Aula 4 - Análise de Componentes Principais

José Alberto Quintanilha
jaquinta@usp.br
Mariana Giannotti
mariana.giannotti@usp.br
Estrutura da Aula
• “Momento Satélite” (Apresentação de um

novo satélite a cada aula)
• Análise de Componentes Principais
• Operações Aritméticas em Imagens
Bibliografia
• CRÓSTA, A. P. Processamento digital de imagens de

sensoriamento remoto. Edição revisada. Campinas.
IG/UNICAMP, 1993.
• NOVO, E. M. L. M. Sensoriamento remoto -
princípios e aplicações. Editora Edgar Blücher, 1989,
308p.
Realce de cores
Composição cor natural
R - banda 3
G - banda 2
B - banda 1
Realce de cores
Composição falsa cor
R - banda 5
G - banda 4
B - banda 3
Realce de cores
Composição falsa cor
R - banda 4
G - banda 5
B - banda 3
Realce de Contraste
• OBJETIVOS:
– Melhorar a qualidade visual das imagens
– Enfatizar alguma característica de interesse
para uma aplicação específica

Histograma da Banda 3 sem
realce
Banda 3 – Imagem sem

realce
Histograma da Banda 3 com realce

linear Banda 3 – Imagem com realce
linear
Realce de Contraste
Contraste
Realce de Contraste
Manipulação do Histograma
Realce de Contraste
Realce Linear
Y=AX+B
Imagem de Satélite
45
50 Vetor padrão do pixel (1,1)
56 45
32
50
1
56
2 32
3
4
Espaço de Atributos
“O gráfico contendo as frequências

de distribuição de intensidades
de duas ou mais bandas de uma
imagem multiespectral “
(Crósta 1989)
Espaço de Atributos
Fonte: Nóbrega, 2007.

Seleção de Atributos
B
A
100 200 255 (DN)

Banda 2
(DN)
255
200
100
B
A
Banda 1
100 200 255 (DN)

Banda 2
(DN)
255
200
C
100
Banda 1
100 200 255 (DN)

Banda 2
(DN)
255
200
C
100
Banda 3
100 200 255 (DN)

Análise de Componentes Principais
Entender a estrutura dos dados/correlação.
Reduzir a dimensionalidade, condensando a

informação, com perda conhecida de
Objetivos: informação.
Um novo conjunto de bandas

independentes.
• Extração dos
autovalores e
Técnica para autovetores da
obtenção das matriz de variância-
componentes covariância das
principais bandas ou da matriz
de correlações entre
as bandas
Como é essa extração dos autovalores e

autovetores?
• Transforma bandas linearmente dependentes em
bandas linearmente independentes e ordenadas;
• O número de componentes principais é igual ao
número de bandas;
• Uma propriedade fundamental dessa
transformação é que ela garante que a variância
total da imagem original seja preservada.
• Mesmos objetos nas diferentes

bandas.
Causas da • Sombreamento topográfico: o
existência da relevo do terreno afeta todas
correlação as bandas de forma similar.
• Informação redundante em
todas as bandas.
Totalmente correlacionadas Correlacionadas
Banda A Banda A
Banda B Banda B
Duas imagens são ditas correlacionadas quando, dada a

intensidade de um determinado pixel em uma delas,
pode-se deduzir com razoável aproximação a
intensidade do pixel correspondente na outra imagem.
Não - correlacionadas
Banda A Banda A
Banda B Banda B
Se uma grande proporção de cada banda espectral é composta

por informação redundante, por que não extrair essa informação
comum concentrando-a em uma única imagem?
Correlacionadas Não - Correlacionadas
Banda A
Banda B
6 bandas originais do LANDSAT 7 (Cabuçu)
6 componentes principais
Matriz de Correlação
B1 B2 B3 B4 B5 B6 B7
B1 1 0,92 0,89 0,87 0,85 0,82 0,77
B2 0,92 1 0,99 0,97 0,96 0,93 0,88
B3 0,89 0,99 1 0,99 0,98 0,96 0,92
B4 0,87 0,97 0,99 1 1 0,98 0,95
B5 0,85 0,96 0,98 1 1 0,99 0,97
B6 0,82 0,93 0,96 0,98 0,99 1 0,99
B7 0,77 0,88 0,92 0,95 0,97 0,99 1

B1 – Blue
B2 – Green
B3 – Nir
B4 – Red
A variância dá a medida
do contraste de cada banda
espectral
Bandas em Componentes
(mesmo número)
Matriz de covariância ou
correlação: base para a
transformação.
1º autovalor =
328559.38, com
69.29% de toda a
CP1 = 0.53B1(B) + 0.57B2(G) + 0.16B3(N) + 0.61B4(R) informação das 4
bandas originais
2º autovalor =
133759.23, com
28.21% de toda a
CP2 = -0.18B1(B) – 0.05B2(G) + 0.98B3(N) – 0.05B4(R) informação das 4
bandas originais
3º autovalor =
11057.31, com 2.33%
de toda a informação
CP3 = -0.77B1(B) + 0.10B2(G) - 0.11B3(N) + 0.61B4(R) das 4 bandas originais
4º autovalor = 794.17,
com 0.17% de toda a
informação das 4
CP4 = 0.29B1(B) - 0.81B2(G) + 0.04B3(N) + 0.50B4(R) bandas originais
Matriz de Auto-vetores
B1 B2 B3 B4
CP1 0.53 0.57 0.16 0.61
CP2 -0.18 -0.05 0.98 -0.05
CP3 -0.77 0.10 -0.11 0.61
CP4 0.29 -0.81 0.04 0.50
Composição Colorida das Componentes Principais
Componentes Principais com 99,83 % de informação das

Bandas originais
CP1= R CP2= G CP3= B
Atech - CASI 1500: imagem de estudo
(280 bandas – por condições de vôo – 24 bandas)
Atech - CASI 1500: PC1
Operações Aritméticas
 Subtração
 Adição
 Multiplicação
 Divisão (ou Razão)
 NDVI
(Normalized Difference Vegetation Index )
Operações aritméticas
Operações Aritméticas
NDVI
O NDVI é obtido através do seguinte
algoritmo:
NDVI = (NIR - RED)
(NIR + RED)
onde:
NIR = Região do Infravermelho Próximo
RED = Região do Vermelho
Reflectância da Vegetação
• ``
Foto normal
Foto Infravermelho
Vegetação
Energia refletida por plantas verdes
Comportamento Espectral da Vegetação
Pigmentos
da Estrutura celular
Conteúdo de água
folha interna da folha Fatores determinantes
da reflectância da folha
80
70
Absorção por clorofila  e  Absorção por água Bandas de
60 xantofila, carotenos, absorção
50
Reflectância
40
30
(%)
20
10
0
0.4 0.6 0.8 1.0 1.2 1.4 1.6 1.8 2.0 2.2 2.4 2.6
Comprimento de onda (µm)
Visível Infravermelho
Infravermelho Região
Verde
Vermelho
Azul
próximo Infravermelho médio espectral
Clorofila (0,45 a 0,67 m)

Fonte: Laerte Guimarães Ferreira (UFG – LAPIG)
Solos x Vegetação
0.8
Solo
Vermelho
Veg.
SWIR
NIR
0.6
Reflectância
0.4
0.2
0.0
400 800 1200 1600 2000 2400
Comprimento de Onda (nm)
Fonte: Laerte Guimarães Ferreira (UFG – LAPIG)

Sugestão de Bibliografia
MORAES NOVO, Evlyn L.M. Sensoriamento Remoto: Princípios e
Aplicações. 3ª Edição. São Paulo: Blucher, 2008.
CRÓSTA, A. P. Processamento digital de imagens de sensoriamento

remoto. Edição revisada. Campinas. IG/UNICAMP, 1993.
JENSEN, John R. Sensoriamento Remoto do Ambiente – Uma

Perspectiva em Recursos Terrestres. 2ª Edição. São José dos Campos:
Parêntese, 2009.
LILLESAND, T. M.; KIEFER, R. W.; CHIPMAN, J. W. Remote sensing and

image interpretation. 5. ed. New York: John Wiley & Sons, 2004. 763 p.
ATENÇÃO
 Não mudem a configuração dos computadores
 Diretório:
E:/PTR3311/T3MINAS/SR1
E:/PTR3312/SR1
E:/PTR3311/T1_7h30/SR1
E:/PTR3311/T2_9h20/SR1

Aula 4 - Análise de Componentes Principais

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Aula 4 - Análise de Componentes Principais

Enviado por

Direitos autorais:

Formatos disponíveis

José Alberto Quintanilha

• “Momento Satélite” (Apresentação de um

• CRÓSTA, A. P. Processamento digital de imagens de

– Melhorar a qualidade visual das imagens

– Enfatizar alguma característica de interesse

para uma aplicação específica

Banda 3 – Imagem sem

Histograma da Banda 3 com realce

“O gráfico contendo as frequências

Fonte: Nóbrega, 2007.

100 200 255 (DN)

100 200 255 (DN)

100 200 255 (DN)

100 200 255 (DN)

Entender a estrutura dos dados/correlação.

Reduzir a dimensionalidade, condensando a

Um novo conjunto de bandas

Como é essa extração dos autovalores e

• Mesmos objetos nas diferentes

Totalmente correlacionadas Correlacionadas

Duas imagens são ditas correlacionadas quando, dada a

Se uma grande proporção de cada banda espectral é composta

Correlacionadas Não - Correlacionadas

B1 1 0,92 0,89 0,87 0,85 0,82 0,77

B2 0,92 1 0,99 0,97 0,96 0,93 0,88

B3 0,89 0,99 1 0,99 0,98 0,96 0,92

B4 0,87 0,97 0,99 1 1 0,98 0,95

B5 0,85 0,96 0,98 1 1 0,99 0,97

B6 0,82 0,93 0,96 0,98 0,99 1 0,99

B7 0,77 0,88 0,92 0,95 0,97 0,99 1

Componentes Principais com 99,83 % de informação das

próximo Infravermelho médio espectral

Clorofila (0,45 a 0,67 m)

Fonte: Laerte Guimarães Ferreira (UFG – LAPIG)

CRÓSTA, A. P. Processamento digital de imagens de sensoriamento

JENSEN, John R. Sensoriamento Remoto do Ambiente – Uma

LILLESAND, T. M.; KIEFER, R. W.; CHIPMAN, J. W. Remote sensing and

Você também pode gostar