Baixe o app para aproveitar ainda mais
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
Compartilhar