Escolar Documentos
Profissional Documentos
Cultura Documentos
Instituto de Geociências
Especialização em Geoprocessamento e Análises ambientais
Brasília, DF
2013
1
EXTRAÇÃO DE RODOVIAS PAVIMENTADAS EM
IMAGENS DIGITAIS DE ALTA RESOLUÇÃO EM
ÁREAS URBANAS BASEADA EM ANÁLISE
ORIENTADA A OBJETO
The metodology did not obtained accurate results, however methods that can refine the
process and produce more accurate results in future work were raised during research.
Resumo:
2
1. Introdução discretização de objetos de menores
dimensões, informações sobre
Os processos de tomadas de decisão, características espectrais dos objetos
principalmente no âmbito da gestão urbanos podem contribuir para
pública, devem ser pautados por incrementar o processo de
análises que descrevem a situação classificação. Segundo Freitas (1997)
atual e possibilitam a integração de apud Meneses (2012), além de uma
diferentes dados para ações de resolução de 2 a 3 metros de pixel,
planejamento. No planejamento necessária para identificar uma
urbano, há a necessidade da construção residencial, uma boa
compilação de informações sobre resolução espectral contribui para a
infraestrutura, principalmente relativas diferenciação das diferentes feições no
à malha viária. Processos que facilitam espaço intra-urbano devido à alta
a aquisição desses tipos de dados diversidade dos materiais que
devem ser desenvolvidos a fim de constituem a cobertura do solo.
automatizar as rotinas de Alguns sensores de alta resolução
processamento. O presente trabalho se espacial funcionam com dois módulos
propõe a testar uma metodologia de de imageamento, um multiespectral
extração de feições lineares com resolução espacial de até 2 metros
correspondentes às rodovias e um pancromático com resolução
pavimentadas em um processo de submétrica.
análise orientada a objeto em imagens
digitais de alta resolução em um
cenário urbano.
3
Leonardi et all. (2005), combinam representando decisões quantitativas
imagens de diferentes características sobre padrões de cobertura de solo
espectrais e espaciais para sintetizar baseado em suas características
uma nova imagem que destaque espectrais, espaciais e temporais
melhor as feições de interesse. (Nóbrega 2007).
No caso particular de extração de
1.2. Extração de feições rodovias, surgiram alguns métodos na
literatura. Dal Poz (2007) cita
Dal Poz (2007) considera a tarefa de estratégias semi-automáticas baseadas
extração de feições, ser composta por em contorno ativo snakes, otimização
duas etapas: delineamento e por programação e programação
reconhecimento. Nos métodos de dinâmica; e automáticas, que utilizam
extração de feições automáticos, informações contextuais e
ambas as etapas são desempenhadas conhecimentos a priori sobre as
sem a necessidade de um analista e rodovias. Dados de altitude obtidos por
nos processos semi-automáticos seu sensores ativos como Radares ou
conhecimento sobre o objeto é Lasers podem ser integrados para
relevante para o reconhecimento do incorporar aos algoritmos de extração,
alvo. No entanto, nenhuma das modelos digitais de elevação e
técnicas semi ou automáticas provaram imagens digitais (Martins et all 2012).
ser mais acuradas do que a visão Nobrega (2007) descreve uma
humana. É desejável que os métodos metodologia baseada em classificação
de extração de feições tenham o maior orientada a objeto que considera não
nível de automação possível, já que é apenas a resposta espectral, mas
grande a quantidade de dados identifica objetos por similaridade na
envolvidos em análises de imagens resposta espectral dos pixels que os
digitais de alta resolução. Para que compõem e os correlaciona com
haja eficiência na atualização dos atributos espaciais como forma e
bancos de dados, têm-se desenvolvido vizinhança.
técnicas para que o tempo de
processamento dessas informações 1.3. Análise Orientada a
seja o menor possível, mantendo a Objeto
qualidade.
A partir da identificação dos alvos é Apesar das evoluções na qualidade e
possível agrupá-los em classes de precisão na aquisição dados de
interesse. A classificação é utilizada sensoriamento remoto, a classificação
para o mapeamento temático pontual baseada no padrão da
4
característica espectral do pixel remete especificação dos objetos de interesse,
a um conceito básico do começo do a segmentação, a definição de regras
desenvolvimento das técnicas de de classificação e a classificação em si,
processamento de imagem. Os fundamentada nas correlações intra e
modelos que recorrem a técnicas interobjetos (Nóbrega 2007).
baseadas em informações pontuais dos
pixels favorecem a definição de classes 2. Materiais e Métodos
descontínuas produzindo o efeito Salt
and Peper. Novas análises 2.1. Imagem do WorldView II
incorporando dados espaciais
incrementam o processo de Para testar a metodologia, foram
classificação na identificação de alvos utilizadas recortes de duas imagem de
no tecido urbano. Recentes trabalhos alta resolução espacial do sensor
apontam a análise de imagens orbital WorldView II: uma imagem
baseada em objetos, em inglês, Object pancromática (resolução espacial de
Based Image Analisys (OBIA), como 0,5 m) e uma imagem multiespectral
uma metodologia para se processar com quatro bandas espectrais: 450-
imagens multiespectrais de alta 510 nm (azul) ;510-580 nm (verde);
resolução pela sua capacidade de 630-690 nm (vermelho); e 770–895
discriminar elementos em cenários (infravermelho próximo) (resolução
complexos como o urbano (G.J. Hay & espacial de 2,0 m); de 12 de maio de
G. Castilla, 2006). 2007 na cidade de Ceilândia, DF.
G.J. Hay & G. Castilla (2006) também
definem que a OBIA é uma disciplina
que visa particionar imagens de
sensores remotos em objetos
relevantes e acessar suas
características em escalas espacial,
temporal e espectral. Seu objetivo é
desenvolver uma metodologia
apropriada o bastante para replicar a
capacidade da visão humana em Fig. 2. Recorte da imagem WordView II utilizado
reconhecer objetos de forma semi ou no trabalho (Composição RGB: 321).
5
compreende uma área de 3,5 EX para a filtragem de dados sobre
quilômetros quadrados. A área foi áreas que não seriam classificadas,
escolhida por representar uma diminuindo a confusão no delineamento
complexa cena urbana, um bom automático dos objetos de classes na
exemplo para verificar a robustez do classificação final.
método.
6
multiespectrais baseado em definido pelo operador. (ITT 2008).
características espectrais, espaciais e Quanto maior o valor utilizado na
texturais. A interface intuitiva permite o segmentação, menor o número de
emprego de mais esforço interpretando segmentos gerados nesta etapa. O
resultados do que entendendo os valor estipulado para a segmentação,
detalhes de processamento. Na neste trabalho, foi de 35.0.
abordagem de análise orientada a
objeto para classificar imagens, o
software extrai múltiplas feições
definindo objetos como regiões de
interesse de acordo com suas
características espaciais, espectrais e
texturais (ITT 2008).
O processo de extração pode ser
simplificado pelo fluxograma abaixo:
7
utilizados para a classificação; assim O método de conjuntos de regras utiliza
como o color space que consiste nos operadores baseados em lógica fuzzy
atributos de matiz, saturação e que definem o grau de pertinência para
intensidade. cada objeto em relação cada classe
determinada e os classifica em função
da que houver maior valor de confiança
(ITT 2008).
A classificação supervisionada,
utilizada neste trabalho, consiste no
processo da utilização de conjuntos de
objetos com identidades conhecidas
para servirem referência para a
classificação dos outros objetos da
imagem e categoriza-los entre as
classes pré-definidas (ITT 2008).
Fig. 6. Passo de refinamento: Theshold na Após a filtragem de dados utilizando as
banda do infravermelho próximo. máscaras do NDVI e do refinamento
por threshold, as classes definidas
O band ratio, é uma razão normalizada
foram: rodovias pavimentadas,
entre duas bandas da imagem
rodovias sujas, estacionamentos, solo
multiespectral, definida pela equação:
exposto, sombra, telhado de concreto,
(B2 – B1)/ (B2 + B1 + eps),
telhado cerâmico e telhado metálico ou
onde eps é um valor pequeno para
branco.
evitar a divisão por zero (ITT 2008).
Como a máscara da vegetação já havia
sido inserida como dado auxiliar no
início do processo, o atributo de band
ratio não contribuiu significativamente
para diferenciar os objetos. No entanto,
todos os atributos foram computados.
A partir da computação de atributos e
delineamento dos objetos, a próxima
fase do workflow consiste na
Fig. 7. Classificação supervisionada: rodovias
classificação dos mesmos. O ENVI FX
pavimentadas (vermelho); rodovias sujas
apresenta dois métodos de (verde); solo exposto (amarelo);
classificação: supervisionada e estacionamentos (azul); telhados de
8
(azul-escuro); telhados metálicos/brancos escaneados ou, neste caso, uma
(verde-escuro); sombras (ciano).
imagem reclassificada.
9
o definido são classificados como
polígonos e excluídos da vetorização; o
nível de ruído do raster tratado; a
tolerância de compressão, relativa ao
número de vértices da linha resultante;
a suavização do traçado; a tolerância
de espaços entre as linhas; o ângulo de
busca para conexão de extremidades;
o tamanho de buracos a serem
Fig. 9. Operadores morfológicos utilizados
desconsiderados; e o tratamento das
(Nóbrega 2007).
esquinas que consistiu em definir o
10
estava coberta por sedimentos, a resultado, a resolução da imagem
segmentação misturou pixels de permite a discretizaçao dos objetos de
objetos vizinhos assim como a fusão interesse por análise visual nas
dos segmentos uniu objetos distintos, diferentes composições do espaço
alterando os padrões de formas dos RGB e índice normalizado de
alvos. vegetação para separar essa classe de
Outro fator que limitou o poder de cobertura do solo.
extração do processo foi o grande O processamento da imagem
número de sobreposições nas classificada, dentro da extensão
rodovias. Seja por árvores cujas copas ArcScan e extração das feições
avançam sobre as vias, carros ou lineares ficaram comprometidos em
sombras projetadas por edificações virtude da falta de consistência no dado
adjacentes, resultando, da classificação. Mesmo aumentando
inevitavelmente, em descontinuidades os parâmetros de busca de segmentos
e descaracterizações da malha viária próximos do programa para sanar
em diversas situações. problemas de descontinuidade da
malha, ainda sim, as falhas na
vetorização permaneciam.
11
isolando um tipo de feição. As como análise de correlação linear para
informações compiladas não foram estimar a precisão da extração da
suficientes para separar as rodovias malha viária e quantificação dos erros
num cenário tão complexo. No entanto, de omissão e comissão, descritos em
a extração de feições baseada a Nóbrega (2007). A mera análise visual,
análise orientada a objetos pode ser neste artigo foi suficiente para
incrementada com a integração de desconsiderar a metodologia como
outros dados auxiliares. Assim como uma forma precisa na extração das
mencionado na fundamentação teórica, rodovias porque as áreas classificadas
modelos digitais de terreno agregam erroneamente foram muito
informações de textura e altitude (Dal significativas. Após o refinamento do
Poz et all, 2012). A utilização de processo, e se esse demonstrar maior
índices como o Indice normalizado de robustez em atingir a meta da análise,
rodovias (NRI – Normalized Road testes mais acurados podem ser
Index) ou Indicador de sombra , na fase necessários para avaliar o sucesso da
de pré-processamento (Nóbrega 2007). nova proposta, fator importante para
Um dos pontos onde houve confusão validar a qualidade do processamento.
por parte do algoritmo de separação de A ideia de testar uma rotina simples
objetos foi a confusão entre sombra e para aquisição de informações sobre o
rodovias mais emborrachadas, portanto espaço urbano mostrou-se ser uma
mais escuras. O realce destes objetos questão complexa em que há a
poderia ser utilizado em trabalhos necessidade de mais dados para
futuros para destacar as feições de explorar o universo multidimensional
interesse. O autor deste trabalho dos atributos dos objetos em uma
também propõe uma análise de imagem de alta resolução para ser
componentes principais da imagem eficiente.
multiespectral na definição de planos
de informação a fim de separar os Bibliografia
alvos por meio de classificação
orientada a objeto baseada em um DAL POZ, A. P. ; ZANIN, R. B. ; VALE,
conjunto de regras a cerca das G. M. Extração automática de
características espectrais, espaciais e feições rodoviárias em imagens
texturais dos objetos. Demandam-se digitais. SBA. Sociedade Brasileira
assim, mais conhecimentos do de Automática, v. 18, p. 44-54, 2007.
operador. ESRI. Arcgis 10 help. 2011.
Outros métodos de análise de FREITAS, M.A. O uso de imagens de
resultados podem ser empregados satélite na análise dos padrões de
12
verticalização em áreas e um MDT. Boletim de Ciências
metropolitanas: estudo de caso: São Geodésicas (Online), Universidade
Paulo. 1997. In: Meneses, P. R.; de São Paulo, USP, Brasil, 2012. v.
Almeida, T. (Org.). Introdução ao 18, p. 446-463.
processasmnto de imagens de NOBREGA R. A. de A. Detecção da
sensoriamento remoto. Brasília: malha viária na periferia urbana
UNB, 2012, 266p. de São Paulo utilizando imagens
HAY, G. J.; CASTILLA, G.C. Object- de alta resolução espacial e
Based Image Analysis: strengths, classificação orientada a objetos.
weaknesses, opportunities and Tese de Doutorado. Escola
threats (SWOT). Bridging Remote Politécnica da Universidade de São
Sensing and GIS: International Paulo, São Paulo, 2007.
Symposium on Object-based Image
Analysis. Salzburg Center for
Geoinformatics. International
Archives of the Photogrammetry,
Remote Sensing and Spatial
Information Science, 2006. Com VI,
WG VI/4, 5p.
ITT: Visual information solution. ENVI
Feature Extraction Module User’s
guide. 2008.
ITT: Visual Information Solution. ENVI
EX User’s Guide. Dezembro, 2009.
LEONARDI, S. S.; ORTIZ, J. de O.;
FONSECA, L. M. G. Comparação
de técnicas de fusão de imagens
para diferentes sensores orbitais.
Anais XII Simpósio Brasileiro de
Sensoriamento Remoto, Goiânia,
Brasil, 16-21 abril 2005, INPE, p.
4111-4113.
MARTINS, E. F. de O; DAL POZ, A. P.;
ZANIN, R. B. Extração
semiautomática de rodovias no
espaço-objeto: uso integrado de
um estereopar de imagens aéreas
13