M) Tela 11 10.4 - 12.5 (60 m) Infrav. termal
b8_300501 (M) Tela 12 0.52 - 0.90 (15 m) Pancromtica
bandas azul (B) + verde (G) + vermelho (R) Tela 13 Composio colorida normal
bandas verde (B) + verm. (R) + Infrav. prx. (G) Tela 14 Composio colorida falsa cor
SATLITE IKONOS
(QUADRANTE REPRESENTATIVO DA CIDADE DE ALEGRE E PROXIMIDADES, ES)
BANDAS ESPECTRAIS INTERVALO DE
COMPRIMENTO DE FAIXA ESPECTRAL
01/12/2002 TELAS DO SPRING ONDA ( m )
Ikonos_band_1 (M) Tela 15 0.45 - 0.52 (4 m) Azul
Ikonos_band_2 (M) Tela 16 0.52 - 0.60 (4 m) Verde
Ikonos_band_3 (M) Tela 17 0.63 - 0.69 (4 m) Vermelho
Ikonos_band_4 (M) Tela 18 0.76 - 0.90 (4 m) Infrav. prximo
bandas azul (B) + verde (G) + vermelho (R) Tela 19 Composio colorida normal
bandas verde (B) + verm. (R) + Infrav. prx. (G) Tela 20 Composio colorida falsa cor
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
30
_________Captulo 1 Visualizando Imagens de Satlites e Aerofotos Digitais
Tela 13: Bandas azul (B) + verde (G) + vermelho (R) Tela 14: Bandas verde (B) + verm. (R) + Infrav. prx. (R)
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
31
_________Captulo 1 Visualizando Imagens de Satlites e Aerofotos Digitais
A Figura 1.4 mostra alguns locais importantes da cidade de Alegre, ES sobre a imagem
IKONOS em composio normal e em composio falsa-cor.
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
32
_________Captulo 1 Visualizando Imagens de Satlites e Aerofotos Digitais
Neste tpico, voc dever utilizar os conhecimentos adquiridos nos passos anteriores para
importar aerofotos digitais (extenso.tif) da cidade de Alegre oriunda do ano de 2007 na escala
1:35.000, com resoluo espacial de 1 m. A Tabela 1.4 mostra as caractersticas das aerofotos
digitais importadas que voc deve tomar como exemplo visando visualizar uma composio
normal.
Tabela 1.4. Composio colorida normal das aerofotos digitais representativas da rea estudo.
AEROFOTOS DIGITAIS DO ANO DE 2007
(QUADRANTE REPRESENTATIVO DA BACIA HIDROGRFICA DO RIO ALEGRE, ES)
AEROFOTOS IMPORTADAS Aerofoto_Alegre_2007.tif
NOME TELAS DO SPRING FAIXA ESPECTRAL
Aerofoto_Alegre_2007_1 (R) Vermelho
Aerofoto_Alegre_2007_2 (G) Tela 21 Verde
Aerofoto_Alegre_2007_3 (B) Azul
As Figuras 1.5, 1.6 e 1.7 mostram algumas ampliaes da aerofoto digital em composio
normal sobre a cidade de Alegre, ES.
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
33
_________Captulo 1 Visualizando Imagens de Satlites e Aerofotos Digitais
Parque de
exposio
CCA-UFES
Centro da cidade de
Alegre
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
34
_________Captulo 1 Visualizando Imagens de Satlites e Aerofotos Digitais
Aps executar todos os passos demonstrados anteriormente, voc j est apto a resolver os
exerccios propostos abaixo, visando reforar as atividades deste captulo.
EXERCCIOS
Exerccios tericos
2. Quais as novidades da nova verso do Spring (verso 5.1.2) em relao ltima verso?
5. Defina o que uma escala e explique a sua utilizao prtica no sensoriamento remoto.
Exerccios prticos
SATLITE LANDSAT 7
BANDAS ESPECTRAIS INTERVALO DE
SENSOR ETM+ COMPRIMENTO DE FAIXA ESPECTRAL
05/08/2002 ONDA ( m )
b1_050802.tif 0.45 - 0.52 (30 m) Azul
b2_050802.tif 0.53 - 0.61 (30 m) Verde
b3_050802.tif 0.63 - 0.69 (30 m) Vermelho
b4_050802.tif 0.78 - 0.90 (30 m) Infravermelho prximo
b6_050802.tif 10.4 - 12.5 (60 m) Infravermelho termal
b8_050802.tif 0.52 - 0.90 (15 m) Pancromtica
Utilize os conhecimentos adquiridos neste captulo para importar essas imagens e visualizar
uma:
Observao: durante a importao, fique atento com a resoluo espacial das bandas espectrais do satlite LANDSAT
que, dependendo da banda, pode ser de 15, 30 e 60 m.
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
35
_________Captulo 1 Visualizando Imagens de Satlites e Aerofotos Digitais
Figura 1.8. Cobertura de imagens CBERS para o municpio de Cachoeiro de Itapemirim, ES.
Observao: para melhor compreenso de como fazer o download de imagens gratuitas CBERS ou LANDSAT na
home-page do programa CBERS, voc pode visualizar o manual do usurio disponibilizado no endereo eletrnico
http://www.dgi.inpe.br/Suporte/files/manual_usuario_PT.htm.
a) CBERS.
b) LANDSAT.
c) IKONOS.
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
36
_________Captulo 1 Visualizando Imagens de Satlites e Aerofotos Digitais
Visando aprimorar ainda mais seus conhecimentos de fotointerpretao, observe na figura 1.9
as amostras de categorias de uso e ocupao de solo extradas de uma imagem do satlite
QUICK BIRD com resoluo espacial de 60 cm em composio normal e falsa-cor de uma rea
localizada a cerca de 40 km do centro da cidade de Alegre, ES.
rea agricultada rea degradada rea edificada rea urbana Caf Campo sujo
Figura 1.9. Amostras de categorias de uso e ocupao de solo extradas de uma imagem do
satlite QUICK BIRD com resoluo espacial de 60 cm em composio normal e falsa-cor.
REFERNCIAS BIBLIGRFICAS
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
37
_ Captulo 2 Contraste de Imagens Digitais
02
Contraste de Imagens Digitais
CAPTULO
Este captulo tem por objetivo realizar uma introduo ao processamento digital de imagens e
apresentar diferentes tcnicas de realce de contraste de imagens, objetivando melhorar a
qualidade das imagens sob a percepo do olho humano, consistindo numa transferncia
radiomtrica em cada "pixel", possibilitando aumentar a discriminao visual entre os objetos
presentes na imagem, independente da vizinhana.
Contraste de Imagens.
IMAGEM DIGITAL
CORREO RADIOMTRICA
REALCE DE CONTRASTE
FILTRAGEM
REALCE DE IMAGENS TRANSFORMAO IHS
OPERAES ARITMTICAS
COMPONENTES
EXTRAO DE ATRIBUTOS
ANLISE DE IMAGENS SEGMENTAO
CLASSIFICAO
MAPAS
DESCRIO REPRESENTAO GRFICA
PROPRIEDADES DO OBJETO
Realce de imagens: esta tcnica tem por objetivo modificar, atravs de funes
matemticas, os nveis de cinza ou os valores digitais de uma imagem, de modo a destacar
certas informaes espectrais melhorando a sua qualidade visual, facilitando a anlise
posterior pelo fotointrprete.
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
38
_ Captulo 2 Contraste de Imagens Digitais
Visando executar tcnicas de realce de contraste de imagens, por meio do aplicativo SPRING
5.1.2, ser utilizada a seguinte rea de estudo e imagem de satlite:
OBSERVAO
O satlite QUICKBIRD foi lanado no dia 18 de outubro de 2001, sendo operado pela
DIGITALGLOBE que detm os direitos de comercializao em todo o mundo. Portanto,
visando no comprometer os direitos de comercializao da DIGITALGLOBE, neste livro, as
imagens dos satlites QUICKBIRD so disponibilizadas num tamanho reduzido (pequena
amostra equivalente a uma rea de 0,1 km) com tamanho de 17,80 KB (bandas espectrais
do azul, verde, vermelho e infravermelho prximo) e 281,65 KB (banda pancromtica).
Abaixo, seguem os contatos comerciais da empresa IMAGEM (representante da
DIGITALGLOBE no Brasil):
Endereo: Rua Itoror, 555, Vila Bandeirantes, So Jos dos Campos, SP. CEP:
12.216-440.
Telefones: (55) ** 12 3946.8933 / Fax: (55) ** 12 3946.8945.
Home-page: http://www.img.com.br (IMAGEM)
http://www.digitalglobe.com (DIGITALGLOBE)
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
39
_ Captulo 2 Contraste de Imagens Digitais
A tcnica de realce de imagens tem por objetivo melhorar a qualidade visual da imagem,
aumentando a interpretao e a quantidade de informao. Geralmente utilizada como uma
etapa de pr-processamento de imagens.
Na prtica, a tcnica de realce de uma imagem modifica sua escala de cinza, sendo uma
operao pontual, em que o novo valor do ponto depende apenas do valor antigo deste ponto.
Para tanto, o usurio deve manipular o histograma original de uma imagem, distribuindo melhor
os nveis de cinza ao longo de sua escala (Figura 2.3). J a Figura 2.4 mostra a ampliao de
uma imagem em falsa-cor realada com contraste linear.
O realce de contraste pode ser feito mapeando as variaes dentro do intervalo de tons de
cinza [Vmin Vmax] da imagem original para a variao mxima do dispositivo de visualizao
que, geralmente, [0, 255]. Vmin e Vmax so os valores de nveis de cinza (NCs) mnimos e
mximos, respectivamente, presentes na imagem original. O mapeamento realizado por meio
de uma funo de mapeamento (Figura 2.5). Cada valor do nvel de cinza na imagem original
mapeada para um novo valor de acordo com uma funo de transferncia, que pode ser
definida como:
y = f (x )
Em que,
y: novo valor correspondente;
x: nvel de cinza original.
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
40
_ Captulo 2 Contraste de Imagens Digitais
Figura 2.3. Histograma e imagem antes (a) e aps (b) a aplicao do contraste (contraste
linear) no SPRING 5.1.2.
Figura 2.4. Histograma e imagem antes (a) e aps (b) a aplicao do contraste (contraste
linear) no SPRING 5.1.2.
h(y ) f (x )
h(x )
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
41
_ Captulo 2 Contraste de Imagens Digitais
FUNO E HISTOGRAMA
MTODO CARACTERSTICA
(SPRING)
y = ax + b
No aumento linear de contraste as barras que formam o
histograma da imagem de sada so espaadas igualmente, uma
vez que a funo de transferncia uma reta. Como podemos
Linear Sada
Entrada
observar, na figura ao lado, o histograma de sada ser idntico,
em formato, ao histograma de entrada, exceto quando ele tiver
um valor mdio e um espalhamento diferente.
y =a x
Utiliza-se a opo de transformao por raiz quadrada para
aumentar o contraste das regies escuras da imagem original. A
Raiz Quadrada funo de transformao representada pela curva, como
mostra a figura ao lado. Observe que a inclinao da curva
tanto maior quanto menores os valores de nveis de cinza.
y = ax 2
Utiliza-se este mapeamento quando se deseja aumentar o
contraste de feies claras (altos nveis de cinza da imagem).
Quadrado Observe, na figura ao lado que o aumento de contraste maior a
partir da mdia do histograma, mesmo havendo um
deslocamento geral para a regio de nveis mais escuros.
y = a log( x + 1)
O mapeamento logartmico de valores de nveis de cinza til
para aumento de contraste em feies escuras (valores de cinza
Logaritmo
baixos). Equivale a uma curva logartmica como mostrado na
figura ao lado.
y = (ax + b )
uma funo de mapeamento linear inversa, ou seja, o
contraste ocorre de modo que as reas escuras (baixos valores
Negativo
de nvel de cinza) tornam-se claras (altos valores de nvel de
cinza) e vice-versa. A figura ao lado mostra sua representao.
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
42
_ Captulo 2 Contraste de Imagens Digitais
faxi 255
y =
Pt
uma maneira de manipulao de histograma que reduz,
Em que, automaticamente o contraste em reas muito claras ou muito
faxi: frequncia acumulada para o escuras, numa imagem. Expande tambm os nveis de cinza ao
nvel de cinza xi; longo de todo intervalo. Consiste em uma transformao no-
Equalizao Pt: populao total (nmero total de linear que considera a distribuio acumulativa da imagem
de Histograma pixel). original, para gerar uma imagem resultante, cujo histograma ser
aproximadamente uniforme (veja figura ao lado).
Agora, voc ir aplicar a tcnica de realce de contraste de imagem (mtodo linear) sobre as
seguintes imagens:
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
43
_ Captulo 2 Contraste de Imagens Digitais
1 3
5
6
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
44
_ Captulo 2 Contraste de Imagens Digitais
10
11
8
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
45
_ Captulo 2 Contraste de Imagens Digitais
13
14
12
a) Imagem antes da aplicao do contraste linear. b) Imagem aps a aplicao do contraste linear.
Agora voc ir aplicar um contraste linear sobre o canal Vermelho da seguinte forma:
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
46
_ Captulo 2 Contraste de Imagens Digitais
20
21 15 22
24
23
25
26
27
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
47
_ Captulo 2 Contraste de Imagens Digitais
29
30
31
28
33 34
35
32
Agora, voc ir salvar a composio colorida em falsa-cor como uma imagem sinttica,
mantendo o contraste linear aplicado sobre os canais vermelho, verde e azul.
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
48
_ Captulo 2 Contraste de Imagens Digitais
38
39
36 37 40
42
43 41
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
49
_ Captulo 2 Contraste de Imagens Digitais
EXERCCIOS
a) Satlite IKONOS:
b) Satlite CBERS:
c) Satlite LANDSAT:
Aps a aplicao de cada contraste linear, capture seu respectivo histograma na forma de
imagem. Posteriormente, compare os histogramas de cada imagem elaborada (diferentes
satlites) e descreva seu comportamento.
REFERNCIAS BIBLIGRFICAS
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
50
_ Captulo 3 Transformao IHS < - > RGB de Imagens
03
Transformao IHS < - > RGB de Imagens
CAPTULO
Neste captulo, voc ir aplicar uma transformao IHS < - > RGB sobre as bandas multi-
espectrais do satlite QUICKBIRD que apresentam resoluo espacial de 2,4 m, visando obter
uma imagem em falsa-cor com resoluo espacial de 0,6 m melhorando a qualidade de
fotointerpretao das imagens de satlites.
Neste tpico, ser abordada a tcnica de transformao no espao de cores ou, mais
precisamente, a transformao IHS que apresentam os seguintes significados:
O sistema IHS possui a vantagem de apresentar as cores de uma forma mais aproximada
quela utilizada pelo sistema de viso humano, pois os tons so descritos em termos de
Intensidade, Matiz e Saturao que apresentam os seguintes significados:
Alm disso, a transformao para o espao IHS permite um maior controle individual sobre os
componentes cromticos (matiz) e acromticos (saturao) da imagem.
A relao espacial entre o espao RGB e IHS mostrada na Figura 3.1. Observa-se que o
sistema IHS pode ser graficamente representado por um cone.
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
51
_ Captulo 3 Transformao IHS < - > RGB de Imagens
Seo do
cone IHS
Na transformao RGB para IHS, escolhem-se trs bandas de uma imagem e associa-se cada
banda a um dos componentes RGB. Assim, cada "pixel", na imagem de sada, possuir uma
correspondncia a um ponto no espao IHS. O resultado um conjunto de trs novas imagens:
uma de intensidade, uma de matiz e outra de saturao.
Neste tpico, voc ir aplicar uma transformao IHS sobre as bandas multiespectrais do
satlite QUICKBIRD (Tabela 3.1) que apresentam resoluo espacial de 2,4 m, visando obter
uma imagem em falsa-cor com resoluo espacial de 0,6 m.
Observe na Tabela 3.1, que, inicialmente, as bandas verde, vermelho e infravermelho prximo
apresentam resoluo espacial de 2,4 m. Aps a transformao IHS, estas mesmas bandas
espectrais apresentaro resoluo espacial de 0,6 m, melhorando a capacidade de
fotointerpretao. A Figura 3.2 mostra como a qualidade da imagem falsa cor ir melhorar aps
a transformao IHS.
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
52
_ Captulo 3 Transformao IHS < - > RGB de Imagens
Figura 3.2. Comparao entre imagens em falsa-cor do satlite QUICBIRD antes e aps a
transformao IHS.
Nesta etapa, voc ir realizar a transformao IHS <-> RGB, visando elaborar uma composio
em falsa-cor com resoluo espacial de 0,6 m.
Inicialmente, voc dever abrir o SPRING 5.1.2 e ativar o Banco de Dados e o Projeto, ambos
intitulados IMAGEM_UFES:
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
53
_ Captulo 3 Transformao IHS < - > RGB de Imagens
3
4
11
8 10
11
12
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
54
_ Captulo 3 Transformao IHS < - > RGB de Imagens
Agora, voc ir visualizar cada uma das imagens geradas: Ufes_I, Ufes_H e Ufes_S.
Repita os passos anteriores (de 13 a 16) para as imagens Ufes_H (usando a Tela 3) e Ufes_S
(usando a Tela 4).
13
16
14
15
Agora, voc ir aplicar uma transformao IHS->RGB, visando elaborar uma imagem em falsa
cor com resoluo espacial de 0,6 m.
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
55
_ Captulo 3 Transformao IHS < - > RGB de Imagens
19 18
20
21
22
23
24
17
Agora, voc est pronto para elaborar uma composio em falsa-cor com as imagens geradas
com resoluo de 0,6 m mostradas abaixo:
Como demonstrado no captulo 1, utilize a tela auxiliar para visualizar uma imagem em falsa-
cor com as imagens antes da transformao IHS, ou seja:
33. Com a tela Principal ativa, clique a na ferramenta Acoplar e selecione a tela Auxiliar.
34. Utilize a ferramenta Cursor de rea e arraste uma caixa ao redor da parte central
(Biblioteca Central) da UFES.
35. Clique na ferramenta Desenhar .
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
56
_ Captulo 3 Transformao IHS < - > RGB de Imagens
32
26
28
30
31 25
35
34
33
A letra a da Figura 3.4 mostra a Biblioteca Central da UFES (tela principal) ampliada com a
imagem falsa-cor oriunda da transformao IHS <-> RGB com resoluo espacial de 0,6 m
com aplicao do realce de contraste linear. J a letra b mostra a Biblioteca Central da UFES
(tela auxiliar) ampliada com a imagem falsa-cor com resoluo espacial de 2,4 m antes da
transformao IHS-><-RGB com aplicao do realce de contraste linear.
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
57
_ Captulo 3 Transformao IHS < - > RGB de Imagens
Figura 3.4. Ampliao de imagens em falsa-cor da rea central da UFES (biblioteca central). a)
resoluo espacial de 0,6 m oriunda da transformao IHS <-> RGB e, b) resoluo espacial
de 2,4 m antes da transformao IHS <-> RGB.
A Figura 3.5 mostra algumas localizaes dentro Campus da UFES Central, Vitria, ES.
BIBLIOTECA CENTRAL
DA UFES
LAGOA DA UFES
Figura 3.5. Ampliao de uma imagem em falsa-cor (resoluo de 0,6 m) oriunda de uma
transformao IHS <-> RGB da rea representativa do Campus Central da UFES, Vitria, ES.
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
58
_ Captulo 3 Transformao IHS < - > RGB de Imagens
EXERCCIOS
Veja na Figura 3.6 abaixo o resultado da transformao IHS <-> RGB que voc dever
alcanar.
Figura 3.6. Transformao IHS <-> RGB - Composio Normal Bandas do azul, verde e
vermelho.
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
59
_ Captulo 4 Filtragem de Imagens Digitais
04
Filtragem de Imagens Digitais
CAPTULO
Este captulo tem por objetivo apresentar tcnicas de filtragem espacial de frequncias, de
forma a facilitar na interpretao de imagens digitais.
Todas as imagens possuem limites entre reas com diferentes respostas em relao energia
eletromagntica, como por exemplo, entre diferentes coberturas do terreno (solo, vegetao,
rocha e outros), ou podem representar o contato entre reas com diferentes condies de
iluminao devido ao sombreamento topogrfico.
Uma caracterstica das imagens digitais o parmetro chamado frequncia espacial, o qual
definido como o nmero de mudanas no valor de brilho por unidade de distncia para
qualquer parte da imagem. Quando se tem pouca variao no valor de brilho em reas
relativamente grandes, como o caso de monoculturas, dizemos que esta uma regio de
baixa frequncia. E, quando ocorre uma grande variabilidade nos valores de brilho em reas
pequenas, dizemos que uma regio de alta frequncia (limites de plantaes, redes de
transporte, estruturas geolgicas, entre outros).
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
60
_ Captulo 4 Filtragem de Imagens Digitais
FILTRAGEM LINEAR
Figura 4.1. Mscaras dos filtros de Passa Baixa-Mdia 3x3, 5x5 e 7x7.
Figura 4.2. Comparao entre diferentes filtros Passa Baixa-Mdia sobre a banda
infravermelho do satlite IKONOS representativa do Parque de Exposio da
cidade de Alegre, ES.
3x3 3x3
Figura 4.3 Mscaras dos filtros de Passa Baixa Mdia Ponderada 3x3.
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
61
_ Captulo 4 Filtragem de Imagens Digitais
Imagem filtrada
Banda
(Passa Baixa
infravermelho do Mscara utilizada
Mdia Ponderada
satlite IKONOS
3 x 3)
Figura 4.4 Aplicao do filtro de passa baixa mdia ponderada (3 x 3) sobre a banda
infravermelho do satlite IKONOS representativa do Parque de
Exposio da cidade de Alegre, ES.
Passa Alta: a filtragem Passa Alta reala detalhes, produzindo uma "agudizao"
("sharpering") da imagem, isto , as transies entre regies diferentes tornam-se mais
ntidas. Estes filtros podem ser usados para realar certas caractersticas presentes na
imagem, tais como bordas, linhas curvas ou manchas, mas enfatizam o rudo existente na
imagem. Alguns exemplos destas mscaras so mostradas na Figura 4.5. J a Figura 4.6
mostra uma aplicao do filtro de Passa Alta (3 x 3) sobre a banda infravermelho do satlite
IKONOS representativa do Parque de Exposio da cidade de Alegre, ES.
Banda
Imagem filtrada
infravermelho Mscara
(Passa Alta 3 x
do satlite utilizada
3)
IKONOS
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
62
_ Captulo 4 Filtragem de Imagens Digitais
Figura 4.8. Aplicao do filtro direcional de realce de bordas Norte (3 x 3) sobre a banda
infravermelho do satlite IKONOS representativa do Parque de
Exposio da cidade de Alegre, ES.
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
63
_ Captulo 4 Filtragem de Imagens Digitais
Imagem filtrada
Banda
(no-direcional
infravermelho do Mscara Baixa
de realce de
satlite IKONOS
bordas baixa)
Figura 4.10. Aplicao do filtro no-direcional de realce de bordas baixa (3 x 3) sobre a banda
infravermelho do satlite IKONOS representativa do Parque de Exposio da
cidade de Alegre, ES.
Banda
infravermelho do Mscara Imagem filtrada
satlite TM/LANDSAT (filtroTM/LANDSAT)
TM/LANDSAT
Figura 4.12. Aplicao do filtro de realce para imagens do satlite TM/LANDSAT
(4 x 4) sobre a banda infravermelho do satlite TM/LANDSAT
representativa do municpio de Alegre, ES.
FILTROS NO-LINEARES
Filtros para deteco de bordas: detecta caractersticas, como bordas, linhas, curvas e
manchas, sendo os mais comuns os operadores de Roberts e Sobel.
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
64
_ Captulo 4 Filtragem de Imagens Digitais
Em que,
A Figura 4.14 mostra uma aplicao da filtragem no-linear para deteco de bordas utilizando
o operador de Roberts sobre a banda infravermelho do satlite IKONOS representativa do
Parque de Exposio da cidade de Alegre, ES.
Imagem filtrada
Banda
Mscara de (deteco de
infravermelho do
Roberts bordas - operador
satlite IKONOS
de Roberts)
Figura 4.14. Aplicao da filtragem no linear para deteco de bordas utilizando o operador de
Roberts sobre a banda infravermelho do satlite IKONOS representativa do Parque de
Exposio da cidade de Alegre, ES.
b) Operador de Sobel: reala linhas verticais e horizontais mais escuras que o fundo, sem
realar pontos isolados. Consiste na aplicao de duas mscaras, descritas na Figura 4.15,
que compem um resultado nico.
a' = a 2 + b 2
Em que,
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
65
_ Captulo 4 Filtragem de Imagens Digitais
A Figura 4.16 mostra uma aplicao da filtragem no-linear para deteco de bordas utilizando
o operador de Sobel sobre a banda infravermelho do satlite IKONOS representativa do
Parque de Exposio da cidade de Alegre, ES.
Imagem filtrada
Banda infravermelho
Mscaras de Sobel (deteco de bordas
do satlite IKONOS
- operador de Sobel)
Figura 4.16. Aplicao da filtragem no-linear para deteco de bordas utilizando o operador
de Sobel sobre a banda infravermelho do satlite IKONOS
representativa do Parque de Exposio da cidade de Alegre, ES.
O pixel central ser alterado para o valor 6 [valor mediano na ordenao (2,3,6,6,8)].
A Figura 4.18 mostra uma aplicao da filtragem no-linear morfolgica de mediana sobre a
banda infravermelho do satlite IKONOS representativa do Parque de Exposio da cidade de
Alegre, ES.
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
66
_ Captulo 4 Filtragem de Imagens Digitais
b) Filtro Morfolgico-Eroso: provoca efeitos de eroso das partes claras da imagem (altos
nveis de cinza), gerando imagens mais escuras. Considerando o exemplo mostrado na
Figura 4.17, o valor a ser substitudo no pixel central corresponde ao menor valor da
ordenao, que igual a 2.
A Figura 4.19 mostra uma aplicao da filtragem no-linear Morfolgico-Eroso sobre a banda
infravermelho do satlite IKONOS representativa do Parque de Exposio da cidade de Alegre,
ES.
Banda
Mscara de Imagem filtrada
infravermelho do
eroso M+ (filtro de eroso)
satlite IKONOS
A Figura 4.21 mostra algumas mscaras comumente utilizadas para filtros morfolgicos.
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
67
_ Captulo 4 Filtragem de Imagens Digitais
a) Abertura de uma imagem: obtida pelo encadeamento do filtro de eroso, seguido pelo de
dilatao, conforme mostrado na Figura 4.22. Observe, nesta figura, que aps o
encadeamento das filtragens (eroso seguida de dilatao), algumas reas, localizadas
nas proximidades do Parque de Exposio da cidade de Alegre, ES, apresentam reas que
foram abertas quando comparadas com a imagem original.
Imagem aberta
Banda
Imagem filtrada oriunda de nova
infravermelho do
(filtro de eroso) filtragem (filtro
satlite IKONOS
de dilatao)
Figura 4.22. Abertura de uma imagem: aplicao encadeamento de filtros (eroso seguido de
dilatao) sobre a banda infravermelho do satlite IKONOS representativa do Parque de
Exposio da cidade de Alegre, ES.
Imagem fechada
Banda Imagem filtrada
oriunda de nova
infravermelho do (filtro de
filtragem (filtro de
satlite IKONOS dilatao)
eroso)
Agora que voc assimilou conceitos tericos sobre as tcnicas de filtragem, sero
demonstradas algumas aplicaes prticas no SPRING 5.1.2.
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
68
_ Captulo 4 Filtragem de Imagens Digitais
3
4
5 7
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
69
_ Captulo 4 Filtragem de Imagens Digitais
4
2
3
1 5
13
8
6
7 11
9
12
10
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
70
_ Captulo 4 Filtragem de Imagens Digitais
Neste tpico ser demonstrada uma anlise matemtica objetivando comprovar o valor do pixel
central de uma rea localizada na nova imagem filtrada pelo Filtro de Passa Baixa-Mdia 3 x
3. Caso seja necessrio, apenas acompanhe visualmente, passo a passo, os clculos abaixo.
O pixel a ser testado (imagem denominada Ikonos_band_4) apresenta as coordenadas
geogrficas mostradas nas Figura 4.25 e 4.26.
Local de teste do
tipo de filtro
Long: -41:31:35,91
Lat: -20:45:42,61
Figura 4.25. Coordenadas geogrficas do pixel a ser testado aps a filtragem de Passa Baixa-
Mdia.
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
71
_ Captulo 4 Filtragem de Imagens Digitais
63 59 57
Figura 4.27. Valores nos nveis de cinza dos pixels vizinhos e central: a) mscara da imagem
de origem e b) da imagem filtrada.
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
72
_ Captulo 4 Filtragem de Imagens Digitais
1049
Valor do novo pixel =
9
2 4
3
1 5
13
8
6 11
7
9
12
10
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
73
_ Captulo 4 Filtragem de Imagens Digitais
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
74
_ Captulo 4 Filtragem de Imagens Digitais
13
8
6 11
7
9
12
10
EXERCCIOS
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
75
_ Captulo 5 Operaes Aritmticas entre Imagens
05
Operaes Aritmticas entre Imagens
CAPTULO
Este captulo tem por objetivo apresentar o potencial do SPRING 5.1.2 para a realizao de
operaes aritmticas do tipo: soma, subtrao, multiplicao e diviso.
Durante a aquisio de dados pelos sensores orbitais, existem vrios fatores que causam as
distores radiomtricas das imagens; tais como, a diferena das condies atmosfricas,
iluminao, ngulos de visada, entre outros. Para determinadas aplicaes, a correo destas
distores um processo indispensvel. Por outro lado, em muitas situaes, o processo de
correo radiomtrica no uma tarefa fcil, principalmente, quando o procedimento envolve o
conhecimento dos fatores que causam tais distores que nem sempre esto disponveis.
Este mtodo, consiste em igualar as mdias e varincias de duas imagens, atravs de uma
transformao linear. Para isto, so calculados os parmetros (ganho e offset) da funo que
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
76
_ Captulo 5 Operaes Aritmticas entre Imagens
quando aplicada imagem de ajuste, a imagem resultante tenha a mesma mdia e varincia
da imagem de referncia.
O clculo do ganho e offset so baseados na funo de transformao f(x) = ax + b, ou seja:
R = ganho MS + offset
R2 = ganho 2 s2
R2
ganho =
s2
R2
offset = R S
s2
Em que,
Em que,
S: imagem uniformizada;
S: imagem de ajuste.
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
77
_ Captulo 5 Operaes Aritmticas entre Imagens
Aps a apresentao do mtodo de uniformizao das mdias e varincias (UMV), voc j est
pronto para iniciar uma aplicao prtica no SPRING 5.1.2.
3 6
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
78
_ Captulo 5 Operaes Aritmticas entre Imagens
13
10
11
12
Mdia: 77,37.
Varincia: 353,79.
14
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
79
_ Captulo 5 Operaes Aritmticas entre Imagens
16
15
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
80
_ Captulo 5 Operaes Aritmticas entre Imagens
3
6
13
9
10
11 12
Mdia: 28,64.
Varincia: 22,64.
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
81
_ Captulo 5 Operaes Aritmticas entre Imagens
14
16
15
De posse dos valores de mdia e varincia das imagens de referncia e ajuste, voc ir
determinar os valores do GANHO e OFFSET, utilizando as equaes a seguir:
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
82
_ Captulo 5 Operaes Aritmticas entre Imagens
R2 353,79
ganho = =
s 2 22,38
ganho = 3,976
R2
offset = R S = 77,37 3,976 28,64
s2
offset = 36,503
Em que,
S: imagem uniformizada.
S: imagem de ajuste.
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
83
_ Captulo 5 Operaes Aritmticas entre Imagens
4
5
6
3
7
8
12
9 10 11
13
14
15
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
84
_ Captulo 5 Operaes Aritmticas entre Imagens
18
17
16
19
20
21
26
22
23
25
24
Mdia: 76,55.
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
85
_ Captulo 5 Operaes Aritmticas entre Imagens
Varincia: 357,20.
27
28
29
A Tabela 5.1 mostra o resumo das operaes que envolveram a aplicao do mtodo de
uniformizao das mdias e varincias (UMV).
Tabela 5.1 Comparao dos valores de mdia e varincia das imagens de referncia, ajuste e
normalizada.
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
86
_ Captulo 5 Operaes Aritmticas entre Imagens
Concluso: de acordo com os resultados da Tabela 5.1, os valores de mdia e varincia das
imagens de referncia e normalizada esto prximos estatisticamente.
A Figura 5.2 mostra uma comparao entre as imagens de referncia, ajuste e normalizada.
Observa-se que, aps a aplicao do mtodo de uniformizao das mdias e varincias
(UMV), o contraste da imagem de referncia muito parecido com o da imagem normalizada.
Esta afirmao pode ser comprovada pela comparao entre o histograma das imagens de
referncia, ajuste e normalizada, demonstrada na Figura 5.3. Observe que o histograma da
imagem de referncia se assemelha com o histograma da imagem normalizada.
Figura 5.3. Comparao entre o histograma das imagens de referncia, ajuste e normalizada.
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
87
_ Captulo 6 ndices de Vegetao
06
ndices de Vegetao
CAPTULO
Este captulo tem por objetivo determinar ndices de vegetao utilizando operaes
aritmticas para manipulao de imagens de satlite.
ndices de vegetao so medidas quantitativas, baseadas nos valores digitais, que tentam
medir biomassa ou vigor vegetativo.
A forma mais simples de obter o ndice de vegetao pela razo entre duas bandas
espectrais. Algumas razes entre bandas tm sido definidas a partir do conhecimento do
comportamento espectral da vegetao viva.
Para a vegetao viva, a estratgia da razo pode ser, especialmente, efetiva devido relao
inversa entre valores de brilho da vegetao na regio do vermelho e infravermelho prximo.
Isto , a absoro da luz vermelha (VM) pela clorofila (80% a 90%) e a alta reflexo da
radiao infravermelha (IV) pela mesfila (40 a 50%) asseguram que as caractersticas
espectrais do vermelho e o infravermelho prximo sero bem diferentes e, consequentemente,
a razo (IV/VM) ser alta. Superfcies no-vegetadas, incluindo gua, solo exposto, e
vegetao morta ou estressada no tero estas respostas espectrais especficas e,
consequentemente, suas razes iro decrescer em magnitude. Assim, a razo IV/VM pode
fornecer uma medida da importncia da reflectncia vegetativa dentro de um dado pixel.
A razo IV/VM uma das muitas medidas usadas para medir o vigor da vegetao. A razo
verde/vermelha (VD/VM), por exemplo, baseada nos mesmos conceitos usados pela razo
IV/VM, embora seja menos efetiva.
De acordo com Eastman (1998), o ndice de Razo de Vegetao (do ingls Ratio Vegetation
Index) (RATIO) foi proposto por Rouse et al., (1974) para separar vegetao verde de solo
utilizando Imagem do satlite Landsat MSS. O Infravermelho RATIO produzido por uma
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN.
88
_ Captulo 6 ndices de Vegetao
IV
RATIO =
VM
Em que:
Um dos ndices de vegetao baseado na razo entre bandas mais amplamente usado o
ndice conhecido como ndice de Vegetao da Diferena Normalizada (do ingls Normalized
Difference Vegetation Index) (NDVI) desenvolvido por Rouse et al., (1973), citado por Jansen
(1986) dado pela seguinte equao:
(IV VM )
NDVI =
(IV + VM )
Em que,
O NDVI foi introduzido para produzir um IV espectral que separa vegetao verde do brilho do
solo de fundo, utilizando, primeiramente, dados digitais do satlite Landsat MSS. Este o
ndice de vegetao mais comumente empregado, que minimiza efeitos topogrficos. Possui a
propriedade de variar entre 1 a +1, sendo que quanto mais prximo de 1, maior a densidade
de cobertura vegetal. O 0 (zero) representa valor aproximado para ausncia de vegetao, ou
seja, representa superfcies no vegetadas.
Dering et al., (1975), citado por Jansen (1986), utilizou outro tipo de ndice de vegetao
adicionando 0,5 ao NDVI e extraindo sua raiz quadrada. Tem sido extensivamente utilizado
para medir a quantidade de vegetao. Este ndice foi denominado de ndice de Vegetao
Transformado (do ingls Transformed Vegetation Index) (TVI), cuja equao a seguinte:
Em que,
Na equao do TVI, a constante 0,50 introduzida para evitar operaes com valores
negativos de NDVI. O clculo da raiz quadrada pretende corrigir os valores do NDVI
introduzindo uma distribuio normal.
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN.
89
_ Captulo 6 ndices de Vegetao
CTVI =
(NDVI + 0,5 ) ABS(NDVI + 0,5 )
ABS (NDVI + 0,5 )
Em que,
CTVI: ndice de Correo Transformada da Vegetao.
ABS: Valor absoluto.
O CTVI pretende corrigir o TVI adicionando a constante de 0.50 para todos os valores NDVI,
nem sempre eliminando todos os valores negativos de NDVI, podendo ter um alcance de -1 a
+1. Valores menores que -0.50 tornam-se valores negativos menores depois da operao de
adio. Assim, o CTVI elaborado para resolver essa situao dividindo o (NDVI + 0.50) por
seu valor absoluto ABS (NDVI + 0.50) e multiplicando pela raiz quadrada do valor absoluto,
suprimindo o sinal negativo.
Thiam (1997), apud Eastman (1998), indicou que o resultado imagem do CTVI pode ser muito
ruidoso devido a uma superestimao da vegetao verde. Para obter melhores resultados,
Thiam sugeriu ignorar o primeiro termo da equao do CTVI e adicionar, simplesmente, a raiz
quadrada dos valores absolutos para o NDVI e TVI, para se apresentar um novo ndice
conhecido como ndice de Vegetao Transformado de Thiams (do ingls Thiams
Trasnformed vegetation Index) (TTVI), expresso pela seguinte equao:
IV VM
TTVI = ABS + 0,5
IV + VM
Em que,
Eastman (1998), em sua reviso bibliogrfica, descreve sobre outras equaes de ndice de
vegetao.
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN.
90
_ Captulo 6 ndices de Vegetao
6
3
9
7
8
Vamos supor que aps a aplicao de uma operao aritmtica, objetivando elaborar uma
imagem NDVI com Ganho e Offset de 50 e 100, respectivamente, um determinado pixel da
imagem apresentou o valor de NDVI de 73,4 (NDVI PROCESSADO). Nesta circunstncia, o
valor do NDVI ORIGINAL ser de:
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN.
91
_ Captulo 6 ndices de Vegetao
Logo, com a aplicao do Ganho e Offset sobre o NDVI ORIGINAL que, neste caso, negativo
(-0,532), obtm-se um novo valor de NDVI (73,4) com valor positivo, de mais fcil interpretao
visual.
3 4 5
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN.
92
_ Captulo 6 ndices de Vegetao
rea no vegetada
rea vegetada <NDVI (colorao mais escura)
>NDVI (verde mais claro)
a) rea vegetada com maior NDVI b) rea no vegetada com menor NDVI
Figura 6.1. Comparao entre o NDVI de reas vegetadas (a) e no vegetadas com presena
de edificaes (b).
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN.
93
_ Captulo 6 ndices de Vegetao
10
7 11 12
Figura 6.2. NDVI na Floresta Nacional de Pacotuba, Cachoeiro de Itapemirim, ES, para os anos
de 1985 e 2007.
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN.
94
_ Captulo 6 ndices de Vegetao
Anlise da Cobertura Florestal por meio da subtrao de imagem NDVI na Floresta Nacional
de Pacotuba, Cachoeiro de Itapemirim, ES. (Anais XIV Simpsio Brasileiro de Sensoriamento
Remoto, Natal, Brasil, 25-30 abril 2009, INPE, p. 3995-4001.) disponibilizado no seguinte
endereo eletrnico (Figura 6.4):
http://marte.dpi.inpe.br/col/dpi.inpe.br/sbsr@80/2008/11.17.11.48/doc/3995-4001.pdf
REFERNCIAS BIBLIOGRFICAS
ROUSE, J.W.; HAAS, R.H.; SCHELL, J.A.; DEERING, D.W.,1973. Monitoring vegetation
systems in the Great Plains with ERTS. Third Symposium of ERTS, Greenbelt, Maryland,
USA. NASA SP-351, V1:309-317.
LOUZADA, F.L.R.O.; COUTINHO, L.M.; ANDRADE, C.C.; OLIVEIRA, V.A.S.; BREDA, P.H.M.;
SANTOS, A.R. Anlise da Cobertura Florestal por meio da subtrao de imagem NDVI na
Floresta Nacional de Pacotuba, Cachoeiro de Itapemirim, ES. Anais..., INPE, p. 3995-4001,
2009. Disponvel em:
http://marte.dpi.inpe.br/col/dpi.inpe.br/sbsr@80/2008/11.17.11.48/doc/3995-4001.pdf
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN.
95
_ _____________ Captulo 7 Classificao de Imagens de Satlite
CLASSIFICAO DE IMAGENS DE 07
SATLITE CAPTULO
Alexandre Rosa dos Santos, Nathlia Suemi Saito, Telma Machado de Oliveira Peluzio, Alexandre
Cndido Xavier, Geraldo Rgis Mauri.
Este captulo tem por objetivo apresentar os processos de classificao de imagens de satlite,
visando elaborao de mapas de uso e ocupao do solo de uma rea pertencente ao bairro
Pavuna, Alegre, ES.
Figura 7.1. Uso e ocupao do solo gerado pelo algoritmo de classificao da mxima
verossimilhana (Maxver) de uma rea pertencente ao bairro Pavuna, Alegre, ES.
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
96
_ _____________ Captulo 7 Classificao de Imagens de Satlite
B (gua)
A (urbanizao)
Figura 7.2. Imagem numrica oriunda da composio colorida em falsa-cor (a) e imagem
classificada (b).
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
97
_ _____________ Captulo 7 Classificao de Imagens de Satlite
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
98
_ _____________ Captulo 7 Classificao de Imagens de Satlite
Existe uma variedade de algoritmos de classificao nos quais os pixels desconhecidos podem
ser comparados com os pixels do conjunto de treinamento. Em cada caso, o produto final
uma imagem classificada, representando ento um mapa temtico. Esses algoritmos de
classificao podem ser paramtricos e no paramtricos. Este ltimo, no faz suposies
sobre as distribuies das classes. J os paramtricos produzem bons resultados mesmo
quando a distribuio de classe assumida invlida. A Tabela 7.1. mostra os algoritmos de
classificao mais comuns:
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
99
_ _____________ Captulo 7 Classificao de Imagens de Satlite
Em que,
xck = mdia da classe c na banda k;
ck = desvio padro da classe c na banda k;
VBijk = valor de brilho na linha i, coluna j e banda k;
c = nmero de classes envolvidas na classificao;
k = nmero de bandas envolvidas na classificao.
LI ck VBijk LS ck
Em que,
baixa preciso;
no leva em considerao a covarincia dos dados.
OBS: muitos pixels no so classificados por no atenderem o intervalo dos limites. Uma
soluo seria aumentar o intervalo por meio do desvio padro, porm, isto provocaria uma
maior superposio.
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
100
_ _____________ Captulo 7 Classificao de Imagens de Satlite
VALORES DE REFLECTNCIA
DAS ASSINATURAS
u u u = urbanizao
u u u ff f f = fragmentao florestal
u u u f f s = solo exposto
u u u u
f 2 a = gua
BANDA DO VERMELHO
s
u u u s s p = pastagem
u u MDIAS ESPECTRAIS
s s s
s s s p
p = urbanizao
s s = fragmentao
a p p
a a
1 p = solo exposto
p p
a a p p p = gua
a = pastagem
p
PIXELS QUE ESTO SENDO
BANDA DO INFRAVERMELHO COMPARADOS
1e2
Este algoritmo de classificao (supervisionado) atribui cada pixel desconhecido classe cuja
mdia mais prxima a ele. Isto porque, na maioria das situaes reais encontradas em
imagens de sensoriamento remoto, o nvel de cinza dos pixels vai representar, na verdade,
uma mistura de mais de um tipo de superfcie. Uma soluo para este caso atribuir cada pixel
desconhecido uma ou outra classe, dependendo da classe que ele est mais prximo. Para
isso, calcula-se a distncia espectral de cada pixel at a mdia de cada classe em cada banda.
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
101
_ _____________ Captulo 7 Classificao de Imagens de Satlite
No diagrama heurstico da Figura 7.5, o pixel 1 est mais prximo da mdia do solo exposto (s)
e , por isso, atribudo categoria solo exposto. A desvantagem deste classificador ilustrada
pelo pixel 2, que est mais prximo mdia da fragmentao florestal (f), mesmo parecendo
estar dentro do intervalo de reflectncia com maior probabilidade de ser urbanizao (u).
VALORES DE REFLECTNCIA
DAS ASSINATURAS
u u u = urbanizao
f f = fragmentao florestal
u u u ff
u u u f f s = solo exposto
u u u u
f 2 a = gua
BANDA DO VERMELHO
s
u u u s s p = pastagem
u u s s MDIAS ESPECTRAIS
s
s s p = urbanizao
s p
s s = fragmentao
a p p
a a
1 p = solo exposto
p p
a a p p = gua
p = pastagem
a p
PIXELS QUE ESTO SENDO
BANDA DO INFRAVERMELHO COMPARADOS
1e2
[
Pc = [ 0,5 log e (Det (Vc ))] 0,5( X M c )T (Vc )1 ( X M c ) ]
Em que,
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
102
_ _____________ Captulo 7 Classificao de Imagens de Satlite
A Figura 7.6 apresenta o limite de deciso de uma classificao, no ponto onde as duas
distribuies se cruzam. Desta forma, um pixel localizado na regio sombreada, apesar de
pertencer classe 2, ser classificado como classe 1, pelo limite de deciso estabelecido.
No diagrama heurstico da Figura 7.7, pelo fato da distribuio dos valores de reflectncia em
uma amostra de treinamento ser descrita por uma funo de densidade de probabilidade, este
classificador tende a apresentar resultados mais acurados. Logo, os pixels 1 e 2 sero
classificados corretamente, sendo atribudos s categorias urbanizao (u) e solo exposto (s),
respectivamente.
VALORES DE REFLECTNCIA
DAS ASSINATURAS
u u u = urbanizao
u u u ff f f = fragmentao florestal
u u u f f s = solo exposto
u u u u
f 2 a = gua
BANDA DO VERMELHO
s
u u u s s p = pastagem
u u s s MDIAS ESPECTRAIS
s
s
s s p = urbanizao
p
s s = fragmentao
a p p
a a
1 p = solo exposto
p p
a a p p = gua
p = pastagem
a p
PIXELS QUE ESTO SENDO
BANDA DO INFRAVERMELHO COMPARADOS
1e2
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
103
_ _____________ Captulo 7 Classificao de Imagens de Satlite
( ) (m m )
(m1 m2 )T (m m ) + 2 ln
1 1 i j
B pi , p j = i j 1 1
i j
2 2 2
Em que,
B = distncia de Bhattacharya;
pi e p j = pixels nas classes i e j ;
mi e m j = mdias das classes i e j ;
T = matriz transposta;
ln = logaritmo neperiano;
i e j = classes dentro do contexto.
D=
1
2
(
( X mi )T Ci1 X m j )
Em que,
D = distncia de Mahalanobis;
T = matriz transposta;
Ci = matriz de covarincia;
mi e m j = vetor de mdia das classes i e j ;
X = regio de anlise.
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
104
_ _____________ Captulo 7 Classificao de Imagens de Satlite
Em que,
Em que,
PIXELS DESCONHECIDOS
CLASSE
A (40, 40) B (10,40)
(40 36,7) + (40 55,7) = 16,04 (10 36,7) + (40 55,7) = 30,97
2 2 2 2
residencial
(40 54,8) + (40 77,4) = 40,22 (10 54,8) + (40 77,4) = 58,35
2 2 2 2
comercial
(40 20,2) + (40 28,2) =23,04 (10 20,2) + (40 28,2) = 15,75
2 2 2 2
Pntano
(40 39,1) + (40 35,5) = 4,59 (40 39,1) + (40 35,5) = 29,45
2 2 2 2
Floresta
(40 9,3) + (40 5,2) = 46,4 (40 9,3) + (40 5,2) = 34,8
2 2 2 2
gua
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
105
_ _____________ Captulo 7 Classificao de Imagens de Satlite
No difcil perceber que o pixel desconhecido A ser assinalado classe de floresta por
apresentar a menor distncia entre eles de 4,59. Por outro lado, o pixel desconhecido B ser
assinalado classe de pntano, cuja menor distncia foi 15,75.
Muitos algoritmos de distncia mnima permitem ao analista especificar uma distncia limite
(limiar) da mdia da classe a partir da qual o pixel no ser assinalado a uma classe, mesmo
que ele esteja prximo da mdia daquela classe. Por exemplo, se um limiar de 10 fosse
especificado, o pixel desconhecido A ainda seria classificado como floresta por ter uma
distncia mnima de 4,59, que est abaixo do limiar. J o pixel desconhecido B no seria
assinalado classe de pntano porque sua distncia mnima de 15,75 foi superior ao limiar
estabelecido de 10. Neste caso, esse pixel seria assinalado a uma classe desconhecida.
ikonos_band_2.tif Verde
ikonos_band_3.tif Vermelho
ikonos_band_4.tif Infravermelho prximo
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
106
_ _____________ Captulo 7 Classificao de Imagens de Satlite
3 8 9
5
20
21
16
22
11
17
18 19
2
1
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
107
_ _____________ Captulo 7 Classificao de Imagens de Satlite
6
7
13
11
12
8
9 14
10
Repita os passos de 11 a 14 para criar as classes e cores mostradas na Tabela 7.3, com
exceo da classe Agua j criada anteriormente.
NOME COR
Agua azul
Estrada_Pavimentada cinza
Fragmento verde escuro
Solo_Exposto marron
Pastagem verde claro
Urbanizacao vermelho
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
108
_ _____________ Captulo 7 Classificao de Imagens de Satlite
do mouse para iniciar a digitalizao. Para fechar o polgono, clique com o boto direito
do mouse.
15
Amostras de
treinamento da classe
Agua
16 18
17
OBS: Para exibir todas as amostras digitalizadas, em Modo, basta marcar a opo Exibe
Todas.
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
109
_ _____________ Captulo 7 Classificao de Imagens de Satlite
1 3
2
4
OBS: Caso necessrio, voc pode salvar os resultados da anlise das amostras, clicando
sobre o boto Salvar. Abaixo, demonstrado o resultado do salvamento com extenso .txt
aberto no Bloco de notas do Windows.
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
110
_ _____________ Captulo 7 Classificao de Imagens de Satlite
D
DG =
T
Em que,
O clculo do ndice Kappa (K) efetuado por meio da seguinte relao (CONGALTON;
GREEN,1998):
r
DQ
K=
T Q
onde Q = X
i =1
i + X +i
em que,
De acordo com Congalton & Green (1998), as classificaes das imagens geradas em
sensoriamento remoto so identificadas em determinados intervalos de valores, conforme os
nveis de aceitao na Tabela 7.4.
T = 10784
D = 116 + 607 + 3667 + 4478 + 542 + 541 = 9951
r
X
i =1
i + X +i
130 *117 + 705 * 687 + 3883 * 3953 + 4780 * 4783 + 676 * 581 + 610 * 663
Q= = = 3663,66
T 10784
D Q 9951 3663,66 6287,34
K= = = = 0,883 = 88,30%
T Q 10784 3663,66 7120,34
Conclui-se ento que para nossa amostragem, o ndice Kappa apresentou valor de 88,30 %,
enquadrando-se como excelente.
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
111
_ _____________ Captulo 7 Classificao de Imagens de Satlite
6
5
4
3
Em uma janela de 3 x 3 "pixels", o ponto central avaliado quanto frequncia das classes
(temas), em sua vizinhana. De acordo com os valores de peso e limiar definidos pelo usurio,
esse ponto central ter ou no sua classe substituda pela classe de maior frequncia na
vizinhana.
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
112
_ _____________ Captulo 7 Classificao de Imagens de Satlite
EXEMPLO:
Para a janela de uma imagem classificada ser avaliado o "pixel" central pertencente classe
2. Considera-se que:
a) peso = 3
b) limiar = 3
3 3 1
5 2 3
5 5 5
Classe 1 2 3 5
Frequncia 1 3 3 4
A tabela acima indica que a classe 1 ocorre uma vez; a classe 3 ocorre trs vezes e a classe 5,
quatro vezes. A frequncia da classe 2 considerada 3, pelo fato do peso definido ser 3. O
limiar igual a 3 far com que o ponto central (de classe 2) seja atribudo classe 5, cuja
frequncia (4) maior que o limiar definido.
3 3 1
5 5 3
5 5 5
3
1
2
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
113
_ _____________ Captulo 7 Classificao de Imagens de Satlite
2
3
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
114
_ _____________ Captulo 7 Classificao de Imagens de Satlite
4a
5
7 4b
Repita os passos de 5 a 8 para criar as classes e cores demonstradas na Tabela 7.5, com
exceo da classe Agua j criada anteriormente.
Pastagem Urbanizacao
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
115
_ _____________ Captulo 7 Classificao de Imagens de Satlite
9. Aps a criao das classes temticas com suas respectivas apresentaes grficas, na
caixa dilogo Modelo de Dados, clique sobre o boto Executar.
Repita os passos 4 e 5 para os outros temas e classes (Tabela 7.6), com exceo da classe
Agua j criada anteriormente.
TEMAS CLASSES
Agua azul
Estrada_Pavimentada Estrada_Pavimentada
Fragmento Fragmento
Solo_Exposto Solo_Exposto
Pastagem Pastagem
Urbanizacao Urbanizacao
2 4
4 3
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
116
_ _____________ Captulo 7 Classificao de Imagens de Satlite
Veja que a classe Pastagem apresenta a maior rea de uso que equivale a 35,50 ha.
3
2
4 5
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
117
_ _____________ Captulo 7 Classificao de Imagens de Satlite
60,0
51,3
50,0
PORCENTAGEM (%)
40,0
30,0
24,6
20,0
8,9
10,0 8,3
4,3
1,6 1,0
0,0
gua Estrada Fragmento Solo exposto Pastagem Urbanizao rea no
pavimentada classificada
CLASSES
Para elaborar o layout do mapa de uso e ocupao do solo, ser utilizado o programa SCARTA
5.1.2 PORTUGUS. Logo, para iniciar o SCARTA 5.1.2 PORTUGUS, voc deve seguir os
seguintes passos:
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
118
_ _____________ Captulo 7 Classificao de Imagens de Satlite
2 3
11. Na caixa de dilogo Banco de Dados, clique no boto Diretrio e ative o diretrio
C:\Livro_Spring_Alegre_ES.
12. No painel Banco de Dados, selecione Bacia_Rio_Alegre.
13. Clique no boto Ativar.
14. No menu Arquivo, clique sobre a opo Carregar Projeto .
15. Na caixa de dilogo Projeto, clique sobre o boto Ativar.
16. No menu Arquivo, clique sobre a opo Criar Carta .
8
9
10
11
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
119
_ _____________ Captulo 7 Classificao de Imagens de Satlite
17. Na caixa de dilogo Criar Carta, na caixa de entrada da opo Nome, digite
Uso_Solo_Alegre.
18. Clique sobre o boto Criar.
19. Na caixa de dilogo Caracterstica da Carta, no dropdown da opo Tamanho, selecione
A4.
20. Na caixa de entrada da opo Escala, digite 5000.
21. Em Posicionamento, marque a opo Coordenadas.
22. Em Coordenadas, marque a opo Planas.
23. Em X1, digite 2.
24. Em Y1, digite 1.
25. Clique sobre o boto Fechar.
26. Na janela Painel de Controle, em Categorias, selecione Uso_Solo.
27. Em Planos de Informao, selecione Class_Super_Maxver_pos-T.
28. Marque a opo Matriz.
29. Clique sobre o boto Desenhar .
30. Clique sobre o boto Fechar.
15
16 14
12 21
13
22
23
17 25
18
19
20
24
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
120
_ _____________ Captulo 7 Classificao de Imagens de Satlite
27
29
31
33
30
32
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
121
_ _____________ Captulo 7 Classificao de Imagens de Satlite
39
34
35 37
36
40
41
42
43
49. Na caixa de dilogo Editor de Elementos da Carta, no menu Inserir, clique na opo
Legenda.
50. D um clique duplo na parte central direita do layout. Observe que os valores de X e Y
sero modificados, automaticamente; sendo que, nessa posio, a legenda do layout ser
inserida.
51. Na caixa de dilogo Inserir Legendas na Carta, no painel Categorias, selecione a
categoria temtica Uso_Solo.
52. Na caixa de entra Espaamento, digite 10.
53. Na caixa de dilogo Caractersticas dos Elementos da Carta, na caixa de entrada Altura,
digite 4.
54. No painel Legenda, na caixa de entrada Altura (altura da caixinha da legenda), digite 4.
55. No painel Legenda, na caixa de entrada Largura (largura da caixinha da legenda), digite 5.
56. No painel Legenda, na caixa de entrada distncia (distncia da primeira letra at a
caixinha da legenda), digite 3.
57. Clique sobre o boto Atualizar.
58. De volta a caixa de dilogo Inserir Legendas na Carta, no menu Inserir, clique sobre a
opo Todas as classes.
59. No painel Itens de Legenda, selecione a classe Agua.
60. Na caixa de entrada Texto, digite o nome correto da classe que gua (com acento
agudo na letra A).
61. Clique sobre o boto CR.
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
122
_ _____________ Captulo 7 Classificao de Imagens de Satlite
46
44
47
48
49 50
54
56
55
52 51
53
62. Na caixa de dilogo Editor de Elementos da Carta, no menu Inserir, clique sobre a opo
Escala.
63. D um clique duplo na parte inferior direita do layout. Observe que os valores de X e Y
sero modificados automaticamente, sendo que nesta posio a escala do layout ser
inserida.
64. Na caixa de dilogo Caractersticas dos Elementos da Carta, na caixa de entrada da
opo Altura (altura da escala), digite 3.
65. Clique sobre o boto Atualizar.
66. Na caixa de dilogo Editor de Escalas, selecione o tipo de escala tipo-7.
67. Clique sobre o boto Inserir.
59
57
60
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
123
_ _____________ Captulo 7 Classificao de Imagens de Satlite
61
62
68. Finalmente, vamos inserir a grade do mapa do layout. Logo, no Scarta, no menu Editar,
clique sobre a opo Grade.
69. Na caixa de dilogo Definio de Grade, na opo Grade em Coordenadas, selecione
Planas.
70. Na caixa de entrada |dx| digite 300.
71. Na caixa de entrada |dy| digite 300.
72. Clique no boto Definir.
73. Na caixa de dilogo Grade Plana, aceite as opes j padronizadas e clique sobre o boto
Executar.
74. De volta a caixa de dilogo Definio de Grade, clique sobre o boto Executar.
64
63
65
66
67
69
68
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
124
_ _____________ Captulo 7 Classificao de Imagens de Satlite
72
71 74
70 73
A Figura 7.9 mostra o layout final elaborado aps a execuo das etapas anteriores.
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
125
_ _____________ Captulo 7 Classificao de Imagens de Satlite
SEGMENTAO DE IMAGENS
Conforme Venturieri e Santos (1998), citado por Corte et al., 2008, a operao de segmentao
por crescimento de regies consiste em agrupar pixels com caractersticas similares em termos
tonais e texturais, formando regies homogneas. Desta forma, a imagem particionada em
um conjunto de regies correspondentes s feies da superfcie terrestre, que iro servir de
base para a anlise e cartografia temtica. Os resultados desse processo so reas com
aspecto contnuo, onde cada rea possui caractersticas espectrais bem diferentes das
vizinhas que a cercam.
De acordo com Gonzles & Woods (2000), citado por Dlugosz et al., 2008, a seleo de
critrios de similaridade dependente do problema em considerao e tambm do tipo de
dados (imagens) disponveis. Para Coutinho (1997), citado por Dlugosz et al.2008, a definio
de valores para os limiares na segmentao de imagens depende, principalmente, do
conhecimento dos padres de repartio espacial dos objetos de cada rea e da definio da
generalizao cartogrfica ideal, em funo da escala cartogrfica da abordagem realizada.
Contempla uma etapa que exige maior ateno devido inexistncia de valores padronizados
para as variveis do algoritmo e, tambm, pode influenciar diretamente na acurcia dos
resultados da segmentao.
Se os valores dos limiares forem muito baixos, o processo no atribuir pixels s classes
(fragmentao excessiva). Por outro lado, se forem muito altos, pixels representativos de
diferentes classes sero incorretamente agrupados (NASCIMENTO; ALMEIDA FILHO, 1996,
citado por DLUGOSZ et al.2008).
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
126
_ _____________ Captulo 7 Classificao de Imagens de Satlite
das quais duas regies so consideradas similares e, ento, agrupadas. J o limiar de rea o
nmero mnimo de pixels para que uma regio seja individualizada, sendo portanto, o tamanho
mnimo que cada segmento deve possuir na operao de segmentao.
11
4
5
6 7
8
9
10
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
127
_ _____________ Captulo 7 Classificao de Imagens de Satlite
14
13 15
12
16
17
Agora, estamos prontos para iniciar a criao do arquivo de contexto necessrio para a
realizao da classificao supervisionada pelo mtodo de Bhattacharya.
18
19
20
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
128
_ _____________ Captulo 7 Classificao de Imagens de Satlite
21
26
23
22
24
25
27
28
29. Na caixa de dilogo Spring, clique sobre o boto OK para iniciar a aquisio das amostras
de treinamento.
30. Na caixa de dilogo Treinamento, na caixa de entrada Nome, digite gua.
31. Clique no boto Criar.
32. Clique no boto Cor.
33. Na caixa de dilogo Selecionar Cor, selecione a cor Azul.
32
29 30
31
33
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
129
_ _____________ Captulo 7 Classificao de Imagens de Satlite
NOME COR
gua azul
Estrada_Pavimentada cinza
Fragmento verde escuro
Solo_Exposto marron
Pastagem verde claro
Urbanizacao vermelho
36
35
34
37 38
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
130
_ _____________ Captulo 7 Classificao de Imagens de Satlite
2
3
4
1
6
7 8
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
131
_ _____________ Captulo 7 Classificao de Imagens de Satlite
2
1
5
6
4
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
132
_ _____________ Captulo 7 Classificao de Imagens de Satlite
Veja que a classe Pastagem apresenta a maior rea de uso que equivale a 27,2 ha.
1 4
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
133
_ _____________ Captulo 7 Classificao de Imagens de Satlite
45,0
39,4
40,0
35,3
35,0
PORCENTAGEM (%)
30,0
25,0
20,0
15,0
10,0 8,1
6,5
5,2
4,4
5,0
1,1
0,0
gua Estrada Fragmento Solo exposto Pastagem Urbanizao rea no
pavimentada classificada
CLASSES
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
134
_ _____________ Captulo 7 Classificao de Imagens de Satlite
2
3
4
1
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
135
_ _____________ Captulo 7 Classificao de Imagens de Satlite
5
1 4 2
TEMA CLASSE
Tema1 Pastagem
Tema2 Estrada Pavimentada
Tema3 Fragmento
Tema4 Solo exposto
Tema5 Solo exposto
Tema6 gua
Tema7 Urbanizao
Tema8 Pastagem
Tema9 Pastagem
Tema10 Urbano
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
136
_ _____________ Captulo 7 Classificao de Imagens de Satlite
Veja que a classe Pastagem apresenta a maior rea de uso que equivale a 27,2 ha.
2
1 4
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
137
_ _____________ Captulo 7 Classificao de Imagens de Satlite
35,0
30,3
30,0
PORCENTAGEM (%)
25,0
21,5
19,3
20,0
16,6
15,0
10,0
6,1
5,3
5,0
1,0
0,0
gua Estrada Fragmento Solo exposto Pastagem Urbanizao rea no
pavimentada classificada
CLASSES
REFERNCIAS BIBLIGRFICAS
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
138
_ _____________ Captulo 7 Classificao de Imagens de Satlite
GONZALES, R. C.; WINTZ, P. Digital image processing. Boston: Prodding, Addison Wesley,
1987.
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
139
Captulo 8 Anlise de Componentes Principais
ANLISE DE COMPONENTES 08
PRINCIPAIS CAPTULO
Alexandre Rosa dos Santos, Telma Machado de Oliveira Peluzio, Nathlia Suemi Saito, Joo Batista
Esteves Peluzio, Gilson Fernandes da Silva, Maristela de Oliveira Bauer
8.1. INTRODUO
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
140
Captulo 8 Anlise de Componentes Principais
Ikonos-PC1
Ikonos-PC2
Ikonos-PC3
Ikonos-PC4
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
141
Captulo 8 Anlise de Componentes Principais
10
11
12
13
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
142
Captulo 8 Anlise de Componentes Principais
Figura 8.2. Telas no SPRING representativas das imagens dos componentes principais
processados.
No Windows abra com o Bloco de Notas o arquivo CP_Ikonos_Alegre.txt (Figuras 8.3) contido
no diretrio C:\Livro_Spring_Alegre_ES. A Figura 8.4 mostra uma adaptao didtica da
Figura 8.3.
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
143
Captulo 8 Anlise de Componentes Principais
MATRIZ DE CORRELAO
Ikonos_band_1 Ikonos_band_2 Ikonos_band_3 Ikonos_band_4
Ikonos_band_1
Ikonos_band_2
Ikonos_band_3
1,000
0,974
0,910
0,974
1,000
0,961
0,910
0,961
1,000
-0,091
0,016
-0,019
D
Ikonos_band_4 -0,091 0,016 -0,019 1,000
MATRIZ DE AUTO-VETORES
Ikonos_band_1 Ikonos_band_2 Ikonos_band_3 Ikonos_band_4
Ikonos_band_1
Ikonos_band_2
Ikonos_band_3
0,39
-0,02
0,65
0,54
0,05
0,41
0,74
0,03
-0,64
-0,04
1,00
0,02
E
Ikonos_band_4 0,65 -0,73 0,19 0,04
Que bandas se correlacionam mais com a banda 4? Como isso se compara sua
PERGUNTA 2
resposta pergunta 1?
Como observado da Figura 8.4 (Letra D), a banda que mais se correlaciona com a
banda 4 a banda 1 (-0,091) seguida da banda 3 (-0,019) e da banda 2 (0,016).
RESPOSTA
Como observado, inicialmente, na pergunta 1, realmente a banda 1 a que mais
parece com a banda 4, porm a banda 3 tambm muito parecida.
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
144
Captulo 8 Anlise de Componentes Principais
EXEMPLO 1
Neste tpico, sero demonstradas, passo a passo, as etapas necessrias para determinao
dos componentes principais a partir de uma matriz de covarincia 2 x 2.
Para este exemplo, sero utilizados os valores digitais (nveis de cinza) das bandas espectrais
do vermelho (banda 3) e infravermelho (banda 4) de uma pequena amostra de imagem do
satlite IKONOS (Figura 8.5).
T1 T2 T3 T1 T2 T3
Figura 8.5. Amostra de uma imagem do satlite IKONOS. a) Banda 3 (Vermelho) e b) Banda 4
(Infravermelho). T1 a T9 tratamentos.
Tabela 8.2. Observaes relativas a duas variveis (X1 e X2) avaliadas em 9 tratamentos.
(X i1 X 1 )2 (X i 2 X 2 )2
VARIVEIS
TRATAMENTOS
o
(n = 9) X1 X2 ( X i1 )2 ( X i 2 )2 X i1 X i 2
Baseado nos dados da Tabela 8.1, podemos calcular a VARINCIA ( Var ) e a COVARINCIA
( Cov ) de cada uma das variveis X1 e X2 como demonstrado abaixo:
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
145
Captulo 8 Anlise de Componentes Principais
(X )2
n
i1 X1
Var ( X 1 ) = i =1 234
= = 29,25
n 1 9 1
ou
2
n
n
X i1
X i12 i =1
13230
(342)2
n
Var ( X 1 ) = i =1
= 9 = 29,25
n 1 9 1
(X X2)
2
i2
Var ( X 2 ) = i =1 580,01
= = 72,50
n 1 9 1
ou
2
n
n
X i2
X i22 i =1
142709
(1131)2
n
Var ( X 2 ) = i =1
= 9 = 72,50
n 1 9 1
n n
n
X i1
X i2
X i1 X i2
i =1 i =1
42808 -
(342)(1131)
n
Cov( X 1 , X 2 ) = i =1
= 9 = 21,25
n 1 9 -1
MATRIZ DE COVARINCIA
Resoluo:
A equao caracterstica :
S I = 0
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
146
Captulo 8 Anlise de Componentes Principais
29,25 - - 21,25
=0,
- 21,25 72,50 -
isto :
Em que,
a=1
b = - 101,75
c = 1669,0625
101,75 60,637
==
2
1 = 81,194
2 = 20,557
A soma dessas duas razes d 101,75, que exatamente o coeficiente do segundo termo da
equao do segundo grau com sinal trocado.
81,194
100 = 79,80% para 1
101,75
20,557
100 = 20,20% para 2
101,75
[S 1I ]a* =
~1
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
147
Captulo 8 Anlise de Componentes Principais
Equao 1 51,944a11
*
21,25a12
*
=0
Equao 2 21,25a11
*
8,694a12
*
=0
51,944 - 21,25
=0
- 21,25 8,694
Podemos, pois, abandonar uma das equaes (por exemplo, a equao 2) e dar um valor
*
arbitrrio, no nulo, a uma das incgnitas (por exemplo a12 = 1 ). Assim temos:
51,944a11
*
21,25 1 = 0
51,944a11
*
= 21,25
*
a11 = 0,409
0,409
a* =
~1 1
a* = (0,409) 2 + (1) 2
~1
a* = 1,080
~1
O autovetor normalizado :
a* 1 1 0,409
a = 11
* = a* =
~1 a12 a* ~ 1 1,080 1
~1
0,379
a = Note que, a ' a = 1
~1 0,926 ~1 ~1
Logo:
0,379
[ 0,379 0,926] =1
0,926
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
148
Captulo 8 Anlise de Componentes Principais
(0,379)(0,379) + (0926)(0,926) = 1
0,144 + 0,856 = 1
1=1
Y1 = 0,379 X 1 + 0,926 X 2
O segundo componente principal dado pelo sistema de equaes relativo ao outro autovalor
2 = 20,557 . Ele ser dado pelo autovetor normalizado associado a 2 :
[S 2 I ]a* =
~2
*
Equao 1 8,693a 21 21,25a 22
*
=0
Equao 2 21,25a21
*
+ 51,943a22
*
=0
8,693 - 21,25
=0
- 21,25 51,943
Podemos, pois, abandonar uma das equaes (por exemplo, a equao 2) e dar um valor
*
arbitrrio, no nulo, a uma das incgnitas (por exemplo a22 = 1 ). Assim temos:
*
8,693a21 21,25 1 = 0
*
8,693a21 = 21,25
*
a21 = 2,444
2,444
a* =
~2 1
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
149
Captulo 8 Anlise de Componentes Principais
a* = (2,444) 2 + (1) 2
~2
a* = 2,6406
~2
O autovetor normalizado :
a* 1 1 2,444
a = *21 = a* =
~2
a22 a* ~ 2 2,6406 1
~2
0,926
a = Note que, a ' a = 1
~2 0,379 ~2 ~2
Logo:
0,926
[0,926 0,379] =1
0,379
(0,926)(0,926) + (0,379)(0,379) = 1
0,856 + 0,144 = 1
1=1
Y2 = 0,926 X 1 + 0,379 X 2
OBSERVAES IMPORTANTES
a' a = 0
~1 ~ 2
0,926
[ 0,379 0,926] =0
0,379
(0,379)(0,926) + (0,926)(0,379) = 0
0,351 + 0,351 = 0
0=0
b) Cada componente admite na realidade duas solues, cada uma delas obtida da outra pela
multiplicao de seu segundo membro por (-1). Por exemplo, Y2 tambm poderia ter o
seguinte valor:
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
150
Captulo 8 Anlise de Componentes Principais
Y2 = 0,926 X 1 0,379 X 2
Tabela 8.3. Escores relativos aos 9 tratamentos obtidos em relao aos 2 componentes
principais.
ESCORES PARA OS
VARIVEIS
TRATAMENTOS COMPONENTES
(n = 9)
X1 X2 Y 1 Y 2
Y1 = 0,379 X 1 + 0,926 X 2 Y2 = 0,926 X 1 + 0,379 X 2
Com os escores dos dois componentes principais, podemos localizar cada tratamento em um
plano cartesiano no qual os eixos representam os componentes (Figura 8.6).
90
Escores do Componente Principal 2 (Y2)
8 A 7
4
5 9 D
85
80
3 C 6
1 B 2
75
85 90 95 100 105 110 115 120 125
Escores do Componente Principal 1 (Y1)
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
151
Captulo 8 Anlise de Componentes Principais
VARINCIAS DE X COVARINCIAS DE X
Var (X 1 ) = 29,25 Var (X 2 ) = 72,50 Cov(X 1 , X 2 ) = 21,25
COEFICIENTE DE PERCENTAGEM
COMPONENTE VARINCIA PONDERAO PERCENTAGEM
DA VARINCIA ACUMULADA
PRINCIPAL (AUTOVALOR) ASSOCIADO S DE Yi
VARIVEIS DA VARINCIA
DE Yi
( Yi ) ( i = Var (Yi ) ) X1 X2 (%)
Y1 81,194 -0,379 0,926 79,80 79,80
Y
2 20,557 0,926 0,379 20,20 100,00
CORRELAES ENTRE X j E Yi ( rX jYi )*
X1 X2
rX1Y1 = -0,631 rX 2Y1 = 0,982
rX1Y2 = 0,775 rX 2Y2 = 0,204
a11 0,379
rX1Y1 = 1 = 81,194 = 0,631
Var ( X 1 ) 29,25
a12 0,926
r X 2Y1 = 1 = 81,194 = 0,982
Var ( X 2 ) 72,50
a 21 0,926
rX1Y2 = 2 = 20,557 = 0,775
Var ( X 1 ) 29,25
a 22 0,379
rX 2Y2 = 2 = 20,557 = 0,204
Var ( X 2 ) 72,50
Como a importncia relativa das variveis pode ser avaliada pela magnitude da correlao
destas variveis a partir dos ltimos componentes, no exemplo em considerao, identifica-se
a varivel X 1 , com maior correlao em Y2 (0,775), como a de menor importncia no estudo
realizado.
A Figura 8.7 mostra os valores digitais (nveis de cinza) das bandas espectrais do vermelho
(banda 3)(X1) e infravermelho (banda 4) (X2) e da componente principal 1 ( Y1 ).
Figura 8.7. Valores digitais (nveis de cinza) das bandas espectrais do vermelho (banda 3)(X1)
e infravermelho (banda 4) (X2) e da componente principal 1 ( Y1 ).
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
152
Captulo 8 Anlise de Componentes Principais
EXERCCIO
1. Baseados nos valores digitais (nveis de cinza) das bandas espectrais do vermelho (banda
3)(X1) e infravermelho (banda 4) (X2), demonstrados na Figura 8.8, faa a estimativa da
equao do componente principal 1 (Y1) visando:
Figura 8.8. Valores digitais (nveis de cinza) das bandas espectrais do vermelho (banda 3)(X1)
e infravermelho (banda 4) (X2).
REFERNCIAS BIBLIOGRFICAS
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
153
Captulo 8 Anlise de Componentes Principais
Dados espaciais (imagens matriciais e vetoriais) disponibilizados pelo INPE, IEMA-ES, NEDTEC-UFES e IJSN
140