MINISTÉRIO DA DEFESA EXÉRCITO BRASILEIRO SECRETARIA DE ... · aplicado às imagens CCD-CBERS-2) e...

MINISTÉRIO DA DEFESA

EXÉRCITO BRASILEIRO

SECRETARIA DE CIÊNCIA E TECNOLOGIA

INSTITUTO MILITAR DE ENGENHARIA

SEÇÃO DE ENGENHARIA CARTOGRÁFICA

Al JOÃO ANTONIO DE MENDONÇA JUNIOR

EXTRAÇÃO DE FEIÇÕES DA REDE VIÁRIA EM IMAGENS CCD-CBERS DA REGIÃO AMAZÔNICA

Rio de Janeiro 2004

2




Relatório final das atividades desenvolvidas no

Projeto de Iniciação à Pesquisa, cadeira de

Graduação em Engenharia Cartográfica no

Instituto Militar de Engenharia.

Orientador: Prof Oscar Ricardo Vergara – D.E.

Rio de Janeiro 2004

3




Relatório final das atividades desenvolvidas no Projeto de Iniciação à Pesquisa, cadeira de Graduação em Engenharia Cartográfica no Instituto Militar de Engenharia. Orientador: Prof Oscar Ricardo Vergara – D.E. Aprovado em 25 de novembro de 2004 pela seguinte Banca Examinadora:

_______________________________________________________ Prof Oscar Ricardo Vergara – D.E. (Presidente)

_______________________________________________________ Luis Antônio de Andrade – Cel R/1 QEM – M.C.

_______________________________________________________ Clovis Gaboardi – Maj QEM – M.C.

Rio de Janeiro 2004

4

AGRADECIMENTOS

Agradeço a todos que possibilitaram a confecção deste trabalho, em especial ao Instituto Nacional de Pesquisas Espaciais (INPE) que forneceu as imagens utilizadas, à GISPLAN que realizou o reprocessamento da imagem CBERS-1, à UNESP por ter disponibilizado os algoritmos de detecção automática de bordas e à 4ª Divisão de Levantamento (4ª DL) que cedeu as Cartas Topográficas em meio digital usadas na análise dos resultados.

5

SUMÁRIO

LISTA DE ILUSTRAÇÕES............................................................................................... 06 LISTA DE TABELAS........................................................................................................ 08 LISTA DE SIGLAS.............................................................................................................09

RESUMO............................................................................................................................ 10

ABSTRACT........................................................................................................................ 11

1 INTRODUÇÃO......................................................................................................12 1.1 ENQUADRAMENTO DO TRABALHO............................................................... 12 1.2 OBJETIVOS............................................................................................................ 12 1.3 ÁREA DE TRABALHO......................................................................................... 13

2 FUNDAMENTAÇÃO TEÓRICA........................................................................ 14

3 O PROJETO CBERS............................................................................................ 19

4 MATERIAIS E SISTEMAS................................................................................. 21 4.1 IMAGENS UTILIZADAS...................................................................................... 21 4.2 HARDWARE E SOFTWARE................................................................................ 21 4.3 PONTOS DE CONTROLE..................................................................................... 22 4.4 CARTAS TOPOGRÁFICAS.................................................................................. 22

5 METODOLOGIA.................................................................................................. 23 5.1 PREPARAÇÃO DAS IMAGENS........................................................................... 23 5.2 PRÉ-PROCESSAMENTO DAS IMAGENS.......................................................... 24 5.3 PROCESSAMETO DIGITAL DAS IMAGENS.................................................... 26 5.4 INTERPRETAÇÃO VISUAL E DIGITALIZAÇÃO DAS FEIÇÕES................... 26

6 RESULTADOS FINAIS........................................................................................ 31 6.1 PRÉ-PROCESSAMENTO DAS IMAGENS.......................................................... 31 6.2 PROCESSAMETO DIGITAL DAS IMAGENS.................................................... 32 6.3 INTERPRETAÇÃO VISUAL E DIGITALIZAÇÃO DAS FEIÇÕES................... 33

7 ANÁLISE DOS RESULTADOS.......................................................................... 35

8 CONCLUSÕES...................................................................................................... 42

9 SUGESTÕES PARA TRABALHOS FUTUROS............................................... 43

10 REFERÊNCIAS BIBLIOGRÁFICAS.................................................................44

11 APÊNDICES.......................................................................................................... 45 11.1 APÊNDICE 1: ALGORITMO PARA DETECÇÃO DE BORDAS....................... 45

6

LISTA DE ILUSTRAÇÕES

FIG. 2.1 (a) – Ruído Aleatório (b) – Ruído Sistemático................................................. 14

FIG. 2.2 Exemplo Numérico de Filtragem Linear.......................................................... 15

FIG. 2.3 (a) Imagem Original. (b) Passa-Baixas. (c) Passa-Altas................................... 16

FIG. 2.4 Exemplos de Filtros Espaciais.......................................................................... 16

FIG. 2.5 (a) Imagem Original. (b) Filtro Não-Linear (Nevatia-Babu)............................ 16

FIG. 2.6 (a) Sem Realce. (b) Com Realce Linear........................................................... 17

FIG. 2.7 Realce Linear de Contraste (Histograma) ........................................................ 18

FIG. 3.1 CBERS.............................................................................................................. 19

FIG. 5.1 Conversão do arquivo TIFF em GRIB.............................................................. 23

FIG. 5.2 Distribuição Espacial dos PCs...........................................................................24

FIG. 5.3 Pontos de Controle............................................................................................ 24

FIG. 5.4 Ruído na Banda 2 do CBERS-1........................................................................ 25

FIG. 5.5 Banda 2 Original do CBERS-2......................................................................... 25

FIG. 5.6 Máscara............................................................................................................. 26

FIG. 5.7 Cobertura de Nuvens......................................................................................... 27

FIG. 5.8 Descontinuidade das Estradas........................................................................... 28

FIG. 5.9 (a) Imagem sem realce de contraste. (b) Imagem com realce de contraste.......28

FIG. 5.10 (a) Composição 4,3,2. (b) Somente a banda 3.................................................. 29 FIG. 5.10 (c) 4,3,2 (realce de contraste). (d) Banda 3 (realce de contraste)..................... 29

FIG. 5.11 (a) Composição 4,3,2. (b) Banda 4 (realce de contraste) ................................. 29

FIG. 5.12 (a) Estrada Pavimentada. (b) Estrada Não Pavimentada................................... 30

FIG. 6.1 (a) Banda 2 Original. (b) – Banda 2 com Eliminação de Ruído........................31

FIG. 6.2 (a) Imagem antes da filtragem. (b) Imagem após a filtragem........................... 32

FIG. 6.3 (a) – Imagem Original. (b) – Filtro Não-Linear (Nevatia-Babu)...................... 33

7

FIG. 6.4 (a) – CBERS-1 Banda 4 Original. (b) – CBERS-1 Banda 4 Reprocessada...... 34

FIG. 6.5 (a) – Extração na Imagem CBERS-1. (b) – Extração na Imagem CBERS-2... 34

FIG. 7.1 Área Avaliada................................................................................................... 35

FIG. 7.2 Imagem IKONOS na Área de Avaliação.......................................................... 36

FIG. 7.3 Cartas Topográficas na Escala 1:100.000......................................................... 36

FIG. 7.4 Cartas Topográficas na Escala 1:250.000......................................................... 37

FIG. 7.5 (a)Rede Viária na Carta 1:100.000 (b)Feições Extraídas da Im.CBERS-1...... 37 FIG. 7.5 (c)Feições Extraídas da Im.CBERS-2............................................................... 37

8

LISTA DE TABELAS

TAB. 3.1 Principais Características do CBERS................................................................ 19

TAB. 3.2 Parâmetros Orbitais do CBERS......................................................................... 19

TAB. 6.1 Erros dos Pontos de Controle.............................................................................. 32

TAB. 7.1 (a) – Análise dos Dados CCD-CBERS-1 em Relação à Imagem IKONOS...... 38 TAB. 7.1 (b) – Análise dos Dados CCD-CBERS-2 em Relação à Imagem IKONOS...... 38

TAB. 7.2 (a) - Análise dos Dados CCD-CBERS-1 em Relação às Cartas 1:250.000....... 39 TAB. 7.2 (b) - Análise dos Dados CCD-CBERS-2 em Relação às Cartas 1:250.000....... 40

TAB. 7.3 (a) - Análise dos Dados CCD-CBERS-1 em Relação às Cartas 1:100.000....... 40 TAB. 7.3 (b) - Análise dos Dados CCD-CBERS-2 em Relação às Cartas 1:100.000....... 40

9

LISTA DE SIGLAS

CBERS China-Brazil Earth Resources Satellite

CCD Charge Couple Device

GPS Ground Positioning System

IME Instituto Militar de Engenharia

INPE Instituto Nacional de Pesquisas Espaciais

IR-MSS Infrared Multispectral Scanner

NC Nível de Cinza

PC Ponto de Controle

SE/6 Seção de Ensino de Engenharia Cartográfica

UNESP Universidade do Estado de São Paulo

UPTK Unesp Photogrammetric Tool Kit

WFI Wide Field Imager

10

RESUMO

A potencialidade cartográfica das imagens de sensores de resolução média, como os

franceses HRV e HRS (SPOT) e os americanos TM e ETM+ (LANDSAT) têm sido avaliada

em grande quantidade de trabalhos, mas ainda é necessário estudar a viabilidade da utilização,

com os mesmos fins, de dados com resolução próxima a estes, obtidos por sensores mais

recentes e de tecnologia nacional, como a câmera CCD do Satélite Sino-Brasileiro de

Recursos Terrestres (CBERS). Na Seção de Ensino de Engenharia Cartográfica (SE/6) do

Instituto Militar de Engenharia (IME), o estudo desses dados foi iniciado em dois trabalhos

realizados por alunos do curso de graduação e este trabalho vem como continuação desta

linha de pesquisa. Com fins comparativos, nesta Iniciação à Pesquisa, foram utilizadas uma

cena do sensor CCD do CBERS-1 (com processamento original e com o processamento

aplicado às imagens CCD-CBERS-2) e uma cena do CBERS-2, imagens estas que foram

georreferenciadas e processadas digitalmente, para a identificação e representação de estradas,

através de um processo de fotointerpretação visual e digitalização manual na tela do

computador. Os resultados obtidos foram avaliados qualitativa e quantitativamente, com base

em verdade de campo obtida de uma imagem do satélite de alta resolução IKONOS II e

mostraram uma possível capacidade de aplicação dos dados CCD-CBERS em atualizações de

cartas topográficas nas escalas 1:250.000 e 1:100.000 (com restrições).

11

ABSTRACT

The cartographic potential of medium resolution data like SPOT and LANDSAT have

been assessed in a large number of papers. However, it is necessary to study, with the same

purposes, medium resolution data obtained by more recent sensors, with national technologic

efforts, as the China-Brazil Earth Resources Satellite´s (CBERS) CCD camera. At Instituto

Militar de Engenharia´s (IME) Seção de Ensino de Engenharia Cartográfica (SE/6), the study

of those data has been initiated with two researches recently done by Cartographic

Engineering students and this paper comes like a continuation of these works. In order to

compare the capabilities of identification and representation of road features through a

process of visual photo-interpretation and manual digitalization on PC´s screen, two (one

from CBERS-1 and one from CBERS-2) previously geo-referenced and digitally processed

CCD’s scenes were used in this work. The results were evaluated quantitatively and

qualitatively using high-resolution images from IKONOS II satellite as ground truth and

showed the possible capability of the use of CCD-CBERS’s data in cartographic actualization

of topographic charts maps in 1:250.000 and 1:100.000 (with restrictions) scales.

12

1 – INTRODUÇÃO

1.1 – ENQUADRAMENTO DO TRABALHO

Com a desatualização que vem sofrendo a cartografia brasileira, fruto, por exemplo, da

constante expansão das zonas urbanas e da falta de recursos financeiros para novos

mapeamentos, torna-se cada vez mais necessária a utilização de novos meios para a

atualização cartográfica. Meios estes que precisam ser de rápido emprego e de baixo custo.

Tendo o Sensoriamento Remoto orbital evoluído muito, no tocante à maior

disponibilidade de produtos de diversas resoluções espaciais, tal meio torna-se uma

ferramenta para se realizar a atualização de cartas topográficas, dependendo da escala

utilizada. Cabe então, estudar a possibilidade de se utilizar imagens dos Satélites Sino-

Brasileiros de Recursos Terrestres (CBERS) para tal fim, pois esses satélites produzem,

através de seus sensores CCD (Charge Couple Device), imagens com resolução nominal

máxima de vinte metros, com alta resolução temporal (26 dias no nadir), boa resolução

espectral (1 banda pancromática e 4 bandas espectrais) e sem custos, visto que no dia 15 de

junho de 2004 o ministro da Ciência e Tecnologia, Eduardo Campos, anunciou a gratuidade

no acesso às imagens CBERS para o público nacional.

Visando a verificação da potencialidade cartográfica dos dados CCD-CBERS e a

continuação de trabalhos realizados em anos anteriores no DE/6 do IME (ESPÍNDOLA, 2002

e BASTO, 2003), foram definidos os seguintes objetivos:

1.2 – OBJETIVOS

Aplicar uma metodologia para a representação de feições da rede viária a partir de

imagens CCD-CBERS da região amazônica e utilizar dados obtidos de fontes como, por

exemplo, bases cartográficas, fotografias aéreas e imagens de alta resolução, para avaliar o

desempenho destas imagens quantitativa e qualitativamente, visando determinar a escala mais

adequada para a sua utilização com fins cartográficos.

13

1.3 – ÁREA DE TRABALHO

A área de estudo da imagem abrange a área urbana de Manaus e seus arredores

(floresta vizinha e o encontro das águas dos rios Negro e Solimões), área esta limitada pelas

coordenadas geográficas 60º07’18.6011’’W / 03º12’17.69’’S e 59º47’55.84’’W /

02º44’42.17’’S.

14

2 – FUNDAMENTACAO TEÓRICA

Para a realização deste trabalho certos conhecimentos na área de Sensoriamento

Remoto e de Processamento de Imagens foram necessários. Esta seção se dedica à uma breve

introdução sobre tais conhecimentos; para um maior aprofundamento recomenda-se a leitura

de NOVO (1992) e INPE (2003).

Eliminação de ruído

Segundo INPE (2003): “a inserção de ruídos é um problema inerente ao processo de

geração de imagens”. Normalmente o ruído se apresenta como pontos com níveis de cinza

bem diferente da sua vizinhança, que podem estar distribuídos de forma aleatória (FIG.

2.1(a)) ou sistemática (listras) (FIG. 2.1(b)). Os motivos para a presença de ruído são muitos:

desde falha nos detectores até limitações do sistema eletrônico do sensor. E para eliminar ou,

ao menos atenuar, o ruído em uma imagem digital é aplicada a técnica chamada de

Eliminação de Ruído.

FIG. 2.1(a) – Ruído Aleatório FIG. 2.1(b) – Ruído Sistemático

O algoritmo de eliminação de ruído usado neste trabalho é o do sistema SPRING,

onde para se detectar se um ponto na imagem (P(i,j)) é ruído (ou não) somente os seus

vizinhos superior (P(i-1,j)) e inferior (P(i+1,j)) são analisados. Neste algoritmo dois limiares

são usados: Limiar Inferior e Limiar Superior. Nele um ponto será considerado ruído caso

o seu nível de cinza esteja abaixo dos níveis de cinza de seus dois pontos vizinhos por uma

diferença maior que este limiar inferior ou acima dos níveis de cinza de seus dois pontos

15

vizinhos por uma diferença maior que o limiar superior. No caso do ponto ser classificado

como ruidoso, o mesmo será substituído pela média de seus vizinhos.

Filtragem

De acordo com INPE (2003): “as técnicas de filtragem são transformações da imagem

pixel a pixel, que não dependem apenas do nível de cinza de um determinado pixel, mas

também do valor dos níveis de cinza dos pixels vizinhos”.

A filtragem pode ser realizada no domínio das freqüências, onde é feita uma analogia

entre a imagem e um sinal (são aplicadas transformações como, por exemplo, a Transformada

Rápida de Fourier), ou no domínio espacial, onde a imagem corresponde a uma variação de

cores no espaço, ou seja, uma função f(i,j) que associa cada pixel de coordenada (i,j), a uma

cor ou tom de cinza; o principal processo de filtragem usado neste domínio é conhecido como

convolução.

Neste trabalho são aplicadas duas técnicas de filtragem, a primeira é feita utilizando-se

uma técnica de filtragem por convolução, que aplica, sobre a imagem, matrizes denominadas

máscaras. A aplicação desta máscara com centro na posição (i,j), sendo i o número de uma

dada linha e j o número de uma dada coluna sobre a imagem, consiste na substituição do valor

do pixel na posição (i,j) por um novo valor, o qual depende dos valores dos pixels vizinhos e

dos pesos da máscara, ou seja, ∑∑

p

NCp., onde “p” é o peso de cada pixel (atribuído pela

máscara) e NC é o nível de cinza de cada pixel; a FIG.2.2 exemplifica este método com a

aplicação de uma máscara 3x3 em um trecho de imagem.

FIG. 2.2 – Exemplo Numérico de Filtragem Linear

16

Os filtros podem ser classificados, de acordo com sua modelagem matemática, em

lineares e não-lineares. Os filtros lineares podem ser classificados em: passa-baixas, passa-

altas ou passa-banda (INPE, 2003). O efeito visual de um filtro passa-baixas (FIG. 2.3(b)) é a

suavização da imagem (tende a minimizar os ruídos e borrar a imagem); as altas freqüências,

que correspondem às transições abruptas, são atenuadas. O inverso ocorre com a aplicação de

um filtro passa altas (FIG. 2.3(c)), onde as bordas (feições lineares) são realçadas. O filtro

passa-banda é mais utilizado em processamentos específicos, principalmente para remover

ruídos periódicos. Na FIG. 2.4 são dados exemplos de filtros espaciais aplicados à uma

composição colorida 432 de uma imagem CCD-CBERS-2 da região de Manaus.

FIG. 2.3(a) – Imagem Original FIG. 2.3(b) – Passa-Baixas FIG. 2.3(c) –Passa-Altas

FIG. 2.4 – Exemplos de Filtros Espaciais

A segunda técnica de filtragem utilizada (na imagem CBERS-2) é um exemplo de

filtragem não-linear, este tipo de filtragem se caracteriza por ser utilizada para alterar a

imagem, sem diminuir sua resolução e também pelo uso de funções não lineares nos cálculos

dos novos valores dos pixels da imagem e servem para minimizar/realçar ruídos e

suavizar/realçar bordas (FIG. 2.5).

FIG 2.5(a) – Imagem Original FIG 2.5 – Filtro Não-Linear (Nevatia-Babu)

17

Realce de Contraste Ainda segundo INPE (2003) o contraste entre dois objetos pode ser definido como: “a

razão entre os seus níveis de cinza médios” e o realce de contraste é uma técnica que “prima

por melhorar a qualidade das imagens sob os critérios subjetivos do olho humano”.

O realce de contraste é manipulação dos níveis de cinza em cada pixel, com o objetivo

de aumentar o contraste entre as feições da imagem. Esta operação é realizada

independentemente da vizinhança, ou seja, é uma operação pixel a pixel. Esta transferência

radiométrica é realizada a manipulação do histograma1.

O sistema SPRING permite a manipulação de contraste através de várias opções

acessadas no item de menu “Operações”, tais como: Mínimo-Máximo, Linear, Raiz

Quadrada, Quadrado, Logaritmo, Negativo, Equalização de Histograma e Fatiamento Edição.

Neste trabalho foi utilizado o realce linear de contraste (a FIG. 2.6 exemplifica a utilização

desta técnica na imagem CCD-CBERS-2).

FIG. 2.6 (a) – Sem Realce FIG. 2.6 (b) – Com Realce Linear de Contraste

No realce linear de contraste o histograma de saída terá a mesma forma do histograma

de entrada, mas não será idêntico (apresentará valores médios e espalhamentos diferentes),

uma vez que a função de transferência é uma reta. Este fato pode ser observado na FIG. 2.7.

1 Gráfico que fornece a informação de quantos pixels a imagem possui num determinado NC.

18

FIG. 2.7 – Realce Linear de Contraste (Histograma)

Registro

Segundo INPE (2003): “o registro de uma imagem compreende uma transformação

geométrica que relaciona coordenadas de imagem (linha, coluna) com coordenadas de um

sistema de referência”. No sistema SPRING este sistema de referência é o sistema de

coordenadas planas de uma certa projeção cartográfica (escolhida pelo usuário). Como

qualquer projeção cartográfica está ligada a um sistema de coordenadas geográficas, pode-se

dizer então que o registro, no SPRING, estabelece uma relação entre coordenadas de imagem

e coordenadas geográficas, ou seja, confunde-se com o conceito de georreferenciamento.

19

3 – O PROJETO CBERS

O China-Brazil Earth Resources Satellite

(CBERS) foi desenvolvido a partir de um acordo de

cooperação assinado entre o Brasil e a República Popular

da China em 06 de julho de 1988, onde os dois países

passaram a dividir recursos (30% Brasil e 70% China) e

mão de obra especializada. O primeiro satélite (CBERS-

1) (FIG. 3.1) foi lançado em outubro de 1999, pelo o

foguete chinês Longa Marcha 4B. Dando continuidade ao

projeto, foi lançado com sucesso, no dia 21 de outubro de

2003, o segundo satélite, denominado CBERS-2 e que

possui as mesmas características do primeiro (TAB. 3.1 e

TAB. 3.2).

Características

Massa total 1450 kg

Potência gerada 1100 W

Baterias 2 x 30 Ah NiCd

Dimensões do corpo (1,8 x 2,0 x 2,2) m

Dimensões do painel 6,3 x 2,6 m

Altura da órbita hélio-síncrona 778 km

Propulsão a hidrazina 16 x 1 N; 2 x 20 N

Estabilização 3 eixos

Supervisão de bordo Distribuída

Comunicação de Serviço (TT&C) UHF e banda S

Tempo de vida (confiabilidade de 0,6) 2 anos

TAB. 3.1 – Principais Características do CBERS Fonte: INPE, 2003

Que tem como parâmetros orbitais:

Parâmetros Orbitais

Altitude média 778 km

Inclinação 98,504 graus

Revoluções por dia 14 + 9/26

Período nodal 100,26 minutos

Hora solar média no nodo descendente 10h 30min

Freqüência de revisita de um mesmo local 26 dias

TAB. 3.2 – Parâmetros Orbitais do CBERS (INPE) Fonte: INPE, 2003

FIG. 3.1 – CBERS Fonte: INPE, 2003

20

Estes satélites são equipados com três sensores: 1) Wide Field Imager (WFI), capaz de

produzir imagens com 890 quilômetros de largura no terreno e com uma resolução espacial de

260 metros (nas bandas do vermelho e infravermelho próximo); 2) Infrared Multispectral

Scanner (IR-MSS), que gera imagens em duas bandas espectrais no infravermelho médio e

uma pancromática, com 80 metros de resolução espacial e numa banda espectral do

infravermelho termal (160 metros de resolução espacial) e 3) Couple Charged device (CCD),

o sensor de melhor resolução destes satélites.

O sensor CCD gera imagens de 113 quilômetros de largura com 20m de resolução

espacial nominal e tem a capacidade adicional de apontamento lateral de ±32º, que dá

freqüência de observações aumentada (de 26 para até 3 dias) e visão estereoscópica para uma

dada região. Imagens estas que são produzidas em cinco bandas espectrais2:

a) Banda 1 (azul) – 0,45 – 0,52 µm; b) Banda 2 (verde) – 0,52 – 0,59 µm; c) Banda 3 (vermelho) – 0,63 – 0,69 µm; d) Banda 4 (infravermelho próximo) – 0,77 – 0,89 µm; e) Banda 5 (pancromática) – 0,51 – 0,73 µm.

2 A aquisição do sinal opera em dois canais: CCD1 (bandas 2,3 e 4) e CCD2 (bandas1, 3 e 5) (LIMA,2004).

21

4 – MATERIAIS E SISTEMAS

4.1 – IMAGENS UTILIZADAS

Uma cena CCD CBERS-1 (órbita/ponto: 172/103, deslocada de 1836 pixels no sentido

norte-sul, adquirida em 05 de agosto de 2002) original e uma versão desta, onde os dados

brutos foram processados pela empresa GISPLAN (com o algoritmo utilizado para as imagens

CCD-CBERS-2), assim como uma cena CCD CBERS-2 (órbita/ponto: 172/103, adquirida em

25 de janeiro de 2004), ambas cedidas pelo Instituto Nacional de Pesquisas Espaciais (INPE).

4.2 – HARDWARE E SOFTWARE

Um microcomputador com a seguinte configuração:

• Processador Athlon XP 1800:

• 256 MB de memória RAM;

• Placa de Vídeo GeForce 2 MX400 (64MB);

• HardDisk com capacidade de 40 GigaBytes e

• Monitor Sansung modelo SyncMaster 753DFX. Os programas de computador:

• ENVI 3.6;

• SPRING 4.0, Sistema de Informação Geográfica (SIG) com ferramentas para

processamento digital de imagens, sistema este livre e produzido pelo INPE;

• DEV-C++ 4.9.8.0, um ambiente de desenvolvimento integrado para as linguagens C;

• Bibliotecas de classes e funções do Unesp Photogrammetric Tool Kit (UPTK), do

Departamento de Engenharia Cartográfica da Faculdade de Ciência e Tecnologia da

Universidade do Estado de São Paulo (UNESP) de Presidente Prudente, SP.

Disponível para download (mediante cadastro) no URL: http://www2.prudente.unesp.

br/dcartog/uptk/.

22

4.3 – PONTOS DE CONTROLE

Foram usados 13 pontos de controle obtidos em um levantamento usando receptores

GPS realizado por pessoal do SE/6, pontos estes com erro máximo de 17 cm, ou seja, precisão

mais que suficiente para o georreferenciamento de uma imagem CCD-CBERS.

4.4 – CARTAS TOPOGRÁFICAS

Foram utilizadas, na fase de análise dos resultados, as seguintes cartas topográficas

produzidas pela Diretoria de Serviço Geográfico (DSG):

Escala 1:100.000: MI 517, MI 518, MI 578 e MI 579; todas produzidas através de fotografias

tomadas no ano de 1978 e apoio de campo em 1979; atualizadas, sem apoio de campo, no ano

de 1999, através da utilização de imagens LANDSAT 7 (todas as bandas).

Escala 1:250.000: MIR 94, MIR 95, MIR 115 e MIR 166. Todas produzidas por compilação

e atualizadas, sem apoio de campo, nos anos de 1995 e 1997 utilizando-se imagens

LANDSAT 5 (bandas 3, 4 e 5).

23

5 – METODOLOGIA

A metodologia utilizada neste trabalho pode ser dividida em: 1) Preparação das

Imagens (recorte dos módulos e conversão de formato); 2) Pré-processamento das Imagens

(georreferenciamento e eliminação de ruído); 4) Processamento Digital das Imagens

(filtragem e extração automática de bordas) e 5) Interpretação Visual e Digitalização das

Feições; como pode ser observado nas seções a seguir.

5.1 – PREPARAÇÃO DAS IMAGENS

O módulo da imagem CBERS-1 empregado foi obtido através de um recorte realizado

no software ENVI 3.6. A conversão da imagem original, em formato TIFF, para o formato

utilizado pelo SPRING (GRB) foi realizada no IMPIMA3 (FIG. 5.1).

FIG. 5.1 – Conversão do arquivo TIFF em GRB

Os recortes dos módulos das imagens CBERS-1 reprocessada e CBERS-2 foram

realizados em conjunto com a conversão, no IMPIMA.

3 Módulo do sistema SPRING capaz de realizar recortes de imagens e conversões para o formato “grb”.

24

5.2 – PRÉ-PROCESSAMENTO DAS IMAGENS

a) Georreferenciamento

O georreferenciamento das

imagens, foi realizado através da

operação de registro, utilizando-se para

tal 11 Pontos de Controle (PCs) na

imagem do CBERS-1, 10 PC’s na

imagem CBERS-1 reprocessada e 09 na

imagem do CBERS-2, pontos estes

escolhidos em uma distribuição

homogênea, a fim de se obter um melhor

referenciamento. A FIG. 5.2 ilustra a

distribuição espacial dos PCs na imagem

do CBERS-1.

Para a realização dos registros, no SPRING, foram

dados os seguintes passos (FIG. 5.3):

• A Criação dos pontos, através da operação “Criar”,

com a opção de aquisição “Tela” marcada;

• A movimentação do ponto sobre a imagem, através

da operação “Editar/Mover”;

• A escolha do grau do polinômio (1º grau);

• A seleção de todos os pontos, através da operação

“Selecionar”.

FIG. 5.3 – Pontos de Controle

FIG. 5.2 – Distribuição Espacial dos PCs

25

Duas observações devem ser realizadas: 1) o polinômio do ajuste é de 1º grau, pois,

embora os erros nos PC’s sejam maiores, nos demais pontos da imagem estes erros são

distribuídos de forma linear; 2) a opção “Correção de Sistema”4 foi desabilitada, devido ao

grande erro que a mesma gerava no processo de georreferenciamento.

b) Correção de Ruído

Devido ao ruído presente na banda 1 das

imagens CBERS-1 (fruto de uma descalibração do

sensor), esta banda foi descartada. Entre as bandas

utilizadas (4,3 e 2) a banda 2 é a única que

apresenta um nível de ruído ligeiramente

acentuado (FIG. 5.4), sendo assim o algoritmo de

eliminação de ruído do SPRING foi aplicado nesta

banda.

FIG. 5.4 – Ruído na Banda 2 no CBERS-1

No tocante à imagem original do

CBERS-2 (FIG. 5.5) pode-se afirmar que há

uma melhor qualidade quando comparada à

imagem do CBERS-1, sendo assim nenhuma

das bandas precisou passar por rotinas de

eliminação de ruído. Entretanto, não foi

possível avaliar a qualidade da banda 1,

assim como da pancromática, pois as

imagens anteriores a 01 de julho de 2004

estão sendo fornecidas, até o momento,

somente com as bandas do canal CCD1 (2,3

e 4). FIG. 5.5 – Banda 2 Original do CBERS-2

4 Correções geométricas aplicadas aos dados brutos que, no caso das imagens CCD-CBERS, possui também um georreferenciamento com erro da ordem de 500 metros.

26

5.3 – PROCESSAMENTO DIGITAL DAS IMAGENS

a) Filtragem

Com o objetivo de se realizar um realce de bordas e

assim facilitar a identificação das feições da rede viária as

imagens foram submetidas a uma filtragem passa-altas,

através da aplicação de uma máscara 7X5 (FIG. 5.6)

(VERGARA, 1999).

FIG. 5.6 – Máscara

b) Detecção Automática de Bordas

Esta etapa foi realizada com a utilização dos algoritmos de detecção automática de

bordas do UPTK na imagem CBERS-2. A escolha desta técnica foi feita após testes iniciais e

comparação visual com os algoritmos existentes no SPRING (Roberts e Sobel); os resultados

podem ser observados na seção 6.2 e o código fonte, em linguagem C++, do programa

necessário para a realização da filtragem no APÊNDICE 11.1.

5.4 – INTERPRETAÇÃO VISUAL E DIGITALIZAÇÃO DAS FEIÇÕES

Diversos problemas foram encontrados durante o processo de interpretação e

digitalização das estradas:

a) Cobertura de nuvens

Este é um problema inerente às imagens de sensores passivos que, como no caso dos

CCD-CBERS-1 e 2, utilizam a zona do espectro eletro-magnético compreendida entre o

visível e o infravermelho para a produção das imagens, zona esta em que as nuvens são

barreiras. Na Região Amazônica, em especial, a presença de nuvens é uma constante, devido

27

às condições climáticas; tal fato é evidenciado na FIG. 5.7, onde se pode notar que a presença

de nuvens não só impede a identificação de feições nas zonas cobertas como dificulta nas

áreas de sombra.

FIG. 5.7 – Cobertura de Nuvens (Imagem CBERS-1)

b) Baixa resolução espacial

Embora as imagens CCD-CBERS-1 tenham como resolução espacial nominal um

pixel de 20 metros, na prática o que se verifica é uma resolução real de aproximadamente 46

metros, fruto da deterioração do sensor. Neste ponto uma observação se faz necessária:

mesmo uma estrada que não tenha 20 metros ou mais de largura poderá ser visível em uma

imagem CCD, graças à diferença da refletância entre ela e o meio, pois cada pixel na imagem

pode ser considerado como uma média de todos os elementos contidos naquela área, logo, em

um meio homogêneo como a Região Amazônica, estradas são anomalias facilmente

detectadas, devido à diferença de refletância entre as árvores e as estradas.

c) Descontinuidades nas feições lineares

Podem ser notadas nas imagens: algumas estradas estão representadas de forma

desconexa ou incompleta (FIG. 5.8). Este fato ocorre por fatores diversos, desde a resolução

espacial dos pixels até a cobertura por nuvens ou vegetação.

28

FIG. 5.8 – Descontinuidade das Estradas

Tendo em vista os problemas supra, algumas técnicas foram aplicadas de modo a

facilitar a extração das feições de estradas:

a) Realce linear de contraste

Foi uma ferramenta de muita importância no processo de interpretação visual; na FIG.

5.9 (imagem CBERS-1) fica evidenciada como as estradas foram realçadas em relação à

vegetação.

FIG. 5.9(a)–Imagem sem realce de contraste FIG. 5.9(b)–Imagem com realce de contraste

b)Utilização das bandas em separado

Esta foi outra técnica aplicada, conjugada ao realce linear de contraste. Em regiões de

vegetação densa a melhor alternativa para a extração de feições de estradas foi a utilização da

banda 3 (vermelho), onde as respostas da vegetação e das estradas (principalmente as não

pavimentadas) são muito diferentes. A FIG. 5.10 exemplifica a aplicação deste recurso na

imagem CBERS-1.

29

FIG. 5.10(a) – Composição 4,3,2 FIG. 5.10(b) – Somente a banda 3

FIG. 5.10(c) – 4,3,2 (realce de contraste) FIG. 5.10(d) – Banda 3 (realce de contraste)

Já na zona intra-urbana de Manaus, para uma melhor extração de feições da rede

viária, a alternativa que apresentou melhores resultados foi trabalhar somente com a banda 4

(infravermelho próximo)(FIG. 5.11).

FIG. 5.11(a) – Composição 4,3,2 FIG. 5.11(b) –Banda 4 (realce de contraste)

As estradas foram classificadas em duas categorias: pavimentadas e não

pavimentadas. Tal classificação torna-se possível graças à diferença nas respostas espectrais,

que, por exemplo, faz as estradas não pavimentadas (maior refletância) apresentarem uma

tonalidade mais clara na composição colorida (FIG. 5.12).

30

FIG. 5.12(a) – Estrada Pavimentada FIG. 5.12(b) – Estrada Não Pavimentada

Deve-se ressaltar que, para uma diferenciação totalmente segura das diferentes

categorias de estradas, faz-se necessário contar com informação proveniente de fontes

complementares como, por exemplo, apoio de campo ou imagens de alta resolução.

31

6 – RESULTADOS FINAIS

6.1 – PRÉ-PROCESSAMENTO DAS IMAGENS

a) Correção de Ruído

Em decorrência das limitações do sistema SPRING, os testes de eliminação de ruído

(banda 2 do CBERS-1), onde foram utilizados os limiares (indicados como default) inferior

igual a 9 e superior igual a 24, não produziram resultados satisfatórios, que devessem ser

utilizados em detrimento dos originais (FIG. 6.1).

FIG. 6.1(a) – Banda 2 Original FIG. 6.1(b) – Banda 2 com Eliminação de Ruído

b) Georreferenciamento

Na imagem CBERS-1 original foram obtidos erros, em módulo, entre 0,660 e 0,095

pixels e com uma média de 0,571, ou seja, 11,42 metros, já na reprocessada os erros estão

compreendidos entre 0,037 e 0,968 pixels, com uma média de 0,640 (12,8 metros). Na

imagem CBERS-2 os erros variaram entre 0,628 e 0,010 pixels, com uma média de 0,521, ou

seja, 10,42 metros (TAB. 6.1). Resultados estes que podem ser considerados satisfatórios,

pois são menores que a resolução do sensor.

32

TAB. 6.1 – Erros dos Pontos de Controle

6.2 – PROCESSAMETO DIGITAL DAS IMAGENS

a) Filtragem

Houve substancial melhora na capacidade de extração de feições lineares nas imagens

após a aplicação da máscara; a FIG. 6.2 ilustra a diferença entre a imagem CBERS-1 original

e a filtrada.

FIG. 6.2(a) – Imagem antes da filtragem FIG. 6.2(b) – Imagem após a filtragem

O resultado da filtragem não-linear aplicado na imagem CCD-CBERS-2 pode ser

observado na FIG. 6.3, onde é mostrada a banda 3 antes e depois da filtragem.

33

FIG 6.3(a) – Imagem Original FIG 6.3(b) – Filtro Não-Linear (Nevatia-Babu)

Com a aplicação desta técnica houve um bom realce das bordas existentes e, por

conseqüência, das feições lineares, porém foram geradas dúvidas por ocasião da interpretação

do terreno e classificação das feições como rede viária, pois, como se pode reparar na FIG.

6.3, a imagem gerada apresenta feições que não são rede viária e são representadas da mesma

maneira. Logo as imagens geradas, pela aplicação do algoritmo de detecção automática de

bordas Nevatia-Babu, não apresentam vantagens que indiquem a conveniência da sua

utilização no lugar das imagens originais, pelo menos no caso das imagens CCD-CBERS para

regiões semelhantes à área de Manaus.

6.3 – INTERPRETAÇÃO VISUAL E DIGITALIZAÇÃO DAS FEIÇÕES

Esta fase foi realizada, através da interpretação visual e digitalização na tela do

computador sobre as imagens CCD-CBERS, valendo-se para tal de todas as técnicas

enunciadas na seção 5.4.

A imagem CBERS-1 reprocessada apresentou uma melhor clareza, principalmente na

banda 4 (FIG. 6.4) quando comparada à original, denotando a melhor qualidade do novo

algoritmo, desenvolvido no Brasil pela empresa GISPLAN em relação ao aplicado nas

imagens do CBERS-1. Porém, devido aos fatos de que os dados brutos são os mesmos, o

realce de contraste aplicado na imagem reprocessada estar de certa forma exagerado e a

imagem original já possuir boa qualidade, durante a interpretação visual da imagem

reprocessada não foi possível a extração de maior quantidade de feições, houve apenas uma

maior facilidade.

34

Já a imagem CBERS-2 apresentou melhor qualidade que as CBERS-1, principalmente

nas bandas 2 (nível baixo de ruído) e 4 (maiores nitidez e quantidade de feições lineares).

FIG 6.4 (a) – CBERS-1 Banda 4 Original FIG 6.4 (b) – CBERS-1 Banda 4 Reprocessada

O resultado da digitalização pode ser observado na FIG 6.5, onde as duas categorias a

que este trabalho se dispõe a diferenciar estão representadas: 1) não pavimentadas (em azul) e

2) pavimentadas (em verde); ao fundo, estão as composições 4,3,2 das imagens CCD-

CBERS-1 (FIG 6.5 (a)) e CCD-CBERS-2 (FIG 6.5 (b)).

FIG. 6.5 (a) – Extração na Imagem CBERS-1 FIG. 6.5 (b) – Extração na Imagem CBERS-2

35

7 – ANÁLISE DOS RESULTADOS

Por limitações de tempo e verdade de campo disponível a avaliação dos resultados não

foi feita em toda a área de estudo, mas apenas na parte contida abaixo do paralelo -3º 00’ 00’’.

Na escolha da área da avaliação foi levado em conta que ela é representativa das

características da região, pois possui tanto zona urbana densa e de expansão, como área

florestal e feições da hidrografia, além da rede viária (FIG. 7.1).

FIG. 7.1 – Área Avaliada

Os dados foram avaliados quantitativa e qualitativamente (segundo a classificação em

pavimentadas e não-pavimentadas) utilizando-se como verdade a banda pancromática da

imagem IKONOS II (1 metro de resolução espacial) (FIG. 7.2), onde se pôde determinar com

precisão a presença de estradas, ruas e caminhos e se estas feições são, ou não, pavimentadas.

36

FIG.7.2 – Imagem IKONOS na Área de Avaliação

Visando uma comparação dos dados extraídos a partir da imagem CCD-CBERS com

as escalas do Mapeamento Sistemático, utilizou-se as cartas topográficas digitalizadas, nas

escalas 1:100.000 (FIG. 7.3) e 1:250.000 (FIG. 7.4). Tais cartas foram registradas e usadas

como plano de fundo para os dados vetoriais referentes às feições da rede viária extraídos da

imagem CBERS.

FIG. 7.3 – Cartas Topográficas na Escala 1:100.000

37

FIG. 7.4 – Cartas Topográficas na Escala 1:250.000

Após o término da etapa de

digitalização se pôde notar, numa analise

preliminar, a fraca capacidade da imagem

CBERS, no que diz respeito à identificação de

feições da rede viária na área intra-urbana,

quando comparado à quantidade de tais

feições presente nas cartas topográficas na

escala 1:100.000: cerca de 20% do que está

representado nas mesmas para as imagens

CCD-CBERS-1 (FIG. 7.5 (b)) e 45% para as

imagens CCD-CBERS-2 (FIG. 7.5 (c)).

FIG. 7.5 (a) - Rede Viária nas Cartas 1:100.000

FIG. 7.5 (b) - Feições Extraídas da Im. CBERS-1 FIG. 7.5 (c) - Feições Extraídas da Im. CBERS-2

38

Tendo em vista este problema e o fato de numa carta na escala 1:250.000 não haver

representações de feições da rede viária na área intra-urbana (como mostra a FIG. 7.3), optou-

se por fazer então, apenas a análise dos dados das regiões extra-urbanas, visando a

determinação da viabilidade da utilização de dados CCD-CBERS 1 e 2 numa atualização

cartográfica na escala 1:250.000 e nas regiões não urbanizadas de cartas na escala 1:100.000.

Sendo assim deu-se início à análise dos dados CCD-CBERS, em que se usou como

verdade a imagem IKONOS II. Esta etapa de avaliação constou de: 1) avaliação

quantitativa, ou seja, contagem e comparação entre o número de feições da rede viária

existentes na imagem IKONOS II e os dados vetoriais extraídos da imagem CBERS-1; 2)

avaliação qualitativa, onde se avaliou a classificação das estradas em pavimentadas e não-

pavimentadas. Na TAB. 7.1 pode-se observar os resultados obtidos para os satélites CBERS5:

Análise dos Dados CCD-CBERS-1 em Relação à Imagem IKONOS

Tipo

Não Pavimentadas Pavimentadas

Imagem IKONOS 150 (47*) 43

CBERS-1 (Detecção) 74 29

CBERS-1 (Completas e Classif. Corretamente) 54 7

CBERS-1 (Classif. Erroneamente) 3 17

CBERS-1 (Incompletas, mas Classif. Corretamente) 17 (4**) 5 (1**)

CBERS-1 (Hidrografia) 2 1

TAB. 7.1 (a) – Análise dos Dados CCD-CBERS-1 em Relação à Imagem IKONOS

Análise dos Dados CCD-CBERS-2 em Relação à Imagem IKONOS

Quantidade

Não Pavimentadas Pavimentadas

Imagem IKONOS 65 (15*) 28

CBERS-2 (Detecção) 44 23

CBERS-2 (Completas e Classif. Corretamente) 41 13

CBERS-2 (Classif. Erroneamente) 1 3

CBERS-2 (Incompletas, mas Classif. Corretamente) 2 7

CBERS-2 (Não Rede Viária) 2 1

TAB. 7.1 (b) – Análise dos Dados CCD-CBERS-2 em Relação à Imagem IKONOS

Onde: 1) Detecção exprime a quantidade de feições detectadas independentemente de

classificação correta e extração completa; 2) Completas e Classificadas Corretamente

significa que a feição foi corretamente classificada e extraída por completo; 3) Classificadas

Erroneamente dá o número de feições classificadas de maneira equívoca; 4) Incompleto, 5 A área avaliada na imagem CCD-CBERS-2 é menor devido ao fato da mesma não recobrir toda a área de trabalho (este fato é evidenciado na FIG.6.5 (b)).

39

mas Classificadas Corretamente exprime quantas estradas não puderam ser identificadas

por completo nas imagens CBERS; 5) Hidrografia são rios que, devido à semelhança na

resposta espectral, foram extraídos como rede viária; 6) “*” exprime a quantidade de feições

presentes na imagem IKONOS que representam caminhos ou loteamentos de ruas muito

próximas (menos de 40 metros de separação) e 7) “**” significa que as feições foram

extraídas de forma incompleta devido à presença de nuvens a imagem.

Os resultados da avaliação realizada com respeito à imagem IKONOS (TAB. 7.1)

mostram que, na utilização dos dados CBERS, o usuário fica suscetível a erros de

classificação, como o de se classificar uma estrada pavimentada como não-pavimentada ou

um rio estreito como rua, bem como à incapacidade na identificação de feições da rede viária

de menor porte (ruas de loteamento e caminhos).

Entretanto, na imagem CCD-CBERS-1 cerca de 53% de todas as feições existentes

foram detectadas e destas 81% classificadas corretamente e, na imagem CCD-CBERS-2 estes

percentuais mudam para 68% e 81% respectivamente, o que é um indicativo da possibilidade

do emprego desses dados, com restrições, na atualização cartográfica.

As tabelas 7.2 e 7.3 mostram as análises dos resultados em relação às cartas

topográficas nas escalas 1:250.000 e 1:100.000, respectivamente:

Análise dos Dados CCD-CBERS-1 em Relação às Cartas 1:250.000

Tipo Não

Pavimentadas Pavimentadas

Total na Carta 20 7

CBERS (Detecção) 20 6

CBERS (Completamente Extraídas) 16 4

CBERS (Incompletamente Extraídas) 4 2

CBERS (Não Extraídas) 0 1**

CBERS (Correções Detectadas) 3 0

Atualizações Possíveis na Carta 7 6

TAB. 7.2 (a) - Análise dos Dados CCD-CBERS-1 em Relação às Cartas 1:250.000

40


Tipo Não


Total na Carta 9 1




CBERS (Não Extraídas) 0 0



TAB. 7.2 (b) - Análise dos Dados CCD-CBERS-2 em Relação às Cartas 1:250.000


Tipo Não


Total na Carta 45 18



CBERS (Incompletamente Extraídas) 13 3**




TAB. 7.3 (a) – Análise dos Dados CCD-CBERS-1 em Relação às Cartas 1:100.000


Tipo Não


Total na Carta 32 2







TAB. 7.3 (b) – Análise dos Dados CCD-CBERS-2 em Relação às Cartas 1:100.000

Onde: 1) Correções Detectadas se refere à erros de classificação das feições nas

cartas que seriam corrigidos pelos dados CBERS no caso de uma atualização; 2) Atualizações

Possíveis na Carta dá o número de feições, em função das escalas, que poderiam ser

introduzidas nas cartas, ou seja, que foram extraídas da imagem CBERS e não estão presentes

41

nas cartas e 3) “**” significa que as feições foram extraídas de forma incompleta devido à

presença de nuvens na imagem.

Analisando-se a TAB. 7.2 nota-se que, para a imagem CCD-CBERS-1, com exceção

de uma via pavimentada coberta por nuvens, a totalidade dos elementos da rede viária

presentes nas cartas 1:250.000 foram detectados e cerca de 13 novas feições poderiam ser

introduzidas no caso de uma atualização destas cartas. Já na imagem CCD-CBERS-2 todas as

feições representadas na carta na escala 1:250.000 foram detectadas na etapa de digitalização

e 6 novas feições poderiam ser introduzidas numa atualização cartográfica.

A TAB 7.3 mostra que os dados vetoriais extraídos a partir da imagem CCD-CBERS-

1 foram capazes de representar apenas 67% das feições existentes nas cartas 1:100.000 (nas

zonas extra-urbanas). Entretanto a utilização desta imagem permitiu a detecção de 22 novas

feições representáveis nesta escala e 7 classificações erradas nestas cartas. Esta tabela mostra

também que, para a imagem CCD-CBERS-2, o percentual de feições contidas nas cartas e

representadas foi 88% (nas zonas extra-urbanas), com a detecção de 13 novas feições

representáveis na escala 1:100.000 e 4 classificações erradas nesta escala.

42

8 – CONCLUSÕES

De acordo com os resultados obtidos nesta abordagem inicial pode-se concluir que as

imagens CCD-CBERS-1 e CCD-CBERS-2 poderiam vir a ser utilizados em atualizações em

cartas topográficas na escala 1:250.000 em áreas com as características da região estudada.

No tocante às atualizações em cartas topográficas na escala 1:100.000, a utilização dos

dados CBERS apresentaria deficiências como, por exemplo, a fraca capacidade na

identificação de feições da rede viária na zonas intra-urbanas. Logo, tornar-se-ia necessária a

utilização de meios auxiliares (imagens de alta resolução, fotografias aéreas, etc.) para o

preenchimento destas lacunas. Destaca-se também que, devido ao fato de que na Imagem

CCD-CBERS-1 somente 67% das feições presentes nas cartas em escala 1:100.000 utilizadas

puderam ser identificadas na imagem e que este percentual foi de 88% para a Imagem CCD-

CBERS-2, não está garantida uma atualização completa.

Deve-se ressaltar que, em se tratando da utilização de dados obtidos a partir de

Sensoriamento Remoto, a reambulação é indispensável para uma correta classificação das

feições.

43

9 – SUGESTÕES PARA TRABALHOS FUTUROS

Para a continuação desta linha de pesquisa e comprovação da metodologia aplicada

sugere-se a realização de pesquisas semelhantes em áreas com diferentes características de

uso do solo, relevo e níveis de urbanização e a utilização de mais de uma imagem visando a

minimização dos efeitos da cobertura de nuvens.

Sugere-se também a realização de trabalhos que visem realizar avaliações de

diferentes algoritmos de filtragem, assim como as propriedades geométricas das imagens

CCD-CBERS-2.

44

10 – REFERÊNCIAS BIBLIOGRÁFICAS

BASTO, Marcelo Araújo. Avaliação de Dados CCD-CBERS Para Fins de Atualização

Cartográfica na Região de Manaus. 30 p. Trabalho de Iniciação à Pesquisa (4º ano) – Instituto Militar de Engenharia - DE/6, 2003.

ESPÍNDOLA, Giova Mira. Estudo das Potencialidades Cartográficas das Imagens CCD

do Satélite CBERS. 84 p. Projeto de Fim de Curso – Instituto Militar de Engenharia - DE/6, 2002.

INSTITUTO NACIONAL DE PESQUISAS ESPACIAIS (INPE). 2003. SPRING 4.0,

módulo de ajuda – opção Processamento de Imagens. INSTITUTO NACIONAL DE PESQUISAS ESPACIAIS (INPE) [online]. 2004. Disponível:

http://www.cbers.inpe.br/pt/index_pt.htm. [atualizado em 15 jun. 2004 e capturado em 22 jul. 2004].

LIMA, Soraya Rigo ([email protected]) Re: qualidade das imagens. E-mail para

MENDONÇA JUNIOR, J.A. ([email protected]) [mensagem capturada em 22 jul. 2004].

NOVO, Evlyn M. L. de Moraes, Sensoriamento Remoto Princípios e Aplicações, 1992. 2ª

edição, Editora Edgard Blücher Ltda. VERGARA, O.R. Atualização Cartográfica Utilizando Imagens de Sensoriamento

Remoto Orbital: Desenvolvimento e Teste de uma Metodologia. 171 p. Tese de Doutorado em Engenharia – Escola Politécnica da Universidade de São Paulo, São Paulo, 1999.

45

11 – APÊNDICES 11.1 – APÊNDICE 1: ALGORITMO PARA DETECÇÃO DE BORDAS #include <iostream> #include <stdlib.h> #include <uptk\cpp\fext\uptk_segmentation.h> using namespace std; int main(int argc, char *argv[]) { // Construindo um objeto UPTKImage com iniciação de parâmetros UPTKImage Image; // Matriz de direções UPTKGMatrix<int> Directions;

/* A imagem deve estar no formato PPM ou PGM. O usuário deve ter a imagem no computador especificando para a função seu o caminho.

*/ // Abrindo a imagem Image.LoadFromFile("NOME_DA_IMAGEM_ORIGINAL.pgm"); // Convertendo a imagem para cinza Image.ReType(tiGray); // Processando a segmentação das linhas por Nevatia e Babu UPTKSystem::NevatiaBabu(&Image.Gray, &Directions, &Image.Gray); // Salvando a imagem Image.SaveToFile("NOME_DA_IMAGEM_PROCESSADA.pgm"); }

MINISTÉRIO DA DEFESA EXÉRCITO BRASILEIRO SECRETARIA DE ... · aplicado às imagens CCD-CBERS-2) e...

Documents

Transcript of MINISTÉRIO DA DEFESA EXÉRCITO BRASILEIRO SECRETARIA DE ... · aplicado às imagens CCD-CBERS-2) e...