Escolar Documentos
Profissional Documentos
Cultura Documentos
PROCESSAMENTO DE
IMAGENS DE
SENSORIAMENTO REMOTO
INTRODUO AO PROCESSAMENTO
DE IMAGENS DE SENSORIAMENTO REMOTO
BRASLIA 2012
Autores
No decorrer das ltimas quatro dcadas o nosso planeta Terra comeou a ser olhado e
vistoriado por sensores imageadores que, praticamente, capturam tudo que est presente na
superfcie terrestre ou que nela est se modificando. E isso est sendo feito com o explcito
objetivo de se obter imagens peridicas que possibilitem a monitorao do meio ambiente
numa escala global e a obteno de melhores informaes acerca dos recursos naturais
renovveis e no renovveis. Nessa tarefa, o engajamento de pesquisadores nos estudos do
uso e aplicao do sensoriamento remoto, logo no incio dos anos de 1970, quando essa nova
tecnologia foi apresentada, foi decisivo para tornar o Brasil num dos maiores usurios do
sensoriamento remoto do mundo. Iniciada por um grupo de jovens pesquisadores do INPE e
incorporada, logo a seguir, pelas universidades brasileiras, hoje o ensino do sensoriamento
remoto componente de vrios cursos universitrios, num espectro amplo que vai das
cincias naturais da Terra, computao, urbanismo, engenharia civil, geotecnia, cartografia,
ordenamento territorial, agricultura, geologia, defesa civil e muitas outras. Por ter essa
marcante caracterstica de multidisciplinaridade, tornou-se comum nas salas de aulas de
disciplinas que abordam o sensoriamento remoto, o convvio de alunos de vrios cursos de
graduao ou de ps-graduao.
Mas, independente de qual seja o uso das imagens devemos, obrigatoriamente, passar
pela experincia de como ler os dados digitais das imagens e process-los. O incrvel
aumento na acessibilidade a computadores, combinado com o desenvolvimento de programas
amigveis e de interfaces grficas versteis com o usurio, tornou essa tarefa bem mais fcil
do que quando as primeiras imagens de satlites s podiam ser lidas por especialistas em
computao, em computadores que tomavam o espao de uma sala. Hoje em dia, os atuais
programas para processamentos de imagens de sensoriamento remoto no requerem dos
usurios habilidades em computao. O que se tornou mais importante o entendimento a
respeito da formulao matemtica ou estatstica do algoritmo, dos vrios mtodos para o
processamento das imagens e das transformaes que nelas so processadas, para que
possamos melhor extrair todo o contedo de informao contida nas imagens, que nem
sempre facilmente percebida pelo intrprete.
Esse o objetivo deste livro, escrito numa linguagem tcnica simples, direcionada a
estudantes de graduao ou queles que esto iniciando no sensoriamento remoto, qualquer
que seja a rea de sua formao. Por isso, os autores se preocuparam mais em demonstrar,
para cada tipo de tcnica de processamento, como o operador transforma a imagem para
realar a sua visualizao na tela do computador ou como ordenar e classificar os dados para
construir um mapa digital temtico, com o mnimo necessrio da compreenso das funes
matemticas e estatsticas. Pretendemos que este livro contribua para orientar o trabalho de
preparao de aulas dos professores que se dedicam ao ensino de sensoriamento remoto, bem
como, possa cumprir a funo de ser um material de consulta e estudo a todos os estudantes
que se interessam por essa rea.
Embora seja um livro de processamento de imagens, os primeiros quatro captulos
abordam fundamentos de sensoriamento remoto e descries dos tipos de sensores que
operam nas faixas espectrais do visvel s micro-ondas. Assim foi feito, porque antes de se
iniciar o processamento de uma imagem, necessrio que saibamos sobre uma srie de
informaes de como as imagens so obtidas e de alguns detalhes de suas caractersticas.
Esses captulos so apenas uma pequena sntese sobre o sensoriamento remoto, com um
contedo focado nas informaes mais relevantes para o processamento da imagem.
A principal inteno dos autores, de colocar essa obra no formato de e-book, foi a de
possibilitar aos estudantes o livre acesso, sem custos, a uma fonte de publicao para o
acompanhamento de suas aulas nas disciplinas de processamento de imagens de
sensoriamento remoto. Esperamos que este livro possa inspirar o interesse e o entusiasmo
desses estudantes.
Os autores so profundamente agradecidos Profa. Maria Ana Bretanha Junker
Menezes pela reviso ortogrfica do texto.
9. Aritmtica de Bandas
9.1 As Operaes Aritmticas 138
9.2 Soma 139
9.3 Multiplicao 141
9.4 Subtrao 142
9.5 Diviso
9.5.1 ndice de vegetao 147
9.5.2 ndice de gua 150
9.5.3 ndice de minerais 152
10. Transformao por Rotao Espectral.
10.1 Correlaes de Bandas 154
10.2 Transformaes por Principais Componentes 155
10.3 Descorrelao de Bandas 164
11. Filtragem
11.1 Introduo 168
11.2 Filtro Passa-Alta 172
11.3 Filtro Passa-Baixa 174
11.3.1 Filtro passa-baixa de mdia 174
11.3.2 Filtro de mediana 175
11.4 Filtros de Bordas Direcionais 176
11.4.1 Linear 177
11.4.2 Primeira derivada 177
11.5 Operadores Laplacianos 179
11.6 Filtros Morfolgicos 181
11.7 Filtro de Textura 182
11.8 Filtragem no Domnio da Frequncia 185
11.8.1 Amostragem 186
1.2
Definio de Sensoriamento Remoto
Historicamente, reconhece-se que o termo Sensoriamento Remoto foi criado para
designar o desenvolvimento dessa nova tecnologia de instrumentos capaz de obterem
imagens da superfcie terrestre a distncias remotas. Por isso, a definio mais conhecida ou
clssica de sensoriamento remoto : Sensoriamento remoto uma tcnica de obteno de
imagens dos objetos da superfcie terrestre sem que haja um contato fsico de qualquer
espcie entre o sensor e o objeto.
A condio principal imposta por essa definio clssica, que o sensor estar a uma
distncia remota do objeto, estabelece a base para definir o sensoriamento remoto numa
concepo um pouco mais cientfica, que regida segundo os seguintes preceitos:
i) exigncia: ausncia de matria no espao entre o objeto e o sensor;
ii) consequncia: a informao do objeto possvel de ser transportada pelo espao vazio;
iii) processo: o elo de comunicao entre o objeto e o sensor a radiao eletromagntica, a
nica forma de energia capaz de se transportar pelo espao.
Com base nesses preceitos, uma definio mais cientfica que se pode dar ao
Sensoriamento Remoto seria: Sensoriamento Remoto uma cincia que visa o
desenvolvimento da obteno de imagens da superfcie terrestre por meio da deteco e
medio quantitativa das respostas das interaes da radiao eletromagntica com os
materiais terrestres.
Essa definio de sensoriamento remoto explcita em afirmar que o objeto imageado
registrado pelo sensor por meio de medies da radiao eletromagntica, tal como a luz
solar refletida da superfcie de qualquer objeto. Nenhum outro tipo de sensor que obtenha
imagens que no seja pela deteco da radiao eletromagntica deve ser classificado como
sensoriamento remoto. A confuso mais comum feita com os sensores geofsicos
aerotransportados, tais como os magnetmetros, que geram uma imagem a partir medies de
campos de fora do campo magntico da superfcie terrestre, portanto sem nenhuma relao
com a energia eletromagntica.
Por outro lado existe a errnea concepo de apenas considerar como sensoriamento
remoto as imagens obtidas de satlites, visto que o termo foi criado quando a era espacial deu
incio. As fotografias areas, que por mais de um sculo vm sendo usadas como uma forma
1.3
Natureza da Radiao Eletromagntica
A explicao do que a radiao eletromagntica (REM) comea com o entendimento
da dualidade do comportamento da sua natureza: onda e energia. Isso quer dizer que a REM
que se propaga pelo espao vazio, como a luz solar, , ao mesmo tempo, uma forma de onda
e uma forma de energia. Esse conceito de dualidade extremamente importante para o
sensoriamento remoto, pois sempre que algum estiver analisando qualquer tipo de imagem
de sensoriamento remoto, a coexistncia da radiao eletromagntica na forma de onda e na
forma de energia dever ser considerada para que se possa explicar tudo o que se observa nas
imagens com referncia s caractersticas dos objetos. A dualidade do comportamento da
radiao eletromagntica, onda e energia, formulada pelos modelos denominados de
ondulatrio (onda) e corpuscular (energia).
1.3.1
Modelo Ondulatrio
Segundo o modelo ondulatrio, a REM pode ser explicada como uma forma de onda
senoidal e harmnica. De acordo com as formulaes de Maxwell, uma partcula carregada
eletricamente gera um campo eltrico em torno de si e o movimento dessa partcula gera, por
sua vez, um campo magntico. Ambos os campos, eltrico e magntico, atuam vibrando
ortogonalmente entre si e possuem as mesmas amplitudes, isso , alcanam os seus mximos
ao mesmo tempo. As variaes do campo so causadas pelas vibraes da partcula. Quando
essa partcula acelerada, as perturbaes entre os dois campos se propagam repetitivamente
no vcuo em uma direo ortogonal direo dos campos eltricos e magnticos, como
mostrado na Figura 1.1. Essas perturbaes dos campos eltrico (E) e magntico (M) so
chamadas de ondas eletromagnticas. O comprimento da radiao eletromagntica depende
de quanto tempo a partcula acelerada, e a frequncia da radiao depende da freqncia
de vibrao da partcula. Assim, define-se uma onda eletromagntica como a oscilao dos
campos E e M, segundo um padro harmnico de ondas, isso , ondas espaadas
repetitivamente no tempo. Esses campos dinmicos sempre ocorrem juntos como padres
inseparveis, de modo que nem campo eltrico puro, nem campo magntico puro de ondas
irradiadas ocorrero separadamente um do outro.
As ondas eletromagnticas propagam-se no vcuo na velocidade da luz (c=
299.292,46 km/s ou aproximadamente 300.000 km/s). Se for medida a distncia entre dois
picos sucessivos de ondas (Figura 1.1), determina-se o comprimento ou tamanho da onda,
que simbolizado pela letra grega e expresso no sistema de unidades mtricas. As ondas
podem ter comprimentos da ordem de bilionsimo de metro (raios csmicos), at dimenses
de quilmetros (ondas de rdio).
Campo Magntico M
M
Fig. 1.1- Direo de propagao da radiao eletromagntica na forma de uma onda, em funo das oscilaes
ortogonais dos campos magntico (M) e eltrico (E).
Se medirmos o nmero de picos de ondas que passa por um ponto fixo de referncia
no espao, podemos determinar a sua frequncia . Como a velocidade de propagao da
onda constante, as ondas com comprimentos menores tm frequncias maiores, ou seja, um
maior nmero de ondas passa pelo ponto de referncia num dado tempo. Inversamente, as de
comprimentos maiores tm frequncias menores. Da fsica clssica a seguinte relao entre o
comprimento de onda e a freqncia Q exprime a lei do comportamento ondulatrio:
Q
eq.1.1
1.3.1.1
Interao macroscpica da radiao eletromagntica com os objetos
ou
eq.1.2
a b
Fig. 1.2 Comportamento da reflectncia condicionada rugosidade da superfcie do alvo. (a) reflectncia
especular de uma superfcie lisa com o raio incidente refletido no sentido oposto com o mesmo ngulo. (b)
refletncia difusora de uma superfcie rugosa com os raios refletidos espalhados em todas as direes.
Em alguns casos pode-se ter uma mistura de reflectncia especular e difusora. Para
todos os efeitos, costuma-se classificar uma superfcie como sendo difusora quando 25% ou
mais da radiao refletida difusamente. Na natureza, a maioria dos objetos tem
comportamento difuso em relao aos comprimentos de onda.
Do que foi discutido podemos concluir que a condio para uma superfcie ser
classificada como especular ou difusa, depende do comprimento de onda incidente. Por
exemplo, um solo gradeado, cuja textura medida pelas mnimas variaes da altura da sua
superfcie seja de poucos centmetros, ser considerado rugoso na faixa de comprimento de
onda do visvel (0,40 m a 0,76 m), pois o tamanho da onda milhes de vezes menor que
o tamanho das variaes de altura h da superfcie do solo. No entanto, o mesmo solo poder
ser considerado liso, ou seja, especular, na faixa das micro-ondas, visto que as micro-ondas
tm comprimentos de onda at 100 cm. Dessa forma, as reas de solos arados vistas nas
imagens desses dois comprimentos de onda, visvel e micro-ondas, sero diferentes. O
usurio de sensoriamento remoto que no souber das implicaes desse processo de interao
macroscpica julgar, analisando as duas imagens, que so solos com texturas diferentes,
imaginando, talvez, que as imagens tenham sido tomadas em datas diferentes.
Para o sensoriamento remoto, o modelo ondulatrio se aplica melhor para os grandes
comprimentos de onda das micro-ondas das imagens de radar, que so obtidas com O maiores
que 3,0 cm. Observe na Figura 1.3 de uma imagem de radar, que os alvos escuros
representam superfcies especulares (gua e solo gradeado) nas quais a onda eletromagntica
foi refletida em direo oposta direo de visada do sensor, e assim nenhuma radiao
voltou ao sensor para ser registrada. Os demais nveis de cinza representam alvos com
reflectncia difusa que retornaram ao sensor.
Fig. 1.3 Imagem de radar de comprimento de onda de 23 cm mostrando alvos de textura lisa com reflectncia
especular (tons de cinza escuros) e alvos de textura rugosa com refletncia difusora (tons de cinza variados).
eq.1.3
onde, E = energia
h = constante de Planck (6,624x10-34 Joules.seg)
= frequncia
eq.1.4
H H H H
C C
a b
Fig. 1.4 A absoro da radiao eletromagntica pelos materiais desloca o eltron para um orbital de maior
energia (a) ou aumenta a frequncia dos movimentos vibracionais da molcula (b).
1.3.2.1
Interao microscpica da radiao eletromagntica com os objetos
1.3.3
Manifestao Conjunta das Interaes Macroscpica e Microscpica
b4
b3
reflectncia %
vis. infravermelho
Fig. 1.6 Nas imagens com densa cobertura vegetal (floresta amaznica) a associao da interao macroscpica
e microscpica da radiao eletromagntica com a superfcie das copas das rvores, em um relevo montanhoso,
possibilita a observao aparente do relevo somente na imagem do infravermelho prximo.
1.4
Fontes de Radiao Eletromagntica
Todos os objetos do mundo real que estejam a uma temperatura acima de zero
absoluto (273,15oC ou zero Kelvin) apresentam uma movimentao aleatria das partculas
dos tomos e das molculas. Quando essas partculas se colidem elas mudam o seu estado de
energia e emitem radiao eletromagntica. E quanto maior a temperatura da fonte, maior
a sua potncia irradiante de energia.
As imagens de sensoriamento remoto no dependem apenas das qualidades tcnicas
dos sensores, mas, tambm, da qualidade e intensidade irradiante das fontes de REM. No
nosso sistema planetrio o Sol a mais potente fonte de radiao eletromagntica devido a
eq.1.5
Substituindo as constantes pelos seus valores, a forma mais usual da equao 1.5
apresentada como:
eq. 1.6
104
visvel
1000K
3
10
Fig. 1.7 As curvas mostram os valores das intensidades da energia radiante emitida por comprimento de onda,
por fontes de radiao com diferentes temperaturas, segundo o modelo de corpo negro de Planck.
Semelhante ao que se v na Figura 1.7 para as fontes de corpo negro, na Figura 1.8
mostrado, comparativamente, a configurao do fluxo de energia radiante eletromagntica do
Sol e da Terra. Nesta figura a intensidade da energia radiante da fonte solar decresce
abruptamente abaixo dos comprimentos de ondas do ultravioleta e atinge valores mnimos
alm dos comprimentos de onda de 3,0 m. Devido a isso, somente o intervalo espectral da
REM de 0,45 m a 2,5 m til ao sensoriamento remoto, e nesse intervalo, o pico mximo
de intensidade de radiao encontra-se na faixa de 0,45 m a 0,76 m, conhecida como a
regio do visvel. A Terra tem uma intensidade de fluxo de energia bem abaixo do fluxo
solar, tendo o seu mximo de emitncia radiante em torno de 9,6 m e um intervalo espectral
til ao sensoriamento remoto entre 8,0 m a 14,0 m.
Fig. 1.8 Distribuio da intensidade da energia emitida pelas fontes naturais de radiao eletromagntica,
medidas no topo da atmosfera. Barras indicam a regio de comprimento de onda de mxima emitncia.
Fig. 1.9 Transmitncia (T) da radiao eletromagntica atravs da atmosfera. As reas em azul correspondem s
regies espectrais de transparncias da atmosfera e as reas em cinza correspondem s regies espectrais onde
os gases atmosfricos absorvem a radiao eletromagntica.
Observe na Figura 1.9 que a regio de maior absoro, e sem uso ao sensoriamento
remoto, no intervalo espectral termal de 14 m a 1000 m, devido total absoro da
radiao pelo vapor de gua atmosfrica. Em contrapartida, na regio das micro-ondas a
atmosfera quase 100% transparente. No intervalo do visvel ao infravermelho, que a
regio espectral mais usada em sensoriamento remoto, a atmosfera tambm mostra a sua
danosa influncia para o uso do sensoriamento remoto. Por exemplo, nos comprimentos de
onda de 1,4 m e 1,9 m, 100% da radiao solar absorvida pelas molculas de vapor de
gua, impedindo totalmente o uso de sensoriamento remoto nesses comprimentos de ondas.
Na Figura 1.10 so mostradas mais detalhadamente as atenuaes que a irradincia
solar, medida no topo da atmosfera, sofre quando medida ao nvel do mar, ou seja, depois
de atravessar a atmosfera. So vrios os comprimentos de onda em que a atmosfera absorve
Fig. 1.10 Em vermelho a curva da irradincia solar no topo da atmosfera e em azul quando a irradincia atinge a
superfcie terrestre, mostrando as absores pelos diferentes gases atmosfricos.
Fig. 1.11 O espalhamento atmosfrico adiciona radiao na quantidade de energia refletida do alvo que chega ao
sensor.
eq.1.7
eq.1.8
Contraste
4 6 8 10
4 6 8 10
5/2 =2,5
Contraste
10/7 = 1,4
2
2
cena original brilho sem espalhamento 5 unidades de brilho adicionadas
Fig. 1.12 Diminuio do contraste da reflectncia entre dois alvos, medido por uma razo, devido ao
espalhamento atmosfrico.
vermelho
violeta
Fig. 1.13 Disperso da luz branca em seis cores espectrais ao atravessar o prisma de vidro.
Tabela. 1.3 Divises dos comprimentos de ondas das cores da regio do visvel
0,45 0,76Pm 0,76 1,2Pm 1,2 3,0Pm 3,0 5,0Pm 5,0 Pm 1 mm 1mm 100 cm
visvel infravermelho infravermelho infravermelho infravermelho micro-ondas
prximo de ondas curtas mdio termal
toda faixa 0,76 0,91 1,19 1,34 3,5 4,2 8,0 9,2 3,0 100
1,00 1,12 1,55 1,75 4,5 5,0 10,2 12,5
2,05 2,40
Segue uma sntese das caractersticas mais importantes desses intervalos espectrais.
Visvel (0,45-0,76 Pm) - a regio do espectro solar com a mais alta intensidade de fluxo
radiante e onde h a melhor janela atmosfrica, bastante transparente, deixando passar uma
grande quantidade de radiao. Por isso, muito usada em sensoriamento remoto. a regio
responsvel pela interao com os minerais e que d origem s suas cores e com os
pigmentos da vegetao. O problema dessa faixa espectral o alto espalhamento da radiao
solar incidente pelos gases atmosfricos, que pode reduzir o contraste da reflectncia dos
alvos terrestres. chamada de visvel, porque o olho humano sensvel a essa regio
espectral.
Infravermelho prximo (0,76 - 1,2 Pm) - Regio do espectro solar onde a atmosfera tambm
bastante transparente, mas ocorrem algumas bandas de absores, impedindo que todo o
intervalo possa ser continuamente utilizado por sensoriamento remoto. o intervalo onde
ocorrem importantes interaes da REM com os nveis de energia eletrnica dos tomos,
gerando feies espectrais que so diagnsticas para identificar a natureza de vrios tipos de
rochas, principalmente as de composio mineral com metais de transio (Fe, Ni, Cr, Mn...)
Infravermelho de ondas curtas (1,2 3,0 Pm) - a regio espectral geolgica, porque nesta
faixa espectral que os vrios minerais de alterao hidrotermal tm as suas diagnsticas
feies de absoro. Tambm a regio onde os comprimentos de onda em 1,4 m e em 1,9
m so totalmente absorvidos pelas molculas de vapor dgua da atmosfera, proibindo o uso
do sensoriamento remoto e, por consequncia, de se determinar nos materiais terrestres a
presena de gua molecular nas suas estruturas.
Infravermelho mdio (3,0 - 5,0 Pm) - Regio onde o Sol e a Terra no emitem quantidades
suficientes de energia que possam ser detectadas pelos sensores. Somente alvos com elevadas
temperaturas, como vulces e incndios, podem ser detectados, pois agem como fontes
prprias de emisso de radiao. uma regio espectral pouco usada no sensoriamento
remoto, exceo de sensores metereolgicos ou atmosfricos.
Infravermelho termal (5,0 1,0 mm) - conhecido como a regio termal, devido radiao
emitida pelos objetos terrestres em funo das suas temperaturas de superfcies. A melhor
janela atmosfrica nessa regio espectral para imageamento orbital o intervalo de 8,0 Pm a
14,0 Pm, porque acima de 30 km, a camada de oznio absorve toda a radiao alm de 14 Pm
emitida pela Terra. tima faixa espectral para deteco de quartzo de veios nas rochas.
Micro-ondas (3,0 - 100 cm) Regio de uso de sensores ativos (radar), que utilizam fontes
artificiais para a gerao da REM. Por causa do tamanho do comprimento de onda, o radar
1.7
Conceitos de Radincia e Reflectncia
A forma como um sensor mede a radiao eletromagntica praticamente a mesma,
independente do comprimento de onda. Mas, o importante saber o que de fato o
componente da radiao eletromagntica que deixa o alvo e vai at o sensor para ser medido
e transformado em imagem. Normalmente, nos referimos erroneamente a esse componente,
como reflectncia. Veremos que h uma conceituao radiomtrica especfica que define a
radiao que deixa o alvo, e que dependente do intervalo espectral. Trataremos aqui dos
conceitos radiomtricos da radiao ptica da luz solar. A radiao termal e das micro-ondas
veremos nos captulos seguintes.
Quando o sensor detecta e mede a radiao que deixa a superfcie dos objetos, o
sensor est fazendo uma medio radiomtrica. por isso que os sensores imageadores
podem tambm ser denominados de radimetros imageadores. A radiometria inclui uma srie
de termos e leis que em sensoriamento remoto so fundamentais para explicar o significado
fsico dos valores da REM medidos pelo sensor. As definies que sero vistas so somente
as mais importantes para se entender o significado dos componentes de um modelo bsico de
sensoriamento remoto, como ilustrado na Figura 1.14. Os nmeros que identificam na figura
cada um dos componentes desse modelo representam os termos radiomtricos que so
definidos a seguir, em uma ordem sequencial segundo a trajetria da REM da fonte (1) at o
sensor. O subscrito indica que o valor calculado para a grandeza radiomtrica que o contm
dependente do comprimento de onda.
sensor
fonte
1 4
ngulo cnico
2
3
eq.1.9
eq.1.10
= A/r2
r onde: = ngulo slido em esferorradiano
: A A = rea da esfera subtendida pelo cone
r = raio da esfera
eq.1.11
1.8
Resolues das Imagens
Atualmente, o sensoriamento constitudo por uma razovel constelao de satlites
que oferecem imagens para atender as necessidades de uma ampla demanda de usurios. Para
aqueles usurios que necessitam de uma observao detalhada do tamanho e das formas dos
objetos, h os sensores que detectam reas unitrias inferiores a 1 metro, e com meios para
visualizao estereoscpica 3D, muito teis para levantamentos cadastrais multifinalitrios,
urbanos e cartografia digital. Os interessados em monitorao para o acompanhamento da
evoluo e de mudanas da paisagem podem recorrer aos sensores com alta taxa de revisita
rea. J os que se interessam em determinar a composio ou constituio dos minerais ou
rochas, a procura pelos sensores com um grande nmero de bandas espectrais. Por isso,
uma forma de se abordar as potencialidades de um sensor pelo dimensionamento de suas
resolues.
Nas aplicaes de sensoriamento remoto em estudos geotemticos duas questes esto
sempre presentes:
Nem sempre h respostas simples para essas indagaes. O que mais prontamente
pode-se responder que, devido limitao que o sensor orbital tem para transmitir grandes
volumes de dados para as estaes terrestres de rastreamento de satlites, as imagens que
recobrem grandes areas, de dezenas de milhares de quilmetros quadrados, como as do
satlite Landsat e CBERS, so associadas com resolues espaciais pequenas (30, 20 metros),
e as imagens que recobrem pequenas reas, como as imagens Ikonos e Orbview, so
associadas com resolues espaciais grandes (1 metro). Consequentemente, as imagens de
pequena resoluo espacial, por no mostrarem os detalhes dos alvos, serviro para estudos
em escalas mais regionais, enquanto as imagens com grande resoluo espacial se prestaro
para estudos locais de detalhe.
Na prtica, a deteco ou identificao de um objeto nas imagens de sensoriamento
remoto no determinada somente pela resoluo espacial, mas por quatro diferentes formas
de medies:
1) pela rea do campo de visada do sensor;
2) pelo comprimento de onda das bandas;
3) pelos valores numricos da medida da radincia do alvo;
4) e pela data em que a imagem foi tomada.
So essas quatro formas de medidas que so descritas em termos de resolues,
respectivamente denominadas de resoluo espacial, espectral, radiomtrica e temporal. Elas
atuam em conjunto, num processo interativo, nem sempre facilmente percebido pelo analista,
o que , tambm, o motivo de frequentes dvidas ao se tentar explicar por que pequenos
objetos so surpreendentemente identificados nas imagens.
Os conceitos e explicaes tratadas a seguir, sobre resolues, so vlidas para todos
os tipos de sensores imageadores, independente da faixa espectral em que operam, exceo
do radar.
Fig. 1.16 Resolver os objetos pelo valor da resoluo espacial depende tambm do contraste de reflectncia dos
pixels vizinhos . Em (a) as duas rvores no so resolvidas, fundindo-se em um nico objeto. Em (b) elas so
resolvidas por estarem separadas pela rea de um pixel com reflectncia diferente.
Determinar qual deve ser a resoluo espacial de um sensor, envolve para a maioria
das aplicaes de sensoriamento remoto, uma anlise da relao do grau de autocorrelao da
organizao espacial dos objetos no terreno. Em terrenos naturais os alvos apresentam uma
alta correlao espacial, mostrando pouca variabilidade ao longo de uma rea, no exigindo,
para a sua identificao, altas resolues espaciais. J, para uma rea com alta variabilidade
de tipos de objetos, como numa rea urbana, a exigncia seria para um sensor com resoluo
espacial de poucos metros, para que as casas, ruas, estacionamentos, possam ser resolvidos.
Para se calcular a resoluo espacial pode-se usar a projeo geomtrica no terreno
subtendido pelo campo de visada instantneo (IFOV) do sensor, que medido pelo ngulo .
A compreenso desse conceito mostrada na Figura 1.17, simplificada para um nico
elemento de resoluo espacial no terreno. O tamanho do ngulo E do IFOV determinado
pela abertura do sistema ptico em conjuno com o tamanho do detector, pois o detector
que mede a intensidade da radincia do terreno. Como nos sensores orbitais a ptica a de
um telescpio porttil com distncia focal de 2 a 3 metros, o valor do ngulo E do IFOV de
centsimos de milirradianos.
O tamanho do elemento de resoluo no terreno pode ser calculado pela equao:
eq.1.12
onde, =altura do sensor em metros
= ngulo IFOV em miliradianos
D = 700.000 x 0,043.10-3
D = 30,1 metros
detector
distncia
focal f
ptic
IFOV
H
Tamanho do elemento de
resoluo no terreno medido em
Fig. 1.17 Medida geomtrica da resoluo espacial a partir do valor do ngulo IFOV e da altura H do sensor.
A Figura 1.18 mostra imagens de trs sensores pticos com diferentes resolues
espaciais. Fica evidente que se pode estabelecer uma relao de comparao entre a resoluo
espacial e a escala de visualizao da imagem. Na Tabela 1.5 so sugeridas as escalas para as
correspondentes resolues espaciais de alguns conhecidos sensores. So escalas
aproximadas, porque na prtica, dependendo do contraste da cena e das bandas, quase sempre
se consegue uma escala maior do que a sugerida pela resoluo espacial.
Fig. 1.18 Da esquerda para a direita, imagens dos satlites, Landsat com resoluo espacial de 30m, Spot com
10 m e Ikonos com 1 m, de uma poro do lago Parano de Braslia.
1.8.2
Resoluo Espectral
calcita
caolinita
Reflectncia
talco
jarosita
Banda 3
Banda 1
Banda 2
Fig. 1.19 Espectros de reflectncia de alguns minerais sobrepostos s bandas do sensor ASTER. A largura da
banda do sensor deve ser equivalente largura da banda de absoro do mineral para que este possa ser
identificado na imagem.
a b
Fig. 1.20 Imagens da regio amaznica nas bandas do visvel (a) e do infravermelho prximo (b)
exemplificando o efeito da resoluo espectral no contraste do rio com a vegetao.
Fig. 1.21 Efeito da resoluo espectral na identificao de alvos (estradas de terra) em reas de relativa densa
vegetao, cujas dimenses so inferiores resoluo espacial de 30 m da imagem.
De certa forma, por essas restries que se v atualmente, nos exemplos dos
sensores orbitais em operao, certo comprometimento entre a resoluo espectral e a
resoluo espacial. Normalmente, os sensores de alta resoluo espacial para compensarem o
grande volume de dados que tem de ser transmitido para Terra, possuem poucas bandas,
1.8.3
Resoluo Radiomtrica
8 bits 6 bits
4 bits 2 bits
Fig. 1.22 Exemplos de imagens com diferentes nveis de quantizao ou de resoluo radiomtrica.
Fig. 1.23 A identificao dos objetos como elementos individuais da paisagem (rvores) ou como classe (mata)
respectivamente, nas imagens IKONOS e Landsat, determinada pela relao entre os valores das resolues
espacial e radiomtrica.
1.8.4
Resoluo Temporal
Refere-se frequncia que o sensor revisita uma rea e obtm imagens peridicas ao
longo de sua vida til. Isso s possvel porque os satlites de sensoriamento remoto
2752 km
1
2
3
4
5
6
7
2752 km 8
9
10
11
12
13
14
15
16
a b
Fig. 1.24 Padro de recobrimento de rbitas completadas em um nico dia pelo satlite Landsat (a) e no perodo
da resoluo temporal de 16 dias (b). (Fonte: Novo, 1996).
Fig. 1.25 Imagens Landsat de rea agrcola obtidas nos anos de 2000 (a) e 2009 (b). Notar o crescimento de
pivs centrais e a modificao do parcelamento dos cultivares.
2.1
Das Fotos Areas s Imagens Multiespectrais
O sensoriamento remoto tem suas bases nos princpios que levaram ao
desenvolvimento das cmeras fotogrficas areas para se obter, a partir de avio, fotografias
da superfcie terrestre. O princpio bsico o registro dos alvos por meio da deteco do
fluxo de radiao eletromagntica refletida pelas superfcies dos objetos terrestres. Apesar do
enorme benefcio que as fotografias areas proporcionaram para a humanidade, foi-se
percebendo, com o tempo, que o uso de aeronaves restringia a cobertura de grandes reas e,
sobretudo, a tomada de dados de forma sistemtica para fins de monitorao do ambiente.
Com o desenvolvimento tecnolgico de novas plataformas areas, como os satlites, essa
limitao estaria resolvida porque um satlite capaz de orbitar continuamente Terra, por
muitos anos. Mas como colocar em rbita um sensor fotogrfico munido de filmes que
precisam ser constantemente substitudos? E tambm, como obter fotos alm dos
comprimentos de onda do incio do infravermelho prximo (0,90 m), que o limite de
sensibilidade espectral dos microscpicos detectores de cristais de haletos ou brometos de
prata que revestem as emulses fotogrficas?
Essas indagaes foram feitas porque j havia conhecimentos nos anos de 1950 que
importantes informaes dos objetos terrestres poderiam ser adquiridas muito alm do poder
de resoluo espectral dos filmes, como no infravermelho de ondas curtas, no termal e nas
micro-ondas. Detectores eletrnicos de radiao eletromagntica, compostos de cristais de
silcio, estavam em desenvolvimento para substiturem os filmes fotogrficos.
Estimulados pelo desenvolvimento e construo de satlites artificiais, novos
instrumentos sensores comearam a ser projetados, visando obter dados da Terra, a partir do
espao. Esses novos sensores, dito no fotogrficos, foram denominados de sensores
imageadores multiespectrais. Define-se sensores imageadores multiespectrais os instrumentos
eletro-ptico capazes de obter mltiplas imagens simultneas da superfcie terrestre, desde o
comprimento de onda da luz visvel azul, at a regio termal. Os sensores pticos e termais
operam, praticamente, da mesma forma. O mais comum ter os dois sensores operando
simultaneamente na mesma plataforma, apenas em mdulos instrumentais distintos.
Trataremos em captulo parte, o sensoriamento termal.
Pode-se justificar a grande eficincia dos sensores imageadores multiespectrais pelos
seguintes motivos: (i) os dados so em formato digital; (ii) podem ser operados de
plataformas espaciais por meio de satlites, permitindo a tomada de imagens de forma
repetitiva ao longo de vrios anos; e (iii) as imagens podem ser obtidas num amplo intervalo
de comprimento de onda, com dezenas a centenas de bandas espectrais. Combinadas, essas
caractersticas projetaram esse modelo de sensoriamento remoto como uma das melhores e
mais bem sucedidas inovaes para a tomada de dados da superfcie terrestre. As imagens
quando obtidas por imageadores a bordo de satlites possibilitam um imageamento global da
Terra, em curto perodo de tempo, incomparveis para uma monitorao precisa dos eventos
e mudanas ambientais. Por sua vez, a versatilidade dos imageadores de obter imagens em
Sistema ptico: Constitudo de espelhos e lentes, possui a funo de focar uma rea na
superfcie terrestre e coletar a REM por ela radiada. Os imageadores utilizam um telescpio
porttil do tipo Ritchey Chretch, que permite a observao de pequenas reas da superfcie
terrestre a uma altitude de centenas ou milhares de quilmetros. Os telescpios possuem essa
capacidade, pois operam com distncias focais de alguns metros e aberturas pticas de
milirradianos.
Sistema de disperso e de deteco: Grades dicricas e prismas so utilizados como filtros
para dividir a REM em vrios intervalos de comprimento de onda ou bandas espectrais, que
so direcionados para incidirem sobre um conjunto de detectores, que geram sinais eltricos
proporcionais s intensidades das radiaes neles incidentes.
2.2
Mecanismos de Imageamento Multiespectral
As formas dos sensores captarem as imagens multiespectrais do terreno podem variar
um pouco, havendo dois principais mecanismos de imageamento por varredura, mas que no
so significativamente diferentes entre si (Figura 2.1). H os sensores do tipo de varredura
mecnica (whiskbroom) e os do tipo de varredura eletrnica (pushbroom). As diferenas entre
eles tm algumas implicaes no poder de resolues das imagens e em algumas das tcnicas
de processamento de imagem.
Whiskbroom Pushbroom
Fig. 2.1 Os dois modelos bsicos de sistemas de varredura dos sensores multiespectrais.
2.2.1
Sensores de Varredura Mecnica (whiskbroom)
FOV
grade
IFOV dicrica
pixel
Fig. 2.2 Configurao esquemtica do mecanismo de imageamento pixel a pixel de um sensor multiespectral de
varredura mecnica.
Para que os sensores multiespectrais possam construir uma imagem pixel a pixel da
superfcie do terreno, ao longo de cada linha imageada o espelho rotativo montado a 45o se
detm por fraes muito pequenas de tempo (milsimos de segundo) e enxerga, pela ptica
do telescpio, a radincia que deixa o pixel na direo definida por um ngulo cnico de
visada , chamado de IFOV (Instantaneous Field of View). Como um ngulo pequeno
(poucos milliradianos), milhares de pixels individuais so observados sucessivamente a cada
incremento de rotao do espelho, ao longo de uma linha de imageamento. Na realidade, esse
processo constitui-se numa taxa de amostragem por rea de radincia, que comumente
denominamos de pixel, e que so as clulas de resoluo espacial no terreno. Em resumo,
com os imageadores mecnicos a taxa de amostragem feita pixel a pixel ao longo de uma
linha.
Esse mecanismo de varredura tem como limitao a reduzida taxa de permanncia
para a medio da radincia dos alvos contidos no pixel, o que impossibilita uma alta razo
sinal/rudo. Para compensar a limitao, os sensores imageadores mecnicos operam em
bandas espectrais de ampla largura, o que aumenta a quantidade de energia radiante do alvo,
ajudando a melhorar o sinal em relao ao rudo. O rudo tambm um sinal, mas gerado
pelo prprio sensor em virtude do funcionamento eltrico de seus componentes. Os sensores
2.2.2
Sensores de Varredura Eletrnica (pushbroom)
detectores
ptica grande
angular
linha de
pixels
Fig. 2.3 Configurao esquemtica do mecanismo de imageamento de um sensor de varredura eletrnica, com
todos os pixels de uma linha imageados simultaneamente.
Por ser uma tecnologia mais avanada do que os sensores mecnicos, exatamente
porque dispensa o movimento de varredura oscilatrio de um espelho, que um srio
problema, a tecnologia de sensores pushbroom de arranjo linear a melhor opo para
sensores de alta resoluo espacial, como as imagens dos satlites Ikonos e QuickBird. A
resoluo espacial das imagens desses sensores da ordem de 1 metro ou maior para o modo
pancromtico. A inteno oferecer comunidade um produto que se aproxime da resoluo
espacial das fotos areas, com a vantagem de poderem ser requeridas pelo usurio, quando
necessrio. Ambos os satlites possuem, tambm, um mdulo multiespectral com trs bandas
no visvel e uma no infravermelho prximo, com resoluo de poucos metros, as quais podem
ser fundidas com a imagem pancromtica, produzindo-se uma imagem colorida com
resoluo de 1 metro ou maior. A rbita desses satlites possui altitude um pouco mais baixa
que a dos outros sensores multiespectrais, e o tempo de revisita de apenas alguns dias.
2.3
As Informaes Contidas nas Imagens Multiespectrais da Faixa ptica
Fig. 2.4 As reflectncias mdias da gua e da vegetao so muito prximas na regio do visvel dificultando as
suas discriminao nas fotos areas do visvel, enquanto facilmente so discrimandas na imagem do
infravermelho prximo de um sensor multiespectral (imagem da regio amaznica).
Fig. 2.5 As diferenas dos comprimentos de onda das duas bandas mostram que os pivs com cobertura vegetal
aparecem em tons de cinza escuro no visvel e em tons claros no infravermelho, e os pivs com solo nu
aparecem claros em ambas as imagens.
Como mostra a Figura 2.6, a luz solar, que a que mais revela as propriedades das
naturezas dos materiais, ao incidir sobre a superfcie do objeto sofre trs possveis processos
de interaes: absortncia (D); transmitncia; (W); reflectncia (U). Como pela lei de
conservao de energia, nenhuma quantidade de energia perdida, D + W + = 1
T1 T1 > T2
meio 1
meio dois
T2
(eg)
(t2g)
Fig. 2.7 Nveis de energia contidos no metal de transio centrado na estrutura de um mineral octaedral.
solo
Reflectncia
vegetao
Comprimento de onda m
Fig. 2.8 Exemplos de espectros de reflectncia de vegetao, rocha carbontica e solo com xido de ferro, com
indicao das bandas de absoro dos seus principais constituintes.
Fig. 2.9 Espectros de reflectncia e as posies das bandas do sensor EMT-Landsat 7 como forma para avaliar
as bandas que melhor diferenciam espectralmente os quatro tipos de materiais.
3.1
Temperatura e Calor
Todos os corpos que apresentam temperatura acima do chamado zero absoluto ou zero
Kelvin (-273,15C) emitem radiao eletromagntica, incluindo a do infravermelho termal.
Isso ocorre, porque acima dessa temperatura as molculas se encontram em um estado
vibracional, e quando colidem elas mudam seu estado de energia e emitem radiao
eletromagntica. So, portanto, fontes de radiao eletromagntica. Isso se verifica para
qualquer objeto terrestre, natural ou artificial, e da mesma forma que se pode medir com um
sensor a radiao solar refletida dos objetos, pode-se tambm medir a radiao termal emitida
e ter a imagem desses objetos. A radiao termal estende-se de 5,0 m a 1,0 mm, mas devido
s absores da atmosfera, apenas a faixa espectral de 8,0 a 14 m usada nas aplicaes de
sensoriamento remoto terrestre.
A percepo mais direta ou a primeira que temos com a radiao termal est
relacionada com a emisso de raios solares. Como vimos no captulo inicial, a radiao
eletromagntica pode ser entendida como uma onda que carrega diversas partculas de
energia. Essas partculas ou ftons ao serem absorvidos pelo material aumentam o estado
energtico, levando o material a um estado que chamamos de excitado. Porm, o material no
pode permanecer continuamente excitado e precisa retornar ao seu nvel energtico original.
Para tal, necessrio que ele se livre dos ftons absorvidos, que so emitidos sob a forma
de ondas longas, perceptveis na faixa do infravermelho termal.
Os seres humanos no tm sensores pticos sensveis percepo da radiao
eletromagntica do termal, pois nossa percepo visual est restrita faixa da luz visvel.
Mas, por meio do tato podemos perceber a radiao calorfica ou termal, emitida pelos
objetos. Um exemplo disso, que se colocarmos dois indivduos expostos ao Sol, sendo um
com uma camisa branca e outro com uma camisa preta, ns no temos como avaliar a
diferena de emisso de ftons dos dois tecidos, mas ao aproximarmos nossas mos, sem a
necessidade de toc-los, podemos sentir que a camisa preta emite mais calor. Isso porque, ao
absorver mais radiao que o tecido branco, o tecido de cor preta teve seu estado energtico
aumentado e para retornar normalidade houve a necessidade de liberar os ftons absorvidos.
Para compreendermos melhor as informaes contidas nas imagens do espectro termal
de emisso, necessrio expor alguns conceitos. O primeiro conceito a ser apresentado o de
energia, que definida como a capacidade de realizar qualquer tipo de trabalho, e uma dessas
formas de energia a energia cintica, que pode ser entendida como a quantidade de energia
de movimento. Esse conceito fundamental para diferenciarmos temperatura, de calor.
Temperatura a medio do grau de movimento ou de agitao dos tomos e das
molculas de um corpo, conhecida tambm como temperatura cintica ou temperatura
verdadeira. O calor entendido como o fluxo de energia entre dois corpos de temperaturas
diferentes. Portanto, temperatura diferente de calor. A distribuio espacial da temperatura
Outros dois conceitos fundamentais para nossa compreenso dos sensores termais so
os de calor sensvel e de calor latente. Quando o corpo cede ou recebe calor, variando apenas
a sua temperatura, sem mudar o seu estado fsico, dizemos que ele recebeu ou cedeu calor
sensvel. J quando a quantidade de calor causa mudana de estado fsico, mas no de
temperatura, dizemos que houve variao de calor latente.
A compreenso do calor sensvel bem tranquila, pois percebemos isso o tempo todo.
Quando nos deparamos com os termmetros de rua podemos verificar que medida que a
manh avana em direo ao meio dia, a temperatura do ar vai aumentando e medida que o
dia vai se estendendo para a noite, ela diminui. Para entendermos o conceito de calor latente
vamos utilizar a gua e suas mudanas de estado fsico, conforme mostra Figura 3.2.
3.2
Leis Fsicas da Radiao Termal
Quando pensamos em sensoriamento remoto termal temos de pensar no
comportamento trmico dos alvos. Para tal, necessria a compreenso das leis fsicas que
regem esse comportamento.
O primeiro aspecto que devemos pensar no conceito de fonte corpo negro, tal como
vimos no captulo 1. A idia de corpo negro foi desenvolvida por Kirchoff e designa o corpo
que transforma em calor toda a radiao que sobre ele incide. Mais tarde, Planck, aluno de
Kirchoff, desenvolveu a lei para explicar como funciona a radiao emitida por um corpo
negro em todos os comprimentos de onda (eq. 1.5, cap.1).
Como no se possui na natureza um corpo 100% absorvedor, a soluo encontrada
para simul-lo foi utilizar uma esfera oca com o interior metlico refletor e com um pequeno
orifcio que permite a entrada da REM. Ao entrar pelo orifcio, a radiao tem uma baixa
probabilidade de sair e como fica sendo espalhada pelo interior, tende a atingir o equilbrio
trmico. Cria-se assim a simulao do corpo negro (Figura 3.3).
Fig. 3.3 Radiao do corpo negro para fontes de diferentes temperaturas, definida pela lei de Planck. Destaque
para a esfera que simula o corpo negro.
A quantidade de energia que qualquer corpo emite , dentre outras coisas, funo da
temperatura do corpo. Essa propriedade pode ser expressa pela Lei de Stephan-Boltzman.
eq. 3.1
Por essa equao notamos que h uma relao direta entre a emitncia radiante e a
temperatura, e a relao no linear, ou seja, um pequeno aumento da temperatura representa
um grande aumento na emisso de radiao. Da mesma maneira que a energia total emitida
por um corpo varia com a temperatura, a distribuio espectral da energia emitida tambm
varia. O comprimento de onda no qual a emisso de energia mxima pode ser determinado
pela Lei de Wien, tambm conhecida como Lei do Deslocamento, expressa pela equao 3.2
e visualizada na Figura 3.5.
Fig. 3.5 Deslocamento do pico mximo de energia em direo aos menores comprimentos de onda medida que
a temperatura do corpo aumenta. (Adaptado de Jensen, 2009).
3.3
Emissividade
O mundo no composto por corpos negros radiadores, que apenas um modelo
fsico para explicar o comportamento das fontes de radiao eletromagntica. Ao invs disso,
encontramos corpos que radiam seletivamente e que emitem apenas uma parte da energia que
eq. 3.3
eq. 3.4
Isso demonstra que a energia que emana dos objetos tem uma relao entre a
reflectncia () e a emissividade (H). Se a reflectncia alta a emissividade baixa. Um
bom exemplo para ilustrar essa propriedade um corpo de gua. Como a gua absorve quase
toda a energia do infravermelho e reflete muito pouco, a sua emissividade prxima a 1. Um
teto metlico de um galpo tem alta reflectncia e sua emissividade dever ser muito baixa
quando comparada do corpo de gua, como se pode ver na Tabela 3.1. Quando pensamos
em materiais geolgicos, a composio qumica uma das propriedades utilizadas para que
possamos identific-los nas imagens de sensoriamento remoto. Se tivermos um material com
altas concentraes de minerais que apresentam ligaes do tipo Al-OH, teremos fortes
absores na faixa de 2,2 m. Por exemplo, ao analisarmos espectros na faixa ptica refletida
entre os materiais que contm caulinita (Al2SiO5(OH)4) ou gibbsita (Al2O3 3H2O), notaremos
que os gibbsticos apresentam feies mais intensas de absoro e, assim, apresentam maior
emissividade. A composio qumica o fator mais importante para se verificar as variaes
de emissividades entre os materiais, e a imagem termal, tal como as imagens da faixa
espectral ptica, revela as variaes de composies dos materiais.
Tabela 3.1 Emissividades (H) mdias de alguns materiais terrestres entre 8 a 14 Pm (fontes: Sabins, 1997;
Lillesand e Kiefer, 2004).
gua
quartzo
6 7 8 9 10 11 12 13 14m 6 7 8 9 10 11 12 13 14 m
Fig. 3.6 Comparao da emitncia radiante espectral da gua e do quartzo com a do corpo negro mesma
temperatura de superfcie. (Fonte: Lillesand e Kiefer, 1994).
3.4
Temperatura Cintica versus Temperatura Radiomtrica
Devido propriedade de emissividade dos corpos naturais, os sensores do
infravermelho termal registram a intensidade da radiao equivalente temperatura radiante
aparente do terreno, e no a temperatura cintica verdadeira. A temperatura cintica
verdadeira (Tkin), que medida com um termmetro, como j vimos a que mede o grau de
movimento ou de agitao das molculas. Como efeito desse fenmeno, os objetos emitem
radiao eletromagntica. A radiao eletromagntica que sai de um objeto chamada de
fluxo radiante ()) e medida em watts. A concentrao dessa quantidade de fluxo radiante
que sai do objeto chamada de temperatura radiomrica (Trad) ou temperatura aparente.
Portanto, quando o sensor termal mede essa energia emitida, ele no est medindo a
temperatura cintica do objeto, como se faz com o termmetro, mas a temperatura
radiomtrica.
Em algumas aplicaes de uso de imagens termais, saber qual a temperatura do
objeto pode ser importante. Alguns exemplos so o mapeamento dos padres de nuvens e
movimentos de frentes, o monitoramento das temperaturas da superfcie do mar, a deteco
de ilhas urbanas de calor, focos de queimada ou mesmo derrames de lavas. Nesses casos,
necessrio determinar a relao entre a temperatura cintica com a temperatura radiomtrica.
Para fazer isso utilizamos a lei de Stefan-Boltzmann, vista na equao 3.1, que vlida para
objetos que so emissores perfeitos (corpos negros). Para compensar a diferena das fontes
corpos negros com as fontes naturais, basta acrescentar a ela o valor de emissividade
correspondente a cada material. Assim a equao 3.1, de Stefan-Boltzmann deve ser re-
escrita como,
eq. 3.5
eq. 3.6
e assim,
H eq. 3.7
Como a emissividade H varia entre 0 a <1, pode-se deduzir da equao 3.8 que a
temperatura radiomtrica medida no sensor sempre ser inferior temperatura cintica real
do objeto. Os materiais com emissividades prximas a 1 exibem temperaturas radiomtricas
mais prximas a de suas temperaturas cinticas. Revendo a Tabela 3.1, isso melhor se
verifica nas rochas baslticas e menos para os granitos e dunitos. Para os materiais com
emissividade muito baixa, como os metais polidos, a temperatura radiomtrica ser muito
mais baixa que a sua temperatura cintica, dando a impresso de ser uma superfcie mais fria.
Isso pode ser um problema na identificao de alguns objetos urbanos, tais como os que
apresentam coberturas metlicas.
3.5
As Imagens do Termal
Como vimos todos os objetos que compem a superfcie terrestre so fontes emissoras
de radiao eletromagntica com intensidades de emitncia proporcionais sua temperatura
de superfcie. Como as condies ambientais e climticas interferem a todo o momento nessa
temperatura de superfcie, modificando-a em curtos intervalos de tempo, os dados das
imagens obtidas na faixa do termal podem variar temporalmente. Outro fator que pode trazer
problemas para o uso prtico das imagens termais a influncia do aquecimento solar sobre
os materiais. Uma imagem termal tomada em um dia em que a insolao fraca, as
superfcies dos materiais tero temperaturas mais baixas e emitiro intensidades menores de
energia radiante do que num dia de alta insolao. Consequentemente, as duas imagens
apresentaro diferentes tons de cinza para os mesmos alvos, dando a impresso que ocorreu
alguma variao ou mudana dos alvos entre as duas datas de tomadas das imagens
Para evitar esse efeito mais aconselhvel obter as imagens termais um pouco antes
de amanhecer o dia, quando o calor armazenado pela insolao j tenha se dissipado. Nessas
horas a temperatura dos materiais estar mais prxima de suas temperaturas naturais, as quais
so diretamente relacionadas s suas propriedades intrnsecas de calor especfico,
condutividade e densidade. Por isso, qualquer uso ou aplicao das imagens termais depende
do conhecimento das condies ambientais no momento da tomada da imagem, a fim de se
corrigir a radincia da cena.
Os mecanismos de imageamento no termal so iguais ao do imageamento feito com
os sensores pticos e os mesmos conceitos sobre resolues espacial, espectral e radiomtrica
discutidos anteriormente, tambm se aplicam aos sensores termais. Por isso, muitos dos
sensores orbitais atualmente em operao adquirem simultaneamente imagens termais e
imagens pticas da mesma rea, e assim a aquisio dos dados termais acaba sendo realizado
em funo do horrio de obteno das imagens pticas.
Em casos como esse, em que as imagens termais so obtidas simultaneamente com as
imagens pticas, vemos que sempre a resoluo espacial das imagens termais menor. Isso
porque existe um comprometimento entre a resoluo espacial e a resoluo radiomtrica na
obteno de dados do infravermelho termal. Quanto maior o campo de visada instantneo do
sensor (IFOV, do ingls Instantaneous Field Of View), maior o tempo de permanncia do
Fig. 3.7 Imagens no termal de 10,4 12,5 m (esquerda) e da faixa visvel do vermelho de 0,63 0,69 m
(direita), obtidas simultaneamente pelo sensor ETM do Landsat7.
4.1
Imageamento Lateral
A regio das micro-ondas de 2,4 cm a 100 cm, cujos comprimentos de onda chegam a
ser da ordem de 200.000 vezes maior que os comprimentos de onda da luz visvel, usada
para obter imagens com os sensores de radar, um acrnimo de Radio Detection and Ranging
(Deteco de Ondas de Rdio e Posio). O radar um sensor que se utiliza de uma fonte de
radiao eletromagntica artificial, construda pelo homem, porque o Sol e a Terra emitem
baixssima quantidade de radiao eletromagntica nessa regio espectral. por isso
denominado de sensor ativo. Sua principal vantagem em relao aos sensores pticos e
termais que o grande comprimento das micro-ondas no barrado ou absorvido pelas
micromtricas partculas ou gases da atmosfera. Essa condio permite obter imagens,
mesmo quando a cobertura de nuvens total. E pelo fato de a fonte ser ativa, o imageamento
pode ser feito em qualquer hora do dia ou da noite. Essa outra vantagem dos sistemas de
radar, cujos dados independem das variaes nas condies de iluminao solar (ngulos de
elevao e azimute solar), como ocorrem, por exemplo, com os sensores da faixa ptica,
como do CBERS ou Landsat.
Os comprimentos de onda das imagens de radar so identificados por letras,
aparentemente sem nenhum significado, fruto de uma tentativa nos anos 1940 de manter
segredo militar das faixas espectrais de operao dos primeiros sistemas de radar. As bandas
mais utilizadas em radar so mostradas na Figura 4.1, com seus correspondentes valores de
frequncia em Hertz. Alguns preferem o uso da freqncia ao invs do comprimento de onda,
pois quando a radiao eletromagntica atravessa materiais de diferentes densidades, a
frequncia no se altera, enquanto o comprimento de onda e a velocidade se alteram.
transparncia
0%
1 cm 10cm 1m
bandas X C S L P
Fig. 4.1 O grfico mostra a transparncia quase total das vrias bandas de radar e no quadro os respectivos
intervalos de comprimento de onda e correspondentes frequncias.
Fig. 4.2 Lbulo de iluminao no terreno formado pelo pulso de radiao eletromagntica emitido por uma
antena de radar de visada lateral.
A1 A2 A3 A4 A5 A3 A2A4 A1A5
Fig. 4.3 Ilustrao mostrando o motivo pelo qual no existem sensores de radar com visada vertical.
A configurao do envio de pulsos na direo de visada lateral, como feito por todos
os radares imageadores, mostrada na Figura 4.4. A antena transmite os pulsos de micro-
ondas em intervalos de microssegundos (cerca de 1.500 pulsos por segundo), que vo se
propagar como frentes da onda em sucessivos incrementos de tempo (1 a 8). No tempo 6 o
pulso transmitido (linha pontilhada azul) alcana a casa e a frente de onda de retorno
(retroespalhada) tem incio no tempo 7. No tempo 12 o sinal de retorno da casa alcana a
antena e registrado com esse tempo no grfico de resposta da antena. No tempo 8 a frente
de onda transmitida refletida da rvore e o seu eco alcana a antena no tempo 16.
Medindo-se eletronicamente o tempo de retorno do sinal, so determinadas as distncias ou
as posies (range) entre o transmissor e os dois objetos refletores. Como a casa retroespalha
o pulso de onda de radar com intensidade maior do que a rvore, a intensidade da resposta do
sinal registrado mais forte.
Em todos os momentos so medidos os tempos de transmisso e de retorno dos
pulsos, e por sabermos que a radiao eletromagntica, independente do seu comprimento de
onda, se propaga velocidade da luz, podemos calcular a distncia de um objeto medida no
plano inclinado (da antena ao alvo) usando a equao:
eq. 4.1
O tempo medido pela fase de onda que tem a sua referncia num ponto de partida
relativo a um tempo arbitrrio, no momento em que o pulso transmitido. Como uma onda
um fenmeno cclico, a fase frequentemente medida em graus, onde 90o representa de um
ciclo e 360o, um ciclo completo. Quando o pulso transmitido registra-se o grau da fase no
tempo t = 0, como mostra a Figura 4.5. A fase do sinal de retorno comparada com a fase do
sinal transmitido e o tempo de retorno do sinal calculado, determinando-se assim, a posio
do objeto no terreno.
Fig. 4.5 Medida do tempo pela fase da onda no momento em que o pulso de radar transmitido.
4.2
Polarizao da Onda
As ondas corpusculares de fontes como o Sol so naturalmente despolarizadas. No
radar, quando um pulso de energia emitido pela antena, o vetor do seu campo eltrico
controlado por um cristal polarizador com eixo de transmisso situado na horizontal ou na
vertical, para fazer vibrar a onda em uma direo horizontal (H) ou vertical (V). A onda
chamada de polarizada. A maioria dos pulsos plano-polarizada, o que quer dizer que se o
pulso foi emitido na direo H, o retorno do pulso tambm ser registrado na direo H. Diz-
se, ento, que a polarizao HH. Da mesma maneira, tem-se a polarizao plano-paralela
VV. A polarizao HH mais aconselhada para as superfcies terrestres e a polarizao VV
para as superfcies (ondas) do mar. A Figura 4.6 mostra a configurao de polarizao de um
pulso horizontal e de um vertical.
(a) (b)
Fig. 4.6 Polarizao do sinal de radar enviado pela antena nos planos horizontal (a) e vertical (b).
Quando o pulso atinge o alvo ocorre a despolarizao, de modo que o sinal enviado
pode retornar antena com uma intensidade maior numa direo diferente da direo de
polarizao emitida. Por exemplo, um sensor que emite um pulso na direo H pode registrar
o sinal de retorno na direo polarizada V. Nesse caso, tem-se o que se denomina de
polarizao cruzada HV. Se o sinal polarizado emitido em V e o sinal de retorno
registrado pela antena em H, tem-se a polarizao cruzada em VH. Atualmente, muitos
sensores de radar como os sensores orbitais RADARSAT e PALSAR operam com as
combinaes de polarizaes paralelas e cruzadas, possibilitando a aquisio de imagens de
radar em quatro modos de polarizao: HH, HV, VV e VH. Essa forma de imagens
multipolarizadas aumenta as chances de discriminao dos materiais em funo das variaes
de rugosidade da superfcie. A vegetao, em particular, tende a mostrar diferentes respostas
nas polarizaes HH, HV (ou VH) e VV, por causa da despolarizao da radiao
Polarizao HH Polarizao HV
Fig. 4.7 Diferenas das tonalidades de cinza dos alvos de uma rea agrcola vista em imagens de radar com duas
diferentes polarizaes, obtidas pelo satlite japons ALOS PALSAR.
4.3
Geometria de Imageamento
Alm da polarizao da onda, no imageamento do terreno por radar aerotransportado
ou a bordo de satlite, alguns parmetros sobre o envio do pulso de radar pela antena so
muito importantes na definio das caractersticas da imagem. Esses parmetros relacionam-
se com a geometria de imageamento formada entre os ngulos de envio do pulso de radar e as
direes e rugosidades das superfcies dos alvos. So eles: direo de azimute, direo de
visada, ngulos de depresso, ngulo de visada e ngulos de incidncia local (Figura 4.8).
direo de visada
2
1
ngulos de
depresso
ngulo de incidncia local
ngulo de
visada
4.4
Resoluo Espacial
As medidas de resolues espaciais dos sensores de radar so bem mais complexas
que as dos sensores multiespectrais e termais. O elemento ou clula de resoluo espacial de
um radar de visada lateral controlado por dois parmetros independentes:
i) o comprimento do pulso, que determinado pela durao de tempo t que a antena emite os
pulsos de energia;
ii) a largura angular do feixe do pulso enviado pela antena.
Como so parmetros independentes, cada um deles determina uma resoluo
espacial, havendo duas medidas de resolues espaciais: uma na direo de alcance ou
direo de iluminao de propagao do pulso e outra na direo transversal ao lbulo, que
a direo azimutal da linha de voo. So, respectivamente, denominadas de resoluo em
alcance (range) e resoluo azimutal. Podem tambm ser ditas como resolues longitudinal
e transversal em relao ao lbulo de iluminao. Na resoluo em alcance calcula-se o
comprimento do elemento de resoluo e na resoluo azimutal calcula-se a largura.
4.4.1
Resoluo em Alcance (Range)
comprimento do pulso
= 0,1 x 10-6 segundos
1 2 3 4
Rr = 23,3m Rr = 17,3m
Fig. 4.9 Variao da resoluo em alcance em funo dos ngulos de depresso da antena de radar. (Adaptado
de Lillesand et al., 2008).
4.4.2
Resoluo Azimutal
eq. 4.3
onde, S = distncia da antena ao ponto no terreno no alcance inclinado.
L = tamanho da antena
Usando a equao 4.3 para calcular a resoluo dos objetos situados em near range e
far range numa situao como a apresentada na Figura. 4.10 (a distncia A a B a mesma),
podemos facilmente deduzir que a resoluo azimutal em near range melhor do que em far
range, em razo das diferenas de distncias dos alvos antena medidas no plano inclinado
S. As duas torres na posio em near range so individualizadas, ou resolvidas, enquanto que
as duas torres na posio em far range no so resolvidas. Dessa forma, para melhorar a
resoluo azimutal ou se diminui a distncia entre o radar e o alvo (diminui a altura de voo)
ou se aumenta o tamanho da antena, o que nesse caso um problema.
S2
S1
B
B
Gr2 A
A
Gr1
Fig. 4.10 Dependncia da resoluo azimutal em funo das distncias S medidas no plano inclinado, ou da
abertura angular do lbulo de iluminao do feixe de radar.
eq. 4.4
De acordo com a equao 4.4 as torres nos pontos A e B seriam resolvidas em Gr1,
mas no em Gr2, ou seja, distncia Gr1 elas resultam em sinais separados, enquanto
distncia Gr2 elas seriam vistas simultaneamente e superpostas.
Por outro lado, a abertura angular do feixe diretamente proporcional ao
comprimento de onda (O) do pulso transmitido e inversamente proporcional ao tamanho da
antena (L):
4.5
Radar de Abertura Sinttica
Os radares de abertura sinttica, que so a tecnologia hoje utilizada para todos os
sistemas de radares transportados em avies ou satlites, empregam uma antena de tamanho
fsico pequeno que sintetiza uma antena de tamanho de centenas de metros. Isso conseguido
por modificaes nos registros dos dados e por tcnicas de processamento de sinais. Em
detalhe, essa operao bastante complicada. suficiente mostrar que se usa o movimento
da plataforma ao longo da linha de voo, para transformar uma antena pequena em uma matriz
de antenas, que matematicamente so unidas para detectar o alvo (Figura 4.11). A antena real
de tamanho pequeno mostrada em diversas posies sucessivas ao longo da linha de voo,
fazendo com que o alvo seja visto vrias vezes (looks), como est representado direita da
Figura 4.11. Um objeto posicionado em near range visto proporcionalmente por menores
nmeros de elementos de antena e quando na posio far range visto por maiores nmeros
de elementos de antena. Essas posies sucessivas so tratadas matematicamente e
eletronicamente, como se elas fossem simplesmente elementos de uma nica antena longa, e
isso resulta em uma resoluo azimutal constante ao longo do lbulo do feixe de radar,
independente da distncia dos alvos antena.
Antena real
Antena alvo visto com 3 looks
sintetizada
near range
far range
Fig. 4.11 Mltiplos elementos de uma antena (looks) que sintetizam uma grande antena. Em near range trs
elementos de antena e em far range seis elementos. (Adaptado de Lillesand et al., 2008).
4.6
Distores Geomtricas
ngulos de depresso
Fig. 4.12 Ilustrao das distores geomtricas em imagens de radar conhecidas como layover (inverso de
relevo) e foreshortening (encurtamento de rampa). A primeira posio que a frente da onda toca o ponto no
terreno funo da inclinao da frente da onda com a inclinao das faces do relevo. exceo da posio
normal, as demais indicam distores na forma dos objetos que sero vistos na imagem de radar.
Na inverso de relevo (layover) a frente de onda atinge primeiro o topo do morro para
depois atingir a base. Portanto, o sinal de retorno do topo do morro chega primeiro ao sensor.
Como a imagem de radar determina a posio do alvo em funo do tempo de ida e de
retorno do sinal, e sabendo que imagem uma superfcie em duas dimenses, o topo do
morro aparecer na imagem antes da base. Observe na Figura 4.12, que a inverso de relevo
ocorre nos morros que esto mais prximos do sensor, ou seja, com ngulos de depresso
maiores. Por isso, o layover mais intenso em imagens de radar de satlites. O efeito dessa
distoro mostrado na Figura 4.13, onde o relevo aparece na forma de V com alto retorno
do sinal (tons claros), mascarando por completo a forma real do relevo. Quando a frente de
onda incide normal face do relevo, no ocorre deformao.
O encurtamento de rampa (foreshortening) se expressa como uma compresso ou
encurtamento da encosta frontal, relativo encosta dorsal do relevo. Esse efeito ocorre
quando o ngulo de incidncia loca menor que o ngulo de iluminao, mas maior que zero.
Isso faz com que a face de ecnosta voltada para a antena aparea na imagem em tons bem
claros, indicando forte potncia do sinal de retorno e no por causa de qualquer outra
caracterstica do relevo. Com a diminuio do ngulo de incidncia local, a geometria faz
com que a extenso da vertente (topo para base) diminua, aumentando assim, a intensidade
LAYOVER
Fig. 4.13 Formas em V de relevo como se fossem artefatos que surgem nas imagens de radar pelo efeito de
layover. (Copiado de: Lima, 1995 estampa 4 pg. 32).
Fig. 4.14 Feies de encurtamento de rampa (faixas estreitas, alongadas e claras) em uma imagem de radar do
satlite japons ALOS PALSAR da regio de Chapada dos Veadeiros, Gois.
interferncia construtiva
resultado
resultado
interferncia
construtiva
graus variados de
interferncia
interferncia
destrutiva
Fig. 4.15 Interferncia construtiva e destrutiva da onda coerente de radar que retroespalhada aleatoriamente
pelos mltipols alvos presentes em uma clulda de resoluo do pulso.
4.8
Interao do Pulso de Radar com as Superfcies dos Objetos
4.8.1
Em Relao ao Comprimento de onda
Fig. 4.17 Imagem de radar da banda L (comprimento de onda de 23,5 cm) e polarizao HH do satlite japons
ALOS PALSAR, mostrando alvos especulares (escuros; A) e difusores (tons de cinza claros; B). Em C, um tipo
especial de alvo difusor conhecido como refletor de canto (no caso particular dessa imagem, composto por
edificaes que refletem praticamente toda a radiao incidente de volta para a antena).
h< 5,6 cm
25 sen40o
h< 5,6 cm
25x 0,642
h
superfcie lisa
h = 0,35 1,98
h
superfcie
intermediria
h> 5,6 cm
4,4 sen40o
h> 5,6 cm
h 4,4x 0,642
superfcie rugosa
Fig. 4.18 Critrios para determinao de superfcie lisa e com rugosidades intermediria e alta.
4.8.2
Em Relao Direo de Visada
Figura. 4.20 Realce das direes estruturais dos lineamentos de relevo em funo da direo de iluminao.
(Disponvel em: Http://rst.gsfc.nasa.gov/Sect8/_4html).
ngulo de incidncia
Pulso de radar
Normal superfcie
ngulo de incidncia
local
Fig. 4.21 Relao entre a inclinao do pulso da onda e a normal superfcie do terreno onde a onda incide,
como forma de medir o ngulo de incidncia local.
4.9
Constante Dieltrica
H uma condio nica para que os alvos tenham um retorno forte de sinal,
independente das condies ideais de tamanho da onda, da rugosidade da superfcie ou do
ngulo de incidncia. quando um alvo tem uma alta constante dieltrica. Constante
dieltrica corresponde capacidade dos materiais em formar dipolos na presena de um
campo eltrico externo e em armazenar e conduzir energia eltrica. Os alvos naturais, para
terem altas constantes dieltricas, precisam conter gua livre na sua estrutura (umidade), isso
porque a gua tem uma alta constante dieltrica, prxima de 80. Rochas e solos, em suas
condies naturais (secos), possuem uma baixa constante dieltrica, entre 3 a 8. Quanto maior
for a constante dieltrica do material, maior a interao do campo eltrico do pulso de
micro-ondas com a molcula de gua e mais intenso o retorno do sinal. H dessa forma,
uma relao direta de proporcionalidade entre a constante dieltrica e a intensidade do pulso
de micro-ondas refletido. Por isso, as vegetaes fotossinteticamente ativas que armazenam
gua em suas estruturas foliares internas apresentam tons de cinza muito claros nas imagens
de radar (Figura 4.22). Solos midos respondem da mesma maneira, o que torna a imagem de
radar uma excelente opo para a separao de solos midos e secos. Uma rea com solos
midos aparece com tons de cinza claros na imagem de radar, enquanto nas imagens da faixa
ptica aparece com tons escuros devido forte absoro da radiao eletromagntica nos
comprimentos de onda de alta energia. Entretanto, estimar umidade de solo por meio de
imagens de radar, que pode ser importante para diversas aplicaes como modelagens
Fig. 4.22 Imagem de radar R99B aerotransportado (comprimento de onda de 23 cm, multipolarizada),
mostrando as matas de galerias em tons de cinza claros devido constante dieltrica alta da vegetao.
Fig. 4.23 A imagem esquerda composio colorida Landsat da regio de Flagstaff, Arizona, Estados Unidos.
No centro da imagem da direita, uma imagem de radar mostrando paleocanais de drenagem sob manto de areia
seca. Devido penetrao que o pulso tem em areias secas com constante dieltrica baixa, foi possvel
identificar a presena de paleocanais. (Disponvel em: http://pubs.usgs.gov/gip.desert/remote.clima.giv).
x
H Antena 1
Antena 2
R2
eq. 4.6
R1
H1 Guar
eq. 4.7
h
eq. 4.8
X1
5.1
Imagem Digital
As imagens de sensoriamento remoto devem ser vistas como uma forma de
documentos que representam, em escala e sobre um plano 2D, os acidentes e as feies
naturais e artificiais da superfcie terrestre, a partir da medio de um processo fsico da
radiao eletromagntica. A energia da radiao eletromagntica conduz de forma analgica
a informao sobre os objetos e no sensor um conversor analgico/digital converte essa
informao em um valor digital, codificado por uma unidade denominada de pixel. A forma
digital do dado que possibilita o uso de computadores para processar as imagens, com o
objetivo principal de representar pores bem definidas do espao terrestre, utilizando-se de
processamentos matemticos, estatsticos e probabilsticos dos dados. Os limites do espao
so configurados pelos pixels, os quais, como veremos, esto organizados na disposio de
linhas e colunas. Embora estejamos falando de valores numricos (imagem digital), os limites
de qualquer poro da imagem no so matemticos. No so limites como o que vemos em
uma carta topogrfica, esses sim, limites matemticos, geralmente definidos por meridianos e
paralelos. Ento, percebemos que h uma clara distino entre a representao dos dados de
uma imagem com a representao dos dados do espao terrestre pelas cartas topogrficas. Da
a razo de nos referirmos localizao dos objetos em uma imagem por meio de coordenadas
espaciais dos pixels (linhas e colunas). A imagem de sensoriamento remoto, qualquer que
seja ela, no possui um sistema de referncia de projeo cartogrfica. Por isso,
aconselhvel conhecer algumas caractersticas do formato dos dados das imagens, antes de se
iniciar o processamento dos dados.
Como foi apresentado nos captulos anteriores, a imagem de um sensor obtida pela
varredura do terreno em linhas sequenciais, cada linha sendo amostrada por uma rea unitria
(pixel). O sensor registra os pixels no formato de uma grade retangular ou quadrada, e o valor
do pixel correspondente ao valor de radincia, emitncia ou de retroespalhamento dos alvos
convertido no sensor para um valor digital discreto e finito. O valor digital do pixel uma
mdia dos valores de radincia, emitncia ou retroespalhamento, dos diferentes alvos que
podem estar contidos no pixel. Os pixels podem ser pixels puros (um s objeto) ou pixels
misturas. Em terra, estaes terrestres de rastreamento gravam o sinal digital transmitido do
satlite por telemetria, e em laboratrios a imagem no formato raster produzida para
distribuio aos usurios.
Os algoritmos de processamento veem esse formato como uma matriz de dados
composta por milhares de linhas e colunas, na qual o valor de cada clula da matriz definido
pelas coordenadas que o pixel ocupa na matriz e pelo seu valor digital. Genericamente, pode-
se definir qualquer imagem como sendo uma funo bidimensional representada por f (x,y)
(Gonzales e Woods, 1992). Quando x,y e os valores de amplitude f so quantidades discretas
(nmeros inteiros), a imagem uma imagem digital. Nas imagens de sensoriamento remoto
x,y referem-se s coordenadas espaciais da linha e coluna do pixel e o valor de f em qualquer
ponto x,y a medida da energia radiante refletida, emitida ou retroespalhada.
(a)
Linha (x)
195 148 53 6 13
181 148 40 26 94
101
181 175 134 208
(b) (c)
Fig. 5.1 Imagem digital (a) com rea em zoom de grupo de pixels em valores de cinza (b) e correspondentes
valores digitais (c).
5.2
Formatos de Arquivos
Os programas comerciais de processamento de imagens como ENVI, ER-MAPPER,
PCI, SPRING (domnio pblico), IDRISI, ERDAS IMAGINE, e demais, usam o formato de
dados raster consistindo de um arquivo binrio (base dois) que contm os dados da imagem,
acompanhado de um pequeno arquivo texto que descreve algumas informaes sobre os
dados da imagem (header). Nos seus formatos nativos, eles aceitam dados (imagens) em byte,
signed e unsigned integer, long integer, floating point, integer, 64-bit, complex ou double
complex, e outros. Em geral, os dados raster so armazenados no disco em fluxo binrio de
bytes em trs tipos bsicos de formatos: bandas sequenciais (BSQ), bandas intervaladas por
linhas (BIL) ou bandas intervaladas por pixels (BIP).
BSQ (Band SeQuencial) o formato mais simples, onde cada linha dos dados seguida
imediatamente pela prxima linha na mesma banda espectral. Esse formato ideal para
acesso espacial de qualquer parte de uma banda da imagem. Por isso, preferida se o
interesse trabalhar com bandas individuais de grandes reas.
BIL (Band Interleaved by Line) armazena a primeira linha da primeira banda, seguida pela
primeira linha da segunda banda, e assim por diante, intervalada pelo nmero de bandas.
preferida para alguns tipos de processamentos mais pesados, como a transformao de
imagens digitais para imagens de reflectncia. Esse formato assegura um compromisso de
desempenho entre processamento espacial e espectral, sendo recomendado.
BIP (Band Interleaved by Pixel ) armazena o primeiro pixel de todas as bandas em ordem
sequencial, seguida pelo segundo pixel para todas as bandas, e assim por diante, intervalada
ao nmero de pixels. preferida se o interesse trabalhar com todas as bandas de uma rea
relativamente pequena.
Para serem expostas no monitor de vdeo nos trs canais de cores, vermelho, verde e
azul, as imagens so processadas por trs hardware Look-Up Tables (LUT), que uma forma
de dispor os dados em um arranjo ou arranjos associados, que em termos de ganho de tempo
de processamento significante. Sua funcionalidade criar uma tabela de novos valores para
a imagem, que consiste em converter os nmeros digitais inteiros da imagem para inteiros de
nveis de cinza de cada banda, conforme a expresso abaixo.
eq. 5.1
JPEG (Joint Pictures Expert Group). um tipo de arquivo para armazenamento de imagens
com esquema de 24 bits. Isso significa que esse formato aceita 16,8 milhes de cores. Devido
limitao da viso humana em distinguir, no mximo, entre trs a cinco mil cores, so
subtradas algumas informaes das cores, preservando somente o que o olho humano pode
enxergar. Esse processo conhecido como compresso, mas no h perda da qualidade da
imagem, com a vantagem de gerar um arquivo no muito grande.
PNG (Portable Network Graphics). uma verso concorrente do JPEG com esquema de
cores de 24 bits, 16,8 milhes de cores. A vantagem sobre o formato JPEG que a
compresso dos dados mais eficiente, no causando perda de qualidade a cada salvamento,
o que possibilita maior fidelidade imagem original.
BMP (Bit MaP). Desenvolvido para aplicaes no sistema Windows um formato muito
simples, com mnimas possibilidades de erro na interpretao dos arquivos. Como no h
compresso de dados, a qualidade da imagem a melhor possvel, mas em compensao o
TIFF (Tagged Image File Format). Foi desenvolvido como uma tentativa de se criar um
padro para imagens geradas por equipamentos digitais (ex. escaneador). um formato capaz
de armazenar imagens em preto e branco, em escalas de tons de cinza e em paletas de cores
com 24 ou 32 emphbits. Tem a vantagem de ser reconhecido por qualquer tipo de programa
de processamento de imagens. O formato TIFF baseado em entidades lgicas (campos
TIFF), cada uma consistindo de uma etiqueta (Tag), cada um com um significado especfico,
que descreve atributos e parmetros dos dados de uma imagem.
ASCII (American Standard Code for Information Interchange). Muitas vezes pode ser
solicitado ao usurio o salvamento de arquivos que no so imagens, mas de dados obtidos
durante o processamento, e que podem ser armazenados na forma de um arquivo texto. O
formato ASCII usado para essa funo. um tipo de formato binrio de codificao de
caracteres (letra, nmero ou smbolo) que so representados por oito bits. O sistema totaliza
128 caracteres. So exemplos de arquivos ASCII, grficos, coordenadas x,y ou x,y,z de
dados, cabealhos de imagens, anotaes, e outros.
6.1
O que Processamento de Imagens
Um segmento importante do processamento digital de imagens consiste na execuo
de operaes matemticas dos dados, visando as suas transformaes em imagens de
melhores qualidades espectrais e espaciais e que sejam mais apropriadas para uma
determinada aplicao. O que significa que o processamento de imagens de sensoriamento
remoto orientado para cada tipo de problema. Por exemplo, uma tcnica que eficaz na
remoo de rudos presentes em uma imagem, da qual interessa apenas a sua textura e no
tanto a identificao de bordas, no eficaz para identificar as altas frequncias que
caracterizam as mudanas de padres em reas urbanas.
O processamento de imagens configurado por algoritmos especializados, que
disponibiliza para o usurio a aplicao de uma grande variedade de tcnicas de
processamento. Os algoritmos tratam matematicamente a imagem como um dado diretamente
relacionado ao processo fsico que o criou. Porm, a representao e o processamento
matemtico da imagem no 100% a representao do mundo real. Por isso, sempre caber
ao usurio e no apenas ao computador, a anlise e a interpretao dos dados contidos na
imagem.
O formato matricial das imagens facilita operaes matemticas e estatsticas para se
analisar o grande volume de dados que possuem as imagens de sensoriamento remoto.
Praticamente, todos os software especializados em processamento de imagens de
sensoriamento remoto dividem as tcnicas de processamento digital em dois tipos bsicos:
realce e classificao, s quais antecede uma fase de pr-processamento, cujo objetivo
corrigir preliminarmente os erros que os dados originais possam apresentar. No h um fluxo
de processamento pr-definido que o usurio seja obrigado a fazer. Por exemplo, o usurio
que deseja gerar um mapa temtico necessitar de informaes precisas da localizao dos
alvos que ele deseja investigar e por isso, as correes das distores geomtricas da imagem
so imprescindveis. Outro usurio que queira extrair dos dados as informaes espectrais dos
alvos para identificar a natureza de suas composies, estar mais preocupado em corrigir as
distores causadas pela atmosfera. Ainda outro usurio poder partir diretamente para uma
classificao no supervisionada, a fim de rapidamente, ter uma avaliao da distribuio das
classes de alvos dominantes na rea. Por isso, a Figura 6.1 deve ser vista como um quadro
sucinto das principais tcnicas de processamento que os software dispem, e no como um
fluxo de processamento a ser seguido. Os usurios de sensoriamento remoto sempre devem
ter em mente que no processamento de imagem o bom desempenho dos resultados obtidos
em uma rea, no necessariamente, pode ser reproduzvel para outras.
As tcnicas de pr-processamento so, essencialmente, funes operacionais para
remover ou corrigir os erros e as distores introduzidos nas imagens pelos sistemas sensores
devidos a erros instrumentais (rudos esprios), s interferncias da atmosfera (erros
radiomtricos) e geometria de imageamento (distores geomtricas).
PR-PROCESSAMENTO
Correo de rudos
Correo atmosfrica
Correo geomtrica
Fig. 6.1 Apresentao das principais tcnicas de processamento de imagens segundo um modelo geral de diviso
dos tipos de processamento.
6.2
Pr-processamento de Imagens Digitais
Muitos dos problemas identificados nas fotografias areas ocorrem de formas bastante
semelhantes com as imagens digitais de sensoriamento remoto. So vrias as fontes que
geram esses problemas, a maioria devido aos erros e defeitos que os sensores possam
apresentar ao longo de sua vida til, e por perdas de estabilidade da plataforma que aloja o
sensor. Mas h fontes de erros que independem da plataforma ou mau funcionamento do
sensor. A atmosfera uma dessas fontes externas de erros, que pode gerar com intensidades
diferentes, severas distores nos dados das imagens. No conjunto, os erros ou distores que
as imagens esto sujeitas, vo se apresentar nas deformaes de escala, incorrees nas
posies espaciais dos pixels, perda de contraste entre os alvos ou registros incorretos dos
valores digitais dos pixels.
Quando o intrprete, analista ou usurio utiliza a imagem para obter a informao que
procura, frequentemente necessrio corrigir a imagem, ou compens-la dos erros que
apresenta. Algumas dessas correes so realizadas antecipadamente distribuio das
imagens, enquanto outras cabem, exclusivamente, deciso do usurio.
As correes dessas distores fazem parte do conjunto de funes de processamento
que se denomina de pr-processamento. As tcnicas de pr-processamento so assim
denominadas, porque elas no visam transformaes das imagens, as quais tm, como
principal objetivo, melhorar a qualidade visual da cena. As correes dos diferentes tipos de
erros que a imagem pode apresentar so modeladas de acordo com o tipo da estrutura dos
erros, conhecendo-se qual a fonte de distoro. Constitui uma importante etapa de
processamento, porque nos processamentos subsequentes, tais como as transformaes de
realces espectrais, essas imperfeies seriam tambm realadas.
A ordem da correo da imagem depende dos objetivos do trabalho ou da pesquisa
que o intrprete props fazer, podendo iniciar pela correo radiomtrica, atmosfrica ou
geomtrica, ou todas serem realizadas. Por isso, os itens a seguir no devem ser vistos como
uma sugesto de ordem de pr-processamento.
O mtodo mais usado para corrigir ou recompor linhas de pixels ruidosos substituir
a linha ruim pelo valor mdio dos pixels correspondentes das linhas anterior e posterior. Se
aceita isso porque na natureza os alvos possuem uma alta correlao espacial, portanto com
alta probabilidade de repetio de suas propriedades espaciais e espectrais, por grandes
extenses de reas no sentido longitudinal e transversal das linhas.
Pixels ruidosos isolados podem ser substitudos pelas mdias dos vizinhos mais
prximos, desde que haja segurana que os pixels vizinhos sejam pixels bons. O
procedimento de correo segue a mesma suposio para corrigir as linhas ruidosas.
Em ambos os casos, deve-se calcular as mdias das linhas superior e inferior, ou as
mdias dos pixels vizinhos em torno do pixel ruidoso individual. O algoritmo deve ser capaz
de, antes de efetuar a correo, testar realmente se existe rudo presente na imagem. O
esquema abaixo demonstra esse procedimento para a correo de um pixel ruidoso. Para se
fazer o teste, verifica- se as diferena das mdias dos pixels vizinhos, comparando-as com o
valor do pixel ruidoso.
O striping consiste num tipo de rudo coerente, cujo efeito o aparecimento de faixas
horizontais regularmente espaadas nas imagens, dando a aparncia de uma persiana que
mostra abruptas diferenas de nveis de cinza, originadas por diferenas das respostas do
conjunto de detectores de uma banda. Por exemplo, as bandas do visvel e do infravermelho
refletido do sensor ETM do satlite Landsat 7 so constitudas, cada uma, de dezesseis
detectores rigorosamente iguais que varrem simultaneamente dezesseis linhas no terreno.
Caso um ou alguns desses dezesseis detectores, por algum motivo descalibra-se, as suas
respostas em termos de valores de radincia sero notavelmente diferentes para aquelas
linhas, em relao s outras linhas imageadas pelos outros detectores. A Figura 6.3 mostra o
efeito desse tipo de rudo. Para a correo de striping assumido que os detectores de uma
banda produzam sinais estatisticamente similares, ou seja, que no mudem significativamente
a sua mdia e desvio padro dentro de um espao equivalente s linhas imageadas pelo
conjunto de detectores. Um dos detectores escolhido como referncia e a mdia () e o
desvio-padro () so calculados. As mdias e os desvios-padres de cada um dos outros
detectores so linearmente ajustados aos valores do detector de referncia. Por ser uma
distoro severa, normalmente, o striping corrigido nos laboratrios de produo de
imagens. A transformao para o detector i, segundo Showengerdt (1997), tem a formulao
abaixo, que aplicada a todos os pixels daquele detector.
eq. 6.1
Fig. 6.3 Imagem com a presena de faixas de linhas ruidosas conhecidas como striping, causadas pela
descalibrao dos detectores de uma banda.
eq. 6.2
Fig. 6.4 Modos de espalhamento da radiao pela atmosfera, contribuindo com o aumento da reflectncia do
alvo que chega ao sensor.
Torna-se bvio que para uma interpretao confivel das imagens de satlite
necessrio remover os efeitos que a atmosfera introduz. Uma rigorosa soluo desse
problema no possvel sem conhecer com exatido os parmetros que caracterizam o estado
atmosfrico da rea, principalmente, quando o intrprete precisa identificar as naturezas de
composio dos constituintes dos materiais, por meio da anlise de suas reflectncias. Esses
parmetros atmosfricos precisam ser conhecidos no momento em que o sensor adquiriu a
imagem. O ideal seria dispor de frequentes medies locais com estaes meteorolgicas ou
com equipamentos de radiossondagem, para no mnimo, estimar se as condies atmosfricas
so muito claras, moderadas, hazy ou muito hazy. Como obter esses dados um problema
para a maioria das reas, foram desenvolvidas tcnicas de processamento opcionais de
correo atmosfrica, com resultados satisfatrios, estimadas a partir dos prprios dados das
imagens multibandas. Esses mtodos se aplicam s imagens multiespectrais com bandas de
ampla largura espectral, como as imagens do CBERS, Landsat ou SPOT.
6.2.2.1
Subtrao do escuro (Dark Subtraction)
Dentre as vrias tcnicas propostas, a correo atmosfrica pelo uso do limite inferior
dos valores digitais do histograma de cada banda, tem sido considerada a mais aceita.
assumido que cada banda da imagem deveria conter alguns pixels com valores prximos ou
iguais a zero, cujas origens mais comuns seriam as reas de sombras de relevo. Mas, devido
aos efeitos do espalhamento atmosfrico adicionado um valor de brilho a todos os pontos da
imagem, e as reas sombreadas deixam de exibir pixels com valores zero ou bem prximos
de zero. Consequentemente, se os histogramas de cada banda fossem analisados, os pixels
com valores digitais mais baixos no seriam zero, como mostra a Figura 6.5. Os histogramas
aparecem deslocados da origem, sendo a quantidade de deslocamento proporcional ao inverso
do comprimento de onda elevado quarta potncia, conforme prev o espalhamento Rayleigh
de uma atmosfera com espalhamento molecular.
Na Figura 6.5 visto que o espalhamento aditivo decresce dos menores para os
maiores comprimentos de onda. Identificado o valor adicionado aos histogramas de cada
banda individual, esse valor deve ser subtrado da banda, porque o espalhamento causa s
imagens uma aparncia desfocada ou de nvoa, devido perda de contraste da imagem. A
57
44
32
28
20
11
Fig. 6.5 Histogramas das bandas do sensor ETM com a indicao do valor digital que mede a quantidade de
espalhamento atmosfrico adicionada ao sinal (Adaptado de Richards e Jia, 2006).
6.2.3
Correo das Distores Geomtricas
6.2.3.1
Correo geomtrica
Posio do
pixel
pixel
N IFOV
M
Erro RMS
Fig. 6.7 Deslocamento das linhas de imageamento devido ao movimento de rotao da Terra no sentido oeste
leste.
velocidade inclinao
inclinao
rolamento
arfagem rolamento
direo de velocidade
Fig. 6.8 Efeitos das distores geomtricas causadas pelo movimento da plataforma.
Fig. 6.9 Distoro geomtrica da imagem devido visada cnica, causando deslocamento e aumento da rea do
pixel.
Fig. 6.10 Efeito de distoro da imagem por compresso da linha de varredura devido taxa angular de
varredura constante. (Adaptado de Richards e Jia (2006).
6.2.3.2
Georreferenciamento
eq. 6.3a
eq. 6.3b
u imagem mapa x
v y
Fig. 6.11 Sistemas de coordenadas mapa-imagem para localizao dos pontos de controle para o
georreferenciamento da imagem.
6.2.3.3
Avaliao dos erros da transformao polinomial
Nem sempre possvel derivar coeficientes que produzem erros zero. Isto porque,
raramente, o usurio ao clicar com o mouse sobre a imagem para inserir um ponto de controle
consegue uma perfeita preciso da localizao do ponto, porque muitas das feies no so
visualmente ntidas. E porque, tambm, nem sempre se consegue uma boa distribuio de
pontos de controle que recubra toda a rea da imagem. Essas limitaes introduzem erros nos
coeficientes para a transformao polinomial, que levam a uma impreciso no
georreferenciamento. Essa impreciso pode ser representada, se imaginarmos sobrepor a
grade de pixel da imagem grade de pixel do mapa de referncia. O que ocorreria algo
parecido com a Figura 6.12.
Transformao
espacial
Fig. 6.12 Erro na sobreposio da grade da imagem grade do mapa devido impreciso dos pontos de
controle.
PC
(mapa)
Curva do polinmio
A frmula para se calcular o erro RMS dos pontos de controle mostrada abaixo.
eq.6.5
onde, xi e yi so coordenadas retransformadas
xr e yr so coordenadas de referncia
Para se calcular o erro RMS mede-se o erro na direo X e na direo Y, para cada
ponto de controle (PC), como mostra a Figura 6.14.
Erro RMS
Residual Y
PC sada
Na maioria dos casos um perfeito ajuste para todos os pontos de controle requer uma
transformao de alta ordem, mas que se mostra muitas vezes, desnecessria. Ao invs de
aumentar a ordem, tem-se a opo de tolerar certa quantidade de erro. Portanto, quase
sempre, ao se georreferenciar uma imagem, existir uma pequena diferena entre as
coordenadas da imagem retransformada e as coordenadas de referncia, conhecido como erro
interno. O erro interno o erro residual, aquele que no se consegue eliminar totalmente,
quando se tenta sobrepor uma imagem a um mapa.
O erro RMS, para cada ponto, serve para avaliar cada ponto de controle que o usurio
escolheu. Esse calculado pela frmula da distncia.
eq. 6.6
eq. 6.7
3a ordem 1a ordem
2a ordem
Figura 6.15 Escolha da ordem polinomial para melhor ajuste. (Adaptado de Richards e Jia, 2006)
Uma transformao de primeira ordem uma transformao linear, que pode mudar a
localizao em x e/ou y, ou a escala da imagem em x e/ou y. Transformaes de 2a ordem ou
ordens maiores so transformaes no lineares, usadas para converter Lat/Long para uma
6.2.3.4
Reamostragem
mapa imagem
Fig. 6.16 Condio na qual os pixels alocados na imagem correspondem exatamente aos centros de pixel da
grade.
287 427
428
429
288 288
289 289
290 290
291 291
292
Fig. 6.17 Reamostragem do valor de brilho da imagem corrigida a partir do brilho da imagem original.
(Fonte: Brito e Coelho, 2002).
No processo de reamostragem dos pixels para determinar qual dos pixels vizinhos
assumir o valor de brilho, vrios mtodos de interpolao foram desenvolvidos: interpolao
vizinho mais prximo; interpolao bilinear; interpolao por convoluo cbica.
A interpolao com reamostragem vizinho mais prximo, tambm conhecida como
interpolao de ordem zero, apenas transfere para a imagem reamostrada o valor de brilho do
pixel da imagem original que estiver mais prximo. No exemplo da Figura 6.17, este pixel
ser o da coluna 427, linha 289. De acordo com Schowengerdt (1997) este mtodo introduz
descontinuidades geomtricas (erros) na imagem reamostrada da ordem de 0,5 pixel, que
irrelevante para a visualizao da imagem. Sua principal vantagem a rapidez de
processamento e de no requerer nenhum clculo para derivar o pixel de sada. Alm disso,
esta reamostragem no altera os valores radiomtricos da imagem original.
A interpolao com reamostragem bilinear (primeira ordem) toma por base os valores de
brilho dos quatro vizinhos mais prximos ao centro do novo pixel (imagem corrigida). Duas
interpolaes lineares so executadas ao longo das linhas para encontrar o valor a ser
interpolado. Utilizando uma janela de dimenso 2 x 2 calculada a mdia ponderada das
distncias dos centros dos quatro pixels ao centro do pixel de sada, para determinar a
intensidade do valor de brilho do pixel de sada. O efeito uma suavizao da superfcie,
acompanhada de uma alterao dos valores de brilho da imagem original, o que pode ser
problemtico para subsequentes anlises numricas. Sua vantagem em relao ao mtodo
vizinho mais prximo a melhor preciso geomtrica e o desaparecimento de
descontinuidades, segundo Novo (1989).
A interpolao por convoluo cbica utiliza os dezesseis pixels ao redor. Segundo
Andrade (1998) a interpolao realizada ajustando polinmios cbicos a cada coluna, para
depois interpolar um novo polinmio cbico a estes resultados. Incorre em menor erro de
interpolao. A reamostragem cbica produz um aumento de brilho nas reas com bordas
(a)
(b)
Fig. 6.18 Em (a) imagem original e em (b) o resultado do georreferenciamento, mostrando que sobreposio da
rede de drenagem extrada da carta topogrfica mostra bom ajuste com a imagem georreferenciada.
Fig. 7.1 Da esquerda para a direita imagens do sensor ETM-Landsat7 das bandas 1(visvel), 4 (infravermelho
prximo) e 7 (infravermelho de ondas curtas) exibindo baixos contrastes tonal e textural do relevo.
0 128
Fig. 7.2 Histograma da imagem de uma banda com os valores de brilho ou nveis de cinza no eixo X definidos
pela resoluo radiomtrica do sensor e no eixo Y o nmero de pixels por classe de brilho.
(a)
(b)
(d)
(e)
Fig. 7.3 Histogramas de imagens exemplificando variaes de tendncia central da distribuio dos dados,
variabilidade e forma.
7.3
Expanso linear por saturao
Os sensores so instrumentos concebidos para registrar em qualquer faixa espectral
uma ampla variao de intensidade de radincia refletida, emitida ou retroespalhada.
Acontece que na natureza, frequentemente, a maioria dos conjuntos de alvos distribudos em
uma rea no apresenta altos contrastes de reflectncia. Na prtica, isso mostra que quando a
imagem original exposta no monitor de vdeo, o analista tem dificuldades para discriminar
visualmente as classes de nveis de cinza. Contribui tambm para isso, a baixa capacidade de
percepo visual do olho humano para discriminar tons de cinza. Como foi visto nos
exemplos da Figura 7.3, apenas uma pequena proporo do intervalo mximo de valores de
brilho de uma imagem (nvel de quantizao) ocupada. Sensores como a cmera CCD do
CBERS ou o sensor multiespectral ETM do Landsat possuem um nvel de quantizao de 256
valores digitais para representar os valores de brilho ou radincia, enquanto observa-se nos
histogramas das imagens de suas mltiplas bandas que o intervalo mdio das variaes de
nveis de brilho ocupa ao redor de 60 valores. A necessidade de se ter um intervalo digital
grande para que os alvos possam ser detectados sem levar saturao dos detectores. E
tendo-se um amplo intervalo de valores digitais, como de 0 a 255, ou ainda maior, h uma
boa margem de espao para expandir o histograma, aumentando-se o contraste espectral dos
alvos.
A maneira de aumentar esse contraste reescalonando a amplitude de cada pixel
atravs de uma regra bsica de expanso de histograma. A imagem modificada ou realada
assumida de ser restrita ao mesmo nmero de pixel s da imagem original, apenas expandindo
seus valores de brilho para o intervalo total de quantizao da imagem. Por isso, o que se
realiza uma saturao em preto e em branco, de um modo que o nvel de brilho de sada o
nvel que mais se aproxima do exato mapeamento de um nvel de brilho de entrada. Esse
efeito resulta numa escala de nveis de brilho de sada muito mais diferenciados. Fica claro
que ao se efetuar a expanso linear na imagem, a mesma intensidade de expanso aplicada
igualmente para os pixels que tenham o mesmo valor de brilho, o que significa ser impossvel
aplicar numa imagem diferentes transformaes histogrmicas para as reas com os mesmos
valores de brilho. Se acontecer do realce produzir valores de brilho fora do intervalo definido
pela funo de transformao, esses valores sero saturados ao nvel mximo ou ao nvel
mnimo permitido, e por isso dito ser realce ou expanso linear por saturao.
A funo de mapeamento linear por saturao, equao 7.1, uma funo de 1 grau
que faz destinar novos valores de brilho (y) para cada pixel da imagem original (fx). Na
funo matemtica de primeiro grau o coeficiente a determina a inclinao da reta e exerce,
efetivamente, o efeito de ampliao do histograma original, enquanto o coeficiente b define o
offset ou deslocamento do histograma origem. Para a>1 quando b=0 tem-se somente uma
ampliao de contraste na imagem de sada; quando b>0 acrescenta-se ampliao de
contraste um deslocamento dos nveis de cinza, a fim de centralizar o histograma prximo
mdia de 128. A Figura 7.4 mostra que o valor de brilho de sada (Vs) pela transformao
linear calculado por simples relaes trigonomtricas, a partir dos valores do intervalo de
brilho da imagem de entrada.
A equao linear dada pela frmula:
onde, = valor de brilho de sada
= valor de brilho de entrada
= valor de brilho mximo
= valor de brilho mnimo
255
intervalo de brilho de
da imagem de sada
b a
0
0 255
40 185
intervalo de brilho da
imagem de entrada
Fig.7.4 Representao trigonomtrica da expanso linear de contraste por saturao dos valores de brilho.
importante considerar que o realce linear deve ser aplicado nas imagens que exibem
histogramas com formas simtricas e unimodais. Para aplicar o realce linear o programa
adquire o histograma de cada banda e determina os valores inferiores e superiores dos nveis
de cinza ou brilho, que so fixados como valores de corte. Como o processo interativo, o
analista pode, ao seu critrio, redefinir os valores de corte, a fim de controlar o realce
desejado. A funo de transformao aplicada a cada banda, fazendo com que,
automaticamente, o valor de corte mnimo seja fixado ao valor de brilho zero e o valor de
corte mximo ao valor de brilho 255, e qualquer valor dentro do intervalo , linearmente,
reescalonado entre 0 e 255. Portanto, os pixels vizinhos aos valores min-max so mapeadas
para preto e branco, respectivamente, a tcnica consistindo desta forma num realce de
contraste com saturao. Esse um bom procedimento para manter a base de dados
normalizada escala total do intervalo dinmico de brilho. Usualmente, o analista ao
observar o histograma determina livremente qual o valor mnimo e mximo do dado
original, pois pode ele decidir que abaixo ou acima de certo valor digital, no h informao
que lhe interesse.
Como exemplo prtico a Figura 7.5 corresponde ao histograma de uma suposta banda,
com os valores mnimos e mximos dos pixels da imagem de entrada fixados,
respectivamente, em 5 e 25. O problema pode ser assim formulado:
P/ f(x,y) < 5 y = 0
P/ f (x,y) > 25 y = 255
P/ f(x,y) [ 5,25]
Imagem de entrada
E S
Nmero pixel
5 0
8 38
9 64
12 89
15 127
22 216
25 255
5 8 10 12 15 22 25 ND
255
Imagem de sada
38 64 89 127 216
Transformao linear
0
Fig. 7.5 Exemplo numrico e grfico da ampliao dos valores de brilho de uma imagem pelo mtodo de
expanso linear.
Fig. 7.6 Exemplo de realce de contraste por expanso linear histogrmica de imagem ETM da banda 7 e
respectivos histogramas da imagem original e modificada.
7.4
Expanso linear por partes
Como acabamos de ver, a tcnica linear por saturao de contraste deve ser aplicada
quando a imagem exibe um histograma com forma unimodal. Acontece algumas vezes que
dependendo das caractersticas espectrais dos alvos presentes em uma rea, o histograma
pode se mostrar multimodal. Nesse caso, um procedimento similar de ampliao linear de
contraste deve ser adotado, porm, separadamente, para cada concentrao de nveis de brilho
em torno de cada componente modal. Isso compreende em fazer um realce de contraste linear
por partes. Considere os dois exemplos da Figura 7.7. No 1 caso, Figura 7.7a, tem-se um
0 0
a b
255 255
Imagem de sada
Imagem de sada
0 0
0 255 0 255
Fig. 7.7 Ampliao linear por partes com dois pontos de quebras. Nos dois exemplos a maior expanso linear de
brilho efetuada na regio de moda maior.
Uma representao real dessa situao apresentada na Figura 7.8 de uma rea da
cordilheira andina, com boa exposio de rochas. As reas mais escuras so afloramentos de
macios rochosos e as reas intermontanas, com tons de cinza medianos, so
predominantemente coberturas inconsolidadas de sedimentos arenosos. No canto superior
esquerdo da imagem h um depsito de sal (salar). Duas modas se destacam no histograma da
imagem original e a ampliao linear por partes parece ser a opo correta. A opo neste
exemplo foi para um forte aumento de contraste das reas escuras, ampliando o intervalo
digital da primeira moda (ND 22 a 98) para 0 a 215, e pouca expanso sendo efetuada nos
alvos contidos da segunda moda, que tm desta forma, o contraste reduzido.
Fig. 7.8 Ampliao linear por parte aplicada imagem com duas modas distintas, como forma de expandir
preferencialmente o agrupamento de pixels em torno da primeira moda.
eq. 7.2
11 N = 75
10 70
L = 16
9 60
8
50
7
6 40
5
30
4
3 20
2
10
1
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
(a) (b)
11
10
9
8
7
6
5
4
3
2
1
0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
(c)
Fig. 7.9 Do topo para baixo, histogramas de uma imagem original imaginria, dos valores acumulativos e da
imagem realada por expanso por equalizao.
Tabela 7.1 Dados do processo acumulativo de pixels para clculo da equalizao do histograma
Fig. 7.10 Exemplo de realce de contraste de imagem por equalizao e os histogramas equivalentes das imagens
original e modificada.
eq. 7.3
fx
frequncia (probabilidade)
-1
x
1
-2 2
7.7
Funo raiz quadrada
Quando algumas imagens apresentam uma distribuio dos dados marcadamente
concentrada na poro de valores de brilho mais escuros do que nas pores mais claras,
gerando um histograma de forma fortemente assimtrica para a esquerda, desejvel forar
uma maior intensidade de contraste, preferencialmente desta poro mais escura da imagem,
e bem pouco da poro mais clara. A funo de transformao no linear adequada a esse
tipo de histograma a raiz quadrada, que tem a seguinte formulao matemtica:
eq. 7.4
Fig. 7.13 Realce de contraste de imagem por meio de expanso histogrmica funo raiz quadrada de imagens
com reas de baixos valores de brilho.
(a) (b)
Fig. 7.15 Representaes a) da funo logaritmo e b) da funo exponencial, com inclinaes acentuadas das
curvas.
P3
P2 P2
P1
Pa
P1 P3
(a) (b) P
Fig. 8.1 a) As quantidades de energia de cada uma das trs luzes bsicas (P 1, P2, P3) so ilustradas como vetores
e qualquer combinao dessas quantidades define um plano triangular. b) A projeo do plano triangular
fornece o diagrama de vetores no qual as quantidades relativas das cores bsicas podem ser expressas com
posies de coordenadas. (Fonte: Bartleson, 1995).
Fig. 8.2 Banda do infravermelho prximo de um salar andino e pseudocores obtidas pelo fatiamento dos nveis
de cinza da imagem.
8.3
Espao de cor RGB
O sistema de cor RGB o mais usado entre os modelos de cores, especialmente para
imagens de 8 bits. De acordo com a teoria de mistura de cores, a luz visvel, quando passa
Banda 5
D/A Canal G
Banda 6
D/A
Canal B
Fig. 8.3 Converso de uma imagem digital para analgica no processo de formao de uma composio colorida
padro RGB.
Fig. 8.4 Combinao aditiva das cores RGB, gerando as cores secundrias ciano, magenta e amarelo.
Tabela 8.1- Notaes de cores RGB correspondentes aos valores digitais de trs bandas.
192, 80, 77
0, 255, 0
255, 0, 255
215, 246, 20
255, 0, 102
11, 131, 62
amarelo
magenta
branco
preto
green
(0,255,0)
blue
(0,0,255)
Fig. 8.5 Representao do espao de cubo de cores RGB para construo de imagens coloridas.
Para resolver o problema, o intrprete deve fazer a seleo de trs bandas que
possuam o mximo da informao desejada. Com imagens de um sensor ptico, um prtico
recurso para isso plotar em um grfico os padres de reflectncias dos alvos que se deseja
discriminar na imagem, e nele indicar as posies das bandas. As melhores bandas so
aquelas situadas nas regies de maior diferena de reflectncia entre os alvos, como
exemplifica a Figura 8.6, com as bandas do sensor ETM. Nesse exemplo, a melhor
composio colorida seria com as bandas 4, 5, e 7. Pelo fato de os comprimentos de onda
destas bandas no serem do visvel, a composio colorida por elas formada chamada de
falsa cor. Para se ter uma composio colorida que se aproxime da viso humana, deve ser
usado um tripleto de bandas com comprimentos de onda situados exclusivamente no visvel.
No exemplo mostrado na Figura 8.6, essa composio seria com as bandas 1, 2 e 3.
Fig. 8.6 Espectros de reflectncia de quatro materiais e as posies das bandas do sensor ETM como meio
prtico para selecionar trs bandas que melhor possam identificar esses materiais.
Uma vez selecionado o tripleto de bandas h um aspecto interessante que deve ser
considerado na escolha de atribuir as cores s bandas. Experimentos mostram que o nmero
de bastonetes sensveis ao azul muito menor do que para as cores vermelha e verde, e por
isso, a sensitividade da viso humana s cores azuis mais baixa do que s cores verde e
vermelha, como mostra a Figura 8.7. Em funo disso, aconselhvel que ao se montar uma
composio colorida deve-se associar a cor verde ou a cor vermelha banda de maior
varincia, portanto, de maior contraste, destinando a cor azul banda de menor varincia.
Pode-se constatar isso nas composies coloridas exibidas na Figura 8.8. So imagens obtidas
pela combinao das bandas 3, 4 e 5 do sensor ETM do satlite Landsat 7. Dessas trs
bandas, a banda 5 a que apresenta a maior varincia. Observe, quando a ela destinada a
cor verde ou vermelha, a composio aparenta maior impacto visual do que quando se
associa a ela a cor azul, muito embora todas as trs composies contenham o mesmo nvel
de informao.
100%
80
sensitividade
60
40
20
Fig. 8.7 Diferenas de sensitividade do olho humano s cores azul, verde e vermelha
Fig. 8.8 Impacto das cores na composio colorida obtida com a associao das cores verde ou vermelha de
maior percepo do olho humano, banda de maior varincia (banda 5).
8.4
Espao de cor IHS
3 R I R
4 G H G Filtragem
passa-alta
. 5 B S B
Fig. 8.9 Etapas do processo de transformao do espao de cores RGB para o espao IHS.
Fig. 8.10 Histogramas e as correspondentes imagens componentes IHS das bandas ETM 3,4,5 e abaixo a
imagem colorida IHS ao lado da imagem colorida RGB.
0,0 preto
Fig. 8.11 Modelo de representao dos atributos IHS da cor por meio da geometria do hexacone. (Adaptado de
Schowengert, 2007).
Aps essa primeira transformao, os valores de matiz (H), saturao (S) e intensidade (I =
V) so obtidos por:
eq. 8.2
eq. 8.3
eq. 8.4
onde, 0 S, V 1 e 0 H 2
A transformao inversa para o espao RGB, para que a imagem possa ser visualizada
nos monitores coloridos que so de padro RGB, dada por:
eq. 8.5
eq. 8.6
eq. 8.7
Outras variaes de transformaes existem, tais como, HLS (hue, ligtness, saturao)
ou HSV (hue, satutao, value). No modelo HLS o espao de cor definido por um hexacone
duplo (Figura 8.12). Nesse modelo, diferentemente do que ocorre no HSV, os valores de L e
S nos quais se obtm o mais forte nvel de luminosidade e saturao so em L=0,5 e S=1,
enquanto que no HSV, para se ter o mesmo efeito, teramos V=1 e S=1 (Foley et al., 1990).
Fig. 8.12 Modelo de cor HSL por meio da geometria do hexacone duplo. (Adaptado de Foley et al., 1991).
8.5
Fuso de Imagens
A alternativa para descrever as cores de uma imagem decompondo-as nos
componentes de Intensidade (I), Hue (matiz) e Saturao (S), estende-se alm do seu uso para
a obteno de composies coloridas. Na realidade, a transformao IHS foi concebida como
uma poderosa tcnica para ser usada como um meio de combinar imagens de diferentes
sensores, com diferentes resolues espaciais. Essa tcnica ficou conhecida como fuso de
imagens e seu principal objetivo aumentar a resoluo espacial das imagens multiespectrais
de baixa resoluo espacial, utilizando-se de uma imagem de alta resoluo espacial, tal
como a banda pancromtica que atualmente diversos sensores possuem, ou ento usando uma
imagem de radar.
A representao no espao de cores IHS apresenta algumas propriedades, entre as
quais se destaca o ordenamento das resolues espaciais dos componentes I, H e S, na forma
como o olho humano capaz de perceb-las. A componente I percebida por mxima
resoluo, seguida de H e S, devido ao fato de que a retina do olho humano compe-se de
maior nmero de bastonetes (responsveis pela percepo de luminosidade ou brilho I) do
que de cones (responsveis pela percepo do matiz H). Para exemplificar isso imagine uma
foto area tomada com um filme preto e branco do visvel de uma rea do terreno, portanto,
colorida. As cores mais vivas da paisagem corresponderiam na foto preto e branco aos tons
de cinza claros e as cores escuras corresponderiam aos tons de cinza escuros. A foto area em
preto e branco seria, portanto, uma representao da intensidade I. Para compensar a falta dos
outros dois atributos da cor, elas tm com principal caracterstica a alta resoluo espacial, de
1 m ou mais, que possibilita a identificao dos objetos pela anlise de suas formas e no
pelas propriedades de matiz e saturao. Elas possuem assim, uma baixa resoluo espectral,
mas uma alta resoluo espacial. Ento, o ideal seria ter um sensor que pudesse registrar com
a mxima eficincia os trs componentes das cores com alta resoluo espacial. Mas o que
vemos uma maioria de sistemas sensores orbitais com um mdulo multiespectral com baixa
resoluo espacial, adicionado com uma banda de ampla largura espectral, tal como das fotos
areas e com uma alta resoluo espacial. Essa banda tem sido denominada de banda
pancromtica. Utilizando a tcnica IHS podemos processar conjuntamente as imagens
multiespectrais e a banda pancromtica, combinando as suas resolues e obtendo como
resultado uma imagem com alta resoluo espectral e espacial.
O processo de fuso de imagens feito em dois passos. O primeiro passo segue o
mesmo processo para a construo de uma composio colorida no espao IHS. O analista
deve selecionar trs bandas do mdulo multiespectral que contenham as melhores
informaes espectrais de seu interesse, e realizar a transformao para o espao IHS. Os
componentes H e S que guardam a informao espectral das cores so preservados e o
componente I descartado e substitudo pela imagem pancromtica de alta resoluo
espacial. O segundo passo consiste em reamostrar os componentes H e S para a resoluo
espacial da banda pancromtica, sintetizando uma imagem colorida com resoluo espacial
eq. 8.8
Gram-Schmidt (GS)
eq. 8.9
Podemos considerar que o mtodo de fuso mais eficiente aquele que preserva as
cores da imagem original e que consegue transferir a informao espacial de alta frequncia
da imagem de alta resoluo espacial.
Exemplos desses mtodos so apresentados na Figura 8.13. As imagens so do sensor
ETM do Landsat 7, com seis bandas no mdulo multiespectral (0,45 m 2,35 m) de
resoluo espacial de 30 metros e uma banda pancromtica (0,55 m - 0,95 m) com
resoluo espacial de 15 metros.
Mdulo pancromtico
Resoluo espacial 15 m
Mdulo multiespectral
Resoluo espacial 30 m
PC GS
Fig. 8.13 Resultados da fuso da imagem multiespectral ETM de resoluo de 30m com a imagem pancromtica
de resoluo de 15m, pelos mtodos no modelo algbrico (CN) e no domnio espectral (IHS), Principal
Componente (PC) e Gram-Schmidt (GS).
+
-
=
x
/
Fig. 9.1 Operaes aritmticas so executadas pixel a pixel entre duas bandas.
9.2
Soma
Com um par de imagens ou n imagens, a operao soma definida como uma soma
normalizada de diferentes bandas espectrais ou de vrias imagens semelhantes tiradas em
datas distintas. Pode tambm ser aplicada para somar uma banda de um sensor com imagens
processadas de outro sensor. A expresso genrica para a soma :
eq. 9.1
De onde se pode perceber que a nova imagem (gsoma) uma mdia aritmtica dos
pixels de todas as bandas somadas (gi). Como so somados pixels bons com pixels ruidosos, a
soma tende a minimizar os rudos que podem estar presentes nas imagens originais. Deve-se
dividir a soma pelo nmero de bandas somadas, porque sempre o resultado ultrapassa a faixa
de valores digitais da imagem. Por exemplo, a soma entre os pixels de duas imagens de 8 bits
(faixa 0 a 255) poder ficar entre 0 a 510, o que obviamente excede a capacidade de memria
da imagem. Se simplesmente dividir o resultado por dois, a nova imagem reescalonada para
o intervalo 0 255.
A soma utilizada para realar similaridades entre imagens de diferentes bandas ou
datas, resultando no realce de alvos com respostas espectrais diferentes daquelas presentes
nas imagens originais. Segundo Florenzano et al. (2002) a adio de imagens pode tambm
ser aplicada para a obteno de uma banda pancromtica a partir, por exemplo, da adio das
imagens de bandas da regio do visvel (ex. bandas 1+2+3 ETM). Outra aplicao sugerida
por Crsta (1993) somar uma imagem original sua verso submetida a um filtro de
convoluo de realce direcional, o que permite combinar a informao tonal da imagem
original com a informao textural da imagem filtrada, obtendo-se um resultado de melhor
qualidade visual para fins de interpretao. Um exemplo numrico da soma mostrado na
Figura 9.2.
O exemplo mostrado na Figura 9.3 a soma das trs bandas do visvel do sensor
ETM, simulando o exemplo proposto por Florenzano et al. (2002) para se criar uma imagem
pancromtica. Nos software que permitem este processamento, a expresso computacional
do tipo:
eq. 9.2
onde, float usado para evitar erros de byte overflow durante os clculos.
g1 g2 g3
+ =
Fig. 9.2 Soma de duas bandas com similaridades, resultando numa imagem realada que a mdia aritmtica.
Banda 1 (450-552nm)
Banda 2 (552-600nm) B1 + B2 + B3
Banda 3 (630-690nm)
Fig. 9.3 Operao aritmtica de soma de trs bandas do visvel para simular a criao de uma imagem
pancromtica.
eq. 9.3
Fig. 9.4 Imagens Landsat 5 TM da regio da serra do Tepequm (Roraima). Em a) composio 542/RGB e em
b) composio da multiplicao 4x5(R) 4x2(G) 4x7(B). (Copiado de Florenzano et al. 2002).
eq. 9.4
Sem mudana
0 128 255
Direo e grau de mudana
aumenta mudana aumenta mudana
Fig. 9.5 Deteco de mudanas por meio de subtrao de imagens tomadas em diferentes datas. Na imagem
diferena os tons de cinza mais escuros indicam as reas que sofreram maiores mudanas.
9.5
Diviso de Bandas
No processo de extrao de informaes de imagens de sensores multiespectrais, em
muitas situaes h o interesse especfico de se discriminar na cena sutis variaes de
reflectncia de alvos especficos, como um tipo de litologia, solo, ou tipos de vegetao.
Nesse caso, deve-se buscar por meios que possam destacar exclusivamente as propriedades
daquele tipo de alvo, em detrimentos a todos os outros presentes na cena, sem interesse. A
diviso ou razo de bandas a operao aritmtica usada para esse fim e, por isso, se tornou
em uma das mais teis e abrangentes tcnicas de transformao de imagem. Ela se baseia em
parmetros dos aspectos fsicos do sensor e no comportamento da reflectncia dos alvos,
como veremos logo adiante. Matematicamente, a diviso de bandas na sua forma mais
simples do tipo,
eq. 9.5
Como mostra a equao 9.5, a diviso de imagens consiste na diviso do pixel de uma
banda pelo pixel de posio correspondente de outra banda, tal como representado na Figura
9.6. Como os valores da diviso resultam em nmeros pequenos e fracionrios, para fins de
exposio da imagem no monitor de vdeo eles devem ser multiplicados por um valor escalar
(a) para recoloc-los ou expandi-los para o intervalo 0 a 255 de uma imagem de 8 bits. Uma
constante (b) somada aos valores reescalonados para apenas obter um deslocamento (off
set) do histograma para uma posio mais central entre 0 a 255, a fim de possibilitar um
equilbrio no realce da imagem. Nesse tipo de algoritmo os valores de a e b so auto
calculados.
40
banda VIS 50 = 0,8 valor do pixel da
imagem de sada
A diviso trabalha no realce das assinaturas espectrais dos alvos e, para isso,
necessrio que o intrprete selecione corretamente as bandas do sensor. A seleo das bandas
decidida com base no conhecimento que o intrprete tem acerca do padro de reflectncia
do alvo de interesse. Da decorre ser uma tcnica controlada pelo intrprete, com resultados
que se tm mostrado importantes para o mapeamento litolgico, de solos ou de vegetao.
Por princpio, para se realar uma determinada litologia ou um tipo de solo especfico
por diviso de bandas, as reas destes alvos precisam expor na imagem padres homogneos
e bem definidos de reflectncia. Porm, em reas de relevos no planos, os sombreamentos
alteram os valores de reflectncia dos alvos, e o pressuposto de um padro de reflectncia
diagnstico daquele alvo perdido. Nesse caso, a recuperao da reflectncia do alvo
sombreado, implica na supresso da sombra. H dessa forma, um compromisso mtuo entre a
possibilidade de se realar alvos especficos e a supresso de sombras em imagens
multiespectrais. A situao demonstrada na Figura 9.7, para uma hipottica forma de
relevo. Nesta figura vemos pela geometria de iluminao do relevo, que o ngulo T formado
pela direo do raio solar incidente com a normal superfcie, diferente entre a face frontal
da encosta que fortemente iluminada, e a face oposta da encosta que sombreada. Isto tem
uma implicao matemtica. Como o valor do coseno do ngulo T parte da equao que
mede os valores quantitativos da reflectncia de uma superfcie (eq. 9.6 a 9.8), mesmo que as
duas encostas fossem constitudas da mesma litologia, a reflectncia da face oposta seria
diferente da face frontal devido ao sombreamento, e no poderia ser interpretada como uma
variao da reflectncia do alvo.
Normal superfcie
Normal
superfcie 1 2
Raio solar de
iluminao
2
1
Fig. 9.7 Influncia da variao do ngulo solar de iluminao () na reflectncia da superfcie do terreno em
virtude das inclinaes das vertentes frontal e oposta.
eq. 9.6
onde, EO = irradincia solar
RO = funo da resposta espectral do sensor
TO = transmitncia da atmosfera na trajetria descendente
TzO = transmitncia da atmosfera na direo znite refletida da superfcie
UO = reflectncia da superfcie
U = reflectncia da atmosfera, indicando a dependncia da elevao solar
Eq. 9.7
onde, E = irradincia solar
G = fator instrumental
T = transmitncia atmosfera
= reflectncia da superfcie
= ngulos de iluminao solar do terreno
N = radincia aditiva da atmosfera
eq. 9.8
Dos parmetros envolvidos na diviso, o nico termo que possui o mesmo valor nas
duas bandas o ngulo T de iluminao solar. A diviso anula o termo T e desta forma a
reflectncia das duas faces deixa de ter a influncia das variaes de iluminaes. O efeito na
imagem a eliminao (na realidade uma reduo) das variaes de relevo, deixando a
superfcie topogrfica plana, sem sombreamento. Sem o efeito de sombreamento a
reflectncia da superfcie do alvo torna-se uniforme e configura representar sua assinatura
espectral. Segundo Drury (1987), o efeito do sombreamento no completamente eliminado
por duas razes. Primeiro, os terrenos naturais no so uma superfcie Lambertiana, ou seja,
as reflectncias das superfcies variam em funo do ngulo entre as superfcies e a
iluminao incidente e tambm em funo das formas das estruturas, tal como o dossel de
uma vegetao. Segundo, os efeitos atmosfricos modificam os valores de razes de
diferentes encostas, de uma maneira imprevisvel. Devido a isso, aconselhvel corrigir a
atmosfera, transformando a imagem digital para imagem de reflectncia antes de se realizar a
diviso.
Suprimido o sombreamento quando a diviso de bandas executada,
automaticamente, o realce do alvo desejado se apresenta, razo pela qual a diviso de bandas
uma tcnica de realce de imagens de grande poder. Um exemplo prtico da aplicao da
diviso de bandas para realar alvos de interesse do interprete ilustrado pela Figura 9.8.
banda 1 banda 2
A
Reflectncia medida na
Comprimento de onda
Fig. 9.8 Gradiente de diferena de reflectncia dos alvos como condio imposta para a diviso da banda 2 pela
banda 1.
Tabela 9.1 Valores digitais dos pixels referentes aos alvos da Figura 9.8
bandas
alvos 1 2 2/1 a=15
b=7
A 8 43 5,4 88
B 6 40 6,6 106
C 5 38 7,6 121
D 13 24 1,8 34
Para se chegar aos valores finais da Tabela 9.1 h uma condio estabelecida, e que
a regra bsica para se obter o realce de alvos pela operao de diviso de bandas. Essa regra
tem como princpio que o alvo deve ter uma boa diferena de reflectncia entre as duas
bandas, que na Figura 9.8 avaliada pela reta que mede o declive entre os valores de
reflectncia da banda 2 com a banda 1. Observe que os quatros alvos obedecem a esta regra.
E quanto maior for a diferena, maior o resultado da razo e maior realce o alvo apresentar
na imagem de sada. Ou seja, a razo diretamente proporcional razo de reflectncias das
duas bandas. Na prtica, para encontrarmos as bandas que satisfaam essa condio, o
intrprete deve primeiro identificar qual banda do sensor situa-se na regio da feio
espectral de maior absoro, e a seguir a banda situada no comprimento de onda em que o
alvo apresente a mais alta reflectncia. Assim, encontrar as duas bandas com a maior
declividade entre os valores de reflectncia. Embora a diviso seja definida em termos de
reflectncias dos alvos, ela largamente aplicada em imagens com valores de nmeros
digitais no calibrados.
9.5.1
ndice de Vegetao
Bandas
60
3 4
quartzito puro
Reflectncia %
40
vegetao
20
gua
0,5 1,0 1,5 2,0 2,5m
Fig. 9.9 A reflectncia dos alvos mostra alto gradiente de reflectncia entre as bandas 4 e 3 para a vegetao e
gradientes quase nulos para a gua e o quartzito puro.
eq. 9.10
solo exposto
vegetao
gua
Fig. 9.10 Imagem e espectros de reflectncia das bandas do sensor ETM para os alvos amostrados na Tabela 9.2.
Fig. 9.11 ndice de vegetao obtido pela diviso das bandas do infravermelho prximo com a banda do
vermelho da imagem SPOT.
Apesar de grande aceitao do NDVI, Huete e Jackson (1987) constataram que esse
ndice no confirma ser um bom indicador de biomassa de vegetao se o terreno tiver uma
pobre cobertura de vegetao, como em reas semi-ridas, ou ridas. Propuseram um novo
ndice, Soil_Adjusted Vegetation Index (SAVI) que tem um melhor desempenho para as reas
com baixa cobertura vegetal, ou seja, com a presena natural de exposies de solos, e que se
mostra sensvel variao dos tipos de solos. Sua formulao a seguinte:
eq. 9.11
9.5.2
ndice de gua
Fig. 9.12 Variao da reflectncia da gua devido s diferenas de concentraes de partculas slidas em
suspenso (Fonte: Novo, 2008).
(a) (b)
Fig. 9.13 Exemplos de espectros de minerais de alterao hidrotermal que tm intensas bandas de absoro
posicionadas na regio espectral do infravermelho.
Fig.10.1 A similaridade entre as trs bandas indica a quantidade de correlao espectral dos dados.
10.2
Transformao por Principais Componentes
y y y
xn B
B
C
x2
+
m
D
x1
x A A
x x
a b c
Fig. 10.2 Espao bidimensional da representao dos dados mostrando: a) o vetor xi dos pixels e o vetor mdia
m; b) a alta correlao dos dados com a variabilidade em um nico eixo AB; c) a correlao positiva com os
eixos AB e CD medindo a variabilidade dos dados.
Segundo Mather (1987), o exemplo da Figura 10.2 mostra que h uma distino
importante a ser vista entre o nmero de variveis (bandas) e a dimensionalidade do conjunto
de dados. Na Figura 10.2b, o nmero de variveis dois, mas a dimensionalidade um. Na
Figura 10.2c, a dimensionalidade dos dados efetivamente um, embora o nmero de
variveis observadas seja de fato dois. O uso de um nico eixo AB substitui os eixos
separados x e y, com a vantagem de reduzir a dimensionalidade dos dados e, adicionalmente,
banda 1 banda 2
Fig. 10.3 Imagens de duas diferentes bandas contendo pixels de igual valor digital, mas que exibem valores de
brilho diferentes. O pixel com contorno tracejado tem valor 52 nas duas bandas.
Como vem sendo destacado, a experincia nos mostra que qualquer sensor
multiespectral possui algumas bandas com alta correlao, de modo que os eixos de suas
ND2
PC2
PC1
ND1
Fig. 10.4 Rotao espectral dos eixos originais com alta correlao, para novos eixos PC descorrelacionados.
Tabela 10.1 Matriz de coeficientes de correlao computada de seis bandas do sensor ETM
Observe que os trs primeiros componentes somam 99,121%, o que se pode dizer
que praticamente a varincia total do conjunto das seis bandas originais. O restante da
varincia, que menor que 1%, seria muito pouco significativo em termos de contedo de
informao. Normalmente, considera-se que a partir do quarto componente as imagens
contm apenas rudos e podem ser desprezadas. Em outras palavras, separa-se a varincia no
aleatria (contedo de informao), da varincia aleatria (rudo), enquanto,
simultaneamente, qualquer redundncia entre as bandas eliminada. Como resultado prtico
os trs primeiros componentes, que contm 99,121% da varincia total original, podem ser
combinados em uma nica composio colorida RGB. Por essa razo, a transformao por
principais componentes uma forma de reduzir a dimenso dos dados originais, diminuindo a
obrigao de se analisar um grande nmero de variveis. Mas, antes que esse processo possa
ser concludo, uma segunda operao processada. Associados cada autovalor existe um
conjunto de coordenadas que define as direes dos eixos dos principais componentes. So
chamados de autovetores (eigenvectors). A Tabela 10.5 apresenta os autovetores computados.
Tabela 10.5 Matriz de autovetores derivados da matriz de coeficientes de correlao.
PC3 PC4
PC5 PC6
Fig. 10.5 Imagens principais componentes das seis bandas TM com os trs primeiros componentes acumulando
99,126% da varincia total das imagens originais.
1 2 3 4 5 7
Fig. 10.6: Espectro da muscovita sobreposto ao intervalo das bandas 1, 2, 3, 4, 5 e 7 do sensor ETM+.
Tabela 10.6 Autovetores obtidos por principais componentes para as bandas 1, 4, 5 e 7 do sensor ETM+ do
satlite Landsat 7.
B1 B4 B5 B7
PC1 0,199966 0,250449 0,780750 0,536394
PC2 -0,191043 0,887538 0,050195 -0,416244
PC3 -0,875854 -0,264005 0,387476 -0,114209
PC4 -0,395470 0,282583 -0,487619 0,725244
Fig. 10.7 Na imagem esquerda composio colorida da rea do granito Pedra Branca e na imagem direita
exemplo da aplicao da tcnica Crsta (Feature Oriented Principal Component) com as bandas 1, 4, 5, 7 ETM,
destacando a rea de graissen no granito Serra Branca (GO).
10.3
Descorrelao de bandas
Outra tcnica que tambm zera a correlao entre as bandas de um sensor, com
princpios semelhantes tcnica principais componentes, muito usada para a obteno de
composies coloridas a partir da seleo de um conjunto de apenas trs bandas. Essa tcnica,
denominada de descorrelao de bandas, objetiva aumentar o contraste das cores, tendo em
vista que as composies coloridas obtidas com as bandas originais modificadas por tcnicas
de ajustes histogrmicos, somente exibem um alto contraste de cores se possurem baixas
correlaes espectrais. Quando so altamente correlacionadas, produz-se uma imagem na
qual algumas cores altamente saturadas no aparecem. Cores saturadas primrias ou
secundrias so cores com alto brilho e com alto contraste. A ausncia de cores saturadas na
imagem comprova que as modificaes de contraste por ampliaes histogrmicas falham no
sentido de no promover uma redistribuio equilibrada das cores, entre bandas que tenham
alto grau de correlao. Graficamente, esse efeito pode ser mostrado no espao cbico de
cores RGB (Figura 10.8a), onde a representao histogrmica tridimensional de trs bandas
uma distribuio de forma elptica, alongada segundo o eixo acromtico. O tamanho da elipse
dimensionado pelos seus trs eixos, ao longo dos quais so representados os espalhamentos
dos pixels de cada uma das trs bandas originais. O eixo maior da elipse e a sua direo
representam a variao de intensidade de brilho dentro da imagem, a qual a maior fonte de
correlao interbanda. Depois de ser aplicada uma modificao de contraste, individualmente
a cada uma das trs bandas, a elipse torna-se mais alongada e ocupa uma poro maior do
espao cbico de cores (Figura 10.8b). Mas, ainda mantida a mesma proporo bsica dos
eixos da elipse, indicando que a correlao entre as bandas realadas permanece. A
consequncia da manuteno dessa correlao que grande parte do espao volumtrico
tridimensional do espao de cores do cubo no utilizado.
G
G
B B
Fig. 10.8. (a) No espao de cores RGB trs bandas geram um histograma em trs dimenses que assume a forma
de uma elipse alongada. (b) Um realce linear amplia a elipse mas, a correlao existente entre as bandas
permanece.
Para ocupar todo o espao de cores do cubo e, assim, se ter uma contribuio total ou
saturada de todas as cores representadas pelos trs eixos RGB do cubo, a elipse deveria
tornar-se uma esfera. Por definio, estatisticamente, a esfera ou o crculo representa o espao
da distribuio entre variveis no correlacionadas, ou seja, correlao zero, como pode ser
visto na Figura 10.9. Para obter isso, necessrio realizar uma transformao das bandas
originais, na qual cada um dos valores da imagem de sada, ou novos componentes, depende
dos valores conjuntos dos trs componentes de entrada e no dos valores individuais de cada
banda, como ocorre com a ampliao de contraste por manipulao histogrmica. Esse tipo
de transformao tem o pressuposto de obter uma distribuio esfericamente simtrica, que
resulta em trs novas imagens descorrelacionadas. Recordando o que se viu na sesso
anterior, tal transformao baseia-se no uso da transformao por principais componentes.
.
Varivel y
Varivel x
Fig. 10.9 O crculo representa o espao de uma distribuio entre duas variveis no correlacionadas.
Segue um realce individual dos componentes por uma equalizao de varincia, a qual
assegura que os dados de cada componente tenham a mesma varincia e que ocupem em cada
eixo o volume mximo esfrico no espao de cores. O modelo de transformao
desenvolvido por Soha e Scharwtz (1978), tem a formulao segundo a equao 10.1. Nesta
equao, x so os vetores de valores de brilho da imagem original e y o correspondente
vetor de intensidade depois da transformao por principais componentes.
eq. 10.1
A nova matriz whitening tem a forma:
DEC2
Banda Y
DEC1
Banda X
Fig. 10.10. Transformao da distribuio elptica dos dados originais com correlao positiva para uma
distribuio circular com correlao zero.
543/RGB 543/DEC
Fig. 10.11 Comparao do realce das cores de uma composio colorida com contraste linear, com a
composio por descorrelao de bandas.
.
A filtragem no domnio espacial uma transformao que realizada pixel a pixel, tal
como feito com as tcnicas de transformaes no domnio espectral (domnio da cor), com a
diferena, como mencionado a pouco, de que a transformao do pixel dependente dos
valores de brilho dos pixels vizinhos e, portanto, da distribuio espacial local. Como
brevemente comentado, essa dependncia da vizinhana dos pixels uma condio natural
existente nas diferentes classes de alvos que podem ser identificadas numa imagem. Por
exemplo, uma mata, um corpo de gua ou uma parcela de solo agricultado compem reas
que englobam muitos pixels em cada classe, e cada uma com valores de reflectncia muito
prximos, que somente mudam significativamente seus valores quando h a passagem para
outra classe de alvo. Sob esse ponto de vista a imagem pode ser considerada como uma
distribuio de padres de valores de pixels que se repetem com uma determinada taxa. Essa
taxa de repetio de pixels pode ocorrer em qualquer direo e representa as variaes
espaciais de brilho ou de nveis de cinza da imagem. Podemos ver isso na Figura 11.1 onde
mostrado o perfil de variao de brilho dos pixels medidos ao longo de uma linha na imagem,
que atravessa reas urbanas, lagos e reflorestamento. Note no perfil da figura direita que h
regies com alta variao de brilho (reas urbanas), e outras regies, semelhantes como a
marcada pela linha azul vertical, com baixa variao de brilho (lago e reflorestamento).
valor de intensidade de brilho
Fig. 11.1 direita perfil mostrando a variao da intensidade de brilho ao longo de uma linha de pixels
amostrada da imagem esquerda (linha vermelha).
Esse conceito de variao espacial aplicado aos mtodos de filtragem espacial, que
v a imagem como sendo formada de componentes espaciais a diferentes escalas. Quando
falamos em taxa de repetio de valores em uma imagem, estatisticamente estamos falando
de moda, o que bem entendido pela variao de brilho com mesma intensidade em locais
espacialmente diferentes. Mas tambm, quando falamos em taxa, intuitivamente no
deixamos de pensar em frequncia. Por isso, taxa de variao espacial de brilho e frequncia
espacial so muitas vezes empregadas como sinnimos. Lillesand e Kiefer (1994) referem-se
"frequncia" no domnio espacial como sendo a rugosidade das variaes tonais que
ocorrem em uma imagem. reas com alta frequncia espacial so tonalmente rugosas e
mostram as partes da imagem em que ocorrem rpidas mudanas dos valores de brilho, como
se v na Figura 11.1 das reas urbanas. Elas expressam os detalhes da imagem numa escala
local. As partes da imagem com baixa frequncia espacial mostram pouca variao tonal na
extenso de muitos pixels e, portanto, na escala de grandes reas. Elas expressam, mais
eq. 11.1
onde, PB = passa-baixa
PA = passa-alta
eq. 11.2
eq. 11.3
A maioria dos filtros programada dentro de uma janela mvel. Dois procedimentos
so realizados para filtrar a imagem:
(i) Primeiro define-se uma mscara de arranjo de uma pequena matriz que contm
coeficientes ou pesos. A matriz de pesos denominada de kernel de convoluo e,
normalmente, se usa tamanhos com nmeros mpares de pixels, para que seja mantida
uma simetria em relao ao pixel central.
(ii) A mscara movida sobre a imagem, linha por linha, coluna por coluna, e os valores
dos pixels da rea da imagem sob o filtro so multiplicados pelos correspondentes
pesos dos pixels do filtro. A mdia da soma deste produto ser o novo valor de brilho
do pixel situado na posio central da rea da imagem sob o filtro. Este valor salvo
e o processo continua.
Fig. 11.2- Movimento da mscara de tamanho 3 x 3 para filtrar a imagem. O pixel cinza o pixel central que
ter o seu valor modificado conforme sejam os pesos dos pixels do filtro.
-1 -1 -1 -1 -1
-1 -1 -1 -1 -1 -1 -1 -1
-1 +8 -1 -1 -1 +25 -1 -1
1/9 1/25
-1 -1 -1 -1 -1 -1 -1 -1
-1 -1 -1 -1 -1
Fig. 11.3 Configurao de mscara de filtro passa-alta cujos pesos tm valores uniformes.
eq. 11.4
Fig. 11.4 Efeito de borda por um filtro passa-alta com dimenso de 3 x 3 em imagem do visvel e o detalhe dos
valores dos pixels da imagem original e da imagem filtrada da pequena rea indicada pela seta branca na
imagem esquerda.
Fig. 11.5 Resultado da aplicao de um filtro passa-alta com fator de amplificao K=2 que reala os detalhes
da imagem e preserva as baixas freqncias, a fim de se ter uma imagem possvel de interpretao visual
temtica.
11.3
Filtro Passa-Baixa
Os filtros passa-baixa preservam os componentes de baixa frequncia da imagem
custa de reduzir os de alta frequncia. So filtros de suavizao porque atenuam as regies de
bordas e detalhes finos da imagem, como rudos, que correspondem aos componentes de alta
freqncia. Dentre as tcnicas mais conhecidas de suavizao esto os filtros de mdia e da
mediana.
11.3.1
Filtro Passa-Baixa de Mdia
Os filtros passa-baixa de mdia devem conter os mesmos pesos, com valores positivos
1 para cada elemento kernel. Multiplicando-se os pesos da mscara pelos pixels da imagem e
dividindo o resultado pelo total do nmero dos pixels da mscara, o valor do pixel central da
imagem substitudo pela mdia dos valores dos pixels vizinhos sob a janela. Por isso um
filtro de mdia. O efeito de se usar um filtro passa-baixa de mdia reduzir a variabilidade
dos nveis de cinza da imagem e suavizar o seu contraste. Os pixels de valores maiores que os
seus vizinhos so reduzidos, de modo que os detalhes locais so perdidos. O produto uma
imagem de aparncia um pouco desfocada. Matematicamente, o filtro passa-baixa de mdia
escrito na forma:
eq. 11.5
Pela razo dos filtros passa-baixa reduzirem as altas frequncias de brilho de uma
imagem, eles so usados para remover rudos, e consequentemente, uniformizam os valores
+1 +1 +1 +1 +1
+1 +1 +1 +1 +1
+1 +1 +1
1/25 +1 +1 +1 +1 +1
1/9 +1 +1 +1
+1 +1 +1 +1 +1
+1 +1 +1
+1 +1 +1 +1 +1
Uma alternativa para minimizar um pouco a aparncia borrada da imagem pelo filtro
da mdia usar o filtro de mediana. O valor mediano de um conjunto de pixels na vizinhana
do pixel central de tal forma que metade dos valores menor que a mediana e a outra
metade maior. Tomando-se como exemplo um conjunto de pixels na imagem de dimenso
3 x 3, com os valores [11, 9, 12, 32, 13, 14, 8, 10, 9], para encontrar o valor mediano deve-se
Fig. 11.8 Efeito de atenuao de rudo speckle em imagens de radar, com o uso de filtro de mediana.
11.4
Filtros de Bordas Direcionais
Alm do simples realce dos componentes de altas e baixas frequncias, um clssico
problema em processamento de imagem a deteco de repentinas mudanas nos valores de
brilho de um pixel para outro, sem que isso seja um rudo. Esse tipo de mudana indica um
limite, isto , uma borda entre dois objetos espectralmente distintos. Uma borda ,
simplesmente, uma fronteira entre duas regies com relativa diferena de nveis de cinza.
Numa imagem as bordas podem ter variadas direes, e a possibilidade de detectar essas
direes e real-las na imagem pode ser algo muito desejado. Esse tipo de filtragem indica a
direo preferencial em que ser realado os limites das bordas. Exemplos notveis de bordas
ocorrem em muitas das feies construdas pelo homem, e na geologia os lineamentos
estruturais, que normalmente ocorrem em vrias direes, so exemplos de feies naturais.
H diversas configuraes bastante simples de filtros direcionais que possibilitam
realar direes horizontal, vertical, diagonal ou isotrpica. Produzem imagens cujos valores
digitais dos pixels so proporcionais s diferenas entre os nmeros digitais de pixels
vizinhos, em uma dada direo. As bordas que forem evidenciadas podem, ou ser adicionadas
de volta imagem original para aumentar o contraste nas vizinhanas da borda, ou usar pixels
saturados pretos ou claros sobre elas, para real-las.
Os dois tipos de filtros de deteco de bordas mais utilizados so os filtros lineares de
deteco de borda e os que calculam a primeira derivada espacial, os quais so apresentados a
seguir.
Tabela 11.4 Mscaras de filtros lineares de borda (Fonte: Richard e Jia, 2006)
Note que a soma dos elementos kernel do filtro zero. O resultado que as reas com
valores de pixels homogneos so zeradas na imagem de sada, enquanto as reas com pixels
de brilho variado so apresentadas como bordas brilhantes. O resultado da aplicao do filtro
direcional linear na direo horizontal mostrado na Figura 11.9, em uma rea com forte
presena de lineamentos geolgicos. Visualmente, o efeito na imagem filtrada um forte
realce, destacando o relevo associado aos lineamentos na direo horizontal. Na imagem
filtrada se v que as reas onde foram detectadas as direes horizontais, so mais claras,
enquanto as reas ausentes de direo horizontal mostram tons de cinza escuros. Isso pode ser
considerado como uma forma muito prtica de se identificar numa rea os domnios
estruturais existentes.
Fig. 11.9 Realce de lineamentos geolgicos com o uso de filtro linear direcional, na direo horizontal.
11.4.2
Primeira Derivada
x
x
Fig.11.10- Geometria de vetor para clculo da imagem gradiente (fonte: Schowengerdt, 2007).
;
eq. 11.6
eq. 11.7
eq. 11.8
Todos esses valores so calculados para cada pixel da imagem. Nas reas da imagem
que so homogneas as derivadas na direo x e y e a derivada total so pequenas, enquanto
nas reas em que ocorrem abruptas mudanas de brilho, as derivadas so altas. Neste sentido,
a primeira derivada, ou gradiente da imagem, detecta as regies de alta freqncia da
imagem.
Devido ao clculo do vetor magnitude, os filtros de derivada so no lineares. Com
base nessa formulao, as configuraes de filtros de derivada se fazem pelo produto escalar
da magnitude do vetor gradiente do pixel da imagem com os pesos particulares dos vetores.
Os filtros mais utilizados so conhecidos como gradientes Roberts, Sobel e Prewit, os quais
so mostrados na Tabela 11.4.
Componente Componente
Filtro
horizontal vertical
Roberts
Sobel
Prewitt
11.5
Operadores Laplaciano
So filtros que utilizam a segunda derivada para realar bordas, sem considerar a
direo. Comportam-se como um filtro passa-alta. Geralmente utilizam um alto valor central
positivo na mscara, cercado por valores negativos nas direes vertical e horizontal.
O uso da segunda derivada para mximos e mnimos possibilita calcular que o valor
zero nas reas onde o gradiente (primeira derivada) constante, e valores positivos e
negativos onde encontrar o topo e a base do declive nos valores de brilho da imagem.
A Figura 11.2 exibe a mscara discreta de ordem 3 de um filtro Laplaciano e o
resultado de sua aplicao. O somatrio dos elementos da mscara nulo. Todos os filtros
laplacianos devem ter kernel de tamanho mpar.
0 1 0 1 0 1 0 0 0
1 1 1 0 1 0 1 1 1
0 1 0 1 0 1 0 0 0
0 1 0 1 0 0 0 0 1
0 1 0 0 1 0 0 1 0
0 1 0 0 0 1 1 0 0
As Figuras 11.13 e 11.14 ilustram os procedimentos para filtrar uma imagem com os
filtros morfolgicos (Leite, 2010). O procedimento apresentado utiliza a primeira forma de
mscara da Tabela 11.5, e o mesmo procedimento se repete para qualquer uma das outras
formas. Na dilatao (Figura 11.13), o filtro quando se move sobre a imagem realiza uma
unio de todos os pontos da imagem quando o elemento estruturante Bx intercepta X.
Bx
=X
Bx
=X
Fig. 11.14 Processo de filtragem da imagem X com o filtro eroso
imagem original
11.7
Filtro de Textura
No contexto de imagens espectrais de sensoriamento remoto, textura uma
propriedade importante na percepo de regies e de superfcies, contendo informaes sobre
Fig. 11.16 Valores tabulados da matriz de co-ocorrncia a partir dos valores dos pixels da janela base com a
janela de deslocamento de distncia igual a 1 na direo horizontal (Fonte: ENVI, 2006).
Para executar uma operao de filtragem textural deve-se primeiro escolher uma
banda e selecionar a regio de interesse. , ento, calculada a matriz de co-ocorrncia da
regio selecionada, computando-se uma, ou simultaneamente, vrias medidas estatsticas para
serem usadas como medidas de textura (entropia, contraste, homogeneidade, mdia...). Os
software de processamentos oferecem vrias opes de medidas para caracterizar a textura da
imagem.
Uma vez calculados os valores da matriz de co-ocorrncia para as medidas estatsticas
selecionadas, elas podem ser comparadas por valores numricos representados em grficos,
para se verificar como cada medida distingue as texturas de diferentes classes de alvos. Um
exemplo prtico mostrado na Figura 11.17, a partir de trs segmentos de reas extrados de
uma imagem na banda do visvel e que se sabe possurem padres texturais distintos. Os
valores estatsticos so mostrados para contraste e dissimilaridade, apenas para ilustrar o
processo.
60 6
dissimilaridade
50 5
contraste
40 4
30 3
20 2
10 1
0 0
0 5 10 15 20 0 5 10 15 20
d (distncia entre pares de pixels) d (distncia entre pares de pixels)
Fig. 11.17 Valores das feies texturais de contraste e dissimilaridade obtidos da matriz de co-occorrncia para
as classes de vegetao, relevo e reas de cultivo, dos segmentos de imagens mostrados acima dos grficos.
Nas sees anteriores vimos que no domnio do espao uma imagem pode ser
decomposta em seus componentes de alta e baixa frequncia. Acontece que uma imagem no
s composta de altas e baixas frequncias. Se plotarmos em um grfico as variaes das
frequncias de brilhos que uma imagem pode conter, obteremos uma curva complexa do tipo
mostrado na Figura 11.18. Essa curva complexa (no peridica) pode ser decomposta em
vrios componentes de seno e coseno, que nos d uma idia da distribuio espacial de
frequncia da imagem (Crsta, 1999). Para decompor a imagem em seus componentes de
seno e coseno, como visto nesta figura, usa-se a Transformada de Fourier. No domnio de
Fourier cada ponto da imagem representa uma frequncia nica que est contida no domnio
espacial da imagem.
intensidad
Fig. 11.18 Decomposio das freqncias da imagem em seus componentes senos e cosenos (Adaptado de
Crsta, 1999).
A Transformada de Fourier outra opo para filtrar a imagem, mas seu uso estende-
se s vrias aplicaes para reconstruo e compresso de imagens, tomografia e deteco de
vozes. Matematicamente, seu entendimento bem mais complexo do que filtrar uma imagem
no domnio do espao, mas a transformada Fourier torna mais fcil processar ou examinar
certas frequncias que influenciam na estrutura geomtrica da imagem. Como exemplo, a
presena de rudos peridicos que frequentemente so encontrados em quase todos os tipos
de imagens de sensoriamento multiespectral (Penteado, et al. 1998).
Para o processamento de imagem digital, a qual uma funo bidimensional discreta,
se utiliza da Transformada de Fourier Discreta, que uma verso da transformada Fourier. A
transformada discreta no contm todas as frequncias da imagem, mas apenas um conjunto
de frequncia que suficiente para descrever o domnio espacial da imagem, completamente.
Como est demonstrado na Figura 11.19, o processo de filtragem no domnio da
frequncia um processo de dois passos. Primeiro, para que os dados do domnio espacial
sejam analisados no domnio da frequncia necessitamos utilizar a Transformada de Fourier
Fig. 11.19 As imagens ilustram o processo de filtragem da imagem no domnio da freqncia pela transformada
de Fourier e o resultado final da imagem filtrada.
11.8.1
Amostragem
Existe uma relao que descreve o compromisso entre o domnio do espao (tempo) e
o domnio da frequncia, que chamada relao de Nyquist (equao 11.9). Essa relao
deve ser respeitada em funo de ocorrerem efeitos denominados de aliasing.
Eq. 11.9
F (W) espectro da imagem 400x400 pixels F (W) espectro da imagem 1200x1200 pixels
Fig. 11.20 Espectros da transformada direta de Fourier da imagem amostrada de 400 pixels para 1200 pixels.
eq.11.10
onde, F(W) espectro do sinal e H(W) corresponde ao espectro do filtro.
Filtro Passa-Alta Circular. Corta as frequncias externas ao circulo (regio cinza) e deixa
passar as frequncia internas ao circulo (regio clara). Pode-se concluir que a regio clara da
Transformada de Fourier est associada s altas frequncias e a regio cinza s baixas
frequncias necessrio que o analista defina alguns parmetros, tais como o raio em pixel
do crculo. Utiliza-se esse tipo de filtro para obter as feies de detalhe na imagem (passa-
alta), como mostra a Figura 11.21.
H (W) F (W)
Fig. 11.21 Transformada Fourier Discreta com uso do filtro passa-alta circular.
Filtro Passa-Baixa Circular. Corta as frequncias internas ao circulo (regio clara) e deixa
passar as frequncias externas ao circulo (regio cinza). Nesse caso, utiliza-se esse filtro para
obter as feies de regionais na imagem (passa-baixa) (Figura 11.22).
H (W) F (W)
Fig. 11.22 Transformada Fourier Discreta com uso do filtro passa-baixa circular.
H (W) F (W)
Fig. 11.23 Transformada Fourier Discreta com uso do filtro banda-passante circular interno.
Filtro Banda-Passante Circular Externo. Corta as frequncias entre os dois crculos (regio
com traos azuis) e deixa passar as demais frequncias. Pode-se concluir que as frequncias
entre os crculos so de frequncias baixas e muito altas. Quando utilizamos esse filtro para
obtermos as feies de maiores detalhes e regionais (Figura 11.24).
H (W) F (W)
Fig. 11.24 Transformada Fourier Discreta com uso do filtro banda-passante circular externo.
12.2
Princpio bsico de classificao de imagens
Um modo simples de demonstrar como os pixels podem ser alocados s classes pode
ser feito plotando os valores digitais dos pixels num grfico em que os dois eixos representem
duas bandas. Chamamos esse grfico de dispersograma. Vamos considerar uma banda na
regio da luz vermelha visvel e a outra banda no infravermelho prximo, e duas classes de
alvos existentes nestas imagens vegetao e gua. Se simplificarmos que os algoritmos de
classificao alocam os pixels s classes em funo de seus valores digitais, e sabendo que os
valores dos pixels so respostas da reflectncia da luz, facilmente podemos imaginar as
posies dos grupos de pixels (clusters) relacionadas s duas classes de alvos no
dispersograma. Para isso, simplesmente suficiente que conheamos o comportamento
espectral de reflectncia dos respectivos alvos, traduzidos em valores digitais na imagem.
Esse exemplo demonstrado na Figura 12.1 considerando-se os alvos vegetao e gua
limpa. Na banda do vermelho sabemos que a vegetao tem uma forte absoro da radiao
eletromagntica, a ela associando-se, portanto, valores digitais baixos. Ao contrrio, uma alta
reflectncia ocorre na banda do infravermelho prximo, e a ela se associam pixels com altos
valores digitais. Para a gua limpa o comportamento espectral indica que valores digitais
muito baixos sero encontrados para ambas as bandas. Com base nisso podemos, por nossa
deciso, definir no dispersograma o espao de agrupamento dos pixels de cada uma das duas
classes. O algoritmo levaria a vantagem de definir, numericamente, o valor dos centros dos
agrupamentos que identificam as duas classes de alvos na imagem, e reconheceria na imagem
os pixels englobados por cada um desses agrupamentos, classificando-os e assim compondo
um mapa digital temtico das reas de vegetao e de gua.
Esse exemplo demonstra uma idia fundamental: a de que os agrupamentos so
definidos por uma regra de deciso. No exemplo exposto, a regra definida foi que os pixels da
imagem para serem associados classe vegetao tm de ter valores digitais baixos na banda
do vermelho e valores digitais altos na banda do infravermelho. Para pertencerem ao
agrupamento gua tero que ter valores digitais baixos em ambas as bandas. dessa forma
uma regra baseada somente no valor do dado espectral. Um algoritmo de classificao realiza
automaticamente essa operao, com a vantagem de trabalhar num espao n dimensional, o
qual seria impossvel para ns represent-lo graficamente.
vegetao
gua limpa
dispersograma classificao
Fig. 12.1 O dispersograma com as bandas do vermelho e infravermelho prximo mostra as posies dos pixels
que definem os agrupamentos para os alvos vegetao e gua, e a classificao desses alvos na imagem
(vegetao em verde e gua em azul).
Olhando para o dispersograma da Figura 12.1 vemos que o espalhamento dos pontos
est representado por eixos ortogonais, na forma como se representa o espao euclidiano.
Usando a idia do espao euclidiano, vamos imaginar a existncia destas duas classes de
alvos, vegetao e gua, existentes numa imagem de grande dimenso, muitas vezes maior
que a imagem da Figura 12.1. E tambm, as posies dos centros dos agrupamentos dessas
duas classes de alvos, as quais podem ser facilmente obtidas por meio de pequenas reas de
amostragem que sabemos de antemo onde elas ocorrem. Com as informaes obtidas das
reas de amostragens, ou reas de treinamentos, o problema agora se resume em alocar os
pixels da imagem s duas classes. Isso pode ser feito pela medida entre a distncia de cada
pixel da imagem ao centro dos agrupamentos. Os pixels que se encontrarem espectralmente
mais prximos a um centro, a ele sero alocados. Pixels que se encontram distantes de ambos
os centros no sero alocados nos agrupamentos de vegetao ou gua. Nesse espao
12.3
Classificao No-Supervisionada
So classificadores que requerem pouca ou nenhuma participao do analista no
processo de classificao da imagem. H duas situaes em que isso pode acontecer. Uma
delas quando no se tem suficientes conhecimentos acerca do nmero e natureza das classes
de alvos que possam estar presentes numa rea. A outra quando desejamos fazer uma
classificao exploratria da imagem, para rapidamente e sem grande esforo, saber as
possveis classes de alvos que podem ter na imagem. No h, portanto, possibilidades de se
estimar os centros das classes, como antes visto, usando reas de treinamento representativas
de cada classe. da responsabilidade do analista, depois da classificao, associar um
significado s classes resultantes. O resultado da classificao til somente se as classes
podem ser interpretadas apropriadamente.
Treinamento no-supervisionado quase que totalmente automatizado pelo
computador. Ele apenas permite ao analista especificar alguns parmetros que o computador
ir usar para descobrir padres que so inerentes aos dados. Esses padres no
necessariamente correspondem s caractersticas reais da cena em termos de classes de alvos
que reconhecemos. Eles so simplesmente agrupamentos de pixels com caractersticas
espectrais similares (clusters). Mas, em alguns casos, pode ser mais importante identificar
grupos de pixels com caractersticas espectrais similares, do que separar os pixels em classes
reconhecidas.
H dois principais algoritmos de classificao no-supervisionada de amplo uso em
sensoriamento remoto: ISODATA e K-mdias. Ambos se baseiam no agrupamento de pixels
por suas similaridades, usando tcnicas de distncia mnima. Por isso, a classificao no-
supervisionada tambm chamada de clustering, devido tcnica usada. Um algoritmo
clustering usa frequentemente todos os pixels da imagem de entrada para iniciar a anlise.
12.3.1
ISODATA
eq. 12.1
onde: C(x) = mdia do agrupamento ao qual o pixel x alocado.
ISODATA K-mdias
Fig. 12.2 Resultados da classificao ISODATA e K-mdias para um conjunto de seis bandas e sete classes.
Acima, composio colorida 543/RGB da rea selecionada para a classificao.
12.4.1
Paraleleppedo
x1 x2
limites inferior superior limites inferior superior
Fig. 12.3 Histogramas das classes de treinamento tomadas de duas bandas, com os limites inferior e superior que
estimam os valores de pixels da classe.
classe 2
classe 3
classe 1
x1
Fig. 12.4 Padres de paraleleppedos de classes de treinamento com dimenses determinadas pelos limites dos
histogramas.
Essa simples regra de deciso pode ser estendida, acrescentando um limiar (threshold)
baseado no desvio-padro. Nesse caso, as dimenses da classificao paraleleppedo so
estimadas pelo limiar do desvio-padro da mdia de cada classe selecionada. Da mesma
forma, se o valor do pixel cair acima do limiar inferior e abaixo do limiar superior para as n
bandas que esto sendo classificadas, ele alocado quela classe (Figura 12.5). Fato comum
na classificao de imagens ocorrer pixels que so candidatos a vrias classes ou que no se
encaixam a nenhuma classe. No primeiro caso, como os pixels so pixels classificados, o
algoritmo paraleleppedo usa a deciso de realoc-los primeira ou ltima das classes. A
segunda situao bem mais comum de acontecer, porque so muitos os espaos "vazios"
entre os paraleleppedos. Na verdade, nesses espaos esto os pixels que no caram dentro
dos paraleleppedos, e na classificao sero rotulados como no-classificados.
XB
classe 2
B1 2s classe 1
classe 3
B1
B1 +2s
A1 2s A1 A1 + 2s XA
Fig. 12.5 Representao das dimenses dos paraleleppedos das classes selecionadas levando em conta um
limiar (threshold) de desvio-padro.
XB
B
pixel de canto
A XA
Fig. 12.6 Situao em que um pixel de canto, que se encontra distante da mdia da classe, classificado classe
no mtodo de classificao paraleleppedo.
Fig. 12.7 (a) Seleo de reas de amostragem de oito classes e (b) o resultado da classificao paraleleppedo
com um limiar de desvio-padro de valor trs.
12.4.2
Distncia mnima
eq. 12.2
onde: xi = pixel candidato; mi = mdia das classes; n= nmero de bandas.
A Figura 12.8 ilustra a medida da distncia pelas linhas entre o pixel candidato e as
mdias de trs classes. O classificador compara a distncia Euclidiana de cada pixel mdia
de cada agrupamento. O pixel candidato designado classe com mdia mais prxima, isto
, classe que apresenta a menor distncia Euclidiana.
N2
pixel candidato
3
2
1
1 2 3 N1
Fig. 12.8 As linhas cheias indicam as medidas da distncia mnima para um pixel candidato s classes.
Fig. 12.9 Resultado da classificao distncia mnima, com as mesmas reas de amostragem da Figura 12.7.
12.4.3
Mxima-Verossimilhana
N2
classe 2
B
A
classe 1
N1
Fig. 12.10 As distribuies de probabilidades representadas pelas elipses e calculadas pela covarincia mostram
que o ponto A pertence classe 1 a despeito de sua distncia ao centro da classe 2 ser menor.
eq. 12.4
limiar (threshold)
x
Pixels com iguais probabilidades de
pertencerem s duas classes
Fig. 12.11 Condio em que pixels sero pobremente classificados quando se situam nas extremidades da curva
de distribuio de probabilidade. O limiar remove o erro questionvel de classificao.
Classificao MaxVer
Fig.12.12 Resultado da classificao mxima verossimilhana das seis bandas pticas do sensor ETM para oito
classes selecionadas a partir de reas de treinamento indicadas na composio colorida RGB.
eq. 12.5
12.4
Validao da Classificao
Uma das ltimas etapas da classificao digital de imagens a da validao dos
resultados da classificao. O que se busca nessa etapa avaliar a acurcia da classificao.
Um resultado com 100% de acurcia significa que todos os pixels da imagem foram
classificados de forma correta, segundo um conjunto de dados que compe a verdade
terrestre. Um resultado com 50% de acurcia significa que, em teoria, metade dos pixels da
imagem foi classificada corretamente. A acurcia depende de uma srie de fatores como a
complexidade do terreno, as resolues espaciais e espectrais do sistema sensor, o prprio
algoritmo de classificao utilizado, a legenda utilizada no processo de classificao e o
conjunto de dados que representa a verdade terrestre. Por exemplo, considere os resultados da
classificao de imagens de satlite de um determinado municpio. Se a legenda for composta
de duas classes, terra e gua, a acurcia tende a ser maior do que a de outra legenda composta
por trs classes de vegetao natural formaes campestres, savnicas e florestais e trs
classes de uso da terra culturas agrcolas, pastagens cultivadas e reflorestamento.
A acurcia normalmente expressa em termos de ndices que so calculados a partir
de matrizes de erros que expressam a concordncia entre a imagem classificada e o conjunto
de amostras de referncia. A matriz de erros compara, classe por classe, a relao entre os
dados de verdade terrestre (dados de referncia) e os correspondentes resultados da
classificao. O nmero de linhas e o nmero de colunas dessa matriz devem ser iguais ao
nmero de classes espectrais do estudo. Erros de omisso (excluso) e de comisso (incluso)
de cada classe so calculados a partir dessa matriz.
Na Tabela 12.1 mostrada uma matriz tpica de erros, apresentada por Sano et al.
(2010) que foi obtida ao validar o mapa de cobertura vegetal natural e antrpica do Bioma
Cerrado por meio de 315 verificaes de campo. Colunas da matriz referem-se verdade
terrestre, enquanto as linhas representam a interpretao de imagens. Valores em negrito da
diagonal principal da matriz correspondem ao nmero de pixels que foram corretamente
classificados. Valores fora da diagonal correspondem a erros de omisso (EO) e comisso
(EC) e que podem ser expressos na forma de percentagens.
Verdade terrestre
Interpretao de imagens
EO EC
1 2 3 4 5 6 TOTAL
(%) (%)
1 1 0 1 0 0 0 2 75,0 50,0
2 1 57 20 3 0 24 105 1,7 45,7
3 1 1 33 0 0 1 36 43,1 8,3
4 0 0 1 71 21 5 98 10,1 27,6
5 1 0 0 5 53 1 60 29,3 11,7
6 0 0 3 0 1 10 14 75,6 28,6
TOTAL 4 58 58 79 75 41 315
Formaes campestres (1); Formaes savnicas (2); Formaes florestais (3); Pastagens cultivadas (4);
Culturas agrcolas (5); Reflorestamentos (6). (Fonte: Sano et al. 2010).
Outras medidas descritivas podem ser obtidas a partir dessa matriz de confuso. Uma
delas a exatido global, que computada dividindo-se o nmero total de pontos
corretamente classificados (soma dos elementos ao longo da diagonal principal = 225) pelo
nmero total de pontos de validao = 315). Dividindo-se 225/315, tem-se uma exatido
global de 71,43%, em uma escala que varia de 0 a 100%.
O ndice Kappa (K) outro mtodo bastante utilizado na avaliao dos resultados de
classificao. Esse ndice varia de 0 (concordncia nula) a 1 (concordncia perfeita)
eq. 12.6
onde, e
De acordo com os dados da Tabela 12.1 tem-se que T1 = 0,71 e T2 = 0,21, o que
resulta em K = 0,64, considerada como sendo muito boa, de acordo com a qualidade da
classificao associada aos valores da estatstica Kappa que foi proposta por Landis e Koch
(1977): 0 0,2 = ruim; 0,2 0,4 = razovel; 0,4 0,6 = boa; 0,6 0,8 = muito boa; e 0,8
1,0 = excelente.
Mais recentemente, Ma e Redmond (1995) propuseram ainda o uso do coeficiente Tau
(W) para avaliar a acurcia da classificao. Os autores citaram as seguintes vantagens do uso
do W em relao estatstica Kappa: conceitualmente W mais simples de entender; W mais
simples de ser calculado; e W considera o nmero de categorias ou classes consideradas na
anlise. Uma comparao relativamente detalhada do desempenho dos trs mtodos aqui
mencionados (exatido global, ndice Kappa e ndice Tau) pode ser encontrada no estudo
desenvolvido por Brites et al. (1996).
O tamanho (nmero) de amostras a serem adquiridas nesse processo de validao
outra questo delicada. Como uma regra geral, Congalton (1991) e Lillesand et al. (2008)
sugeriram que um mnimo de 50 amostras de cada classe deveria ser considerado na
construo da matriz de erros. Fitzpatrick-Lins (1981), citado por Jensen (2005), definiram,
com base na teoria de probabilidade binomial, um nmero mnimo de 203 observaes para
um percentual de exatido de 85% e um erro admissvel de 5%. No entanto, essa regra nem
sempre pode ser seguida na prtica, por causa das dificuldades de acesso rea de estudo e
do tempo e custos envolvidos na aquisio de nmeros grandes de pontos de validao.
13.1
Segmentao de Imagens
A segmentao de imagens consiste num processo de agrupamento de pixels que
possuem caractersticas semelhantes. De acordo com Gao (2009), trata-se da decomposio
de uma imagem em regies discretas, contguas e que no se interceptam, constituindo,
semanticamente, segmentos significativos.
O processo pode se dar de forma manual ou automtica. A forma manual nada mais
do que estabelecer sobre a imagem os polgonos que representam regies homogneas, de
forma semelhante usada pelos fotointrpretes. Como comum nesses casos, diferentes
intrpretes podem gerar produtos diferentes a partir de uma mesma imagem. O processo
automtico, por considerar dados de natureza quantitativa, produz resultados bastante bons
em uma frao do tempo muito menor do que seria dispendido no caso da segmentao
manual. Em virtude desses aspectos, ele o mais utilizado em processamento de imagens.
O processo de segmentao faz com que o contexto em que se encontra inserido o
pixel seja considerado na classificao, isso , leva em conta as caractersticas do meio
(regies) e no exclusivamente, os valores espectrais dos pixels. Isso o distingue dos
processos de classificao realizados pixel a pixel, vistos no captulo anterior.
O processamento das imagens se d, inicialmente, pela utilizao de um algoritmo de
segmentao que, ao definir regies homogneas na imagem, prepara-a para uma
classificao posterior com base nessas regies e no com base em valores individuais dos
pixels. Como as condies texturais da imagem passam a ser consideradas nesse tipo de
abordagem, a classificao por segmentao se aproxima mais daquela feita, de forma
qualitativa, por intrpretes humanos, acabando por produzir ndices de exatido mais
elevados. Ela surgiu com o advento dos modernos sensores de alta resoluo espacial, que
produzem imagens onde os objetos podem ser identificados individualmente. Assim, uma
mudana substancial teve de ser implementada na concepo dos tradicionais algoritmos de
classificao, estes mais preparados para classificar imagens de baixa resoluo espacial.
Como afirmaram Neubert et al., (2006), os objetos em imagens de sensoriamento remoto so
frequentemente homogneos e podem ser delineados por meio da segmentao.
Em virtude da alta resoluo espacial observa-se nas imagens uma maior varincia
interpixels do que intrapixel, como ocorre com as imagens adquiridas por sensores de baixa e
mdia resoluo. A maior facilidade para se discriminar alvos de pequenas dimenses faz
com que os resultados das classificaes tradicionais apresentem uma aparncia repleta do
que se convencionou chamar de efeito salt-and-pepper (sal e pimenta), caracterizado por
pequenos polgonos disseminados por toda a rea mapeada e que acabam por demandar
operaes de ps-processamento, como filtragens, para a sua eliminao. No caso de
classificaes baseadas em regies, o grande grau de controle sobre o nmero de polgonos
no momento inicial da segmentao elimina previamente esse problema, uma vez que as
Fig. 13.1 Imagem segmentada com limiar de similaridade = 15 e rea (pixels) = 50.
Numa ltima opo aumentou-se ainda mais o limiar de similaridade (50) mantendo-
se a rea mnima (100) em nmero de pixels. A Figura 13.4 mostra essa situao, que
considerando as caractersticas de heterogeneidade da imagem pode ser vista como um caso
extremo. Nesse caso, os polgonos que restaram so apenas aqueles que espectralmente
contm pixels muito diferenciados e que no poderiam, dados os limiares estabelecidos,
compartilharem o mesmo segmento.
Como exemplificado nas figuras anteriores, percebe-se que a segmentao de uma
imagem requer do analista, dado o seu aspecto emprico, um bom conhecimento do que est
presente na rea e do grau de generalizao que ele estaria disposto a assumir. A Figura 13.5,
extrada do trabalho de Corte et al., (2008), mostra o grande nmero de tentativas, variando-
se os limiares, at que se chegasse a uma definio de qual seria a combinao ideal entre
limiar de similaridade e rea mnima, num trabalho que objetivava detectar plantios florestais
a partir de uma imagem SPOT.
Fig. 13.5 Combinaes dos pares de limiares. (Copiado de Corte et al., 2008).
Ao se utilizar esse recurso em um classificador por regies, como ser visto a seguir,
o resultado da classificao ir em grande parte refletir a composio dos segmentos obtidos
nesse processo, o que pode colaborar, de forma decisiva, para uma maior exatido nos
resultados a serem obtidos.
13.3.1 Isoseg
13.3.2 Bhattacharyya
eq. 13.1
13.3.3 Clatex
Fig. 13.8 Segmentao com limiar de similaridade = 15 e rea (pixels) = 20 sobre composio RGB 342.
Fig. 13.9 Segmentos utilizados como amostras de treinamento para o classificador Bhattacharyya.
Fig. 13.10 Resultado da classificao Bhattacharyya a partir das amostras de treinamento da Figura 13.9 nas
cores correspondentes.
Fig. 13.11 Resultado da classificao MAXVER a partir das amostras de treinamento da Figura 13.9
Fig. 13.13 Esquema da classificao orientada a objetos com dependncia hierrquica (Fonte: Gonalves et al.
2007).
O final do sculo passado foi marcado por uma das rupturas paradigmticas mais
impactantes no sensoriamento remoto: os dados hiperespectrais. Esses dados mexeram com a
compreenso e os procedimentos usuais sobre processamento de imagens, pois as imagens
saltaram da dimenso de algumas poucas bandas para a dimenso de centenas de bandas,
contnuas no espectro da reflectncia.
O objetivo do sensoriamento remoto hiperespectral de possibilitar a extrao, nas
imagens, das feies espectrais de reflectncia/absoro que identificam a composio dos
materiais, assim como se faz da anlise dos espectros de reflectncia obtidos com os
espectrorradimetros. Como cada pixel da imagem tem o registro da radincia do alvo
medida por centenas de bandas, um detalhado espectro de reflectncia pode ser obtido de
cada pixel, por processamento. Isso consiste em um processamento estritamente na anlise do
domnio espectral da imagem, com a ressalva de que reconhecimentos de padres de pixels
(classes) ou vizinhanas (correlaes espaciais) no so considerados. Por exemplo, quando
observamos nas imagens hiperespectrais uma rea de solo exposto, devemos encontrar e
mapear quais so os pixels que identificam a composio desse solo, o que pode ser em
termos de sua composio mineral em porcentagem de hematita ou goethita, e no
simplesmente se uma classe de solo mais rica ou pobre em xidos de ferro, que o mximo
possvel do tipo de informao que se pode inferir com as imagens de sensores
multiespectrais. No caso de uma rocha, teremos uma boa chance de descobrir os tipos de
minerais dominantes na sua composio e assim termos uma informao mais precisa da
litologia. Essa a mudana de paradigma. Deixamos de lado a "macro" identificao dos
alvos com os sensores multiespectrais, para entrarmos na quantificao de observaes de
carter mais microscpicos da matria, presentes nos espectros de cada pixel.
Pelo fato de as imagens hiperespectrais ultrapassarem duas centenas de bandas, elas
tem larguras espectrais muito estreitas, normalmente da ordem de 10 nm. A combinao
dessas duas caractersticas implica numa completa mudana na forma de processamento dos
dados. No cabem mais a essas imagens usar os mtodos que foram apresentados nos
captulos anteriores para o processamento de imagens multiespectrais. At para se fazer uma
simples composio colorida que mostre uma alto contraste dos alvos no um processo to
simples, porque as bandas de um sensor hiperespectral possuem alta correlao espectral.
Imagine tambm que milhares de composies coloridas poderiam ser feitas com centenas de
bandas, e o tempo para interpret-las seria algo totalmente invivel.
Neste captulo iremos apresentar as bases para se executar os procedimentos mais
comuns para o processamento dos dados hiperespectrais. Veremos que eles se baseiam na
anlise e interpretao dos espectros de reflectncia, e para isso o analista necessita ter um
conhecimento mnimo sobre os processos que do origem s feies de absoro dos
Fig. 14.1 Mltiplas imagens se superpem possibilitando a obteno do espectro de reflectncia do alvo contido
no pixel. (Adaptado de Baptista, 2006).
14.2
Correo Atmosfrica dos Dados
Um dos aspectos mais controversos no processamento de dados hiperespectrais refere-
se ao pr-processamento para correo dos efeitos atmosfricos e reduo dos dados de
radincia para a reflectncia de superfcie. Os algoritmos que fazem essas operaes baseiam-
se, normalmente, em modelos de transferncia radiativa ou de radiao solar. Nesses modelos
busca-se reduzir os efeitos que o espalhamento e a absoro dos gases atmosfricos causam
nos dados.
De forma bem simplificada, o espalhamento um desvio de trajetria que elementos
atmosfricos causam na radiao eletromagntica, tanto no sentido descendente (irradincia)
como ascendente (radincia). Esses elementos podem ser gases ou aerossis, estes entendidos
como partculas no gasosas presentes na atmosfera. As absores que ocorrem na faixa do
espectro ptico refletido (0,4 a 2,5 m) reduzem acentuadamente a intensidade da radiao
eletromagntica incidente e acabam obliterando as feies dos alvos que queremos identificar
ou mesmo quantificar. No captulo 1 foi apresentada a Figura 1.10 que mostra as regies
espectrais de absoro causadas pelos principais gases atmosfricos na faixa do espectro
eq. 14.1
Fig. 14.2 Espectros de reflectncia de um pixel de solo extrado de uma cena AVIRIS aps correo atmosfrica
pelos mtodos a) de Green; b) ATREM; c) FLAASH.
14.3
Bibliotecas Espectrais
No processamento de dados hiperespectrais muito comum a busca das feies
espectrais de absoro dos alvos a serem investigados e a sua comparao com espectros
Fig. 14.3 Espectro de reflectncia da caulinita (CM9 da biblioteca do USGS - Clark et al., 1993).
Fig. 14.4 Perfil gaussiano da funo de distribuio dos detectores de uma banda genrica com a largura a meia
altura (FWHM) de 10 nm. Modificado de Clark (1999).
Fig. 14.5 Funo de resposta de ganho dos detectores dos sensores VNIR (Visible and NearInfraRed) e SWIR
(Short Wave InfraRed) do sistema ASTER.
Como podemos notar as funes nem sempre se apresentam como gaussinicas e por
isso, ao se utilizar as funes de ganhos dos detectores, a simulao mais perfeita. Porm,
nem sempre esses dados so disponibilizados para os usurios em geral, e a soluo mais
eficiente simular com o valor central das bandas, mais facilmente obtido.
Fig. 14.6 Espectros de solos obtidos com o espectrorradimetro GER-IRIS da Embrapa Cerrados. Cortesia de
Madeira Netto.
Podemos notar na Figura 14.6 que todos os cinco espectros contm as duas feies
de absoro tpicas da gua, em 1400 nm (1) e 1900 nm (2), com maior ou menor
intensidade. Em 2200 nm (3) h a mesma dupla feio que vimos na Figura 14.3 e que indica
a presena da caulinita. J em 2265 nm (4) encontramos outra feio tpica de solos tropicais
decorrente da presena de gibbsita (Al2O3 3H2O), e que so identificadas nos espectros 1, 2 e
3. As ombreiras que aparecem por volta de 500 nm at 1000 nm so decorrentes da presena
de sesquixidos de ferro, no caso, hematita e goethita. Esses espectros apresentam 419 pontos
de medidas, o que num dado hiperespectral corresponderia a 419 bandas.
Visando simular esses espectros para as respostas de ganho dos detectores do sensor
ETM do satlite Landsat se obtm espectros multiespectrais (Figura. 14.7) que obliteram as
feies destacadas na Figura 4.16. Isso decorre pelo fato de as seis bandas do Landsat serem
largas e no serem contnuas ao longo do intervalo espectral do visvel ao infravermelho de
ondas curtas. O impedimento da atmosfera de permitir que qualquer sensor possa ter bandas
em torno de 1400 nm e 2900 nm elimina nos espectros reamostrados as feies decorrentes
da presena de gua (1 e 2). Outro problema verificado que como as feies da caulinita e
da gibbsita encontram-se integradas na banda 7 (2080 nm a 2350 nm), suas identificaes
tornam-se impossveis. Esses espectros apresentam seis pontos correspondentes s seis
bandas desse sensor.
Com sensor SWIR do ASTER possvel identificar as feies da caulinita (1) e da
gibbsita (2), mesmo que os dados sejam multiespectrais, porque no intervalo correspondente
largura da banda 7 do Landsat, nesse sensor foram colocadas cinco bandas. O espectro 1
apresenta as duas feies de absoro. Mas, como no sensor VNIR no existe uma banda que
Fig. 14.7 Espectros dos solos da figura 14.6 reamostrados para as bandas do sensor ETM do Landsat.
Fig. 14.8 Espectros de solos da Figura 14.6 reamostrados para os sensores VNIR e SWIR do sistema ASTER.
Fig. 14.10 Espectros de solos da figura 14.6 reamostrados para o sensor aerotransportado Hymap.
Fig.14.11 Grfico de autovalores obtidos a partir da transformao MNF de cinqenta bandas do sensor
AVARIS.
Fig. 14.13 Imagem PPI mostrando em branco os pixels puros, aps 10.000 iteraes.
Fig. 14.14 Escatergrama n-dimensional das bandas de reflectncia apresentando apenas o comportamento dos
pixels puros.
Como esse espao apresenta mais de duas bandas ele pode ser rotacionado,
facilitando a identificao e demarcao dos agrupamentos (clusters). A Figura 14.15 mostra
a seleo de vrios clusters, um para cada cor, e a posterior exportao dos mesmos sobre
uma imagem de composio colorida de bandas originais de reflectncia, a fim de demonstrar
as diferenas minerais existentes na rea.
Fig. 14.15 esquerda escatergrama n-dimensional com os clusters selecionados e direita eles exportados para
as imagens de reflectncia, separando os diversos minerais existentes em Cuprite.
Se obtivermos os espectros dos pixels que foram exportados, ou seja, dos pixels
ditos puros, estaremos extraindo os endmembers a partir da imagem conforme pode ser
observado na Figura 14.16, na qual seleciou-se a caulinita, cuja localizao coincide com os
mapeamentos de campo.
14.5
Medio de Intensidade das Feies Espectrais
A maioria dos alvos imageados guarda uma relao linear entre a intensidade da
absoro e o contedo da matria que lhe deu origem. Por isso, possvel estimar os
contedos dos materiais por meio das medies das intensidades das absores. Um dos
procedimentos mais simples para fazer isso por meio de uma operao denominada de
remoo do contnuo espectral. Essa remoo consiste numa normalizao dos espectros de
reflectncia a partir de uma linha de base comum que deve tangenciar ao mximo a curva
espectral. A Figura 14.17 apresenta a lgica da remoo do contnuo espectral.
eq. 14.2
Fig. 14.18 Conceito de profundidade de absoro ou band depth a partir de espectro com remoo do contnuo.
eq. 14.3
Fig. 14.19 Conceito de profundidade mdia de feio espectral dupla de acordo com a eq. 14.3.
Existe uma maneira mais elaborada para determinar a intensidade da feio espectral
usando um algoritmo chamado Spectral Feature Fitting (SFF, Clark et al., 1990) ou Ajuste
de Feio Espectral. Esse algoritmo realiza uma comparao dos endmembers com cada pixel
da cena, por meio do ajuste por mnimos quadrados. Para tal, a imagem tem de ser submetida
ao procedimento de remoo do contnuo espectral. O SFF gera dois resultados, sendo o
primeiro chamado de imagem scale que deve ser entendida como a medida da intensidade da
feio em cada pixel. Quanto maior o valor, maior a intensidade da feio do endmember
no pixel. O segundo produto do SFF o erro mdio quadrtico do ajuste por mnimos
quadrados, ou imagem RMS. A diviso do scale pelo RMS gera um terceiro produto
chamado de fit image, que pode ser entendido como a probabilidade de o pixel conter o
endmember.
Para exemplificar utilizaremos a imagem de Cuprite, Nevada. A Figura 14.20
apresenta a imagem scale de caulinita e seu respectivo RMS. Repare na rea destacada com o
quadrado vermelho, a mesma que foi selecionada quando explicamos como selecionar
endmembers a partir das imagens. Como uma rea que apresenta uma quantidade alta de
caulinita, na imagem scale (a da esquerda) ela aparece com um tom de cinza mais claro, o
que indica elevado valor de intensidade de feio. J na imagem RMS ele no se destaca, pois
o erro mdio quadrtico do ajuste de seus pixels baixo.
Fig. 14.21 Composio colorida com a imagem linear spectrum unmixing para os endmembers illita em
vermelho, calcita em verde e RMS em azul.
A rea que investigamos no algoritmo SFF e destacada com uma seta aparece em um
tom mais azulado, o que indica que na decomposio linear espectral os pixels avaliados no
apresentam nem as feies da illita, nem a da calcita. As reas mais vermelhas apresentam
maior abundncia de illita e as em verde, de calcita. Isso pode ser verificado nas imagens
isoladas. A figura X.23 apresenta a imagem Unmix de illita e de calcita, respectivamente, e
nos locais mais claros h uma maior abundncia de feies espectrais correspondentes illita
e da calcita.
Pelo que foi demonstrado podemos notar que a anlise dos espectros o aspecto
mais importante a ser trabalhado no processamento de dados hiperespectrais. Normalmente
vamos buscar nos espectros dos pixels da cena as feies que os endmembers apresentam, a
fim de identific-los espacialmente e, posteriormente, quantific-los. Existem outros
algoritmos que tem esse mesmo objetivo de identificar as feies espectrais, e a tendncia
cada vez mais surgirem novos processamentos, pois j h suficientes pesquisas em vrias
reas de aplicao que comprovam o alto poder de mapeamento dos pixels com imagens de
sensores hiperespectrais.
15.1
Introduo
Neste captulo apresentaremos a utilizao das imagens de alta resoluo espacial para
o mapeamento do uso da terra voltado ao planejamento urbano, e tambm na atualizao de
base cartogrficas, com exemplos prticos que envolvem modelos de classificao para esses
tipos de imagens.
Entre os aspectos que se pode relacionar para os estudos de planejamento urbano, o
mapeamento do uso da terra um dos mais fundamentais, uma vez que possibilita, de um
lado, a espacializao das diversas ocupaes numa viso intra-urbana, e de outro, a
quantificao dos elementos funcionais existentes e os seus reflexos no equilbrio ambiental
da paisagem urbana.
Diversos estudos tm demonstrado que o acelerado processo de crescimento das
cidades um fenmeno constante na realidade hodierna, criando situaes especficas que
devem ser avaliadas por meio de uma monitorao permanente dos cenrios em constante
alterao. Neste particular, as tcnicas de sensoriamento remoto so ferramentas que
desempenham um importante papel no processo de planejamento e reestruturao do
ambiente urbano, pois as imagens permitem identificar as caractersticas dos objetos e
correlacion-los s origens dos agentes modificadores do espao. Alm disso, permitem
verificar a extenso e a intensidade das alteraes provocadas pelas aes antrpicas.
As necessidades voltadas para os estudos do planejamento urbano, nos dias atuais,
visam obter respostas cada vez mais rpidas, objetivando aes nos processos ligados
gesto municipal. Essas necessidades encontram-se vinculadas ao retorno poltico, que requer
uma anlise acurada dos cenrios e, sobretudo, a possibilidade de prospeces futuras.
15.2
Implicaes da Resoluo Espacial nas Anlises do Espao Urbano
No que se refere ao mapeamento do uso da terra, muito tem sido feito desde o
surgimento dos sensores remotos orbitais na dcada de 1970. Entretanto, devido baixa
resoluo espacial das imagens, da ordem de 80 metros, como o MSS do Landsat 1, 2, e 3
no se tinha condies de se identificar e analisar as feies intra-urbanas, o que acarretava a
necessidade de demorados trabalhos de campo e o envolvimento de uma grande equipe de
profissionais. As concluses obtidas por Niero et al. (1983) revelaram que as resolues
espacial e espectral dos satlites Landsat 1, 2 e 3, somente permitiam a classificao de
amplos alvos de uso do solo urbano, como as reas homogneas de densa ocupao vertical.
J as classes que englobavam diferentes tipos de uso do solo urbano apresentavam problemas
Fig. 15.1 Relao da resoluo espacial de diversos sensores com os equipamentos urbanos. (Fonte: Freitas
(1997, modificado por Bias 2002).
Por outro lado, conforme observou Freitas (1997), a resoluo espectral das imagens
outro parmetro importante na deteco e identificao dos objetos urbanos. O referido autor
chamou a ateno para a diversidade da composio e do espao intra-urbano, onde os alvos
apresentam grande diversidade, como edifcios, shopping centre, loteamentos, praas,
estacionamentos, gramados, asfalto, etc., cada um com uma assinatura espectral diferenciada.
Os exemplos de reflectncias na faixa espectral de 0,4 m a 1,0 m, de materiais
normalmente encontrados em reas urbanas, so apresentados nas Figuras 15.2, e
demonstram que o uso de bandas espectrais no visvel, combinadas com banda do
infravermelho prximo aumenta o poder da deteco e identificao desses objetos.
Tabela 15.1 Alguns dos principais satlites com sensores de alta resoluo espacial.
Sendo assim, os atuais sensores de alta resoluo espacial empregados para a anlise
de reas urbanas e de outros objetos que exigem imagens de detalhe, oferecem a soluo para
boa parte deste problema. A concepo de configurao desses dois mdulos de imagens foi
pensada com o fim de se usar as tcnicas de fuso de imagens que vimos no captulo 8, para
obter imagens em composies coloridas do mdulo multiespectral na resoluo espacial da
banda pancromtica. Isso resolve as duas questes bsicas para a identificao e classificao
dos objetos urbanos: a necessidade de imagens com resolues em torno de 1 metro e a
necessidade de vrias bandas espectrais para a discriminao dos tipos desses objetos.
O nvel de resoluo espacial dessas imagens corresponde s escalas de anlise entre
1:5000 e 1:25000, que so muito mais adequadas classificao da heterogeneidade dos
objetos urbanos (Gonalves et al. 2001). Imagens de resoluo de 1 metro, como do
IKONOS 2, possibilitam, segundo Balzereck (2002), se fazer anlises de diferenas
espectrais intra-urbanas a partir da avaliao da reflectncia dos telhados das residncias.
Foram identificados telhados constitudos por material de ferro e metal, bem como inferida a
idade deles. Essas diferenas so uma peculiaridade importante, pois permite avaliar a
estrutura da cidade e monitorar o seu desenvolvimento, a partir de uma anlise rpida do
processo de urbanizao, alm de possibilitar a identificao da densidade de formao e os
padres temporais e espaciais existentes. A utilizao das imagens IKONOS II auxilia o
processo de anlise e monitoramento da urbanizao e, principalmente, da direo da
expanso urbana. Demonstra tambm, a utilidade e potencialidade de ser usada, por exemplo,
para descobrir mudanas na construo das estruturas, densidades, tamanhos e formas de
diversos elementos urbanos. Balzerek (2002) concluiu que com os ndices de homogeneidade
de espao avaliados a partir da imagem IKONOS II e a partir da avaliao dos tamanhos dos
15.3
A Ttulo de Exemplo
Para demonstrar o uso prtico das imagens de alta resoluo espacial com a utilizao
de processos de classificao apresentados nos captulos anteriores, so apresentados os
resultados realizados de um estudo com imagens IKONOS II na rea urbana da cidade
satlite de Sobradinho, do Distrito Federal, que ocupa uma rea de 569,37 km2.
A proposta metodolgica para a estruturao do mapa de uso da terra foi efetuado
com o objetivo de identificar cinco classes funcionais a partir de anlise espectral, utilizando-
se mtodos diferenciados. Foram investigadas as seguintes classes: asfalto, residncias
individuais, residncias coletivas, solo exposto e cobertura vegetal (gramneas). A
diferenciao entre as residncias individuais e coletivas foi efetuada a partir da cobertura
(tipo de telhado barro ou amianto). Na regio de estudo, as residncias coletivas no
apresentam cobertura de material de barro, e sim de amianto.
Utilizou-se uma imagem IKONOS Geo Ortho Kit color, em formato GEOTIFF, com
dados das efemrides do satlite para permitir a ortorretificao, 11 bits por pixel, resoluo
espacial 1 metro, tanto na banda pancromtica como nas multiespectrais, ngulo de elevao
76,47. Os mtodos de classificao utilizados foram o SAM (Spectral Angle Mapper) e o PPI
(Pixel Purity Index) e os mtodos clssicos MAXVER (Mxima Verossimilhana) e
ISODATA. Segundo Anderson et al. (1979), o uso de diferentes mtodos de classificao
justifica-se pelo fato de no existir uma classificao nica e ideal, da mesma forma que cada
classificao feita com o objetivo de atender a uma determinada necessidade de um usurio
especfico. E mais, na maioria dos processos de classificao dificilmente se identificam as
classes que se deseja, muitas vezes levando os usurios a tomarem decises arbitrrias nas
interpretaes desenvolvidas.
O Spectral Angle Mapper (SAM) um classificador espectral que realiza o
mapeamento da similaridade entre o espectro de um pixel da imagem e os espectros de
referncia provenientes de bibliotecas espectrais que podem ser extradas da prpria imagem.
Para isso, ele compara o ngulo entre o espectro de referncia, considerado como um vetor n-
dimensional, onde n o nmero de bandas, com cada pixel da imagem. ngulos pequenos
representam bons ajustes entre os dois vetores. O procedimento gera dois tipos de arquivos: a
imagem SAM e as rule images. A imagem SAM o resultado da classificao com uma
cor predeterminada para cada espectro de referncia (endmembers). As rule images
apresentam o ajuste dos ngulos para todos os pixels da imagem, sendo uma imagem para
cada endmember.
Fig. 15.3 rea da imagem IKLONOS II selecionada para testes e as amostras das classes selecionadas.
O clculo dos pixels puros atravs do ndice de pureza do pixel (Pixel Purity Index-
PPI) foi computado por 10.000 iteraes, com um limiar de 2,5. Como resultado a imagem
mostra os pixels puros encontrados na imagem, o que apresentado na Figura 15.4. Pode-se
observar na gerao da imagem PPI uma dominncia da resposta espectral da malha viria.
Fig. 15.4 Resultado da classificao por PPI ndice de pixel puro da imagem IKONOS II de parte da rea
urbana da cidade satlite de Sobradinho, Braslia DF.
A visualizao dos pixel s puros pode ser vista num espao n-dimensional, permitindo
nessa etapa a seleo dos endmembers. Os pixel s puros situam-se nas extremidades dos
diagramas de disperso (escatergrama) e so delimitados de forma interativa pelo usurio.
Cada cor representa um grupo de pixel s puros que identifica um tipo de objeto (Figura 15.5).
Nessa figura pode-se observar uma maior concentrao nos pixels (cluster) referentes ao solo
exposto (vermelho). A partir da rotao do modelo n-dimensional e posterior agrupamento
das classes, foi possvel selecionar os padres de classes existentes na cena. Aps a seleo
dos endmembers, so mapeados ou classificados na imagem os materiais que representam os
pixel s puros. Para o mapeamento espectral usou-se o mtodo Spectral Angle Mapper SAM,
usando espectros de referncia da prpria imagem. Esse mtodo mapeia os materiais que
espectralmente predominam no pixel e apresenta como resultado um mapa de classes
mostrando o melhor ajuste para cada pixel. O resultado da classificao SAM mostrado na
Figura 15.6.
Fig. 15.7 Resultado da classificao ISODATA. da imagem IKONOS II de parte da rea urbana da cidade
satlite de Sobradinho, Braslia DF.
Fig. 15.9 Comparao dos espectros de refletncia das classes solo (latossolo) e telhas de barro.
Fatos como esse fazem com que haja uma confuso para o classificador, mesmo que
se tenha cuidadosamente selecionado as amostras das reas de treinamento das classes. Se o
usurio tiver interesse em determinar a exatido dos resultados, comum o uso de dois
15.4
Imagens de Alta Resoluo e Possibilidades para o Mapeamento
Cartogrfico
O Brasil enfrenta, nos dias atuais, a desatualizao de dados cartogrficos (Tabela
15.2), em razo de dois fatos: a) a falta de investimentos nas reas de cartografia e
mapeamento; b) a crescente dinmica do crescimento urbano, que impe a necessidade de
constantes atualizaes e, em alguns casos, de um novo levantamento. Devido aos altos
custos e longo tempo de execuo, os trabalhos tornam-se inviveis, particularmente, quando
efetuados por processos convencionais de aerofotogrametria.
Percentual de
Folhas
Escala Folhas Existentes Ano Cobertura cobertura do
Mapeadas
territrio brasileiro
1:1.000.000 46 46 1980 100
1:500.000 154 68 1965 36,90
1:250.000 556 444 1985 80,72
1:100.000 3.049 2.289 1982 75,39
1:50.000 11.928 1.647 1977 13,90
1:25.000 47.712 492 1985 1,01
Ano de referncia (aproximado) em que se completaram 2/3 do nmero de folhas mapeadas. (Fonte: Correia,
1997).
Nos ltimos anos muito se tem discutido sobre as opes disponveis para os
processos de atualizao cartogrfica que minimizem os custos bem como reduzam o tempo
de execuo do mapeamento. A rapidez na coleta, tratamento e disponibilizao dos dados,
so fatores da maior relevncia para os diversos usurios. O advento dos sensores remotos
abriu uma possibilidade sem precedentes para a atualizao cartogrfica. A utilizao de
escalas de 1:100.000 a 1:25.000 j representa uma possibilidade concreta. Entretanto, o uso
de imagens de alta resoluo espacial para a cartografia, em escalas de detalhe de 1:10.000
at 1:2.000, existe ainda uma grande celeuma, tanto no meio cientfico, como por parte das
empresas de aerolevantamento, devido falta de dados consistentes que comprovem essa
possibilidade.
Alguns estudos j demonstraram que a ortorretificao ou correo geomtrica das
imagens est diretamente relacionada com o que se pretende do produto final e com a
configurao topogrfica da regio geogrfica. Em regies de pequena variabilidade vertical
(pequeno gradiente topogrfico), a aplicao de uma eficiente correo geomtrica, com uma
boa densidade de pontos, pode atender plenamente as necessidades. Entretanto, para regies
com grande gradiente e acentuada movimentao topogrfica, torna-se necessrio um
processo de ortorretificao que, por no ser o mesmo para todas as regies, exigir
adequaes e ajustes em funo das caractersticas do terreno e da extenso geogrfica da
rea. Outro agravante relaciona-se necessidade de uma boa amostragem altimtrica, sem a
qual impossvel a gerao do MDE (modelo digital de elevao) necessrio
ortorretificao. So compreensveis todas as preocupaes. No entanto, busca-se vislumbrar
15.4.1
O Mercado Atual de Imagens de Alta Resoluo
Estudos realizados por Bias (2003), Ishikawa e da Silva (2005) e Tavares Jnior et al.
(2006) mostraram que as imagens que vm sendo mais utilizadas para a gerao de produtos
cadastrais so as dos satlites IKONOS II (lanado em 09/1999) e QuickBird 2 (lanado em
2010). Os estudos de Bias (2003) com imagens IKONOS ORTHO KIT, em duas localidades
do Distrito Federal, a primeira no Plano Piloto e a outra na Regio Administrativa de
Sobradinho, produziram resultados bastante encorajadores. Para o Plano Piloto o erro mdio
quadrtico (RMS) total dos pontos de controle utilizados no processo de ortorretificao das
imagens foi de 0,73 m, sendo: RMS (x) de 0,41 m e RMS (y) de 0,60 m. Esses valores podem
ser justificados pelo pequeno gradiente do terreno ( 100 metros), pela dimenso da rea de
estudo ( 27 km2) e pelo ngulo de elevao do satlite (86,28). Para a rea de Sobradinho o
RMS mdio foi de 1,64 m (x) e 1,04 m (y). O RMS mdio dos pontos de controle usados para
verificao foi de 3,47 m em x e 2,10 m em y, justificado pelo gradiente do terreno ( 900
metros), pela dimenso da rea de estudo (100 km2) e pelo ngulo de elevao (76,47).
Os dados tcnicos referentes s imagens do satlite IKONOS II e QuickBird e os
produtos oferecidos pelas empresas so mostrados nas Tabelas 15.3 a 15.6.
1 2
Produtos CE 90% (m) RMS (m) Descrio
GEO 15,00 X Apenas georreferenciamento (Datum e projeo)
Reference 25,00 11,8 Para receber a imagem com as distores corrigidas
necessrio fornecer pontos de controle e um MDE
PRO 10,2 4,8 Maior exatido sem auxlio de pontos de controle
Precision 4,1 1,9 Gerado com o auxlio de pontos de controle e MDE, a partir
de pares estereoscpicos
Precision Plus 2,0 0,9 Gerado com o auxlio de pontos de controle e MDE, a partir
de pares estereoscpicos. Resoluo espacial 1m
Stereo 25,0 X Produto gerado a partir de pares estereoscpicos sem pontos
de controle
Precision Stereo 4,0 X Produto gerado a partir de pares estereoscpicos com
pontos de controle
]
Tabela 15.5 Especificaes tcnicas do satlite Quick Bird
1 2
Produtos CE 90% (m) RMS (m) Descrio
Basic 23,0 14,0 Com correo radiomtrica e relativa dos detectores,
geometria interna do sensor. Possui o menor
processamento
Standard 23,00 14,0 Disponvel com uma projeo cartogrfica e Datum
Orthorectified 12,7 7,7 Imagem ortorretificada
(RCP)
Orthorectified 10,2 6,2 Imagem ortorretificada
(Efemrides)
Basic Stereo 23,0 14,0 Imagem adquirida com 30 off-nadir, possui 90 de
recobrimento
1
CE 90% Erro Circular com 90% de confiana; 2RMS Erro Mdio Quadrado (Root Mean Square). *
Excludos os efeitos do relevo. Padro de exatido cartogrfica dos EUA. Fonte: Adaptado de Space Imaging
(2003).
Em 06 de setembro de 2008 foi lanado com sucesso o satlite GeoEye-1, que tem a
maior resoluo espacial no setor comercial de imageamento espacial da Terra. O satlite
GeoEye-1 tem capacidade de imagear at 700.000 km2 de imagens pancromticas e 350.000
A misso WorldView teve seu primeiro satlite lanado em 2007 com o WorldView-1
e o segundo, em 2009. Ambos possuem um sensor pancromtico de alta resoluo, alm das
bandas multiespectrais inseridas no WorldView-2. Esses satlites so os primeiros de uso
comercial a utilizarem a tecnologia Control Moment Gyroscopes (CMGs), que fornece
acelerao num nvel 10x acima dos outros sensores e melhora tanto a capacidade de
manobra como a de segmentao. Com o CMGs, para se realizar uma cobertura de uma faixa
de 300 km, o tempo reduzido de 60 segundos para apenas 9 segundos. Isso significa que o
satlite WorldView2 pode mover-se de um alvo para outro com preciso e rapidez,
permitindo a observao de mltiplos alvos em uma nica passagem orbital. As Tabelas 15.9
e 15.10 apresentam as caractersticas tcnicas e preos da imagem WorldView2 e a Figura
15.11 um extrato de uma imagem do WorldView.
Outro aspecto que diferencia os sensores de alta resoluo espacial dos sensores de
baixa resoluo espacial a alta resoluo radiomtrica, de 11 bits ou 2048 nveis de cinza,
permitindo aumentar consideravelmente o poder de distino e discriminao dos objetos.
Fig. 15.11 Composio em cor natural de imagem WorldView 2, obtida em 09/03/2010, da cidade de So Paulo.
(Fonte: <http://www.digitalglobe.com>. Acesso em 01/06/2011).
Os clculos decorrentes das equaes 15.1 e 15.2 devem ser realizados antes do inicio
do levantamento topogrfico, para que se possa fazer uma seleo das feies que sero
cadastradas.
Tendo por base a equao 15.1, a Tabela 15.11 apresenta a preciso das feies
grficas em funo das escalas adotadas.
15.6
Relao entre Resoluo Espacial e Erro Grfico
Kasser (2002) afirmou no ser possvel distinguir em uma imagem digital detalhes
menores que o tamanho do pixel, porque a forma do alvo no poder ser discernida da forma
do pixel. Como a resoluo espacial a mnima separao entre dois objetos representados
distintamente e separados, a forma no o tamanho do menor objeto possvel de se ver numa
imagem (SABINS, 1987).
A frequncia mxima de uma cena que pode ser representada atravs de uma imagem
dada pela freqncia de Nyquist (Wolf, 2000), que equivale metade da frequncia de
15.7
Custo da Gerao de uma Base Cartogrfica
Aps esse conjunto de anlises, necessria a avaliao do custo de uma base
cartogrfica, pelos processos convencionais de aerofotogrametria e por imagens de alta
resoluo espacial. A Tabela 15.13 apresenta os valores em moeda referentes s diversas
etapas da gerao de uma base cartogrfica.
no de Custo/Hora
Etapa Custo (R$/km2)
Profissionais Profissional Equipamento
Composio colorida 01 10,00 4,40 14,40
Seleo de GCPs 01 15,00 4,40 19,40
Levantamento de GCPs 03 36,80 8,00 44,80
Correo diferencial 02 24,50 4,40 24,90
Gerao do DEM 01 15,00 4,40 19,40
Coleta de Pontos do DEM 01 15,00 4,40 19,40
Ortorretificao 01 15,00 4,40 19,40
Restituio (Digitalizao Heads-up) 01 10,00 4,40 14,40
Edies e correes 02 36,80 4,40 41,20
Reambulao 02 30,00 4,40 34,40
Avaliao da preciso/exatido 03 36,80 8,00 44,80
Edies finais 01 10,00 4,40 14,40
Transporte 01 0,00 65,00 65,00
Coordenao tcnica 01 30,00 - 30,00
Total dos servios2 405,90
1
Imagem comercializada com efemrides, permitindo a ortorretificao
2
Valor sem considerar o custo das imagens
Fonte: Adaptada de Bias (2003)
Com base nos dados analisados pode-se afirmar que as imagens de alta resoluo
GeoEye e WorldView2 tm a capacidade de atenderem gerao de bases cartogrficas na
escala 1:10.000. De acordo com a avaliao do erro grfico, ficou demonstrado na Tabela
15.11 que para uma escala de 1:10.000, o erro grfico deve ser igual ou inferior a 4 m2.
Assim, as imagens em questo esto dentro da faixa: 1,68m2 nas imagens GeoEye,
equivalente a 42% da rea do pixel limite; e 2,5 m2 nas imagens WorldView2, representando
62,5% da rea do pixel limite. Como vimos, a frequncia Nyquist estabelece que somente
alvos com tamanho de pelo menos dois pixels podem ser representados pela imagem, com
base no erro grfico apresentado. Verifica-se ento, que essas imagens apresentam
possibilidade de representao dos alvos, uma vez que esto dentro dos limites do erro
grfico.
Relacionando-se o erro grfico com o nmero de pixels definido pela frequncia
Nyquist, possvel obter a escala mxima de representao dos produtos cartogrficos,
gerados com base nessa fonte de dados. O erro grfico (Eg) equivalente a duas vezes a
resoluo espacial (Re), obtendo as escalas apresentadas na Tabela 15.11.
Tabela 15.17 Avaliao do valor percentual entre o mapeamento aerofotogramtrico e com o uso de imagens de
alta resoluo.
Bartleson, C.J. Colorimetry. Editor Macbeth Color and Photometry Divison Kollmorgem
Corporation. Section 16, p.880-922. 1995.
Bias, E. S.; Baptista, G. M. M.; Lombardo, M.A. Anlise do fenmeno de ilhas de calor
urbanas por meio da combinao de dados LANDSAT e IKONOS. In: SIMPSIO
BRASILEIRO DE SENSORIAMENTO REMOTO, XI. Belo Horizonte, 2003. Anais XI
SBSR. UFG: 2003. p.1741 1748.
Brites, R.S.; Soares, V.P.; Ribeiro, C.A.A.S. Comparao de desempenho entre trs ndices
de exatido aplicados a classificaes de imagens orbitais. In: SIMPSIO BRASILEIRO DE
SENSORIAMENTO REMOTO, 8, 1996, Salvador, BA. Anais... So Jos dos Campos:
INPE, 1996. p.813-821.
Cmara G; Souza R.C.M.; Freitas U.M.; Garrido J. SPRING: Integrating remote sensing and
GIS by object-oriented data modelling. Computers & Graphics, 20: (3) 395-403, 1996.
Ceccato, V.A. Proposta metodolgica para avaliao da qualidade de vida urbana a partir de
dados convencionais e de sensoriamento remoto, sistema de informaes geogrficas e banco
de dados relacional. 1994. Dissertao (Mestrado em Sensoriamento Remoto) - INPE, So
Jos dos Campos, 1994.
Chavez, P.S. Jr. An improve dark-subtraction technique for atmospheric scattering correction
of multispectral data. Remote Sensing of Environment, 24:459-479, 1988.
Corte, A.P.D.; Dlugosz, F.L.; Centeno, J.A.S. Testes de limiares para a segmentao de
imagens SPOT-5 visando a deteco de plantios florestais. Revista Acadmica Cincias
Agrrias e Ambientais, v.6, (2) 249-257, 2008.
Crsta, A.P. ; Moore, J. M.. Geological mapping using Landsat Thematic Mapper Imagery in
Almeria Province, Se Spain. International Journal of Remote Sesing. V.10 n.3, kp.1147-1160,
1989
Cudahy, T.; Souza Filho, C.R. Spectral sensing solutions to mineral exploration challenges. 4
Simp. Bras. Explorao Mineral Simesmin, 2006, Ouro Preto, MG.
Darwish, A.; Leukert K.; Reinhardt W., 2003. Image segmentation for the purpose of object-
based classification. In: Geoscience and Remote Sensing Symposium, Neubiberg:2003.
Disponvel em <http://www.definiens.com/pdf/publications/FR07_1420.PDF>. Acesso em:
outubro 2006.
Davis, C. J. Statistic and data analysis in geology. Third Edition. IE Wiley, 2002.
Drury, S.A. Image interpretation in Geology. Allen & Unwin, 135-140. 1987.
Dutra , L.V.; Meneses, P.R. Aplicao da transformao IHS para realce de cores em
imagens Landsat. In: SIMPSIO LATINO AMERICANO DE SENSORIAMENTO
REMOTO, I, 1986, Gramado, RS. Anais, p.675-681, 1986.
Dutra , L.V., Meneses, P.R. Realce de cores em imagens de sensoriamento remoto utilizando
rotao de matiz no espao IHS. In: SIMPSIO BRASILEIRO DE
TELECOMUNICAES, 5, 1987, Campinas, SP. Anais, p.209-212, 1987.
Elachi, C.; Zyl van, J. Introduction to the physics and techniques of Remote Sensing. 2rd
edition. John Wiley & Sons Inc. Publication, 2006. 552p.
Florenzano, T.C.; Tavares Jr. S.S.; Lorena, R.B.; Melo, D.H.T.B. Multiplicao e adio de
imagens Landsat no realce de feies da paisagem. In SIMPSIO BRASILEIRO DE
SENSORIAMENTO REMOTO, 10, 2001, Foz do Iguau, PR. Anais (cd-rom). So Jos dos
Campos, SP: INPE, 2001.
Freitas, M.A. O uso de imagens de satlite na anlise dos padres de verticalizao em reas
metropolitanas: estudo de caso: So Paulo. 1997. Dissertao (Mestrado em Geografia) -
FFCL Universidade de So Paulo, So Paulo, 1997.
Gonalves, L.; Fonseca, A.M.; Caetano, M.: Explorao de imagens de alta resoluo do
Satlite IKONOS. Disponvel em papers/esig41.pdf. Acesso em: 10 abr. 2002.
Gonzalez, R. C., Woods, R.E. Digital Image Processing. Second Edition. Upper Saddle River
NJ: Prentice Hall, 2002.
Haralick, R.M.; Shanmugam, K.S; Dinstein, I. Textural features for image classification.In:
IEEE Transactions on Systems, Man, and Cybernetics, SMC-3, 610-622, 1973.
Huet, A.R. A soil-adjusted vegetation ndex (SAVI). Remote Sensing of Environment, 25:
295-309, 1988.
Jacob, E.; Franois, P.; Schmugge, T.; Vermote E.; French, A.; Oawa, K.. Comparasion of
land surface emissivity and radiometric temperature derived from MODIS and ASTER.
Remote Sensing of Environment, 90:137-152, 2004.
Jensen, J.R. Introductory Digital Image Processing: A Remote Sensing Perspective. Upper
Saddle River: Pearson Prentice Hall, Third Edition, 2004.
Kasser, M., Y, Egels. Digital Photogrammetry. Taylor & Francis, London and New York,
2002.
Lillesand, M.T. & Kiefer, F.W. Remote Sensing and Image Interpretation. John Wiley &
Sons, Inc. 3a ed. 1994.
Lillesand, T. M.; Kiefer, R.W.; Chipman, J.W Remote Sensing and Image Interpretation.
NY.: John Wiley & Sons Inc., 5 ed., 2004.
Lillesand, T.M.; Kiefer, R.W.; Chipman, J.W. Remote Sensing and Image Interpretation.
Hoboken: John Wiley & Sons Inc., 6 ed., 2008.
Ma, Z.; Redmond, R.L.. Tau coefficients for accuracy assessment of classification of remote
sensing data. Photogrammetric Engineering and Remote Sensing, 61(4):453-439, 1995.
Meneses, P.R.; Madeira Netto, J.S. Sensoriamento Remoto: Reflectncia dos Alvos Naturais
(org.). Braslia: Editoras UnB- Embrapa Cerrados. 2001. 262p.
Moran, M.S.; Peters-Lidard, C.D.; Watts, J.M.; McElroy, S. Estimating soil moisture at the
watershed scale with satellite-based radar and land surface models. Canadian Journal of
Remote Sensing, 30(5):805-826, 2004.
Neubert, M.; Herold, H.; Meinel, G. Evaluation of remote sensing image segmentation
quality further results and concepts. 2006.
http://www2.ioer.de/recherche/pdf/2006_neubert_obia.pdf. Acesso em 20/04/2011.
Niero, M.; Foresti, C. Uso do solo urbano da rea metropolitana de So Paulo atravs da
anlise automtica de dados LANDSAT. So Jos dos Campos: INPE, 1983. 34 p.
Novo, E.M.L. M. Comportamento espectral da gua. In: Paulo Roberto Meneses, Jos da
Silva Madeira Netto. (org.) Sensoriamento Remoto: Reflectncia dos Alvos Naturais. -
Editora UNB, EMBRAPA Cerrados, Brasilia, 2001.
Novo, E.M.L.M. Sensoriamento Remoto: Princpios e Aplicaes.. Ed. Edgard Blucher Ltda,
3a Edio, So Paulo, 2008. 363 p.
Paradella, W.R.; Santos, A.R.; Veneziani, P.; Cunha, E.S.P. Radares imageadores nas
Geocincias: estado da arte e perspectivas. Revista Brasileira de Cartografia, 57(01): 56-62,
2005.
Penteado, A.H.D.G.; Crsta, A.P.; Souza Filho, C.R. Filtragem de rudos peridicos por
transformadas de Fourier e realce por decorrelao em imagens termais do sensor Geoscan
Amss Mk-li no greenstone belt do rio Itapicuru, Ba. In SIMPSIO BRASILEIRO DE
SENSORIAMENTO REMOTO, 9, 1998. Anais (CDROM)...So Jos dos Campos, SP:
INPE, 1998.
Polidorio, A. M.; Franco, C.; Imai N. N.; Tommaselli, A. M. G.; Galo, M. T. Correo
radiomtrica de imagens multiespectrais CBERS e Landsat ETM usando atributos de
reflectncia e de cor. In: SIMPSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 12,
2005, Goinia, GO. Anais. So Jos dos Campos, SP: INPE, 2005.
Reed, T.E.; Dubuf, J.M.H. A review of recent texture segmentation and feature extraction
techniques. CVGIP: Image Understanding, v.57, n.3, p.355-372, 1993.
Richards, J. A.; Jia X. Remote Sensing Digital Image Analysis. An Introduction. 4a ed.,
Springer 2006.
Schowengerdt, R. A. Remote Sensing Models and Methods for Image Processing. 3a ed.,
Elsevier, 2007.
Sabino, N.O.; Ushizima. D.M.; Costa, L.F.; Rizzati, E.G.; Zago, M. A. A texture aprouch to
Leukocyte recognition. In: Real-Time Imaging, Volume 10. Elsevier, 2004, Disponvel online
25 setembro de 2004.
Sabins F. F. Jr. Remote Sensing Principles and Interpretation. NY: Freeman, 1997.
Sano, E.E.; Rosa, R.; Brito, J.L.S.; Ferreira, L.G. Land cover mapping of the tropical savanna
region in Brazil. Environmental Monitoring and Assessment, 166:113-124, 2010.
Santos, A.R.; Peluzio, T.M.O; Saito, N.S. SPRING 5.1.2 passo a passo aplicaes prticas.
Alegre, ES: Grfica F&M, 2010. 153p. Disponvel em:
http://www.mundogeomatica.com.br/spring5x.htm , acesso em 23/05/2011.
Tavares Jnior, J. B.; Ouverney, M. l. M.; Uberti, M. S.; Antunes, M. A. H.: Avaliao de
imagens Ikonos II e Quickbird para obteno de bases cartogrficas para o cadastro tcnico
Vaughn, R, C.; Calvin, W. M.; Taranik, J. V. SEBASS Hyperspectral thermal infrared data:
surface emissivity measurement and mineral mapping. Remote Sensing of Environment,
85:48-63, 2003.
Welch, R. and W. Ahlers. Merging Multiresolution SPOT HRV and Landsat TM Data.
Photogrammetric Engineering & Remote Sensing, 53:3, p. 301-303. 1987.
Wolf, P. R., Dewitt, B. A.: Elements of Photogrammetry with Applications in GIS. McGraw-
Hill, 2000.
A
Absoro atmosfrica, 15 Corpo negro, 12, 49
Alta freqncia, 172 Correo geomtrica, 94
Along-track, 38 Correlao
Ambiquidade, radar, 59 espectral, 154, 221
Amostragem, 26, 37, 186, 255 Cross-track, 36
ngulos Cubo de cor, 121, 126
depresso, 62
incidncia local, 74 D
slido, 22 Dark subtraction, 89
visada, 62 Detectores termais, 56
Arquivo descritor, 80 Deslocamento de linhas, 91
Atenuao atmosfrica, 15 Deslocamento de pixels, 93
Autocorrelao, 25 Deteco de bordas, 176, 179
ASCII, 81 Dilatao, 171, 181
ASTER, 27, 56 Direo de azimute, 62
AVNIR2, 229 Direo de visada, 62
AVIRIS, 222 Distores geomtricas, 90, 96
Distores geomtricas sistemticas, 91
B Domnio espacial, 83, 103
Baixa frequncia, 119, 185 Domnio da freqncia, 186
Bandas de radar, 50
Bhattacharyya distncia, 216 E
BIL, 79 Emissividade espectral, 51
Bimodal, 106 Emissividade, materiais, 52
BIP, 79 Emitncia radiante, 12
BMP, 805 Endmebers, 231
BSQ, 79 Energia radiante, 21
Energia cintica, 47
C ERTS-1, 2
Calor, 48 Eroso, 171, 182
latente, 49 Erro mdio quadrtico, 236
sensvel, 49 Erros radiomtricos, 82
CCD, 38, 39 Escalas, para visualizao de imagens, 27
Clusters, 193, 244, 251 Escala, 256
Coeficiente de espalhamento, 16 Escatergrama, 239
Comprimento de onda, 4 Espalhamento atmosfrico, 87
Rayleigh, 16
Compresso, 94 Mie, 16
Conduo, 48 No-seletivo, 17
Constante de Stephan-Boltzman, 12, 50 Espectrorradimetro, 45
Convexo, 48 Espectro, diviso, 19
Conversor analgico/digital, 38 Espectros de reflectncia, 45-46
Convoluo, 101, 187 Esterradiano, 23
Coordenadas espaciais, 77
Cor, definio, 121, 122 F
Cor RGB, 125, 127 Far range, 63
Cores primrias, 125 Fatiamento, 123
Q U
Quantizao, 30 Unimodal, 110
QuickBird, 250
V
R Varredura mecnica, 36
Radiao eletromagntica Varredura eletrnica, 38
onda, 4 Varincia, 105
energia, 8 Vizinho mais prximo, 101
Radiao termal, 49, 52
Radiador seletivo, 54 W
Radincia, 21 WorldView 2, 252
Radincia aditiva, 16, 145 Wien, lei, 50
RAR, 58
Razo de contraste, 17
Reamostragem, interpolao, 102
Reflectncia, 24
Reflectncia, especular, difusora, 6
Registro, 99
Resolues
espacial, 25
espectral, 27
radiomtrica, 30
temporal, 32
RMS, 97
Rudo coerente, 86
Rudos esprios, 82, 85
S
SAR, 58
Saturao, 108
Sensor fotogrfico, 34
Sensoriamento remoto, definies, 3
Sinal eltrico, 35
Speckle, 69, 176
Striping, 86
Superfcies lisa, rugosa, 6
T
Taxa, 178
Tempertura
Aparente, 54
Cintica, 54
TIFF, 80
TIROS-1, 1
Transformao afim no plano, 96