Processamento Digital de Imagens de Sensores Remotos II – 2018/2

Processamento Digital de Imagens II

Engenharia Cartográfica e Agrimensura

Prof. Dr. Giovanni Boggione

Processamento Digital de Imagens de Sensores Remotos II – 2018/2

Análise em Imagens Digitais de

Sensores Remotos

Prof. Dr. Giovanni Boggione

Processamento Digital de Imagens de Sensores Remotos II – 2018/2

Conteúdos

Classificação de Imagens Ópticas

Interpretação de Imagens de Sensores Remotos

Processamento de Imagens RADAR

Prof. Dr. Giovanni Boggione

Processamento Digital de Imagens de Sensores Remotos II – 2018/2

E aí?

Entendimento
x
Conteúdo
Prof. Dr. Giovanni Boggione
Processamento Digital de Imagens de Sensores Remotos II – 2018/2

E aí?

O que eu, como professor, espero?

Prof. Dr. Giovanni Boggione

Processamento Digital de Imagens de Sensores Remotos II – 2018/2

Classificação Supervisionada

Prof. Dr. Giovanni Boggione

Processamento Digital de Imagens de Sensores Remotos II – 2018/2

A interpretação de imagens deve ser automatizada

Prof. Dr. Giovanni Boggione

Processamento Digital de Imagens de Sensores Remotos II – 2018/2

Como encontrar
um alvo em uma
imagem de SR?
Prof. Dr. Giovanni Boggione
Processamento Digital de Imagens de Sensores Remotos II – 2018/2

Como representar o
conhecimento em
um computador?
Prof. Dr. Giovanni Boggione
Processamento Digital de Imagens de Sensores Remotos II – 2018/2

Introdução

• Conjunto de exemplos (padrões, amostras) rotulados permitem

modelar as classes e as fronteiras de decisão do classificador
• Exige treinamento
• Alguns Métodos
– Paralelepípedo
– Árvores
– Distância mínima
– Estatísticos
Prof. Dr. Giovanni Boggione
Processamento Digital de Imagens de Sensores Remotos II – 2018/2

Introdução

• Definição das classes de interesse

• Treinamento do classificador
– Coleta de amostras
• Classificação
• Estimativa de erros
– Coleta de amostras para teste

Prof. Dr. Giovanni Boggione

Processamento Digital de Imagens de Sensores Remotos II – 2018/2

Introdução

– Usuários identificam pixels que representam padrões conhecidos ou

adaptados de outras fontes

– O software é treinado para reconhecer esses padrões nos dados,

pelo processo de definição de critérios

– O resultado do treinamento é um conjunto de assinaturas (ou

critérios estatísticos)

– O classificador irá então, identificar pixels com características

similares

Prof. Dr. Giovanni Boggione

Processamento Digital de Imagens de Sensores Remotos II – 2018/2

Introdução

– Vantagens
• Você pode controlar os resultados de perto

– Desvantagens
• Conhecimento do dado, das classes e do
método de classificação são requeridos

Prof. Dr. Giovanni Boggione

Processamento Digital de Imagens de Sensores Remotos II – 2018/2

Processo de Classificação Supervisionada

Extração de
Atributos
Classe 1

w1 w2
µ1 µ2
Classe 2
σ1 σ2
... ...
Seleção e Rotulação
de Amostras

Classificação

Prof. Dr. Giovanni Boggione

Processamento Digital de Imagens de Sensores Remotos II – 2018/2

Qualidade da Classificação

• Natureza estatística das classes

• Grau de afastamento das hipóteses
• Qualidade das amostras
– Representatividade
– Tamanho
– Independência
• Amostragem
– Aleatória
– Sistemática

Prof. Dr. Giovanni Boggione

Processamento Digital de Imagens de Sensores Remotos II – 2018/2

O processo de classificação

Dado Coleta das

Bruto Assinaturas

Avaliação da
Classificação
Assinatuas

Prof. Dr. Giovanni Boggione

Processamento Digital de Imagens de Sensores Remotos II – 2018/2

Coleta de amostras

– Amostras de pixels são necessárias para cada feição

– Dados de campo são conjuntos de pixels que representam um

padrão ou classe potencial

– De cada amostra de treinamento o software calcula as estatísticas

para criar a assinatura de cada classe
Ø Min, Max, Média, Desvio Padrão, Matriz de Covariância

Prof. Dr. Giovanni Boggione

Processamento Digital de Imagens de Sensores Remotos II – 2018/2

Coleta de amostras

– Reconhecimento de Padrões Lago

– Conhecimento a priori
Ø Dados de campo Site #13
Ø Experiência pessoal
Ø Fotos
Ø Estudos prévios
Agricultura Site #9
Site #23
Rio

Floresta

Prof. Dr. Giovanni Boggione

Processamento Digital de Imagens de Sensores Remotos II – 2018/2

Amostras de Treinamento

– Um conjunto de pixels selecionados para representar cada cobertura

– Amostras de treinamento obtidas usando AOIs

Prof. Dr. Giovanni Boggione

Processamento Digital de Imagens de Sensores Remotos II – 2018/2

Editor de Assinaturas

– Cada amostra de treinamento (assinatura) é então inserida no Editor de

Assinaturas

Cria uma nova assinatura

a partir da AOI

Prof. Dr. Giovanni Boggione

Processamento Digital de Imagens de Sensores Remotos II – 2018/2

AOI Crescimento de Regiões

– Determina áreas de respostas

espectrais contínuas

– Seleciona um pixel como amostra

(uma semente)

– O software avalia os valores de nível

de cinza dos pixels vizinhos
• Similar: inclui na região
• Dissimilar: não inclui Pixels com valores
Valores
similares
dissimilares

Prof. Dr. Giovanni Boggione

Processamento Digital de Imagens de Sensores Remotos II – 2018/2

Propriedade do Crescimento de Regiões

– Controla cada valor de pixel que pode ser incluído na região

Restrições geográficas por área ou

distância
Controla quais pixels vizinhos são
considerados contínuos

Controla a similaridade.
Configure para 0 e somente
pixels com o mesmo valor do
pixel selecionado serão
incluidos na região

Use para o crescimento da

região se nenhuma
propriedade for alterada

Prof. Dr. Giovanni Boggione

Processamento Digital de Imagens de Sensores Remotos II – 2018/2

Crescimento de Regiões

– Distância Euclidiana Espectral = 23

1
0
– Vizinhos determinam onde o software busca

104 104 106 107 5 4

107 8 8 7 6 5

108 103 4 5 7 104

112 104 4 4 8 103

108 63 64 63 106 102

109 65 62 64 108 111

Prof. Dr. Giovanni Boggione

Processamento Digital de Imagens de Sensores Remotos II – 2018/2

Avaliando Assinaturas

– Histogramas

– Médias Gráficas

– Alarme da Imagem

Prof. Dr. Giovanni Boggione

Processamento Digital de Imagens de Sensores Remotos II – 2018/2

Histograma

– Representa a distribuição dos dados por assinatura

• Idealmente, histogramas devem ter o formato de um sino

Formato de Sino Bimodal

• Idealmente, eles devem ter uma distribuição estreita

Estreito Espalhado

Prof. Dr. Giovanni Boggione

Processamento Digital de Imagens de Sensores Remotos II – 2018/2

Histograma

– Ilustra a distribuição das assinaturas

– Identifica possíveis confusões nas assinaturas

Sobreposição

Prof. Dr. Giovanni Boggione

Processamento Digital de Imagens de Sensores Remotos II – 2018/2

Médias Gráficas

– Mostram as variações dos pixels em relação as bandas para uma ou mais

assinaturas

Média dos valores

de pixels em cada
assinatura

Layer or banda

Prof. Dr. Giovanni Boggione

Processamento Digital de Imagens de Sensores Remotos II – 2018/2

Alarme da Imagem

– Rápida classificação dos pixels

– Algoritmo do Paralelepípedo – os DNs dos pixels candidatos são comparados

com os valores máximo e mínimo das assinaturas

Prof. Dr. Giovanni Boggione

Processamento Digital de Imagens de Sensores Remotos II – 2018/2

Classificando Usando Regras de Decisão

– Interrogação pixel por pixel

– Regras decidem qual classe de cada pixel será incluída

– Regras disponíveis:

• Paralelepípedo
Não Paramétrico
• Espaço da Feição
• Máxima Verossimilhança
• Distância de Mahalanobis Paramétrico
• Mínima Distância

Prof. Dr. Giovanni Boggione

Processamento Digital de Imagens de Sensores Remotos II – 2018/2

Paralelepípedo

– Baseado nos valores máximos e mínimos de cada assinatura

Band 2

Band 1

Prof. Dr. Giovanni Boggione

Processamento Digital de Imagens de Sensores Remotos II – 2018/2

Paralelepípedo

Classe

Band 2
Qual Classe? Urbana

Classe
Vegetação

Classe Água
Qual Classe?
Min Band 1Max
Assinatura Vegetação
Assinatura Água
Assinatura Urbana

Prof. Dr. Giovanni Boggione

Processamento Digital de Imagens de Sensores Remotos II – 2018/2

Paralelepípedo

Regra não
classificada

Regra com
superposição

Prof. Dr. Giovanni Boggione

Processamento Digital de Imagens de Sensores Remotos II – 2018/2

Classificador Paralelepípedo

• Define fronteiras de decisão para cada classe

• Entrada
– Amostras de treinamento
– X = {x1, x2, ...xN}
– {w1, w2, ... wk}
• Saída
– Limites para cada atributo

Prof. Dr. Giovanni Boggione

Processamento Digital de Imagens de Sensores Remotos II – 2018/2

Classificador Paralelepípedo

• Fronteiras de decisão

1-D

Prof. Dr. Giovanni Boggione

Processamento Digital de Imagens de Sensores Remotos II – 2018/2

Classificador Paralelepípedo

• Exemplo 1-D
– [0, 60) à classe 1
– [60, 192) à classe 2
– [192, 255] à classe 3

Prof. Dr. Giovanni Boggione

Processamento Digital de Imagens de Sensores Remotos II – 2018/2

Classificador Paralelepípedo

• Problema
– Confusão entre classes
• Possíveis soluções
– Não classificar
– Múltiplas classes
– Sorteio
– Distância ao centro do paralelepípedo

Prof. Dr. Giovanni Boggione

Processamento Digital de Imagens de Sensores Remotos II – 2018/2

O PROBLEMA AGORA É
DE VOCÊS !!!

Prof. Dr. Giovanni Boggione

Processamento Digital de Imagens de Sensores Remotos II – 2018/2

Classificadores
Estatísticos

Prof. Dr. Giovanni Boggione

Processamento Digital de Imagens de Sensores Remotos II – 2018/2

Máxima Verossimilhança

• MAXVER à Máxima verossimilhança

mj à média
Verossimilhança da classe wj
σj à variância

Atributos
Independentes

Prof. Dr. Giovanni Boggione

Processamento Digital de Imagens de Sensores Remotos II – 2018/2

MAXVER

– Baseada na probabilidade de cada pixel pertencer a uma classe

– Assume probabilidades iguais para cada classe

Limites de
Probabilidade

Banda 2
Classe Urbana

Classe Vegetação
Médias das assinaturas
Classe Água

Banda 1

– Os pixels são incluídos na classe de maior probabilidade

Prof. Dr. Giovanni Boggione

Processamento Digital de Imagens de Sensores Remotos II – 2018/2

Classificador por Distância Euclidiana

• Representante de cada classe wj

– Vetor de médias

• Distância Euclidiana

• Padrão é classificado segundo a regra

Prof. Dr. Giovanni Boggione

Processamento Digital de Imagens de Sensores Remotos II – 2018/2

Classificador por Distância Euclidiana

• Regra de decisão

• Fronteira de Decisão

Prof. Dr. Giovanni Boggione

Processamento Digital de Imagens de Sensores Remotos II – 2018/2

Classficador por Distância de Mahalanobis

• Representantes de cada classe wj

– Vetor de médias
– Matriz de covariâncias
• Distância de Mahalanobis

• Padrão é classificado segundo a regra

Prof. Dr. Giovanni Boggione

Processamento Digital de Imagens de Sensores Remotos II – 2018/2

Euclides x Mahalanobis

Prof. Dr. Giovanni Boggione

Processamento Digital de Imagens de Sensores Remotos II – 2018/2

Classificador por Distância de Bhattacharyya

• Representantes de cada classe wj

– Vetor de médias
– Matriz de covariâncias
• Distância de Bhattacharyya

Prof. Dr. Giovanni Boggione

Processamento Digital de Imagens de Sensores Remotos II – 2018/2

Avaliação das
amostras

Prof. Dr. Giovanni Boggione

Processamento Digital de Imagens de Sensores Remotos II – 2018/2

Matriz de Confusão

• Método para quantificar a precisão da classificação

• Matriz quadrada
• Diagonal indica o número de pixels classificados corretamente.
• Os valores fora da diagonal correspondem a erros de classificação.
Precisão Global (Precisão geral): Pixel correto / total de pixels
Erro de omissão (Pixels de uma classe que não é reconhecido
como tal
Erro de comissão (Pixels classificados incorretamente)

Prof. Dr. Giovanni Boggione

Processamento Digital de Imagens de Sensores Remotos II – 2018/2

Coeficiente Kappa

• Ele mede a correspondência entre a imagem classificada e

realidade, e essa correspondência seria obtido simplesmente
fazendo uma classificação aleatória.
• Destina-se a medir o grau de ajustamento devido à precisão da
classificação, eliminando fatores aleatórios.
0: concordância devido ao acaso
1: Imagem acordo total e realidade
Negativo: erros de classificação
• Permite comparar diferentes métodos (diferentes matrizes de
confusão).
Prof. Dr. Giovanni Boggione
Processamento Digital de Imagens de Sensores Remotos II – 2018/2

Matriz de Confusão

Prof. Dr. Giovanni Boggione

Processamento Digital de Imagens de Sensores Remotos II – 2018/2

Matriz de Confusão

Prof. Dr. Giovanni Boggione

Processamento Digital de Imagens de Sensores Remotos II – 2018/2

Prática

Prof. Dr. Giovanni Boggione