PROCESSAMENTO DIGITAL DE IMAGENS (PDI)

1. Retificao e restaurao de imagem

Correo geomtrica
Correo radiomtrica
Remoo de rudo
2. Melhoramento da imagem
Manipulao de contrastes
Manipulao das caractersticas espaciais
Manipulao multi-imagem
3. Classificao de imagem
4. Fuso de dados e integrao em SIG
5. Modelao
UM PIXEL DE
CADA VEZ
RETIFICAO E RESTAURAO: corrigir a
imagem de distores e degradaes que resultaram
do processo de aquisio
Fontes de distoro geomtrica Fontes de distoro geomtrica
rotao da Terra
variaes na altitude, atitude e velocidade na plataforma
do sensor
distoro panormica
curvatura da Terra
refrao atmosfrica
exposio do relevo
no-linearidades no varrimento do IFOV do sensor
Objetivo: imagem com integridade geomtrica de um mapa
CORREO GEOMTRICA
CORREO GEOMTRICA
Distoro sistemtica Distoro sistemtica
ex: rotao da Terra para leste durante o registo da imagem =>
varrimento ptico do scanner sobre uma rea ligeiramente a
oeste do que seria previsto
Distoro Distoro enviezada enviezada
cada linha registada deve ser ajustada para oeste => aspecto
enviezado das imagens multiespectrais
Movimento da Terra
Movimento
do satlite
Imagem registada
pelo sensor
CORREO GEOMTRICA DE IMAGENS
Importncia
eliminao de distores sistemticas
estudos multi-temporais
integrao de dados em SIG
Requerimentos
conhecimento das distores
existentes
escolha do modelo matemtico
adequado
avaliao e validao de resultados
CORREO GEOMTRICA DE IMAGENS
Fontes de distores geomtricas
(MSS, TM, HRV, AVHRR)
rotao da Terra (skew)
distores panormicas
(compresso)
curvatura da Terra
(compresso)
arrastamento da imagem
durante uma varredura
variaes de altitude, atitude e
velocidade do satlite
CORREO GEOMTRICA DE IMAGENS
Transformao geomtrica
modelo de correes independentes
modelo fotogramtrico
modelo polinomial (registro de imagens)
Mapeamento inverso
Reamostragem (interpolao)
vizinho mais prximo
bilinear
convoluo cbica
TRANSFORMAO GEOMTRICA (T)
Modelo de correes independentes
distores sistemticas so corrigidas
de forma independente
clculo (l,p) (,) no factvel
Modelo fotogramtrico
usa o princpio das equaes de
colinearidade
considera a interdependncia das
distores
clculo (l,p) (,) factvel
Modelo polinomial (registro de imagens)
clculo (l,p) (,) atravs de pontos
de controle
TRANSFORMAES GEOMTRICAS (MODELOS)
Ortogonal - 3 parmetros
1 rotao (), 2 translaes (
x
,
y
)
Similaridade - 4 parmetros
1 rotao (), 2 translaes (
x
,
y
), 1 escala
()
Afim ortogonal - 5 parmetros
1 rotao (), 2 translaes (
x
,
y
), 2 escala
(
x
,
y
)
Afinidade - 6 parmetros
1rotao, rotao residual, 2 escalas, 2
translaes
Polinomiais - 6 parmetros
DISTORO ALEATRIA
DISTORO ALEATRIA
Corrigida atravs de pontos de controle
distribudos no espao da imagem, com
localizao conhecida e bem identificados na
imagem
ex: cruzamentos de estradas
Pontos de controle
(#1, #1, ..., #p)
Localizao nas
coordenadas da
imagem distorcida
(linhas e colunas)
Localizao nas
coordenadas no mapa
#1 : C1, L1
#2 : C2, L2
...
#p : Cp, Lp
Anlise de
regresso
#1 : X1, Y1
#2 : X2, Y2
...
#p : Xp, Yp
X = f
1
(C, L)
Y = f
2
(C, L)
Correco geomtrica da
matriz
Ajustamento dos
valores da matriz
REAMOSTRAGEM REAMOSTRAGEM
Em geral, uma clula na matriz corrigida no fica sobreposta
perfeitamente matriz inicial => o valor para o pixel corrigido
determinado a partir dos valores dos pixels vizinhos da matriz
original
Valor do pixel corrigido = valor do pixel mais prximo
algoritmo do vizinho mais prximo algoritmo do vizinho mais prximo
no se altera os valores registados pelo sensor
entidades espaciais podem ficar distorcidas meio pixel
Valor do pixel corrigido = valor construdo a partir dos 4
pixels vizinhos
interpolao interpolao bilinear bilinear
interpolao linear sobre 2 linhas de 2 pixels
altera os valores registrados pelo sensor
imagem suavizada
Valor do pixel corrigido = valor construdo a partir dos 16
pixels vizinhos
interpolao por interpolao por convoluo convoluo cbica cbica
interpolaes lineares sobre 4 linhas de 4 pixels
teoria da amostragem
imagem muito suavizada, tima para fotointerpretao
valores de radincia alterados
REAMOSTRAGEM
REAMOSTRAGEM
correo geomtrica
registro e sobreposio de imagens mltiplas
(multitemporais)
registo de imagens com resolues diferentes
(SPOT-10m e Landsat-30m)
registrar imagens a outros dados geogrficos
num SIG (Imagem e mapa de solos)
Fontes de distoro
Fontes de distoro
radiomtrica
radiomtrica
iluminao da cena
condies atmosfricas
geometria do registro
caracterstica da resposta dos instrumentos
Objetivo: imagem com integridade radiomtrica real
gerar mosaicos de imagens registradas em
instantes de tempo diferentes
estudar alteraes de reflectncia de entidades
em instantes de tempo ou de espao diferentes
necessidade da informao sobre reflectncia
Aplicaes
Correo Radiomtrica
Alterao da posio sazonal do Sol relativamente Terra
Dados adquiridos sob diferentes ngulos solares so
normalizados atravs do clculo do brilho
assumindo que o sol estava no znite nas vrias
datas de registro
Dividir cada valor do pixel pelo seno do ngulo solar
de elevao no instante de tempo e no local de
registro
(ignora efeitos topogrficos e atmosfricos)
correo do
correo do
ngulo solar
ngulo solar
correo da distncia
correo da distncia
Terra
Terra
-
-
Sol
Sol
Distncia Terra-SOL -> normalizar as alteraes
sazonais
E =
E
0
cos
0
d
2
E - energia solar incidente normalizada
E
0
- energia solar incidente distncia mdia Terra-Sol

0
- ngulo solar no znite
d
2
- distncia Terra-Sol, medida em unidades astronomicas
Unidade astronmica - distncia mdia entre a Terra e
o sol - 149.6x10
6
km.
CORREO RADIOMTRICA
CORREO RADIOMTRICA
Influncia da atmosfera
Reduz Reduz a energia a energia que incide no objeto e que refletida por ele
Atua como um refletor, adicionando energia adicionando energia (path radiance) ao
sinal detectado pelo sensor
L
tot
=
ET

+ L
p
L
tot
- radincia espectral total medida pelo sensor
- reflectncia do objeto
E - radiao incidente no objeto
T - transmisso da atmosfera
L
p
- path radiance
Path radiance introduz haze (neblina) na imagem => reduz o
contraste
Observar a radincia em reas de reflectncia zero
ex: gua limpa profunda no InfraVermelho prximo
Valores de radincia superiores devem ser subtrados a toda a
imagem nessa banda.
Algoritmos mais sofisticados => modelao do perfil da atmosfera
Compensao da neblina Compensao da neblina
Converso de DNs em valores de radincia absoluta
H necessidade quando:
Alteraes na reflectncia absoluta dos objetos registrados
em datas diferentes e/ou por sensores diferentes
Modelos matemticos que relacionem dados da imagem
com variveis fsicas no terreno, ex: biomassa.
CORREO ATMOSFRICA
Modelagem dos processos de espalhamento
e absoro da atmosfera
modelo complexo
dados auxiliares (visibilidade e umidade
relativa) nem sempre disponveis
Aproximaes
algumas hipteses so realizadas
O efeito atmosfrico aumenta
inversamente com o
comprimento de onda
CORREO ATMOSFRICA
Selecionar regies na imagem com reflectncia
nula (por exemplo, gua)
Estimar o NC mdio desta regio
Subtrao deste NC de todos os NCs da
imagem
Resposta linear dos detectores em funo da
radincia espectral incidente (calibrao onboard)
L - radincia espectral
255
LMAX LMIN
DN
0

radincia espectral de
padres de calibrao interna
Declive (gain)
DN = GL +B
DN - nmero digital registrado
G - declive da resposta linear (gain gain)
L - radincia espectral medida
B - ponto de interseo da resposta linear (offset offset)
LMIN = 0
LMAX = 255 L =
DN+LMIN
(LMAX - LMIN)
255
X
LMAX e LMIN so valores publicados e especficos de cada
sensor.
Correo Radiomtrica
Remoo do rudo - distrbio na imagem devido a limitaes do
registro, da digitalizao do sinal, ou do processo de gravao dos
dados.
Rudo sistemtico
Rudo aleatrio
Combinao dos dois
mau funcionamento do detector
interferncias eletrnicas entre os componentes do sensor
intermitncias na transmisso dos dados
Objetivo: restaurar a imagem perto da cena original perfeita
Striping - falha sistemtica de um detector
ajustamento de histogramas do sinal dos detectores
Line drop - Falha de uma linha atribuio do valor
mdio do pixel acima e abaixo
Bit errors (salt and pepper) -aleatrios
|valor de um pixel com os seus vizinhos| > limiar
mdia dos valores dos pixels vizinhos, mdias mveis
de janelas 3x3 ou 5x5.
MELHORAMENTO DA IMAGEM
melhora a interpretao visual da imagem
aumentando a distino aparente entre as entidades
da cena pois o olho humano no consegue distinguir
pequenas variaes espectrais
Operao pontual (modifica o valor do pixel
independentemente) vs global (modifica o valor do pixel
em funo dos valores vizinhos)
Aplica-se a uma banda vs vrias bandas
Resultado visvel em cinzentos vs cores
A tcnica apropriada uma ARTE com preferncias pessoais
Manipulao do contraste Manipulao do contraste
limitaes no nvel de cinza
nvel de slicing
extenso do contraste
Manipulao das entidades espaciais Manipulao das entidades espaciais
filtros
melhoria das fronteiras
anlise de Fourier
Manipulao Manipulao multi multi- -imagem imagem
razes e diferenas
componentes principais
componentes cannicas
ndices de vegetao
M
E
L
H
O
R
A
M
E
N
T
O

M
E
L
H
O
R
A
M
E
N
T
O

D
A

I
M
A
G
E
M
D
A

I
M
A
G
E
M
Manipulao do contraste
Manipulao do contraste
Limites ao nvel de cinza
Limites ao nvel de cinza
segmenta a imagem em duas classes
identifica-se o limite para a segmentao (histograma)
classifica-se a imagem em funo do limite
mscara de zeros - reas no desejveis para visualizao
visualizao espectral da rea de interesse
Nvel de
Nvel de
slicing
slicing
DNs so divididos em intervalos de acordo com o critrio do
analista
todos os DNs dentro da mesma classe so visualizados com o
mesmo nvel de cor
resultado similar a um mapa de isolinhas
EXTENSO DO CONTRASTE
EXTENSO DO CONTRASTE
ajustamento dos nveis de cor/cinza gama de DNs significativos
extenso linear
extenso equalizada pelo histograma (em funo da
freqncia de ocorrncia)
extenso com saturao nos extremos (% de valores
extremos
extenso especfica
Contraste de uma imagem e o
intervalo de nveis de cinza
assumidos pelos pontos da
imagem
MANIPULAO DE HISTOGRAMA
Operao ponto a ponto o novo valor
do ponto depende s do valor antigo
deste ponto
Os nveis de cinza de uma imagem no
ocupam toda a faixa de tons de cinza
disponveis os objetos no so bem
discriminados (baixo contraste)
EXEMPLOS DE IMAGENS E
HISTOGRAMAS
Baixo contraste => os nveis de
cinza ocupam um pequeno
intervalo de valores possveis
EXEMPLOS DE IMAGENS E HISTOGRAMAS
Alto contraste => os nveis de
cinza ocupam quase todo o
intervalo de valores possveis
MANIPULAO DE HISTOGRAMA
Mapeiam-se as variaes
dentro do intervalo original de
tons de cinza [0,N-1] da
imagem original para um outro
intervalo desejado [0,M-1]
REALCE DE CONTRASTE: LINEAR
define uma funo de transferncia linear
maior a inclinao da reta versus maior o realce
Raiz quadrada
Reala as reas escuras da imagem
Inclinao da reta decresce dos valores escuros para os claros
Quadrado
Reala as reas claras da imagem
A inclinao da curva aumenta dos valores mais escuros para os
mais claros
Logaritmo
Reala as reas escuras da imagem (intervalo menor do que a raiz
quadrada)
Equalizao de Histograma
O histograma da imagem de sada aproxima-se de um histograma
uniforme
MANIPULAO DAS ENTIDADES ESPACIAIS
MANIPULAO DAS ENTIDADES ESPACIAIS
Filtros espaciais (operaes locais)
Filtros espaciais (operaes locais)
frequncia espacial - variaes espaciais de brilho
reas na imagem de elevada/baixa frequncia espacial - os DNs
variam abruptamente/suavemente
ex: fronteiras, cruzamentos de estradas/campos agrcolas, corpos
de gua
Filtros Low pass
(passa baixa)
Filtros High pass
(passa alta)
Reala as reas de
baixa freqncia
espacial (Ex: grande
rea de monocultura
em terreno plano)
Reala o detalhe das
reas de alta
freqncia espacial
(Ex: limites entre
diferentes tipos de
plantaes, redes
viria e hdrica)
CONVOLUO
CONVOLUO
kernel DNs originais
1/9 1/9 1/9
1/9 1/9 1/9
1/9 1/9 1/9
67 67 72
70 68 71
72 71 72
70
Convoluo: 1/9(67)+ 1/9(67)+ 1/9(72)+ 1/9(70)+
1/9(68)+ 1/9(71)+ 1/9(72)+ 1/9(71)+ 1/9(72) = 70
MELHORIA DAS FRONTEIRAS
MELHORIA DAS FRONTEIRAS
preserva quer o contraste local quer a informao de baixa
freqncia.
Adicionam todo, ou parte, dos valores da imagem original
componente da imagem de alta freqncia
1- produo de uma componente de alta freqncia
2 - adio de toda ou parte da imagem original componente
anterior
EXTRAO DAS FRONTEIRAS
EXTRAO DAS FRONTEIRAS
enfatiza a componente de alta freqncia
MANIPULAO MULTI
MANIPULAO MULTI
-
-
IMAGEM
IMAGEM
Razes espectrais
Razes espectrais
diviso dos valores de DNs de uma banda espectral pelos valores
de outra banda
reduz os efeitos de iluminao
discrimina variaes espectrais sutis
Seleo das bandas: maior varincia da imagem,
correlao entre as bandas e tentativa e erro
Materiais diferentes (com radincias absolutas diferentes) mas com
declives espectrais idnticos surgem similares ---> composio
(hbrida) colorida das razes
razes de DNs vs razes de valores de radincias
evitar divises por zero
razes <1 so arredondadas para valores inteiros (0 ou 1) =>
perda de informao
DN= R arctan ( )
DNx
DNy
DN - nmero digital na imagem razo
R fator de escala que associa os dados razo numa gama de
inteiros apropriada
arctan(DNx/DNy) - ngulo cuja tangente o razo dos DNs nas
bandas X e Y. se Dny =0, este ngulo = 90
ngulo: 0-90 <=> 0-1.571 rad
DN: 0 - 1.571 R. R0162.3 => DN: 0-255
Resposta espectral dos elementos
terrestres; diferentes comprimentos de
onda
CAUSA: caractersticas especficas de de
reflectncia e emitncia
Diferentes combinaes de DNs
Objetivo da classificao: categorizar todos os
pixels da imagem em classes
Objetivo da classificao: categorizar todos os
pixels da imagem em classes
1 2 3 2 8 3 4 5 1 9
2 2 3 4 9 6 4 6 0 8
5 3 5 8 8 5 5 8 1 6
9 3 6 6 9 3 2 9 5 5
9 8 5 6 7 6 5 9 0 6
8 8 6 5 2 9 6 6 2 8
8 8 9 4 3 9 3 5 6 2
7 7 8 7 2 9 6 3 6 9
7 7 7 8 5 5 8 2 0 9
7 6 8 7 5 5 8 2 0 0
1 2 3 2 8 3 4 5 1 9
2 2 3 4 9 6 4 6 0 8
5 3 5 8 8 5 5 8 1 6
9 3 6 6 9 3 2 9 5 5
9 8 5 6 7 6 5 9 0 6
8 8 6 5 2 9 6 6 2 8
8 8 9 4 3 9 3 5 6 2
7 7 8 7 2 9 6 3 6 9
7 7 7 8 5 5 8 2 0 9
7 6 8 7 5 5 8 2 0 0
1 2 3 2 8 3 4 5 1 9
2 2 3 4 9 6 4 6 0 8
5 3 5 8 8 5 5 8 1 6
9 3 6 6 9 3 2 9 5 5
9 8 5 6 7 6 5 9 0 6
8 8 6 5 2 9 6 6 2 8
8 8 9 4 3 9 3 5 6 2
7 7 8 7 2 9 6 3 6 9
7 7 7 8 5 5 8 2 0 9
7 6 8 7 5 5 8 2 0 0
1 2 3 2 8 3 4 5 1 9
2 2 3 4 9 6 4 6 0 8
5 3 5 8 8 5 5 8 1 6
9 3 6 6 9 3 2 9 5 5
9 8 5 6 7 6 5 9 0 6
8 8 6 5 2 9 6 6 2 8
8 8 9 4 3 9 3 5 6 2
7 7 8 7 2 9 6 3 6 9
7 7 7 8 5 5 8 2 0 9
7 6 8 7 5 5 8 2 0 0
Banda 1
Banda 2
Banda 3
Banda 4
URBANO AGUA
FLORESTA AREA
AGRICOLA
Classificao
Classificao
A - RECONHECIMENTO DE PADRES
ESPECTRAIS:
Procedimentos de classificao baseados
na informao espectral de cada pixel
Informao especfica por comprimento
de onda (
i
)
Relao no-unvoca entre informao
espectral e temtica
Rudo na informao espectral
Incerteza na categorizao temtica
B - RECONHECIMENTO DE PADRES ESPACIAIS:
Procedimentos de categorizao dos pixels da imagem
baseados na sua relao espacial com os pixels
vizinhos
Classificadores espaciais: texturas, tamanho, ndices
de proximidade, forma geomtrica, repetio e
contexto
Percepo e interpretao humana
C - RECONHECIMENTO DE PADRES TEMPORAIS:
O tempo fundamental para a identificao e
reconhecimento do tema/caracterstica.
Reconhecimento agrcola: as diferenas espectrais e
espaciais de diferentes culturas s so visveis com
base em informao multi-temporal.
Procedimento organizado e estruturado pelo analista
com base nas ferramentas de anlise sobretudo
espectral
CLASSIFICAO DE DADOS
C1
C2
C3
x=DN
Classificado em C1
(grande incerteza incerteza)
Classificado em C3
(elevada probabilidade probabilidade)
CLASSIFICAO ESPECTRAL NO SUPERVISIONADA:
os dados da imagem so agregados em funo apenas da
sua similaridade espectral;
necessrio determinar o n de clusters espectrais
(automtico ou dados pelo utilizador)
CLASSIFICAO ESPECTRAL SUPERVISIONADA:
o analista especifica informao/descritores numrico sobre
as classes em que se pretende categorizar os dados.
Amostras da realidade - chave para a interpretao da info
espectral
Pixels de treino pixels desconhecidos
CLASSIFICAO ESPECTRAL SUPERVISIONADA
Anlise visual da imagem
Seleo de reas de treino (classes temticas
conhecidas)
Assinatura espectral das reas de treino
Analise estatstica da informao espectral
gua (media = x
1
; varincia = s
1
)
Vegetao 1 (media = y
1
; varincia = z
1
)
Vegetao p (media = y
p
; varincia = z
p
)
Algoritmo(s) de classificao da imagem
Validao do resultado
Imagem do satlite (TM4) Imagem contrastada (TM4)
PREPARAO GRFICA DAS IMAGENS
Contrastes, composies coloridas, razes, ....
SELECO DAS REAS DE TREINAMENTO
SELECO DAS REAS DE TREINAMENTO
Vegetao natural
reas de cultura
agrcola
Solo exposto
ESTRATGIA PARA O PROCESSO DE TREINAMENTO
ESTRATGIA PARA O PROCESSO DE TREINAMENTO
arte e cincia;
relao muito forte entre o analista e a imagem
requer informao de referncia (ground truth)
conhecimento da rea geogrfica
Qualidade da informao de treino qualidade da classificao
Objetivo: concluir um conjunto de estatsticas que
descrevem a resposta espectral tpica do tema
CARACTERSTICAS DAS REAS DE
TREINAMENTO
representativas e completas: devem acomodar a
variabilidade da informao espectral contida na
imagem
ex: floresta (floresta densa, floresta com clareiras)
2 reas de treino
traduzir a nomenclatura da classificao
ex: agricultura (reas de treino que acomodem as
diversas culturas, diferentes condies do solo,
diferentes prticas agrcolas, diferentes condies
topogrficas)
TODAS AS CLASSES ESPECTRAIS QUE CONSTITUEM
CADA CLASSE TEMTICA DEVEM ESTAR
REPRESENTADAS ADEQUADAMENTE NAS ESTATSTICAS
DE TREINO USADAS PARA CLASSIFICAR A IMAGEM
Procedimento prtico:
- visita de campo e registro de reas de treino
(at)
- digitalizao das at na melhor representao
grfica da cena
- extrao das assinaturas espectrais das at
- avaliao (capacidade discriminatria) das at
- deciso sobre aceitao/reformulao da info
estatstica das at.
ASSINATURA ESPECTRAL DOS
ASSINATURA ESPECTRAL DOS
TEMAS SELECIONADOS
TEMAS SELECIONADOS
TM3 TM4
Solo
Vegetao
Agua
Curvas de reflectncia espectral
Vegetao
* *
*
gua
Solo
TM3
TM4
*
*
*
*
*
*
*
*
*
*
*
*
Espao multiespectral
Classes espectrais <=> classes temticas
ALGORITMOS DE CLASSIFICAO DE IMAGEM
ALGORITMOS DE CLASSIFICAO DE IMAGEM
Classificador de Distncia mnima s mdias
clculo das mdias dos pixels das reas de
treino
clculo da distncia do pixel a classificar a
cada valor mdio
seleo da distncia mnima
Insensvel variabilidade do sinal espectral
CLASSIFICADOR DO PARALELEPPEDO
incorpora a variabilidade do sinal espectral
considera uma gama de valores em cada
categoria de treino
o pixel classificado se pertencer
gama/regio de deciso, ou no classificado
se no cair dentro de qualquer regio
problema de regies de deciso sobreposta
problema de variveis com elevada
covarincia
CLASSIFICADOR DE MXIMA VEROSIMILHANA
avalia a varincia e a covarincia da resposta espectral
de cada categoria
assume-se que a nuvem de pontos de cada categoria tem
uma distribuio normal
cada categoria representada por uma funo densidade
de probabilidade
com base nos parmetros vetor das mdias e matriz de
covarincias das diferentes categorias, pode-se calcular a
probabilidade de um pixel pertencer a uma categoria
particular
um pixel pertence a uma categoria quando tem a
probabilidade mais elevada
CLASSIFICADOR BAYESIANO
Aplica 2 fatores de peso para estimar as
probabilidades
a) o utilizador determina probabilidades
priori
b) associado um custo de m-classificao
a cada classe
juntos estes 2 fatores tendem a minimizar o
erro de classificao, resultando teoricamente
numa classificao tima
Na prtica, freqentemente, so usadas iguais
probabilidades de ocorrncia, e iguais custos
AVALIAO DA PRECISO DA CLASSIFICAO
AVALIAO DA PRECISO DA CLASSIFICAO
Imagem Classificada
reas de Teste
URBANO AGUA
FLORESTA AREA
AGRICOLA
ndice de concordncia (0-100%)
ESTRATGIA DE CLASSIFICAO
deciso da nomenclatura
qualidade vs custos do processo completo
segmentao ou estratificao da imagem
thresholds (limiares)
pr-classificao da imagem reas de treino (campo)
reas de treino de teste pr-classificao da imagem
reas de treino (campo) classificao
reas de treino (campo) classificao da imagem
gerir a incerteza
GROUND TRUTH
Correlaciona elementos da superfcie e aspectos locais
familiares com a sua expresso nas imagens de satlite
Fornece informao para o planejamento da anlise,
interpretao e aplicao de dados de deteco remota (e.g.,
identifica marcos, acessos)
Identifica e orienta (reas de treino) as classes num processo
de classificao
Verifica a confiabilidade da classificao (raes de teste)
Fornece estimativas quantitativas para classes de distribuio
(e.g. reas florestais, dimenso de campos agrcolas)
Ground truth simultnea ou temporalmente perto da passagem do satlite
GROUND TRUTH
Dados fsicos para anlise de fenmenos detectados por
sensoriamento remoto (e.g. Qualidade da gua, tipos de
rochas, doenas induzidas por insetos)
Dados auxiliares para modelos interpretativos ou para
integrao em SIG
Conjuntos padres de assinaturas espectrais atravs do
uso de instrumentos ao nvel do solo
Medidas de propriedades espectrais e outras necessrias
para estipular caractersticas e parmetros pertinentes para
o desenho de novos sensores.
AMOSTRAGEM
- Detalhe da classificao:
a) areas residenciais vs comerciais (mapa)
b) floresta (espcies de rvores, classe de tamanho
medies da cobertura da copa das rvores)
- Autocorrelao espacial
a) amostragem aleatria / estratificada (melhor opo)
b) amostragem sistemtica (erro sistemtico)
- Tamanho da amostra:
a) validade estatstica (dist. Normal)
b) consideraes prticas da amostragem (custos)
MAGNI TUDE DO ERRO
Na classificao tradicional, todos os erros tm um peso
idntico
- erros entre classes similares
- erros significativos entre classes diversas
Erro= f (definio da classe)
Realidade contnua vs. fronteiras
(alocao de pixels similares a classes diferentes;
erro na classificao perto das fronteiras)
Anlise crtica da
matriz de confuso
Escala de erro,
mesmo
qualitativa
reas de treino vs. EXTENSO DE ASSINATURAS
H0: Assinatura
espectral idntica para
uma mesma classe de
coberto do solo, qualquer
que seja o local, desde
que se acomode
- posio do Sol
- tipos de solo
- humidade do solo
- etc
Se esta assuno for real, ento um
elemento ou classe desconhecida numa
cena pode ser classificada pela
comparao das suas propriedades
espectrais (DNs para as vrias bandas)
com uma base de dados de valores
standards.
Um "mixed pixel" resulta do facto de rea individuais,
incluindo diferentes elementos ou classes, serem
menores do que a resoluo do sensor.
Pixels
Mistos
A classificao e a avaliao do erro assenta nos pixeis puros
P
r
i
n
c
i
p
a
l

f
o
n
t
e

d
e

e
r
r
o
reas homogneas
Aumentar a resoluo do
ground truth
Modelos matemticos
Grande incerteza