Processamento digital de imagens e geoprocessamento

UNIVERSIDADE FEDERAL RURAL DA AMAZÔNIA
INSTITUTO CIBE ESPACIAL

SENSORIAMENTO REMOTO E GEOPROCESSAMENTO
TERRAAMAZON: PROCESSAMENTO DIGITAL DE IMAGENS II
Elaboração: Equipe de Monitoria LAGAM

Denis Pinheiro da Silva
Marcos Alexandre Lopes Pantoja
Iaci Dandara Santos Brasil
Tamires Raiane Damasceno Ribeiro
Luís Rodolfo Reis Costa
Prof. Orientador: João Almiro Correa Soares
Belém – PA, 2016

PROCESSAMENTO DIGITAL DE IMAGENS E
GEOPROCESSAMENTO
SUMÁRIO
UNIDADE I ........................................................................................................................................ 3
1. FUSÃO DE IMAGENS .......................................................................................................... 3
1.1. TIPOS DE AMOSTRAGEM ........................................................................................................ 3
2. MODELO DE MISTURA ESPECTRAL ............................................................................. 5
3. OPERAÇÕES ARITIMETICAS......................................................................................... 11
3.1. FILTRO ....................................................................................................................................... 13
3.2. CONTRASTE.............................................................................................................................. 15
UNIDADE II ..................................................................................................................................... 16
1. CLASSIFICAÇÃO NÃO-SUPERVISIONADA DE IMAGEM ....................................... 16
2. CLASSIFICAÇÃO SUPERVISIONADA........................................................................... 19
3. PÓS-CLASSIFICAÇÃO ...................................................................................................... 24
4. RASTER TO VECTOR........................................................................................................ 26
REFERÊNCIAS ............................................................................................................................. 30
2
LABORATÓRIO GEOPROCESSAMENTO, ANÁLISE ESPACIAL
E MONITORAMENTO POR SATÉLITE
GEOPROCESSAMENTO
ATENÇÃO!
Para cada processo que for ser executado durante o curso será criado UM NOVO BANCO
DE DADOS, se forma que cada processo fique armazenado em um banco de dados, sendo que
o nome de cada banco de dados será nomeado de acordo com o processo realizado, nesses
nomes NÃO PODERÁ CONTER nem um caractere do tipo ACENTO, PONTO, TRAÇO,
TIO, CÊ-CEDILHA, etc, deverá conter apenas o nome, de preferencias o mais curto possível,
o único caractere possível de ser utilizado é o underline ( _ ). E o diretório de salvamento de
todos será: “C:\00_PDI_IPGC\Banco_dados_IPGC”.
UNIDADE I
1. FUSÃO DE IMAGENS
As técnicas de fusão permitem integrar a maior resolução espacial da banda pancromática à
maior resolução espectral das demais bandas, produzindo imagem colorida que reúne ambas as
características.
No entanto, o método de IHS é um dos mais utilizados, devido a sua eficiência e facilidade de
implementação.
1.1. TIPOS DE AMOSTRAGEM

Tipo de Amostragem
 Interpolação vizinho mais próximo (Near Neighborhood) - atribui um valor ao pixel em análise
na imagem expandida, que é igual ao valor do pixel do vizinho mais próximo da posição estimada
na imagem original. Se o fator de expansão, por exemplo, for duplo, então o método terá como
efeito a duplicação das linhas e das colunas.
 Interpolação bilinear (Bilinear) - atribui um valor ao pixel em análise e não imagem da
expandida, correspondente a uma combinação dos valores de uma vizinhança de 4 elementos (2x2),
onde esses elementos correspondem aos 4 vizinhos mais próximos da posição estimada na imagem
original.
 Interpolação bicubica (Bicubic) - semelhante ao Bilinear, residindo à diferença apenas no
tamanho da janela utilizada. Em vez de 4 vizinhos, este método utiliza 16, sendo também
preenchida com os valores dos vizinhos mais próximos da posição estimada na imagem original.
Na prática...
OBS: Para que operação venha a proceder com sucesso, AMBAS as imagens, a banda de alta
resolução espacial e a imagem multiespectral, têm que estarem convertidas radiometricamente pra 8
bit.
3
GEOPROCESSAMENTO
Para exercita a fusão utilizaremos uma imagem do Landsat 8, código 224_61(orbita_ponto). E

para tal, é necessário fazer a composição colorida desta imagem, para então fusionarmos a banda
Pan cromática do sensor Oli da plataforma Landsat 8, que é a banda 8, com a composição colorida.
Passo 1) Crie o banco de dados e carregue a banda 8 e a composição colorida, que são os arquivos:
Banda 8: LC82270632014207LGN00_B8_8bit
Composição colorida: RGB_654_L8_227_63_2014_8BIT
Ambas estão no diretório
C:\00_PDI_IPGC_SR_3\TerraAmazon\Banco_dados_IPGC_SR_3\UNIDADE_I\00_UnI_BAS
E
Passo 2) Acesse o plugin processamento de imagem
Passo 3) Na barra de menu do display do Plugin clique em Image Processing > Image Processing
> Fusion.
4
GEOPROCESSAMENTO
Passo 4) Configure os campos como na figura abaixo e dê Ok.
Nome da imagem: FUSAO_L8_R6G5B4_227_63_2014
2. MODELO DE MISTURA ESPECTRAL

Na pratica...
Passo 1) No banco de dados utilize a seguinte imagem, que no diretório abaixo:
5
GEOPROCESSAMENTO
Imagem: L8_R6G5B4_232_66_2013
Diretório:
C:\00_PDI_IPGC_SR_3\TerraAmazon\Banco_dados_IPGC_SR_3\UNIDADE_I\00_UnI_BAS
E
Passo 2) Acesse Image Processing > Image Processing > Mixture Model
Passo 3) Configure a janela do seguinte modo:

Input Layer: L8_R6G5B4_232_66_2013
RGB Information: R – 1 – Sensor – Landsat8 – OLI6-SWIR1
G – 2 – Sensor – Landsat8 – OLI5_NIR
B – 3 – Sensor – Landsat8 – OLI4_RED
Components clique em Create.
6
GEOPROCESSAMENTO
OBS: Para aplicar o modelo linear de mistura espectral, deve-se identificar uma amostra de cada
componente (solo, agua/sombra e vegetação).
Passo 4) Primeiro façamos primeiro a fração solo. Configure a janela da seguinte forma:
Point Acquirement:
Component Name – solo
Spectral Signature – From Image
Clique em Get Point para começar a captura do pixel referente ao componente em questão. E
quando capturar clique em Save Component.
7
GEOPROCESSAMENTO
OBS: É muito importante que este pixel seja o mais representativo do componente e isso é
percebido o valor do pixel da banda solo (banda 1) é o maior valor dentre os outros, como na tabela
na figura abaixo:
Repita o mesmo procedimento para as frações água/sombra e vegetação.
Vegetação
8
GEOPROCESSAMENTO
Água/Sombra
Passo 5) Clique em Next
Passo 6) Configure deste jeito os parâmetros da janela:

Output Parameters
Layer Name – MODELO_MISTURA
Estimator – Princo
Options
Click – Rescale
Workspace
Click – All Image
E por fim clique em ok para executar o processo.
9
GEOPROCESSAMENTO
Passo 7) Clique em Yes para visualizar o resultado
Passo 8) Observe os resultados
10
GEOPROCESSAMENTO
Fração Água Fração Vegetação Fração Solo
Passo 9) Exporte todas as frações com seus respectivos nomes

FRACAO_AGUA
FRACAO_SOLO
FRACAO_VEGETACAO
Para o diretório:
C:\00_PDI_IPGC_SR_3\TerraAmazon\Banco_dados_IPGC_SR_3\UNIDADE_I\2_MODELO
_MISTURA
3. OPERAÇÕES ARITIMETICAS
Esta função permite a divisão entre a imagem fração solo com a imagem fração vegetação, a
partir da utilização de intervalos de ganho e offsset como referência. Para a obtenção de uma
imagem fração que melhor evidencia áreas de exploração seletiva dentro da floresta.
Na Pratica....
Passo 1) No novo banco de dados carregue as frações de solo e vegetação.
Passo 2) Entre no plugin de PDI e acesse Image Processing > Image Processing > Arithmetic
Operation
Passo 3) Configure os parâmetros:

Em Input Rasters > Layers > selecionar Fração solo e vegetacao
Operation Parameters: Gain * (R0 / R1) + Offset
Params: GAIN: 90
11
GEOPROCESSAMENTO
Offset: 50
Output parameters: Selecionar Generate Layer
Layer name: FRACAO_SOLO_VEGETACAO
Clique em OK
Clique em YES
Passo 4) Resultado da operação
12
GEOPROCESSAMENTO
3.1. FILTRO
Nesta operação utilizaremos o mesmo banco de dados e a mesma imagem.
Na pratica...
Passo 1) Entre no plugin de PDI e acesse Image Processing > Image Processing > Filters
Passo 2) Selecione a imagem gerada anteriormente FRACAO_SOLO_VEGETACAO e configure

a janela do algoritmo como na figura abaixo e clique em ok.
Em Layer name: SOBEL_FRAC_SOL_VEGT
13
GEOPROCESSAMENTO
Passo 3) Visualize o resultado da operação
14
GEOPROCESSAMENTO
3.2. CONTRASTE
Agora contraste a imagem para melhoras a visualização dos alvos na imagem.
Na pratica...
Passo 1) Entre no plugin de PDI e acesse o caminho Image Processing > Image Processing >
Contrast
Passo 2) Salve o contraste em um outro plano de informação clicando no botão . O nome desta
nova imagem será CONTRAST_SOBEL_FRAC_SV.
15
GEOPROCESSAMENTO
Passo 3) O resultado será o encontrado abaixo.
Agora exporte a imagem gerada, com o mesmo nome do tema. Para o diretório:
C:\00_PDI_IPGC_SR_3\Banco_dados_IPGC_SR_3\UNIDADE_I\3_OPERACAO_ARITIME
TICA
UNIDADE II
1. CLASSIFICAÇÃO NÃO-SUPERVISIONADA DE IMAGEM
Classificação é o processo de extração de informação em imagens para reconhecer padrões e
16
GEOPROCESSAMENTO
objetos homogêneos.
Os métodos de classificação são usados para mapear áreas da superfície terrestre que
apresentam um mesmo significado em imagens digitais.
A informação espectral de uma cena pode ser representada por uma imagem espectral, onde
cada "pixel" tem as coordenadas espaciais x, y e a coordenada espectral L, que representa a
radiância de um alvo no intervalo de comprimento de onda de uma banda espectral. Cada "pixel" de
uma banda possui uma correspondência espacial com outro "pixel", em todas as outras bandas, ou
seja para uma imagem de K bandas, existem K níveis de cinza associados à cada "pixel", sendo um
para cada banda espectral.
Na pratica...
Passo 1) Carregue o a imagem L8_R6G5B4_REC_227_63_2014, que está no diretório:
C:\00_PDI_IPGC_SR_3\Banco_dados_IPGC_SR_3\UNIDADE_II\00_UnI_BASE
Passo 2) Entre no plugin de PDI. Selecione no menu principal Image Processing > Image
Processing > Classification
Passo 3) Em Parâmetros de Entrada selecione o Método K-Media e o plano da imagem.
Passo 4) Em Parâmetros dos Métodos digite no campo Número de classe o valor 3 (é o número de
alvos distintos identificadas, como vegetação, solo exposto e água) e no campo Número de Iteração
o valor 1 (número de vezes que o processo será repetido).
17
GEOPROCESSAMENTO
Passo 5) Em Parâmetros de Saída definir se o Plano será armazenado no banco de dados corrente
(Gerar Plano: Armazena o plano criado no banco de dados, e a imagem resultante será apresentada
na árvore de Vistas/Temas) ou ainda podendo a imagem resultante ser armazenada em disco. (Gerar
Arquivo Tiff: selecione um diretório para o armazenamento em disco).
Passo 6) Digite o nome Class_KMeans_L8_R6G5B4_REC_227_63_2014 para a imagem

resultante que será gerada.
Passo 7) Clique no botão OK para executar funcionalidade.
Passo 8) Esse é o resultado da classificação
18
GEOPROCESSAMENTO
2. CLASSIFICAÇÃO SUPERVISIONADA
Na pratica...
Passo 1) Importe a imagem a ser selecionada e vá pra o plugin PDI. Carregue o a imagem
L8_R6G5B4_REC_227_63_2014, que está no diretório:
C:\00_PDI_IPGC_SR_3\Banco_dados_IPGC_SR_3\UNIDADE_II\00_UnI_BASE
Passo 2) Na tela do display acesse Image Processing > Image Processing > Supervisied
Classification.
19
GEOPROCESSAMENTO
Passo 3) Selecione as 3 bandas e passe elas para o campo direito por meio do botão da seta destaca
da na figura e as bandas passarão para o campo direito. Agora selecione Samples Acquisition, para
iniciar a amostragem de pixes na imagem.
Passo 4) Selecione a opção Create New Samples e clique em Next.
20
GEOPROCESSAMENTO
Passo 5) Então, de o nome da classe (água, solo, vegetação densa, vegetação secundária), de a cor
para a classe e clique em criar. Esses passos se repetem para todas as classes que se deseja criar.
Assim que finalizar clique em Next.
21
GEOPROCESSAMENTO
Passo 6) Selecione a classe que deseja amostrar e selecione o modo de captura dos pixels, se em
polígono ou retângulo
Passo 7) Cada amostragem será uma linha na tabela. E quando acabar de fazer a amostragem de
uma classe você avança para outra classe até que todas as classes tenham sido amostradas.
Quando acabar de amostrar todas as classes clique em ok.
Passo 8) Clique sobre o botão Classification
22
GEOPROCESSAMENTO
Passo 9) Antes de rodar o algoritmo de classificação dê o nome class_227_63_2014 e faça a análise

das amostras de pixes, onde será mostrado a matriz de confusão entre as classes.
Passo 10) Matriz de confusão
23
GEOPROCESSAMENTO
Passo 11) Clique em Ok para rodar o algoritmo de classificação
Passo 12) Este é o resultado da classificação
3. PÓS-CLASSIFICAÇÃO
OBS: Nesta lição não será necessário criar outro banco de dado, já que é uma continuação da lição
anterior.
Na pratica...
Passo 1) Deixe selecionado o tema em que está a imagem temática e clique no botão Post
24
GEOPROCESSAMENTO
Classification
Passo 2) Coloque o nome pos_class_227_63_2014. Weight (peso) e Threshold (limiar) são valores
que são testados para suavizar a granulação na imagem resultante.
Passo 3) Resultado do pos-classificação
25
GEOPROCESSAMENTO
Exporte com o mesmo nome do tema e para o diretório:

C:\00_PDI_IPGC_SR_3\Banco_dados_IPGC_SR_3\UNIDADE_II\2_CLASS_SUPERVISION
4. RASTER TO VECTOR
Na pratica...
Passo 1) Acesse Image processing > Image processing > Raster to vector
Passo 2) Coloque o nome vetor_pos_class_227_63_2014 e clique em ok.

26
GEOPROCESSAMENTO
Passo 3) Resultado da vetorização
Passo 4) Clique com o botão direito do mouse em cima do tema do vetor criado e selecione a opção
Create Layer from Theme...
27
GEOPROCESSAMENTO
Passo 5) Coloque o nome vetor_pos_class, configure a janela como a figura abaixo e clique em ok.
Clique em Yes.
Passo 6) Clique em Export Theme...
28
GEOPROCESSAMENTO
Passo 7) Dê o nome vetor_pos_class para o arquivo de saída, no botão file selecione este
diretório:
C:\00_PDI_IPGC_SR_3\TerraAmazon\Banco_dados_IPGC_SR_3\UNIDADE_II\2_CLASS_
SUPERVISION
E clique em Salvar.
Configure a janela como está abaixo e clique em ok.
29
GEOPROCESSAMENTO
E o vetor foi exportado com sucesso.
Saindo do TerraAmazon
Para terminar uma seção de uso do TerraAmazon clique no menu Arquivo > Sair, a interface
pedirá uma confirmação e o programa será finalizado. O estado do seu banco de dados será
preservado: seus Planos, Vistas e Temas e as seleções que você tiver executado. Não é necessário
executar nenhum procedimento adicional.
REFERÊNCIAS
http://terraamazon.org/index.php/pt
Leonam. Processamento digital de imagens – PDI – 01 procedimentos práticos para
processamento de imagens. Belém, PA. 2015.
30

Processamento digital de imagens e geoprocessamento

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Processamento digital de imagens e geoprocessamento

Caricato da

Copyright:

Formati disponibili

UNIVERSIDADE FEDERAL RURAL DA AMAZÔNIA

INSTITUTO CIBE ESPACIAL

TERRAAMAZON: PROCESSAMENTO DIGITAL DE IMAGENS II

Elaboração: Equipe de Monitoria LAGAM

Prof. Orientador: João Almiro Correa Soares

Belém – PA, 2016

1.1. TIPOS DE AMOSTRAGEM

Para exercita a fusão utilizaremos uma imagem do Landsat 8, código 224_61(orbita_ponto). E

Passo 4) Configure os campos como na figura abaixo e dê Ok.

Nome da imagem: FUSAO_L8_R6G5B4_227_63_2014

2. MODELO DE MISTURA ESPECTRAL

Passo 3) Configure a janela do seguinte modo:

Repita o mesmo procedimento para as frações água/sombra e vegetação.

Passo 5) Clique em Next

Passo 6) Configure deste jeito os parâmetros da janela:

Passo 7) Clique em Yes para visualizar o resultado

Passo 8) Observe os resultados

Fração Água Fração Vegetação Fração Solo

Passo 9) Exporte todas as frações com seus respectivos nomes

Passo 3) Configure os parâmetros:

Passo 4) Resultado da operação

Passo 2) Selecione a imagem gerada anteriormente FRACAO_SOLO_VEGETACAO e configure

Passo 3) Visualize o resultado da operação

Passo 3) O resultado será o encontrado abaixo.

Passo 3) Em Parâmetros de Entrada selecione o Método K-Media e o plano da imagem.

Passo 6) Digite o nome Class_KMeans_L8_R6G5B4_REC_227_63_2014 para a imagem

Passo 7) Clique no botão OK para executar funcionalidade.

Passo 8) Esse é o resultado da classificação

Passo 4) Selecione a opção Create New Samples e clique em Next.

Assim que finalizar clique em Next.

Quando acabar de amostrar todas as classes clique em ok.

Passo 8) Clique sobre o botão Classification

Passo 9) Antes de rodar o algoritmo de classificação dê o nome class_227_63_2014 e faça a análise

Passo 10) Matriz de confusão

Passo 11) Clique em Ok para rodar o algoritmo de classificação

Passo 12) Este é o resultado da classificação

Passo 3) Resultado do pos-classificação

Exporte com o mesmo nome do tema e para o diretório:

Passo 2) Coloque o nome vetor_pos_class_227_63_2014 e clique em ok.

Passo 3) Resultado da vetorização

Passo 6) Clique em Export Theme...

Configure a janela como está abaixo e clique em ok.

E o vetor foi exportado com sucesso.

Potrebbero piacerti anche