Aplicação semi-automática para extração de objetos
cartográficos em imagens satélite com Morfologia
Matemática
Michele Mengucci
CVRM-Centro de Geo-Sistemas
IST Lisboa
• Objetivo: Automatização do ‘cartographic updating’, ou genericamente ‘object recognition’.
• Meio: Segmentação em imagens de sensoriamento remoto e/ou set de imagens multi-canal.
• Informação pertencente ao domínio espectral é complementar a do domínio espacial.Informação espacial de cada banda é simplificada com a imagem mosaico para o domínio espacial ficar dividido em pequenas áreas cujos pixels tem valores parecidos nas bandas, domínio espectral. Isto é garantido com um ‘watershed’ efetuado sobre o ‘gradiente multispectral’.
Introdução
Uma área é marcada do utilizador como pertencente ao objeto procurado. A seguir são encontradas as áreas vizinhas (spatial neighboorhood - vizinhança espacial).
Área marcadamarcador Áreas vizinhas espaciais
Estrutura e Funcionamento do Algoritmo
No caso de trabalhar uma imagem “bi-dimensional” se podem projetar e representar as áreas como pontos no espaço dos atributos (‘feature space’).
Can I
Can II
c I
c II
c I
c II
Bandas da imagem multi-canal
Espaço dos atributos
Projeção da área Projeções
das vizinhas
Estrutura e Funcionamento do Algoritmo
As áreas vizinhas que também pertencem ao objeto tem projeções espectrais vizinhas á projeção da área marcada (espectral neighborhood - vizinhança espectral). Para as encontrar (no caso bidimensional) se aplica dilatação + interseção. O tamanho desta dilatação é valor de solha para definir a vizinhança espectral.
(1) projeção da área no espaço dos atributos (2)
projeções das vizinhas (3) dilatação da projeção da área
marcada (4) projeções das áreas vizinhas espacialmente E espectralmente [resultado da
interseção da imagem (2) com a (3)]
(1) (2)
(3) (4)
Estrutura e Funcionamento do Algoritmo
Regressando ao domínio espacial se separam as áreas cuja projeção foi identificada como espectralmente vizinha se juntam á área inicial. Assim se obtêm uma nova área com sentido espectral homogêneo.
+ =
O processo de junção é uma fusão, porque o novo nível de cinzento é uma media ponderada dos níveis das áreas juntadas. As áreas se juntam com um fecho. O processo de busca e adição de áreas segue a partir da nova área, até não encontrar mais vizinhas.
Estrutura e Funcionamento do Algoritmo
Áreas vizinhas espectrais
Área inicial Área resultante da fusão
Na figura se mostra sucessiva modificação da base binaria do mosaico.
Estrutura e Funcionamento do Algoritmo
Marcadores automáticos: em casos de objetos simples um bom marcador pode ser criado manualmente. Com simples operações de pre-segmentação podem se encontrar objetos que são aproximadamente os procurados. O importante é que estejam contidos neles e que se localizem numa parte destes de onde os quais podem ser bem reconstruídos com o algoritmo mostrado.
a b c
1) Segmentação do canal HUE segmentação baseada na cor do objeto procurado, aplicada em combinações coloridas em cor real.
2) Subtração de bandas
a - b = c
marcador
Marcadores
Objeto: um rio
Original pancromatica Mosaico final sobreposto
Seqüência de criação do objeto
Exemplos de Aplicação
Objeto: um aeroportoMarcadores
Exemplos de Aplicação
Original pancromatica
Seqüência de criação do objeto
Objeto: uma zona urbanaEste tipo de objeto é muito variado internamente, resulta complicado distinguir-o do background. O marcador tem que ser escolhido cuidadosamente.
Exemplos de Aplicação
Imagem pancromatica inicial com marcadores manuais
Imagem mosaico resultante
A cartografia preexistente depois de ser digitalizada seria o marcador ideal mas tem que ser muito bem georeferenciada para ser usada com efeito positivo. Neste caso onde agora tem um bairro de periferia a cartografia só mostrava um edifício. Mas o desfasamento da carta geográfica com a imagem satélite fez que este funcionou como marcador do background em vez que da zona urbana.
Marcador manual derivado da cartografia preexistente e resultado do algoritmo
Exemplos de Aplicação
Esta metodologia é valida para o reconhecimento de objetos em qualquer tipo de imagem multi-canal. Conforme ao tipo de utilizo ela precisa de ser afinada nos parâmetros que permitem um seu funcionamento adaptado ao tipo de objeto.
No caso do seu uso para atualização de cartografia será preciso afinar o método de escolha dos valores do parâmetro de vizinhança espectral, e a sua diferenciação nas varias bandas. Isto porque a diferencia entre o valor de cinzento dum objeto e o seu fundo, ou background, tem valores diferentes nas varias bandas. Seria necessário criar um vector D:
nespectral DDDD ,...,, 21
cujos n componentes são o a solha em níveis de cinzento nas n bandas da imagem multi-canal. Estes poderiam ser calculados partindo de valores encontrados em pontos/pixels escolhidos pelo utilizador dentro e fora do objeto.
Tarefas futuras
Também será oportuno estudar a melhor maneira de assinar o valor de cinzento nas novas áreas criadas durante o funcionamento do algoritmo, que agora é uma média ponderada dos níveis das áreas fundidas sobre o tamanho das áreas.Também se poderá pesquisar a a escolha automática dos marcadores, por exemplo afinando a técnica de segmentação do canal Hue nas composições coloridas em cor real. Definindo uma certa “tinta” ou valor de Hue para cada tipo de objeto.Para testar o algoritmo será preciso: o aplicar sobre uma grande variedade de imagens de vários tipos de cobertura terrestre, comparar os seus resultados com outras metodologias como a classificação, supervisionada e não supervisionada, sobre as imagens mosaico.Em fim seria útil automatizar uma seqüência morfológica para processar os objetos resultantes de forma que sejam prontos a serem utilizados em SIG e na cartografia.
Este é o estado atual desta pesquisa, entretanto qualquer contribuição poderá cambiar e/ou influenciar o seu formato futuro.
Tarefas futuras
Top Related