Apostila - Envi - Processamento Digital

PROCESSAMENTO DIGITAL BÁSICO DE IMAGENS DE SENSORES

REMOTOS ÓPTICOS PARA USO EM MAPEAMENTO GEOLÓGICO

Programa ENVI@

TUTORIAL

DISERE/2005

Mônica Mazzini Perrotta DISERE

[email protected]

Processamento digital básico de imagens de sensores remotos ópticos para uso em mapeamento geológico

ÍNDICE I. PRÉ - PROCESSAMENTO E VISUALIZAÇÃO DE IMAGENS 1

Preliminares 2 1. Abrir imagens 2 2. Visualizar as imagens 2 3. Criar uma imagem no formato ENVI com todas as bandas

de cada cena escolhendo-se a resolução e a projeção desejada 2 4. Fechar as bandas que não serão mais utilizadas 3 5. Mosaico de imagens 3 6. Recorte da imagem na área de interesse 6 7. Edição do cabeçalho da imagem 7 8. Estatísticas da imagem: Histogramas 8

8.1. Histogramas Gráficos 9 8.2 Histogramas Textuais 9

9. Correção Atmosférica 11 9.1. Com base em corpos d’água ou sombras absolutas 12 9.2. Método da quebra do histograma 15 9.3. Aplicação da correção atmosférica 16

10. Preparação da banda pancromática do LANDSAT com resolução de 14,25 m 18

II. REALCES NO DOMÍNIO ESPECTRAL 19

11. Ampliações de contraste 19 12. Composições coloridas 20 13. Bibliotecas Espectrais 21

13.1. Visualização de bibliotecas espectrais 21 13.2. Reamostragem de bibliotecas espectrais 21

14. Razão de bandas 23 15. Transformações do tipo IHS 25 16. Realce por decorrelação 28 17. Realce por saturação 29 18. Contraste Fotográfico 29 19. Análise de Principais Componentes (APC) 29 20. Geração de imagem ASTER semelhante à

pancromática LANDSAT, de resolução espacial de 15 m 32

_______________________________________________________________________________ DISERE

i

Divisão de Sensoriamento Remoto


III. REALCES NO DOMÍNIO ESPACIAL 35

21. Filtros 35 21.1. Filtragens de suavização 35 21.2. Filtragens de realce de bordas 36 21.3. Filtragens direcionais 36

22. Incremento na resolução dos produtos coloridos através da fusão com bandas de maior resolução 36 22.1. Escolha da composição colorida e sua filtragem

através de filtro laplaciano, com adição de 90 % da banda original, para aumento da definição da imagem 36

22.2. Fusão de imagens 37 23. Modelagem Topográfica – Sombreamento de relevo 38 24. Visualização 3D 39 25. Algumas sugestões de referências bibliográficas para consulta 40

_______________________________________________________________________________ DISERE

ii



PROCESSAMENTO DIGITAL BÁSICO DE IMAGENS DE SENSORES REMOTOS ÓPTICOS PARA USO EM MAPEAMENTO GEOLÓGICO

Programa ENVI@

I. PRÉ - PROCESSAMENTO E VISUALIZAÇÃO DE IMAGENS

Neste manual serão utilizadas, a título de exemplo, uma cena LANDSAT ETM+ obtida gratuitamente através do Global Land Cover Facility (http://glcfapp.umiacs.umd.edu/index.shtml) e duas cenas ASTER dentro da mesma área, mas os procedimentos aqui descritos podem ser adaptados para qualquer tipo de imagem de sensor óptico disponível.

O roteiro pode ser seguido, acompanhando-se as sugestões sublinhadas, com as imagens fornecidas para treinamento que se encontram no diretório \DADOS_PROCESSAMENTO DIGITAL nos seguintes subdiretórios: LANDSAT:

Conjunto de bandas do visível, infravermelho próximo e infravermelho de ondas curtas num arquivo compactado (LANDSAT.zip): p222r68_7t20010625_nn1.tif

p222r68_7t20010625_nn2.tif p222r68_7t20010625_nn3.tif p222r68_7t20010625_nn4.tif p222r68_7t20010625_nn5.tif p222r68_7t20010625_nn7.tif

Banda pancromática: p222r68_7p20010625_nn8.tif ASTER:

Duas imagens com resolução espacial de 30 m e espectral de 9 bandas já preparadas para este treinamento (vide “Guia de referência rápida - PRÉ-PROCESSAMENTO DE IMAGENS DO SENSOR ASTER NO SOFTWARE ENVI”): Aster_norte.img

Aster_sul.img Uma imagem da área de trabalho com resolução espacial de 15 m e espectral de 3 bandas (VNIR): Aster_VNIR_estudo.img

DEM: Modelo digital de terreno SRTM (Shuttle Radar Topographic Mission) da área de estudo: DEM_estudo.img

Alternativo: Uma imagem Aster com 3 bandas para uso no exercício 24: Aster_alternativo_423.img Modelo digital de terreno SRTM (Shuttle Radar Topographic Mission) para uso no exercício 24: DEM_alternativo.img

Utilitários: Planilha para cálculo do Optimum Index Factor: calcula_OIF.xls Arquivos com tabelas constando o nome das imagens de entrada e as geradas para acom- panhamento deste tutorial: LANDSAT_geradas.pdf ASTER_geradas.pdf

_______________________________________________________________________________ DISERE

1



Preliminares No ENVI: File > Preferences > Default directories > Selecionar como

diretórios de dados e de saída (data directory e output directory) o diretório de trabalho. Salvar a nova configuração.

Atenção: Ao final de cada sessão de trabalho para na próxima seção retomar de onde parou > File > Save Session to Script > escolher um nome para a sessão. No início de uma nova sessão > File > Restore Startup Script.

1. Abrir imagens File > Open image file> Input file escolher as cenas a serem trabalhadas:

(diretório LANDSAT: p222r68_7t20010625_nn1.tif, p222r68_7t20010625_nn2.tif, p222r68_7t20010625_nn3.tif, p222r68_7t20010625_nn4.tif, p222r68_7t20010625_nn5.tif, p222r68_7t20010625_nn7.tif) > ok

Observação: As cenas, obtidas através de várias fontes, podem ter vários formatos. O ENVI pode abrir vários formatos de arquivo, explore o menu File > Open External File, e encontre, se necessário o melhor caminho para abrir suas cenas.

2. Visualizar as imagens Available bands list > gray scale (escolher as várias bandas uma de cada

vez). São abertas 3 janelas de display: Scroll, onde se visualiza toda a imagem; Image, onde se visualiza a área delimitada na janela Scroll com um retângulo vermelho; Zoom, onde se visualiza a área delimitada na janela Image com um retângulo vermelho.

Available bands list > RGB (escolher vários tripletes de bandas). Se a caixa de diálogo Available Bands List estiver fechada para acessá-la:

Menu Window > Available Bands List. Observar e experimentar outras opções do Menu Window.

3. Criar uma imagem no formato ENVI com todas as bandas de cada cena escolhendo-se a resolução e a projeção desejada

Observações: a. É comum que as bandas de uma mesma cena venham em arquivos separados (como por

exemplo as imagens LANDSAT obtidas no Global Land Cover Facility), sendo bastante conveniente para o processamento que elas estejam no mesmo arquivo, facilitando cortes de áreas de interesse, mosaicos, etc.

b. No caso de imagens do sensor ASTER as bandas vêm num arquivo único, mas com diferentes resoluções espaciais, que devem ser reamostradas, para que o processamento digital envolva todas as bandas desejadas. Refira-se ao manual “Pré-processamento de imagens do sensor ASTER no software ENVI”, para maiores explicações.

c. A escolha da resolução depende da imagem original e da escala de trabalho. d. Normalmente as imagens já vêm georreferenciadas, no sistema UTM de projeção, e datum

de referência WGS-84. Mantenha este sistema e datum para compatibilização com o mosaico Geocover 2000. Refira-se ao manual “Registro de imagens com relação ao Mosaico Geocover 2000”.

e. Procure definir uma extensão de sua preferência (img, dat, etc) para as imagens geradas no ENVI (como default elas não tem extensão, apenas o arquivo de cabeçalho da imagem, é gerado automaticamente com a extensão .hdr).

_______________________________________________________________________________ DISERE

2



Basic tools > layer stacking > Import files > Input file (todas as bandas carregadas no item 1) > Reorder Files (para colocar as bandas na ordem correta de numeração) > na janela Reorder files, com o botão da esquerda do mouse pressionado arraste a banda para a posição desejada > Na projeção de saída, aceitar UTM, o datum WGS84, a zona e corrija o hemisfério, se necessário > No tamanho do pixel de saída aceite 28,5 m ou digite a resolução desejada > Output file escolher um nome de saída (landsat.img) (Figura 1).

4. Fechar as bandas que não serão mais utilizadas Na caixa de diálogo Available bands list > clicar no título da banda a ser

fechada, com o botão da direita do mouse > close selected file.

Figura 1

5. Mosaico de imagens Observação: O mosaico de várias cenas que compõem a área de trabalho dá bons resultados quando as cenas mosaicadas são de mesma data e órbita, caso contrário variações nas condições climáticas podem gerar imagens com características espectrais diversas e mosaicos

_______________________________________________________________________________ DISERE

3



heterogêneos, com alteração dos dados espectrais originais. Neste caso, para melhores resultados na interpretação, o processamento de cada cena deve ser feito independentemente.

File > Open file > Input file escolher as cenas adjacentes a serem trabalhadas (Aster_norte.img, Aster_sul.img)

Basic tools > Mosaicking > Georeferenced > Na caixa de diálogo Map Based Mosaic > Import > Import Files and edit properties > Na caixa Mosaic Input Files > selecionar as imagens a serem mosaicadas (Aster_norte.img, Aster_sul.img) > ok

Figura 2

Na caixa de edição das imagens de entrada (figura 2): em Data Value to Ignore > Preencha com 0, caso as imagens a serem mosaicadas tenham uma área de contorno sem dados. em Feathering Distance > Escolha uma quantidade de pixels (~20) que serão misturados entre as duas imagens, esta opção deve ser usada principalmente quando o mosaico inclui imagens de órbitas adjacentes, ou de mesma órbita mas de datas distintas.

em Mosaic Display escolha gray scale ou RGB pressionando o botão , escolhendo em seguida as bandas que deseja visualizar. em Color balancing: -escolha No para cenas de mesma órbita e data.

-escolha Fixed para a cena que não será balanceada -escolha Adjust para as cenas que serão balanceadas com base no histograma da cena fixada.

Na janela do mosaico, pressionando-se o botão da direita do mouse sobre o título da imagem pode-se reposicioná-la (procurar manter acima a cena de melhor qualidade), removê-la ou reeditar os parâmetros de entrada (figura 3).

_______________________________________________________________________________ DISERE

4



Ainda na janela do mosaico, em File > Apply > preencher os parâmetros da caixa de diálogo Mosaic Parameters (figura 4). Caso em color balance tenha-se optado por fix e adjust, esta caixa terá na sua porção inferior a opção Color Balance using, em que se pode escolher entre stats from overlapping regions ou stats from complete file, pressionando-se o botão (figuras 5 e 6) > Output file escolher um nome de saída (Aster.img).

Figura 3

_______________________________________________________________________________ DISERE

5 Figura 4



Figura 5

Figura 6

6. Recorte da imagem na área de interesse Basic tools > Resize Data (Spatial/Spectral) > Na caixa de diálogo Resize

Data Input file > escolha a imagem que vai ser cortada e pressione o botão spatial subset > Na caixa de diálogo Select Spatial Subset em Subset Using pressione Map > defina as coordenadas (podem ser em utm ou geográficas,

para optar entre elas clique no botão ). Observe que devem ser estabelecidas as coordenadas do canto superior esquerdo e canto inferior direito (figura 7) > ok > ok > Na caixa de diálogo Resize Data Parameters em Enter Output Filename defina um nome para a imagem cortada (Aster_estudo.img) > ok (Na Figura 7 estão preenchidas as coordenadas utilizadas para a produção da imagem Aster_estudo.img).

Figura 7

Para cortar a imagem LANDSAT na mesma área experimente o seguinte procedimento:

_______________________________________________________________________________ DISERE

6



Basic tools > Resize Data (Spatial/Spectral) > Na caixa de diálogo Resize Data Input file > escolha a imagem LANDSAT.img > pressione o botão spatial subset > Na caixa de diálogo Select Spatial Subset em Subset Using pressione File > Na caixa de diálogo Subset by file input file selecione a imagem Aster_estudo.img > ok > ok > ok > Na caixa de diálogo Resize Data Parameters em Enter Output Filename defina um nome para a imagem cortada (Landsat_estudo.img) > ok

7. Edição do cabeçalho da imagem Observação: O ENVI cria para cada imagem produzida um arquivo cabeçalho de extensão .hdr, que pode ser visualizado e editado, por exemplo para se certificar das coordenadas limítrofes da imagem, completar dados tais como valor do comprimento de onda de cada banda, ou mudar o nome das bandas, o que pode ser muito útil, já que os nomes de bandas produzidos incluem todos os procedimentos percorridos para alcançá-la, e podem ser muito extensos e pouco práticos. Estas informações podem ser copiadas para um campo específico para observações.

File > Edit ENVI Header > Na caixa de diálogo Edit ENVI Header input file > Escolher a imagem que quer editar o cabeçalho (landsat_estudo.img). Alternativamente, na caixa Available bands list clicar com o botão da direita do mouse sobre o título da imagem cujo cabeçalho quer editar, aparecerá a opção Edit Header. Na caixa de diálogo Header Info, um espaço em branco, que já contém a última operação realizada na produção da imagem pode ser complementado com as informações desejadas (figura 8).

Figura 8

_______________________________________________________________________________ DISERE

7



Clicando em Edit Attributes encontra-se uma lista de informações da imagem que podem ser lidas e editadas. Para simplificação do nome da banda: Band names... > Edit o nome de cada banda > ok > ok.

Uma informação útil em vários processamentos é o comprimento de onda médio de cada banda:

Edit Attributes > Wavelenghts > Preencher conforme as tabelas abaixo:

Banda LANDSAT

Comprimento de Onda

1 0.485

2 0.560

3 0.665

4 0.830

5 1.650

7 2.215

Banda ASTER

Comprimento de Onda

1 0.556

2 0.661

3 0.807

4 1.656

5 2.167

6 2.209

7 2.262

8 2.336

9 2.400

8. Estatísticas da imagem: Histogramas Representam graficamente a freqüência de ocorrência de pixels no intervalo de níveis de cinza da cena. Fornece a informação de quantos pixels ou qual a proporção de pixels que na imagem possuem um determinado valor de NC (Nível de Cinza). São apresentados, no geral, na forma normalizada. O espalhamento dos valores de NC no histograma dá a medida do contraste da imagem. Associam-se ao histograma da imagem parâmetros estatísticos tais como média, mediana, desvio padrão e variância da distribuição da população de níveis de cinza.

Preliminares: File > Preferences > Display defaults > Display default stretch > % linear > 0,0 > gravar a nova configuração no arquivo default.

_______________________________________________________________________________ DISERE

8



Observação: Este procedimento é recomendado para que seja possível a visualização da imagem original, sem qualquer tipo de ampliação de contraste, de forma a facilitar o entendimento do resultado das manipulações nos histogramas.

8.1. Histogramas Gráficos Available Bands List > Carregar a banda 1 da imagem aberta

(Landsat_estudo.img). Nas funções do display > Enhance > Interactive Stretching > Histogram

Source > band (observar o histograma – figura 9).

Figura 9

Repetir para as demais bandas e comparar os histogramas e as imagens, tentando perceber a correspondência entre a forma do histograma e a imagem. Observe que para os histogramas (no geral de forma gaussiana) mais espalhados, que refletem maior desvio padrão dos dados, as imagens apresentam originalmente mais contraste. Conforme o nível de cinza (NC) em que se encontra a média da distribuição, pode-se notar que a imagem é mais escura (NC baixo) ou mais clara (NC alto).

8.2. Histogramas textuais Basic tools > Statistics > Compute Statistics > Input file arquivo

carregado > preencher os parâmetros da caixa de diálogo conforme a figura 10 (com o nome e caminho da imagem que estiver sendo utilizada) (landsat_estudo.img).

_______________________________________________________________________________ DISERE

9

Na tela dos resultados estatísticos, a parte superior é de visualização gráfica, clicando-se o botão Select Plot e selecionando-se o gráfico de cada banda



estes vão sendo desenhados na tela. Pressionando o botão da direita do mouse sobre o gráfico selecione a opção plot key para visualização do nome das bandas mostradas no gráfico (figura 11).

Figura 10

Pressionando o botão Select Stat selecionar o histograma textual de cada banda. No exemplo abaixo foi extraído um fragmento do histograma textual da banda 4 da imagem Landsat_estudo. A primeira coluna traz o DN (Digital Number), Número Digital ou Nível de Cinza (NC), que em formatos do tipo byte com 8 bits pode variar de 0 a 255. A segunda coluna traz o número de pontos ou pixels da imagem que têm aquele NC. A terceira coluna traz o número de pontos acumulados até aquele NC. A quarta coluna traz a porcentagem de pixels da imagem naquele NC. E a quinta coluna traz a porcentagem acumulada até aquele NC. DN Npts Total Percent Acc Pct 8 2 2 0.0000 0.0000 9 5 7 0.0001 0.0001 10 11 18 0.0002 0.0004 11 44 62 0.0009 0.0012 12 92 154 0.0018 0.0030 13 334 488 0.0066 0.0096 14 885 1373 0.0174 0.0270 15 037 2410 0.0204 0.0475 16 1111 3521 0.0219 0.0693 17 1294 4815 0.0255 0.0948

_______________________________________________________________________________ DISERE

10



Figura 11

Explorar os resultados de todas as bandas.

9. Correção Atmosférica O tipo de correção atmosférica descrito a seguir é comumente aplicado em imagens LANDSAT. Trata-se de uma correção de distorções espectrais causadas pelo espalhamento da radiação eletromagnética devido a sua interação com a atmosfera. No geral o efeito mais importante é devido ao espalhamento atmosférico que causa adição de valores à resposta original. Sua magnitude é inversamente proporcional ao comprimento de onda de forma que os comprimentos de onda mais curtos são mais afetados. Neste método são escolhidos valores de NC a serem subtraídos de cada banda.

_______________________________________________________________________________ DISERE

11



9.1. Com base em corpos d’água ou sombras absolutas (levando-se em consideração que se não houvesse influência da atmosfera os pixels relativos a água límpida ou sombras perfeitas teriam valor 0).

Carregar a banda 7 da imagem landsat_estudo.img no display (grayscale). Teoricamente a banda 7 (no infravermelho de ondas curtas) sofre a menor influência da atmosfera no conjunto de bandas LANDSAT, além de corresponder à região do espectro eletromagnético onde há importante feição espectral de absorção da água.

Verificar se existem corpos d’água límpida ou sombras absolutas. Verificar os valores DN destas feições na banda 7. Estes valores devem ser

baixos: a. Na janela de imagem, Menu tools > cursor location/value (figura 12), pode-se verificar o valor e posição de cada pixel na imagem, encontrando-se os valores mais baixos. A curva espectral de cada pixel pode ser visualizada da seguinte forma:

Menu Tools > Profiles > Z profile (Spectrum). Na janela aberta pode-se verificar os valores daquele pixel em todas as bandas, passeando-se sobre o gráfico com o botão da esquerda do mouse pressionado (figura 13). Estes valores devem estar próximos dos valores procurados para a subtração em cada banda.

_______________________________________________________________________________ DISERE

12 Figura 12



Figura 13

b. Desenhando-se uma região de interesse (ROI – region of interest) sobre o corpo d´água:

Na janela de imagem: Menu Tools > Region of Interest > ROI tool (figura 14). Vai ser aberta uma caixa de diálogo para a manipulação das áreas de interesse. Nesta caixa, no menu ROI_type, marque polygon (figura 15), e selecione zoom como a janela que vai ser desenhada. Desenhe um polígono sobre o corpo d’água com sucessivos cliques com o botão da esquerda do mouse. Terminada a área, clique 2 vezes com o botão da direita para fechamento do polígono (figura 16). Várias áreas podem ser delimitadas desta forma.

Pressionando o botão Stats da janela de ROI (figura 16), calcular as estatísticas da área de interesse de forma a conhecer os valores destes pixels nas demais bandas, para a escolha do NC que deve ser subtraído dos pixels de cada uma delas. Na figura 17 mostra-se o resultado da estatística dos pixels da região de interesse delimitada. Nota-se que os valores a serem subtraídos de cada banda estariam por volta de: banda 1 – 51, banda 2 – 33, banda 3 – 23, banda 4 – 14, banda 5 – 10 e banda 9 – 9; considerando-se a média calculada. Estes valores são razoáveis, já que os

_______________________________________________________________________________ DISERE

13



desvios padrões são baixos. Por outro lado, na banda 7 os pixels selecionados vão até o valor 13, com média de 9, que pode ser considerado alto, já que pode representar, em parte, pixels de água com partículas em suspensão. Assim, antes da decisão dos valores a serem excluídos, avalie o histograma total da imagem, aplicando-se o método da quebra do histograma, descrito a seguir.

Figura 14

_______________________________________________________________________________ DISERE

14



Figura 15

Figura 16

9.2. Método da quebra do histograma Carregar o arquivo de estatísticas da imagem a ser analisada

(landsat_etudo.img: landsat_estudo.sta), preparado no item 8. Verificar o histograma textual da banda 7 e procure a quebra do histograma, isto é, aquele valor de pixel (NC) em que após uma variação de número de pixels irregular, segundo o NC, inicia-se uma variação coerente, depois de um

_______________________________________________________________________________ DISERE

15



incremento relativamente brusco no número de pixels (figura 18). No caso da imagem landsat_estudo, este DN corresponderia a 6, que será o valor a ser subtraído da banda 7.

Figura 17

Verificar o histograma textual de cada banda e procurar um valor para corte que não exceda muito os 238 pixels (acumulados) encontrados na banda 7 para se tornarem 0.

Verificar os resultados e escolher o valor que deve ser subtraído de cada banda para realizar a correção atmosférica.

9.3. Aplicação da correção atmosférica Basic Tools > Preprocessing > Generic Purpose Utilities > Dark subtract >

User Value (figura 19) (Preencher com os valores definidos para cada banda) > Output file escolher um nome pra a imagem criada (Landsat_estudo_ca.img).

B1: 47 B4: 12 B2: 31 B5: 6 B3: 22 B7: 6

_______________________________________________________________________________ DISERE

16



Figura 18

_______________________________________________________________________________ DISERE

17



Figura 19

Calcular a estatística do novo conjunto e carregar as bandas da imagem produzida analisando-se os histogramas.

Repita o procedimento para a imagem ASTER (Aster_estudo.img), utilizando como base a banda 8.

10. Preparação da banda pancromática do LANDSAT com resolução de 14,25 m Esta banda será utilizada mais adiante para refinamento de composições coloridas.

Carregar o arquivo correspondente à banda 8 (pancromática) do sensor LANDSAT ETM+ (p222r68_7p20010625_nn8.tif)

Cortar a imagem conforme as coordenadas da imagem LANDSAT que vem sendo utilizada (Landsat_estudo.img): Basic tools > Resize Data (Spatial/Spectral) > Na caixa de diálogo Resize Data Input file > escolha a imagem que vai ser cortada (p222r68_7p20010625_nn8.tif) e pressione o botão spatial subset > Na caixa de diálogo Select Spatial Subset em Subset Using pressione File > escolher a imagem que servirá como base para o recorte (Landsat_estudo.img) > ok > ok > Na caixa de diálogo Resize Data Parameters em Enter Output Filename defina um nome para a imagem cortada (B8_TM_estudo.img) > ok

Fazer uma correção atmosférica da imagem, através do método da quebra do histograma (item 9.2). Output Filename defina um nome para a imagem cortada (B8_TM_estudo_ca.img) > ok

_______________________________________________________________________________ DISERE

18



II. REALCES NO DOMÍNIO ESPECTRAL

11. Ampliações de contraste O contraste de uma imagem é a medida do espalhamento dos níveis de cinza que nela ocorrem. As ampliações de contraste permitem ampliar o espalhamento de um intervalo comprimido de níveis de cinza, comum nas imagens originais, dentro do intervalo possível de DNs, facilitando a discriminação entre alvos. Funções de transferência de contraste: Função que calcula para cada pixel seu novo valor de DN após a aplicação do contraste. Funções mais comuns: Linear: Mais comum. Função de transferência é uma reta cuja inclinação controla a quantidade de aumento de contraste. Equalização: Através desta função modifica-se a distribuição de forma que cada nível de cinza tenha a mesma quantidade de pixels. São usadas em imagens que contém áreas extensas de intensidade uniforme, permitindo a discriminação de alvos originalmente muito semelhantes. Normalização ou aumento gaussiano de contraste: Através da aplicação de uma função gaussiana aproxima-se uma distribuição irregular de uma distribuição normal ou gaussiana (forma de sino). Logarítmica e Raiz Quadrada: Utilizadas no realce das porções mais escuras de uma imagem. Exponencial: Utilizada no realce das porções mais claras de uma imagem.

Carregar as diversas bandas, uma a uma no display grey scale. Para cada uma, na janela de imagem: menu enhance > interactive stretching

(um histograma gráfico é exibido numa janela gráfica, e pode ser manipulado interativamente. Observar que são exibidos na realidade dois histogramas, o da esquerda é o original e o da direita é o resultante da ampliação do contraste que será definida). No histograma original pode-se mover a barra pontilhada posicionada originalmente nos dois extremos do histograma, de forma a se cortar parte dos dados (valores de NC que contém poucos pixels), e ampliar-se o contraste. Observar que na parte inferior do histograma da esquerda aparecem informações que são atualizadas conforme a barra se move. Pode-se visualizar o número de pixels em cada NC, a porcentagem de pixels em cada NC e a porcentagem acumulada de pixels em cada NC. Interativamente no gráfico da direita vai aparecer a nova forma do histograma com a aplicação da ampliação de contraste

Escolher histogram source > band (para contar com a estatística de toda a banda, lembre-se que a estatística da janela de scroll é semelhante à completa, mas não igual, pois é reamostrada, com exclusão de vários pixels para visualização mais rápida da janela).

Aplicar diversos tipos de ampliações de contraste (botão Stretch_Type) e vários cortes (saturação) nos extremos dos histogramas (raciocine em termos de porcentagem acumulada em cada extremo do histograma, assim um contraste a 2% de saturação significa que o histograma original foi cortado a 2% do extremo

_______________________________________________________________________________ DISERE

19



inferior e 98% do extremo superior, como no exemplo da figura 20, em que foi aplicado um contraste tipo gaussiano).

Figura 20

12. Composições coloridas Sintetizam numa única imagem a informação contida em três bandas escolhidas para constituir o triplete. As bandas são atribuídas respectivamente aos canais RGB (vermelho, verde e azul). Realces de contraste nas bandas individuais devem ser procedidos, como por exemplo uma normalização para que uma banda não se sobressaia às outras. Um método objetivo de escolha do triplete visualmente melhor é o cálculo do OIF (Optimum Index Factor), segundo a fórmula:

•OIFxyz = Σ (Dpx + Dpy + Dpz) / Σ(Ccxy+Ccxz+Ccyz)

em que: Dpn é o desvio padrão de cada banda do triplete avaliado, quanto mais alto este valor maior o contraste. Ccxy é o coeficiente de correlação entre as bandas duas a duas, quanto menor o coeficiente de correlação entre as bandas, menor a redundância de informação. Quanto maior o OIF, visualmente melhor e mais tonalmente variada deve ser a composição colorida, com a possibilidade de maior discriminação de alvos. Estes dados podem ser encontrados no relatório estatístico da imagem. É um cálculo que, apesar de útil, não pode substituir a visualização de várias possibilidades de composições coloridas para que se escolha a ou as que melhor se adaptem ao problema geológico a ser resolvido. No diretório Utilitários, em anexo a este manual encontra-se uma planilha Excel (calcula_OIF.xls) que calcula os OIF dos tripletes possíveis, tanto para o ASTER como para o LANDSAT.

Carregar diferentes composições nos canais RGB. Experimente diferentes funções do display, disponíveis nos menus da janela de

imagem:

_______________________________________________________________________________ DISERE

20



Enhance: Realce automático a partir das diversas janelas. Enhance > filter Interactive Stretching (observar que cada banda pode ter seu contraste

manipulado individualmente, utilize a estatística da banda)

Tools: Link (liga dois displays com imagens de mesma dimensão e coordenadas)

Profiles Color mapping Cursor Location/Value Animation 2D Scatter plots

Pressionando o botão direito do mouse sobre a janela de imagem observar as diversas funções disponíveis.

Ao final destes procedimentos escolha um triplete com realce adequado e grave-o como um grupo de display: Na janela de imagem: File > Save as display group > (p.ex. ASTER413.grp ou LANDSAT453.grp)

13. Bibliotecas Espectrais Bibliotecas espectrais de minerais e rochas, incorporadas no ENVI, são muito úteis na seleção de bandas para tripletes, considerando-se as feições de reflexão e absorção no espectro eletromagnético características de cada alvo investigado.

13.1. Visualização de bibliotecas espectrais Spectral > Spectral Libraries > Spectral Library Viewer > Spectral Library

Input File: Open Spec Lib: Abrir do diretório jhu_lib o arquivo veg.sli e do diretório jpl_lib o arquivo jpl1.sli.

Selecionar a biblioteca jpl1.sli e clicar no nome de alguns minerais para ver suas curvas espectrais de laboratório. Faça o mesmo com a biblioteca de vegetação.

Fechar as janelas de plotagem de gráficos. Selecionar da biblioteca jpl1.sli os minerais gibsita e caolinita. Da biblioteca de vegetação selecionar grama.

Com o mouse da direita sobre cada gráfico clicar em plot key. Trocar a cor das curvas como na figura 21: na janela de plotagem, menu edit >

data parameters, clicar na caixinha de cor com o mouse da direita e escolher as cores a partir das listas. No menu edit > plot parameters trocar as cores do background para branco e foreground para preto.

Com o botão esquerdo do mouse pressionado, arrastar o nome Grass da janela de plotagem da vegetação para o gráfico dos minerais. Comparar as curvas (figura 22).

13.2. Reamostragem de bibliotecas espectrais Incluir outros minerais de interesse no gráfico de curvas espectrais. Excluir a curva da vegetação clicando com o botão da direita do mouse sobre

o nome grass > remove.

_______________________________________________________________________________ DISERE

21



Gravar a janela de plotagem de minerais como uma nova biblioteca espectral: No menu file da janela de plotagem: save plot as > Spectral library > Select all itens > ok > Output Spectral library Minerais_treinamento.sli > ok

Spectral > Spectral Libraries > Spectral Library Resampling > Spectral Resampling input file > minerais_treinamento.sli > em spectral resampling parameters pressionar Pre-defined filter function > Escolha o sensor que está trabalhando (ASTER ou LANDSAT) > Output filename dê um nome para o novo arquivo: minerais_treinamento_ASTER.sli ou minerais_treinamento_TM.sli > ok

Repetir a reamostragem da biblioteca de vegetação > Output filename vegetação_treinamento_ASTER (ou TM).sli

Figura 21

Figura 22 Figura 23

_______________________________________________________________________________ DISERE

22



Visualizar as bibliotecas mineral e vegetal produzidas. Arrastar a curva da vegetação para a janela dos minerais. Para melhor visualização no menu options da janela de plotagem > stack plots (figura 23). Observar as feições de absorção e reflexão dos diferentes materiais, montando tabelas como os exemplos abaixo, tentando evidenciar as feições de absorção e reflexão mais importantes.

Banda ASTER Absorção Reflexão 1 caolinita 2 vegetação gibsita 3 vegetação, gibsita 4 caolinita, montmorillonita 5 caolinita montmorillonita 6 caolinita, montmorillonita 7 gibsita caolinita, montmorillonita 8 gibsita 9 caolinita, montmorillonita gibsita

mineral absorção – banda ASTER reflexão – banda ASTER caolinita 1, 5, 6, 9 4, 7, gibsita 7 2, 3, 8 montmorillonita 6, 9 4, 5, 7 vegetação 1, 2 3

Banda TM5 ou 7

Absorção Reflexão

1 vegetação, caolinita, montmorillonita, gibsita

2 vegetação 3 vegetação gibsita 4 vegetação, caolinita, gibsita,

montmorilonita 5 caolinita, montmorillonita 7 caolinita, montmorillonita, gibsita

mineral absorção – banda TM5 ou 7 reflexão – banda TM5 ou 7 caolinita 1, 7 4, 5 gibsita 1, 7 3, 4 montmorillonita 1, 7 4, 5 vegetação 1, 3 2, 4

14. Razão de bandas Mais utilizada das operações aritméticas. Para sua aplicação é absolutamente necessária a correção atmosférica das bandas. É capaz de realçar intensamente as diferenças espectrais de um par de bandas. Elimina o efeito do sombreamento

_______________________________________________________________________________ DISERE

23



relativo à topografia e tem a vantagem de englobar em um triplete a informação de várias bandas. Tabelas como as do item 13 são úteis na definição dos pares a serem divididos. As bandas de maior contraste no geral ficam no numerador. Algumas razões clássicas: TM4/TM1: realce da variação vegetal TM3/TM1: realce de materiais de óxidos de ferro. TM5/TM7: realce de hidroxilas. Observando as tabelas acima, e refletindo sobre a abundância dos minerais, escolher algumas razões entre bandas para realçar os materiais estudados.

Sugestões ASTER: óxidos > 2/7 vegetação > 3/2 minerais hidratados > 4/6

Sugestões LANDSAT: óxidos > 3/1 vegetação > 4/2 minerais hidratados > 5/7

Transform > band ratios> escolher os pares de bandas, quantos quiser > Output file escolher um nome para a imagem produzida (razoes_ASTER.img ou razoes_LANDSAT.img) (figura 24).

carregar as diferentes bandas produzidas em gray scale e depois composições coloridas de três das novas bandas.

Figura 24 _______________________________________________________________________________ DISERE

24



15. Transformações do tipo IHS Transformação de um triplete atribuído ao espaço RGB ao espaço IHS (Intensity-intensidade, Hue-matiz, Saturation-saturação), alternativo a representação das cores. Segue-se a ampliação do contraste dos canais produzidos e retorno ao espaço RGB.

Color transforms > RGB to HSV > escolher as bandas que vão ser transformadas (triplete escolhido no item 12 – figura 25), ou, de preferência, carregue o triplete escolhido, com ampliação de contraste, no display e escolha display para a transformação > Output file escolher um nome para a imagem produzida (por ex. AST_413_RGB_HSV.img)

Calcular a estatística da nova imagem. Carregar as bandas, individualmente, avaliar os histogramas de cada uma, notar

o intervalo possível de valores (0-360 para o canal H, 0-1 para o canal S, 0-1 para o canal V), fazer uma ampliação de contraste (gaussiana neste caso tem dado melhores resultados) cortando dos extremos dos histogramas os valores pouco representativos, mas preservar este intervalo.

Basic tools > stretch data > escolher a imagem HSV > spectral subset > escolher um canal de cada vez (figura 26) > fazer o stretch segundo os valores escolhidos com base nos histogramas de cada canal (figuras 27, 28 e 29): > Output file AST_413_H.img

AST_413_S.img AST_413_V.img

Figura 25

_______________________________________________________________________________ DISERE

25



Figura 26

Figura 27

_______________________________________________________________________________ DISERE

26



Figura 28

Figura 29

_______________________________________________________________________________ DISERE

27

Retorno ao espaço RGB: Color transforms > HSV to RGB > Atribuir aos canais HSV as bandas com ampliação de contraste (figura 30) > Output file AST_413_HSV_RGB.img > carregar a nova composição obtida e comparar com a original.



Repetir para o triplete LANDSAT escolhido (p. ex. 453).

Figura 30

Observação: Fusão de imagens Uma aplicação importante da transformação IHS é na fusão de imagens. No geral atribui-se ao canal intensidade uma imagem de resolução espacial maior. Exemplos: - Combinação de bandas espectrais com banda pancromática. - Combinação de componentes de cor de um mapa com um modelo digital de terreno (MDT). - Integração de imagens aerogeofísicas com imagens de sensores remotos.

16. Realce por decorrelação Visa o realce da distribuição de cores, através da eliminação da correlação entre bandas. Ela é aplicada a tripletes de bandas e segue os passos na Análise de Principais Componentes (ver item 19), até que as imagens produzidas tenham seu contraste ampliado. Estas são, em seguida, rotacionadas inversamente às PCs, produzindo uma composição colorida semelhante à original mas com intervalos de cor maiores, e portanto mais contrastadas.

Carregar o grupo de display gravado no item 12 (p. ex. AST413.grp).

Transform > Decorrelation Stretch > escolher o display onde está carregado o grupo > Output file AST_413_DS.img

Carregar a nova composição e ampliar o contraste. Repetir para o triplete LANDSAT escolhido (p. ex. Landsat453.grp).

_______________________________________________________________________________ DISERE

28



Figura 31

17. Realce por saturação Semelhante à transformação IHS, produz na volta ao espaço RGB apenas uma ampliação de contraste do tipo gaussiana no canal da Saturação.

Carregar o grupo de display gravado no item 12 (p. ex. AST413.grp).

Transform > Saturation Stretch > escolher o display onde está carregado o grupo > Output file AST_413_SS.img

Carregar a nova composição e ampliar o contraste. Repetir para o triplete LANDSAT escolhido (p. ex. Landsat453.grp).

18. Contraste Fotográfico A partir das bandas do visível produz uma imagem semelhante a que seria vista pelo olho humano. É mais adequado aplicar o realce fotográfico em imagens LANDSAT que tem as bandas 1, 2 e 3 na região do visível do espectro eletromagnético, nos comprimentos de onda correspondentes ao azul, verde e vermelho. Estas serão as bandas utilizadas neste tipo de processamento. Caso queira empregá-lo em imagens ASTER utilize as bandas 1 e 2, atribuindo a 2 ao canal do vermelho e repetindo a banda 1 (do verde) nos canais G e B. Note que clicando com o botão da direita do mouse sobre o nome de uma imagem no Available bands list, existe a opção de carregar uma composição do tipo True Color. Mas para isso no cabeçalho da imagem deve ter a informação dos comprimentos de onda das bandas (ver item 7).

Carregar no display as bandas 1, 2 e 3 do LANDSAT na forma R=3, G=2, B=1 Transform > Photographic Stretch > escolher o display carregado acima >

Output file TM_321_PS.img Carregar a nova composição sem ampliar o contraste.

_______________________________________________________________________________ DISERE

29

19. Análise de Principais componentes (APC) Determina a extensão da correlação (redundância de informação) entre as n bandas de uma cena e remove esta correlação produzindo n bandas sem correlação. Baseia-se no cálculo estatístico de alguns parâmetros das imagens, tais como a variância, que representa a medida do contraste de cada banda espectral e a



covariância entre cada par de bandas, que descreve o quanto duas bandas são correlacionadas entre si. Esta última pode ser expressa em termos de coeficiente de correlação. Características gerais do novo conjunto: a PC1 irá conter a informação que é comum a todas as bandas (concentra o albedo, por exemplo, e feições de luz e sombra, sendo bastante útil para interpretação estrutural), a PC2 irá conter a feição espectral mais significante do conjunto e assim sucessivamente, de forma que as últimas irão conter as feições espectrais menos significativas e ruídos. Deve ser procedida nas bandas originais, sem correção atmosférica. Estima-se que como o efeito atmosférico é variável de banda para banda, conforme a faixa do espectro em que se situa, este ficará restrito às últimas componentes principais. É um processamento bastante útil no tratamento de imagens de sensores hiperespectrais, que contém centenas de bandas. Como, no geral, a informação espectral contida num conjunto de bandas é bastante redundante, normalmente, no caso de sensores multiespectrais como o LANDSAT e ASTER, as 3 ou 4 primeiras componentes principais resumem mais de 90% de toda a informação contida na cena. Nas estatísticas da imagem calculadas na transformação por principais componentes, dois conjuntos de dimensões devem ser avaliadas, os auto-valores, que mostram o quanto cada nova banda produzida contém da informação total, e os auto-vetores, uma matriz que mostra a contribuição de cada banda original em cada componente produzida. Este valor que varia em termos absolutos entre 0 e 1 (zero para nenhuma contribuição e 1 para contribuição total) pode ser positivo ou negativo, caso a banda esteja representada de forma negativa, isto é, valores de NC baixos contribuem como altos e vice-versa. Uma desvantagem das novas bandas geradas na Análise de Principais Componentes é a perda da noção do que cada uma representa individualmente do ponto de vista espectral, isto é, qual a porção do espectro eletromagnético que está representando. Para entender o conceito de correlação entre bandas:

Carregar uma composição colorida da imagem original no display. No menu Tools da janela de imagem > 2D Scatter plots > Escolha duas a duas as bandas para serem plotadas num gráfico xy. Note como uma banda plota com relação a outra. Quanto maior a correlação entre elas mais o gráfico vai se aproximar de uma reta, isto é, dado um valor de DN de uma é possível prever qual será o valor ou intervalo de valores da outra. No geral a forma do gráfico será uma elipse. Quanto mais circular a forma da distribuição da nuvem de pontos, menor a correlação entre as bandas.

Depois de proceder com a Análise de Principais Componentes repita o mesmo procedimento para avaliar a correlação entre as novas bandas produzidas.

Procedimento da Análise de Principais Componentes: Transform > Forward PC rotation>Compute Statistics and Rotate> Input file

(Landsat_estudo.img) > Output statistics filename (PC_TM.sta) > Calculate using: Covariance matrix ou Correlation Matrix (utilizar a matriz de correlação caso o intervalo dos dados varie muito entre as bandas de forma que uma normalização seja necessária) > Output filename PC_TM.img (Output data type: floating point) (figura 32).

Analisar os resultados estatísticos (autovalores, matriz de correlação, auto vetores)

_______________________________________________________________________________ DISERE

30



Analisar os gráficos estatísticos Carregar as bandas individualmente no display em escala de cinza. Observe

como a quantidade de informação varia, diminuindo em direção às componentes mais altas.

Carregar diferentes composições coloridas RGB no display, e ampliar o contraste. Escolher um triplete adequado e salvar como grupo de display (save as display group no menu file da janela de imagem).

Repetir para a imagem do sensor ASTER gerando a imagem PC_AST.img.

Figura 32

Alternativa à APC (geração de arquivos no formato byte): Transform > Forward PC rotation > Compute Statistics and Rotate > Input

file Landsat_estudo.img > Output statistics filename PC_TM_byte.sta > Calculate using: Covariance matrix > Output filename PC_TM_byte.img (Output data type: byte).

Carregar as PCs no display e observar os histogramas destas bandas, verificando-se que neste tipo de resultado uma ampliação de contraste com normalização já é produzida automaticamente. O produto gerado é distinto do anterior com maior realce entre as diferenças espectrais entre os alvos. Caso goste do resultado grave também um grupo de display.

Repetir para a imagem do sensor ASTER gerando a imagem PC_AST_byte.img.

_______________________________________________________________________________ DISERE

31



20. Geração de imagem ASTER semelhante à pancromática LANDSAT, de resolução espacial de 15 m Neste procedimento serão utilizadas duas técnicas combinadas para se produzir uma imagem ASTER de alta resolução espacial com apenas uma banda. Esta banda será utilizada mais adiante para refinamento de composições coloridas e nas filtragens.

Carregar a imagem ASTER com 3 bandas do VNIR na sua resolução original (15 m) Aster_VNIR_estudo.img.

Processar uma APC de suas bandas: Transform > Forward PC rotation > Compute Statistics and Rotate > Input file (Aster_VNIR_estudo.img) > Output statistics filename (PC_AST_VNIR.sta) > Calculate using: Covariance matrix > Output filename PC_AST_VNIR.img (Output data type: floating point)

Somar as duas primeiras componentes geradas: Basic tools > Band maths > na caixa de diálogo Band Math prencher Enter an Expression como na figura 33 > Pressionar o botão Add to list > OK > definir as bandas a serem somadas > Output filename AST_VNIR_PC1_mais_PC2.img (figura 34).

Ampliar o contraste da imagem produzida: Na janela de imagem, menu Enhance > Interactive Stretching > Na caixa de diálogo do Interactive Stretching Menu: Histogram_Source > band > cortar 1% em cada extremo do histograma (figura 35) > Menu Stretch_Type > Gaussian > Na janela da imagem Menu File > Save image as > Image File > Preecher a caixa de diálogo conforme a figura 36 > Output filename AST_VNIR_PC1_mais_PC2_agc.img.

Para visualizar a diferença na resolução espacial desta imagem com as demais, trabalhadas anteriormente, carregue em displays diferentes esta e alguma banda, como por exemplo a PC1da imagem PC_AST.img. Faça um link de displays: na janela de imagem menu Tools > Link > Geographic Link (pois as dimensões das imagens a serem ligadas são diferentes) > escolher os displays a serem ligados pressionando –se os botões on/off e posicionando-se em On para cada banda a ser ligada (figura 37).

_______________________________________________________________________________ DISERE

32 Figura 33



Figura 34

Figura 35

_______________________________________________________________________________ DISERE

33



Figura 36

Figura 37

_______________________________________________________________________________ DISERE

34



III. REALCES NO DOMÍNIO ESPACIAL

21. Filtros Filtros podem ser entendidos como janelas móveis de matrizes quadradas de dimensões variáveis que caminham sobre a imagem original, a passos de um pixel na direção das linhas (até o final de cada uma) e colunas, modificando-a, pois a cada passo, conforme a operação feita no seu interior (média, mediana, etc), modificam o pixel central da janela correspondente na imagem original (figura 38).

0

0 0

0 0

0 0

0 0

0 0

0 0

0 0

0 0

0 0

0 0

0 00 0 00 0 00 0

0 00 00 0 00 0 00 0

0

x1 x2 x3x4 x5 x6x7 x8 x9

Imagem de entrada Imagem de saídaA B

MJanela ou máscara

Crósta 1992

Figura 38

São três os principais tipos de filtro: Filtros de passa-baixa ou suavização- eliminam as altas freqüências da imagem, muitas vezes relacionadas a ruídos ou falhas na imagem, são muito usados na suavização de modelos digitais de terreno construídos a partir de dados vetoriais. Exemplos de filtros de suavização: filtros de média, de média ponderada, de moda, de mediana. Filtros de passa-alta ou realce de bordas – eliminam as feições de baixa freqüência, realçam as diferenças bruscas entre alvos. (Exemplo de filtros de realce de bordas: filtro laplaciano, filtro de Sobel, filtro de Roberts). Filtros direcionais – são filtros de passa-alta que realçam direções pré-determinadas.

21.1. Filtragens de suavização Filter > convolutions and morphology > convolutions > escolha um de cada

vez os filtros de passa baixa (Low Pass, Gaussian Low Pass, Median) > aceite as configurações default de tamanho do Kernel (janela) e porcentagem de contribuição da imagem original (image add back) > quick apply > escolher a imagem b8_Landsat_estudo_ca.img para aplicação > observar o resultado fazendo link entre displays da imagem original e da filtrada.

_______________________________________________________________________________ DISERE

35



Variar o tamanho da janela do filtro (Kernel Size:- 5X5, 7X7, etc) > quick apply > observar os resultados e notar a diferença entre eles.

Variar a porcentagem de contribuição da imagem filtrada (image add back). Esta opção pode ser muito útil, por exemplo para aumento na definição da imagem usando-se um filtro de passa alta, no geral Laplaciano adicionado de uma porcentagem entre 80 e 90% da imagem original.

Para mudar a banda atribuída ao quick apply > Na caixa de diálogo Convolution and Morphology > Menu Options > Change Quick-Apply Input Band.

21.2. Filtragens de realce de bordas Filter > convolutions and morphology > convolutions > escolha um de cada

vez os filtros de passa alta (High Pass, Laplacian, Gaussian high Pass, Sobel, Roberts) > aceite as configurações default de tamanho do Kernel (janela) e porcentagem de contribuição da imagem original (image add back) > quick apply > escolher a imagem b8_Landsat_estudo_ca.img para aplicação > observar o resultado fazendo link entre displays da imagem original e da filtrada.

Aplicar novamente o filtro Laplaciano com 90% de contribuição da imagem original.

Comparar os resultados.

21.3. Filtragens direcionais Filter > convolutions and morphology > convolutions > directional >

Escolher o ângulo do filtro que, no caso de realce de direções NE/SW e NW/SE, deve ser perpendicular à direção que vai ser realçada. Já no caso das direções NS e EW, ou muito próximas a elas, a direção do filtro é paralela à direção da estrutura a ser realçada > Quick Apply > Escolher a banda a ser filtrada > b8_Landsat_estudo_ca.img.

22. Incremento na resolução dos produtos coloridos através da fusão com bandas de maior resolução 22.1. Escolha da composição colorida e sua filtragem através de filtro

laplaciano, com adição de 90 % da banda original, para aumento da definição da imagem

Escolher um triplete (p. ex. R=PC1, B= PC2, B= PC3 da imagem PC_Aster.img). Aplicar um filtro laplaciano com 90% de contribuição da imagem original: Filter >

convolutions and morphology > convolutions > Laplacian > Image Add back (0-100%) > 90 (figura 39) > Apply to file > PC_Aster.img > Spectral Subset > Escolher apenas as bandas 1, 2 e 3 (figura 40) > ok > Output filename PC_ASTER_LP_90.img.

Carregar o triplete no display e dar um contraste adequado. Gravar como novo arquivo de imagem: Na janela de imagem Menu File > Save

Image as > Image File > PC_ASTER_LP_90_agc.img (este nome foi escolhido pois foi aplicada ampliação gaussiana de contraste ao triplete). Alternativamente não grave a imagem mas deixe-a carregada no display para a aplicação da fusão.

_______________________________________________________________________________ DISERE

36



Figura 39

Figura 40

22.2. Fusão de imagens Transform > Image Sharpening > HSV > Em select input RGB escolher a

imagem gravada no item anterior ou o display em que está carregada > Em high resolution input file escolha AST_VNIR_PC1_mais_PC2_agc.img > Output filename AST_AR.img

Repita com um triplete qualquer escolhido das imagens LANDSAT, utilizando-se a imagem b8_Landsat_estudo_ca.img como imagem de alta resolução > Output filename LANDSAT_AR.img.

_______________________________________________________________________________ DISERE

37



23. Modelagem Topográfica – Sombreamento de relevo Para se produzir uma sensação de sombreamento de relevo, a partir de um Modelo Digital de Terreno, simula-se uma iluminação artificial, o que nada mais é do que a aplicação de um filtro digital. Este filtro vai ter sua configuração conforme a definição, pelo usuário, dos ângulos de elevação e azimute da iluminação artificial.

Topographic > Topographic Modelling > na caixa de diálogo topo model > Input File > DEM_estudo.img > ok > Na caixa de parâmetros Topo Model Parameters selecionar Shaded Relief (existem várias opções de modelagem topográfica que podem também ser utilizadas, tais como declividade, aspecto e parâmetros de convexidade do relevo) > manter o Topographic Kernel Size em 3 (experimente depois as outras opções de tamanho da janela de filtragem, note que kernel maior funciona como um filtro de suavização) > Para escolha da elevação da iluminação lembre-se que quanto mais baixo o valor mais sombreamento e para a escolha do azimute estime um ângulo perpendicular à estruturação regional, ou perpendicular a alguma direção estrutural que queira investigar (no exemplo – figura 41 - foi utilizada uma elevação de 45o e azimute de 315o) > ok > Output filename rel_somb_45_315.img.

Figura 41

Repita o procedimento com a imagem DEM_alternativo.img

_______________________________________________________________________________ DISERE

38



24. Visualização 3D

Carregar no diplay uma boa composição colorida > Por exemplo a composição colorida RGB da imagem Aster_alternativo_423.img > na janela de imagem Menu tools > 3D SurfaceView > Em associated DEM file escolher DEM_alternativo.img > ok > Preencha a caixa de parâmetros como abaixo > ok > Quando a imagem for carregada experimentar as ferramentas e opções de visualização e movimentação constantes no menu Options > Surface Controls, Motion Controls, etc (figura 42).

Figura 42

_______________________________________________________________________________ DISERE

39



25. Algumas sugestões de referências bibliográficas para consulta

CRÓSTA, P. 1992. Processamento digital de imagens de sensoriamento remoto. IG/UNICAMP. 170 p.

INPE, on line. Introdução ao sensoriamento Remoto. INPE. http://www.dpi.inpe.br/spring/teoria/index.html

MATHER, P.M. 1994. Computer processing of remotely-sensed images. An Introduction. John Wiley & Sons, London, 352 p.

MOREIRA, M.A. 2003. Fundamentos do Sensoriamento Remoto e metodologias de aplicações. UFV, 307 p.

PARADELLA, W.R. 1990. Introdução ao processamento digital de imagens de sensores remotos aplicado a geologia. INPE Publicação 5023-RPE/616. 45 p.

Research Systems International. 2003. ENVI - The environment for Visualizing Images. User´s Guide, 1084 p. Disponível na forma digital.

SABINS, F. 1987. Remote sensing: Principles and interpretation. W.H. Freeman & Co. New York, 449 p.

_______________________________________________________________________________ DISERE

40


Apostila - Envi - Processamento Digital

Documents

Transcript of Apostila - Envi - Processamento Digital