O documento discute classificação avançada de imagens com orientação a objetos no software eCognition. Apresenta os conceitos de classificação de imagens e descreve como características como cor, textura, tamanho e forma podem ser usadas para distinguir alvos. Também discute os limites de métodos de classificação tradicionais e como a classificação orientada a objetos pode superar esses limites.
O documento discute classificação avançada de imagens com orientação a objetos no software eCognition. Apresenta os conceitos de classificação de imagens e descreve como características como cor, textura, tamanho e forma podem ser usadas para distinguir alvos. Também discute os limites de métodos de classificação tradicionais e como a classificação orientada a objetos pode superar esses limites.
O documento discute classificação avançada de imagens com orientação a objetos no software eCognition. Apresenta os conceitos de classificação de imagens e descreve como características como cor, textura, tamanho e forma podem ser usadas para distinguir alvos. Também discute os limites de métodos de classificação tradicionais e como a classificação orientada a objetos pode superar esses limites.
Jos Augusto Sapienza Ramos Sistema Labgis/UERJ Douglas Fraga - Threetek Esta apresentao em PDF est disponvel em: http://gisday.labgis.uerj.br/arquivos/ ap_classif_ecognition.pdf
O vdeo estar disponvel em breve em: http://www.youtube.com/user/ sistemalabgis o Identificao de alvos nas imagens de satlite;
o A distino se d pelas caractersticas associadas a radiao eletromagntica (REM) captada pelo sensor;
o um dos objetivos principais do Processamento Digital de Imagens (PDI) na rea de Geotecnologias;
o Alm da identificao, permite anlises quantitativas como clculo de reas, padres, estudo de evoluo do ambiente, entre outros. O que a classificao de imagens?
o Utiliza-se mtodos matemticos (destaque aos estatsticos) e computacionais para identificao de padres e/ou caractersticas que permitam a distino dos alvos;
o Existem mtodos de diferentes abordagens; Como se faz a classificao?
Exemplo de classificao
Exemplo de classificao
Exemplo de classificao
Exemplo de classificao Enquete 1 Qual a sua rea de formao?
Qual a sua rea de formao? a) Geografia; b) Geologia; c) Engenharias; d) Biologia; e) Outra rea de formao.
9 Enquete 2 Qual o seu conhecimento sobre classificao de imagens? 10
Qual o seu conhecimento sobre classificao de imagens? a) Trabalho com imagens de satlite, mas no fiz classificao; b) J fao classificao, mas no uso orientao a objeto; c) J fao classificao com orientao a objeto; d) No trabalho ainda com imagens de satlite.
Entretanto...
o Os mtodos de classificao no so simples;
o Requer muitas vezes um conhecimento mais profundo sobre os classificadores disponveis e assinaturas espectrais dos alvos;
o Comumente precisamos informar amostras (com crivo);
o Geralmente fazemos uma primeira classificao e vamos refinando o trabalho gerado.
Entretanto... (2)
o importante utilizar bandas com faixa do espectro e resoluo espacial suficiente para distino dos alvos;
o Muitas vezes h um etapa de pr-processamento para auxiliar a classificao. o Podemos utilizar as seguintes caractersticas: o Tonalidade o Cor o Textura o Tamanho o Forma o Sombra o Padro o Localizao ou Contexto o Data de aquisio da imagem O que podemos utilizar para classificar?
o Relacionado diretamente variao dos valores de pixels das bandas;
o Quanto maior a resoluo radiomtrica da imagem, maior a possibilidade de percepo das variaes de tonalidade das bandas.
Tonalidade
o Cor resultado das tonalidades de uma composio de bandas;
o Escolha das faixas espectrais utilizadas fundamental;
o Utilizando mais imagens, geralmente se tem melhor distino dos alvos;
o s vezes na prtica ainda insuficiente. Cor
Exemplo - Cor Composio do espectro visvel Composio utilizando tambm o infravermelho
o Se considera a tonalidade ou cor de uma regio;
o Textura homognea indica baixa variao de tonalidade ou cor na regio;
o Textura heterognea indica alta variao. Textura
Exemplo - Textura Imagem de Guratinguet - SP TM LANDAST 5 26/06/1997 a - Textura lisa: rea plana b Textura mdia: relevo suave ondulado c Textura rugosa: relevo ondulado d Textura rugosa: relevo montanhoso
o Considera-se a rea da regio como fator de separao de classes;
o Exemplo: piscina x lago. A gua pode ter uma resposta espectral parecida, entretanto o tamanho pode ser utilizado como determinante.
o Podemos descartar tambm reas pequenas em certas classes e agrup-las a classes vizinhas. Tamanho o O formato da rea identificada pode informar o alvo;
o Exemplo: a resposta do afloramento rochoso e prdio podem ser similares, entretanto o primeiro tem bordas sinuosas e segundo formas mais regular/poligonal.
o Outro exemplo o prdio e arruamentos, podemos nos vale da forma alongada e linear do arruamento frente ao prdio. Forma
o Indica variao de altura;
o Pode ser utilizado, por exemplo, na identificao relevo ou porte de construes;
o Pode ser utilizado inclusive para estimar altura dos alvos com certo nvel de preciso. Sombra
Exemplo - Sombra Imagem TM-LANDSAT -5, 25/06/1997 da regio de Cruzeiro e de Cachoeira Paulista no Vale do Paraba, SP
o Indica a disposio espacial dos objetos entre si;
o Pode ser utilizado, por exemplo, na diferenciao de favela em relao a rea urbana consolidada ou tipos de vegetao arbreas em uma imagem de alta definio. Padro
Exemplo - Padro Imagem IKONOS -2 de 13/10/2000 So Jos dos Campos
o A posio de um alvo sobre uma referncia considerada na distino;
o Exemplos: distino do tipo de vegetao pela localizao nos cumes dos morros ou em plancies ou um ponte que tem classe gua como vizinho. Localizao ou contexto
o Ao utilizarmos imagens de duas estaes do ano, podemos diferenciar, por exemplo, plantao de vegetao rasteira ou identificar feies por suas mudanas sazonais;
o Considerando que as imagens so uma da poca de colheita e outra aps a poca de plantio, a vegetao rasteira no muda muito sua resposta espectral em relao plantao;
o Em uma srie histrica, podemos identificar mudanas como desmatamento, crescimento urbano, entre outras feies. Data de aquisio da imagem o Chamaremos de classificadores os mtodos matemticos que auxiliam diretamente alguma etapa do processo de classificao;
o A maioria dos classificadores se baseiam apenas na tonalidade/cor e textura dos alvos;
o Os que apresentam, em geral, melhores resultados dependem de fornecimento de amostras >> estuda-se o comportamento das amostras e observa-se toda a imagem analisando o comportamento anlogos em relao s amostras. Tipos de Classificadores
o H duas divises pela superviso e pela unidade de anlise principal;
o Quanto a superviso: o Supervisionado: requer que o usurio colete amostras sobre a imagem para cada uma das classes e um classificador busca identificar o padro do comportamento das amostras sobre toda a imagem; o No supervisionado: o usurio configura e aplica o classificador, sem necessidade de amostras, gerando a imagem classificada.
o Classificao manual no pode ser desconsiderada: os limites das classes so traados totalmente pelo usurio sobre a visualizao da imagem.
Tipos de Classificadores
Tipos de classificadores o Segunda diviso - pela unidade de anlise principal: o Por pixel: utilizam apenas a informao espectral, isoladamente, de cada pixel. o Por regio: Utilizam, alm de informao espectral de cada pixel, a informao espacial que envolve a relao entre os pixels e seus vizinhos.
o Quando o classificador por regio, necessrio utilizar uma outra tcnica para segmentar a imagens em regies de resposta similar.
o Na classificao por objeto, a regio denominada objeto mais detalhes frente.
Exemplo de segmentao
Exemplo de segmentao Enquete 3 Se voc j executou classificao de imagens... 32
Se voc j realizou classificao de imagens, qual mtodo foi utilizado? a) Classificao manual; b) Classificao por pixel; c) Classificao por regio; d) Classificao orientada a objeto; e) Eu ainda no classifiquei imagens.
Enquete 4 Qual a resoluo espacial das imagens que voc j utilizou em projetos? 33
Qual a melhor resoluo espacial das imagens que voc j utilizou em seus projetos? a) Maior que 20 metros; b) Entre 20 metros e 5 metros; c) Menor que 5 metros; d) Eu ainda no utilizei imagens de satlite em projetos.
o So procedimentos executados sobre as imagens para melhorar o processo de classificao >> melhorar a distino dos alvos: o Realce de contraste; o Correo Geomtrica (georreferenciamento/ortorretificao); o Correo Radiomtrica (clculo de radincia/reflectncia); o Correo Atmosfrica; o Manipulao de histograma; o Aplicao de filtros; o Aritmtica sobre imagens; o Converso RGB>>IHS; o Fuso de Bandas; o Entre outros;
Etapas de pr-classificao o Tem como funo refinar e aplicar ajustes do resultado da classificao: o Aplicao de filtros; o Juno de classes; o Ajustes de contornos e formas; o Ajuste manual; o Avaliao do resultado da classificao; o Entre outros.
Etapas de ps-classificao
o Os classificadores por pixel trabalham apenas com tonalidade e cor exemplo: Distncia Euclidiana e Mximo Verossimilhana;
o Os classificadores por regio mais utilizados trabalham com cor, tonalidade e textura: Isoseg e Bhattacharya;
o Os classificadores acima no apresentam bom desempenho em imagens de alta resoluo espacial e em classificaes onde a resposta espectral dos alvos a serem identificados so parecidos.
Limites dos classificadores mais comuns
o Alm da tonalidade, cor e textura, trabalha tambm com outras caractersticas da imagem: forma, localizao, tamanho, entre outras;
o A regio de pixels chamada de objeto as caractersticas do objeto so utilizados na deciso da classificao;
o A segmentao necessria para gerao dos objetos e o usurio utiliza as caractersticas do objeto em uma rvore de deciso para classificar.
Classificao orientada a objeto (OO)
o Chamado mais especificamente de Anlise de Imagens Baseada em Objetos (OBIA) ou Anlise de Imagens Baseada em Objetos Geogrficos (GEOBIA);
o O classificador auxilia e aumenta a produtividade do usurio, porm ajustes manuais podem ser necessrios. Classificao orientada a objeto (OO)
Gerao dos objetos o Os objetos gerados na segmentao podem ser gerados em vrios nveis hierarquia:
Objetos Objetos Propriedades do objeto
Gerao dos objetos o Podemos nos valer tambm de diferentes produtos em diferentes datas para gerar os objetos:
Anlise dos objetos o Utiliza-se caracterticas os objetos para deciso: o Amostras; o Hierarquia dos objetos; o Forma; o Tamanho; o Objetos vizinhos; o Objetos ao longo de imagens coletadas em datas diferentes; o Entre outros...
o Pode-se depois melhorar o resultado da classificao ajustando a forma, os limites entre os objetos e avaliando a consistncia da classificao.
Vamos demonstrao no eCognition Esta apresentao em PDF est disponvel em: http://gisday.labgis.uerj.br/arquivos/ ap_classif_ecognition.pdf
O vdeo estar disponvel em breve em: http://www.youtube.com/user/ sistemalabgis o O Sistema Labgis/UERJ e a Threetek esto lanando um curso de 40 horas chamado eCognition e Classificao Avanada de Imagens;
o O curso certificado pela Universidade do Estado do Rio de Janeiro e pela fabricante do eCognition, a empresa Trimble;
o A primeira turma est marcada para final de novembro!
Mais informaes: http://extensao.labgis.uerj.br
Por terem participado ao vivo deste webinar, todos ganharam automaticamente 20% de desconto sobre o investimento nesta turma final de novembro! No perca tambm o resto da programao de webinars gratuitos: http://gisday.labgis.uerj.br/
No deixe de concorrer a 6 meses de gratuidades nos cursos de extenso do Labgis. Detalhes no site acima. Perguntas?
11 de Novembro de 2013
Jos Augusto Sapienza Ramos Sistema Labgis/UERJ Douglas Fraga - Threetek