Upload
duongdang
View
215
Download
0
Embed Size (px)
Citation preview
EXTRAÇÃO DE BORDAS EM IMAGEM DE ALTA RESOLUÇÃO UTILIZANDO
TÉCNICAS DE PROCESSAMENTO DE IMAGEM
Thaisa Manoela Silva França 1, Ana Lúcia Bezerra Candeias
2
1Acadêmico em Engenharia Cartográfica e Agrimensura, UFPE, Recife-PE [email protected]
2Engª Eletrônica, Professora do Depto. DECart, UFPE, Recife-PE,
RESUMO: A partir da vetorização de ortofotos transfere-se as informações visíveis dos
modelos estereoscópios para o mapa de traços ou vetor, em geral, usa-se o instrumento chamado
de restituidor no qual manualmente, delineia-se feições segundo superposição da marca
flutuantes, logo a qualidade da restituição está atrelada a subjetividade do operador, no entanto,
a partir do processamento de imagem podemos identificar feições, utilizando a binarização das
fotografias, e geração de seu contorno de forma automática. Para isso, é necessário o estudo do
histograma da imagem e, desta forma, obtém-se o limiar para a binarização. A imagem de alta
resolução ortorretificada (ortofoto) é, então, simplificada em duas classes. A partir daí, delimita-
se as bordas das feições por processamento de imagem. Aqui, compara-se os filtros de Sobel,
Roberts e o gradiente morfológico na extração de bordas dos alvos de interesse. No
geoprocessamento, a transformação dessas bordas que estão no formato raster em vetor é uma
etapa importante para análise com informações espaciais e não espaciais. Nesse trabalho
utiliza-se uma ortofoto com resolução espacial de 30 centímetros (0,3 metros), situada na
Cidade Universitária, região metropolitana do Recife, Pernambuco. A componente S
(saturação) da transformação IHS é usada como imagem base na extração das feições de
interesse.
PALAVRA CHAVE: binarização, vetorização, Ortofoto.
INTRODUÇÃO: A subjetividade na vetorização das fotografias aéreas é um ponto que deve
ser melhorado. Dependendo do operador que desenvolve a vetorização a partir dos restituidores
que está sujeito a variáveis como: cansaço, conhecimento da área, etc., o resultado da extração
das feições pode sofrer alterações. Para diminuir essa subjetividade, tem-se as técnicas de
processamento de imagem como uma ponte importante na validação dos mecanismos que
otimize a restituição e a automatização vetorial.
O processamento digital de imagens, consiste em técnicas voltadas para a análise de dados
multidimensionais, adquiridos por diversos tipos de sensores, ou seja, é a manipulação de uma
imagem por computador de modo onde a entrada e a saída do processo são imagens (
www.dpi.inpe.br).
A partir do processamento de imagem pode-se identificar feições, de forma simplificada
utilizando a binarização das fotografias digitais, e a posteriori gera-se o contorno de forma
automática. Para isso, é necessário o estudo do histograma da imagem e, para obter o limiar para
a binarização da feição que se deseja.
A ortofoto é uma imagem retificada isenta de distorções devido à geometria e deslocamento do
relevo, possuem resolução espacial melhor que as imagens de satélites possibilitando um nível
de detalhamento importante na identificação dos objetos permitindo visualização com maior
nitidez, além de correlacionar a imagem (qualidade métrica) com o terreno. A imagem de alta
381
resolução (ortofoto) pode ser simplificada em duas classes, com base na definição de uma
Limiar no histograma. A partir daí, delimita-se as bordas das feições desejadas por
processamento de imagem.(Berberan et al, 2003)
Utilizando a foto ortorretificada desenvolve-se o modelo IHS do espaço de cores (Candeias et
al, 2016) que auxilia na extração das feições de interesse. A Figura 2 apresenta graficamente o
modelo IHS. Aqui deseja-se extrair estradas e utiliza-se a componente saturação (S) no
desenvolvimento da metodologia.
Figura 2 - Modelo IHS. Fonte: Gonzalez e Woods (2000).
Os filtros de Sobel e Roberts (GONZALEZ e WOODS, 2000) e o gradiente morfológico
(CANDEIAS et al, 2016; CANDEAIS et al 2015; ISHIKAWA, SILVA e NÓBREGA, 2010)
podem ser usados na extração de bordas dos alvos de interesse. No geoprocessamento, a
transformação dessas bordas que estão no formato raster em vetor pode auxiliar na análise de
informações espaciais e não espaciais.
Nesse trabalho utiliza-se uma ortofoto com resolução espacial de 30 centímetros (0,3 metros). A
Figura 1 apresenta a localização dessa área que fica situada na Cidade Universitária, região
metropolitana do Recife, Pernambuco.
Figura 1 – Localização da área, na Cidade Universitária, Recife-PE.
O objetivo de estudo é automatizar a vetorização para diminuir a subjetividade e otimizar os
resultados, pois o procedimento de restituição é o mais oneroso e demorado, além de fazer
necessário definir rotinas para o operador manusear os restituidores para obter a melhor
qualidade possível no produto final (mapa vetorial), logo é de suma importância a
382
automatização, pois aumenta a precisão na identificação dos alvos utilizando métodos de
processamento de imagem.
MATERIAIS E MÉTODOS: Como materiais, utiliza-se uma ortofoto com resolução espacial
de 30 centímetros (0,3 metros), situada na região metropolitana do Recife, Cidade Universitária
– Pernambuco, e o software SPRING desenvolvido pelo Instituto Nacional de Pesquisas
Espaciais. Como método tem-se as etapas:
a) Importação da ortofoto para o SPRING
b) Transformação da imagem RGB em IHS
c) Utilizando a componente S, obtém-se o histograma, o limiar e a imagem binária
d) A partir do negativo da imagem binária obtém-se os resultados com os filtros de Sobel,
Roberts e o gradiente morfológico na extração de bordas dos alvos de interesse.
e) Compara-se com um perfil da imagem os resultados com a imagem original.
RESULTADOS: Utilizando as etapas descritas no item anterior tem-se a Figura 3 que
apresenta a imagem original, a imagem ‘S’ saturação e a respectiva imagem binária a partir do
limiar do histograma de ‘S’.
(a)
(b)
(c)
(d)
Figura 3 – Área utilizada. (a) ortofoto. (b) Componente da Saturação S. (c) Imagem binária. (d)
histograma de (b) limiar para obter (c).
383
O negativo da imagem binária (Figura 4(a)) mostra os alvos de interesse com o valor máximo.
Nessa imagem aplica-se as filtragens de Sobel, Roberts e gradiente morfológico (Figura
4(b),4(c) e 4(d))
(a)
(b)
(c)
(d)
Figura 4 – Extração das bordas. (a) Negativo da Imagem Binária. (b)Com filtro de Sobel.
(c)Com filtro de Roberts. (d) gradiente morfológico.
(a) (b) (c) (d) (e)
Figura 4 – Ampliação da Extração das bordas. (a) Componente S. (b) Negativo da Imagem
Binária. (c) Com filtro de Sobel. (d) Com filtro de Roberts. (e) gradiente morfológico.
384
CONSIDERAÇÕES FINAIS: Este trabalho apresentou etapas para obtenção de bordas de uma
imagem de alta resolução (ortofoto) usando a componente S da transformação IHS. Deseja-se
com isso automatizar a extração de feições sem a subjetividade humana. Tem-se que a imagem
negativa binária gera uma simplificação da imagem original. Mas devido aos ruídos ainda
presentes, a extração de bordas fica prejudicada em todos os métodos observados. É necessário
um pre-processamento na imagem binária para que os contornos gerados fiquem melhor
definidos. O gradiente morfológico é o que apresentou menor ruído.
AGRADECIMENTOS: Ao Projeto aprovado pelo CNPq da 2ª autora, processo: 311120/2014-
8, Chamada: PQ 2014, e intitulado “EXTRAÇÃO DE FEIÇÕES EM IMAGENS DE
SENSORIAMENTO REMOTO UTILIZANDO MORFOLOGIA MATEMÁTICA”
REFERENCIAS:
CANDEIAS, ANA LÚCIA BEZERRA; NASCIMENTO, P. H. O.; TAVARES JUNIOR, J. R.;
SILVA, E. A. Edges Extraction with Mathematical Morphology Tools and Canny Filter: A
Comparison. American Journal of Computer Science and Engineering Survey.v. 3, p. 062-
070, 2015.
CANDEIAS, A. L. B.; TAVARES JUNIOR, J. R.; NASCIMENTO, P. H. O.; MOURA, C. J.
M.; SILVA, E. A. Morfologia Matemática na Extração de Bordas de uma Imagem Ikonos-2
RGB Fusionada. Revista Brasileira de Geomática. v. 4, p. 26-35, 2016.
GONZALEZ, R. F.; WOODS, R. E. Processamento de Imagens digitais. São Paulo: Edgard
Blücher, 2000.
ISHIKAWA, A. S.; SILVA, E. A.; NÓBREGA, R. A. A. Extração de Rodovias em Imagens
Digitais de Alta Resolução com O Uso da Teoria de Morfologia Matemática. Revista
Brasileira de Cartografia. Nº 63/01, 2010. (ISSN 0560-4613)
385