Segmentação de Imagens de Satélite

Prévia do material em texto

SEGMENTAÇÃO DE 
IMAGENS DE SATÉLITE 
PROCESSAMENTO DE IMAGENS DIGITAIS 
As imagens obtidas por sensores 
remotos, registram a energia proveniente 
dos objetos da superfi ́cie observada; 
 
A interpretac ̧a ̃o de dados de SR via 
computador e ́ chamada ana ́lise 
quantitativa, em func ̧a ̃o de sua 
habilidade em identificar pixels (GALO, 
2009). 
 
 2 
A segmentação de imagens consiste num 
processo de agrupamento de pixels que 
possuem características semelhantes. 
 
Busca-se agrupar, utilizando algum método, 
os pixels com mesma propriedade, isto é, 
mesma intensidade, cor ou região com textura 
semelhante. 
 
SEGMENTAÇÃO DE IMAGENS 
A segmentação subdivide a imagem em suas 
partes ou objetos constituintes. A escala na 
qual essa subdivisão deve ser realizada, 
depende do problema a ser resolvido. Ou seja, 
a segmentação deve finalizar quando os 
objetos de interesse na aplicação, tiverem 
sido isolados (GONZALEZ;WOODS, 2010). 
 
SEGMENTAÇÃO DE IMAGENS 
Classificação 
Segmentação 
Descrição de regiões 
Regiões 
Imagem Imagem 
SEGMENTAÇÃO CLASSIFICAÇÃO 
A segmentação está mais relacionada a 
análise de imagem do que ao processamento 
de imagem. 
 
A segmentação pode se dar de forma manual 
ou automática. 
 
 
 
 
 
 
SEGMENTAÇÃO DE IMAGENS 
 
Segmentação manual: as regiões homogêneas 
são determinadas, manualmente. Os 
polígonos de cada reião são selecionados por 
interpretação visual da imagem. 
 
Dispendiosa. 
Varia conforme a subjetividade de cada 
fotointérprete. 
SEGMENTAÇÃO DE IMAGENS 
 
Segmentação Automática: O processamento 
das imagens é feito utilizando um algoritmo 
de segmentação que, ao definir regiões 
homogêneas na imagem, prepara-a para uma 
classificação posterior com base nessas 
regiões e não com base em valores 
individuais dos pixels. 
SEGMENTAÇÃO DE IMAGENS 
 
Segmentação Automática: O processamento 
das imagens é feito utilizando um algoritmo 
de segmentação que, ao definir regiões 
homogêneas na imagem, prepara-a para uma 
classificação posterior com base nessas 
regiões e não com base em valores 
individuais dos pixels. 
SEGMENTAÇÃO DE IMAGENS 
 
Segmentação Automática: 
Considera o contexto (região) em que se 
encontra inserido o pixel a ser agrupado, é 
não somente os valores espectrais dos pixels. 
 
Se distingue dos processos de classificação 
realizados pixel a pixel 
SEGMENTAÇÃO DE IMAGENS 
 
Segmentação Automática: 
Menos dispendiosa que a anterior 
Mais precisa que a segmentação manual. 
 
Ela surgiu com o advento sensores de alta 
resolução espacial, que produzem imagens 
onde os objetos podem ser identificados 
individualmente. 
SEGMENTAÇÃO DE IMAGENS 
Os seres humanos reconhecem regiões de maneira 
instantânea, utilizando sua totalidade, vizinhança e 
profundidade. 
SEGMENTAÇÃO DE IMAGENS 
Podem ser Globais ou Locais 
 Segmentação Global - analisa a variação dos 
valores digitais presentes em toda a imagem 
buscando formar agrupamentos. 
 
 Utiliza a hipótese que os objetos na imagem 
aparecem de forma uniforme em termos de 
cor. 
ALGORITMOS DE SEGMENTAÇÃO 
Segmentação Global 
 
Métodos de: 
 Limiarização 
 Agrupamento 
 
ALGORITMOS DE SEGMENTAÇÃO 
Segmentação Global 
 
Thresholding (limiarização) 
Parte-se da hipótese de que existem dois 
grupos de pixels na imagem: ◦ claros e escuros 
◦ FUNDO e OBJETO Para separar estes grupos 
é analisado o histograma da imagem. É 
assumido que o histograma é bimodal. A 
ideia é identificar automaticamente o valor 
ótimo para separar estes dois grupos. 
ALGORITMOS DE SEGMENTAÇÃO 
 Segmentação Global 
 
Agrupamento (Clustering) 
Agrupamento 
 O método consiste em identificar nos dados grupos de 
pixels similares. 
 Cada grupo é descrito por seu vetor de médias. Estas 
médias são a princípio desconhecidas e devem ser 
achadas. 
 As médias devem ser tais que: ◦ Os pixels de um mesmo 
grupos sejam similares entre sí; ◦ Pixels de grupos 
diferentes sejam diferentes; ◦ Geralmente não se conhece 
a priori o número de clusters que existem na imagem. 
ALGORITMOS DE SEGMENTAÇÃO 
Segmentação local 
Geralmente utiliza a análise de 
descontinuidade ou similaridade de valores 
digitais. 
ALGORITMOS DE SEGMENTAÇÃO 
Segmentação local 
• Descontinuidade: a abordagem é dividir a 
imagem baseando-se em mudanças bruscas 
dos valores digitais. 
• Similaridade: pixels adjacentes com 
propriedades similares são agrupados para 
formar regiões uniformes. Exemplo: 
crescimento de regiões e divisão e fusão de 
regiões. 
ALGORITMOS DE SEGMENTAÇÃO 
Segmentação local 
Conectividade: 
Dois pixels estão conectados se eles 
satisfazem uma relação de adjacência e seus 
valores digitais satisfazem a um dado critério 
de similaridade. 
ALGORITMOS DE SEGMENTAÇÃO 
Segmentação local 
Crescimento de regio ̃es por agregac ̧a ̃o de 
pixels (agrupa os pixels ou sub-regio ̃es em 
regio ̃es maiores) 
ALGORITMOS DE SEGMENTAÇÃO 
Segmentação local 
1. Para iniciar o crescimento de regiões são 
necessários pixels semente. 
2. A cada iteração, os pixels vizinhos à região 
são analisados. Se forem similares à região, 
então são anexados. 
3. Para anexar novos pixels na fronteira da 
região é necessário definir um critério de 
similaridade. Por exemplo, distância Euclidiana 
entre o pixel semente e o pixel novo. 
ALGORITMOS DE SEGMENTAÇÃO 
Segmentação local 
 
Divisa ̃o e fusa ̃o de regio ̃es (subdivide a 
imagem em um conjunto de regio ̃es arbitra ́rias 
e disjuntas, e enta ̃o realizar a divisa ̃o e/ou 
fusa ̃o das regio ̃es) 
ALGORITMOS DE SEGMENTAÇÃO 
Segmentação local 
Neste caso se parte da imagem como uma grande 
região única. 
1. Em cada iteração e se avalia se a(s) região(ões) 
é uniforme. Caso não seja uniforme, divide-se a 
região em 4 quadrantes e se repete a análise 
efetuando a divisão progressiva da imagem em 
quadrados cada vez menores. 
2. Como a divisão é progressiva, sua evolução 
pode ser representada por uma árvore 
quaternária (quadtree) 
3. Importante: definir critério de uniformidade. 
ALGORITMOS DE SEGMENTAÇÃO 
FLSA 
 O FLSA foi proposto por Robbinson; Redding; Crisp (2002); 
 
 É um meio altamente eficiente para encontrar o limite de 
segmentação com as melhores partições da imagem em 
regiões homogê neas; 
 
 Deteção de bordas, divisão e fusão de regiões. 
39 
SEGMENTAÇÃO 
ccc σ.W=H
Técnica de Segmentação 
FNEA -”Fractal Net Evolution Approach” 
Heterogeneidade no Domínio Espectral 
Hc – heterogeneidade de cor; 
Wc – pesos; 
c – desvio padrão médio dos valores espectrais. 
Como a heterogeneidade espectral pode resultar em regiões 
com contornos muito irregulares, deve-se considerar a 
heterogeneidade no domínio espacial 
 ccc WH .
Heterogeneidade no Domínio Espacial 
N
L
Hfc 
B
L
Hfs 
compacidade 
suavidade 
Hf – heterogeneidade de forma (compacidade e suavidade); 
N – número total de “pixels” que compõe o segmento; 
B – curvatura - número de “pixels” de borda onde ocorre mudança de direção; 
L – comprimento da borda - número total de “pixels” de borda. 
fH
fc w).H(1w.Hf - 
Descritor dos Segmentos – Valor Médio 
Fusão 
SEGMENTAÇÃO 
f – fusão entre a heterogeneidade Hc e Hf; 
w – peso para a cor (contra a forma). 
CL –valor médio na banda L; 
N – número de “pixels” que formam o objeto; 
CLi–valor do “pixel” i na banda L. 
Após a segmentação estar finalizada as regiões são discriminadas 
em função de descritores espaciais e espectrais 



n
i
LiL
C
n
C
1
1
Atualmente há maior demanda e acessibilidade às imagens orbitais 
de alta resolução, o que subsidia o desenvolvimento de novas 
metodologias e técnicas para a análise que ultrapassassem o nível de 
abstração do pixel, nesse sentido é que surgiu a GEOBIA (Análisede Imagens Baseada em Objetos Geográficos) que possibilita grande 
integração entre Sensoriamento Remoto e Sistemas de informação 
Geográfica, levando em consideração o contexto espacial e 
características de textura além de informações espectrais. 
 
A GEOBIA é responsável por realizar a segmentação da 
imagem, a transforma em objetos geográficos, com os 
descritores espaciais, espectrais e de textura em formato vetorial 
com a possibilidade de exportação deste banco de dados para 
SIG. 
A segmentação de imagens por meio da GEOBIA é a etapa 
essencial para problemas de reconhecimento de padrões e 
análise da superfície terrestre, uma vez que considera além das 
características espectrais da imagem, a textura e as formas. 
ANÁLISE DE IMAGENS ORIENTADA A 
OBJETOS GEOGRÁFICOS (GEOBIA) 
 A GEOBIA utiliza dos dados do SR e gera um banco de 
dados relacional para SIGs. (BLASCHKE; LANG; HAY, 
2008). 
 
46 
ANÁLISE DE IMAGENS ORIENTADA A 
OBJETOS GEOGRÁFICOS (GEOBIA) 
 Prepara as imagens de satélite para uma futura 
classificação temática; 
 
 Gera saídas com descritores espaciais, 
espectrais e de textura; 
 
 A quantidade destes descritores gerados na 
segmentação 
 
 
 
 
 
 
47