Martin Handford Wheres Wally Programa de PsGraduao em

Martin Handford, Where´s Wally? Programa de Pós-Graduação em Demografia do Cedeplar-UFMG, Belo Horizonte, 08 a 12 de Agosto de 2011 Oficina-Curso: Abordagens Espaciais em Estudos Populacionais: Técnicas de Representação e Métodos Analíticos Extraindo Informações em Imagens de SR Aula 5[M 2] Breve Introdução a Classificação de Imagens de Sensoriamento Remoto: Sistemas de Classificação e Bases de Processamento Digital de Imagens Antônio Miguel Vieira Monteiro Maria Isabel S. Escada {miguel, isabel@dpi. inpe. br} Com colaboração de material produzido por: Leila Maria G. Fonseca Laercio Namikawa Equipe da DPI (INPE)

Conceitos Básicos Cobertura da terra Cobertura física da terra, estado biofísico da superfície da terra. Água, gelo, formações rochosas, areia, solo exposto, área construída, vegetação natural ou plantada, etc. . Floresta Área Construída Vegetação plantada solo exposto Água

Conceitos Básicos Uso da terra Maneira na qual elementos biofísicos da superfície da terra são utilizados e/ou o propósito para qual esses elementos são utilizados. Uso pode determinar a cobertura da terra. Envolve o comportamento humano Regras utilizadas por tomadores de decisão, instituições, condições iniciais, integração de níveis de agregação.

Conceitos Básicos Uso da terra Processo no qual a cobertura da terra é modificada ou convertida, inclui dois ou mais componentes (Lambin et al, 1999) : As atividades e/ou inputs que são empregados (ou restringidos) em uma porção da superfície da terra com alguma conseqüência significativa para a cobertura da terra Objetivos/intenções que motivam essas atividades, incluindo os bens e serviços esperados e as forças que fazem com que determinados usos ocorram de uma certa forma, em um certo tempo e lugar. FUNÇÃO!

EXEMPLO Uso: Uso (Exploração) Florestal Extração de madeira Cobertura: Cobertura Floresta Latex Açaí Castanha Composição, altura, densidade

Cobertura X Uso Cobertura da terra pode ser determinada por observação direta (campo ou sensoriamento remoto) enquanto uso da terra requer outras informações (dados multitemporais, conhecimento de especialistas ou informações de campo).

Cobertura X Uso Dados de sensoriamento remoto são utilizados para mapear cobertura da terra, por exemplo, pela identificação de assinaturas multiespectrais características dos diferentes tipos de cobertura da terra. Água Floresta Solo exposto Área Construída Bandas 345 TM/Landsat Itaituba, PA 1997

Por que conceitos e dados de uso e cobertura se confundem? Antes de 1960 – Haviam poucos registros de mapas de cobertura da terra. Imagens digitais – uso de classificadores automáticos (estatísticos) que passaram a influenciar os mapeamentos e legendas. Classificação deve ser orientada as questões e não as características e propriedades do dado.

Cobertura X Uso Classificações misturam uso e cobertura Uso Cobertura Processo/conversão Processo/cobertura Cobertura Almeida et al, 2010 INPE (CRA)

Classificação processo de simplificação e ordenamento do mundo. Em sensoriamento remoto, a classificação pode ser feita com técnicas de classificação supervisionadas e não supervisionadas. É o

Classificação Sistema de Classificação – Arcabouço lógico que mantém nome de classes, e critérios para distinguí-las uma das outras e, as relações entre as classes. Envolve a definição de limites para a distinção de classes e deve ser: Preciso, Quantitativo, Baseado em critérios objetivos Pode ou não ser hierárquico.

Classificação Independente da escala (FAO, 2000) Deve ser aplicável a qualquer escala ou nível de detalhe; Independente da fonte (FAO, 2000) Independente da forma com a qual foram coletado os dados.

Legendas são geralmente confundidas com classificação Podem ser a aplicação de um sistema de classificação a: Sub-conjunto de classes Podem conter classes mistas São dependentes da fonte de dados, propriedades cartográficas e resolução espacial

www. fao. org/DOCREP/003/X 059 E

Sistemas de Classificação de Uso e Cobertura da terra USGS – EUA (Anderson et al, 1976; USGS, 1992) IBGE – Brasil (2006) Corine – União Européia (1992. . . ) FAO (2000, 2005)

Sistema de Classificação de Uso/Cobertura da Terra – USGS (Anderson et al. , 1976) Sistema de classificação a priori Orientado a recursos (cobertura) e não ao uso da terra; Interpretação de dados de sensoriamento remoto (não dados de campo); Resolução espacial 20 – 100 m 5 – 20 m 1– 5 m 0, 25 – 1 m Jensen, J. R. , 2009

IBGE - Brasil 1. O Levantamento do Uso e da Cobertura da Terra indica a distribuição geográfica da tipologia de uso, identificada através de padrões homogêneos da cobertura terrestre; 2. O sistema multinível, de classificação, parte da divisão sucessiva do universo em três níveis de abstração, I, III. 3. Visa atender a mapeamentos entre 1: 250. 000 e 1: 100. 000. ftp: //geoftp. ibge. gov. br/documentos/recursosnaturais/usodaterra/manualusodaterra. pdf

Land Cover Classification System (LCCS), FAO(2005) • A. Di Gregorio, Land Cover Classification System (LCCS), version 2: Classification Concepts and User Manual. , FAO Environment and Natural Resources Service Series, No. 8 - FAO, Rome, 2005 208 p. http: //www. fao. org/docrep/008/y 7220 e 00. htm

Definindo um Sistema de Classificação e uma Legenda: Orientado para a Distribuição Espacial de População em um recorte da RMBH

Como Produzir o Mapa de Cobertura ? ? Utilizando Imagens de SR e fazendo uma Classificação nestas imagens com técnicas de PDI – Processamento Digital de Imagens integradas em SIG – Sistemas de Informação Geográfica

Segmentação a imagem é particionada em regiões que devem corresponder às áreas (objetos) de interesse da aplicação

Segmentação Regiões conjunto de "pixels" contíguos e que apresentam uniformidade em relação a um dado atributo (textura, média, variância). Métodos: por crescimento de regiões (similaridade) detecção de bordas (descontinuidades)

Crescimento de Regiões Medida de similaridade: S Limiar: T Referência: r Vizinho: v Medidas de Similaridade: Média, textura, forma

Crescimento de Regiões 1. 2. 3. 4. 5. Cada pixel é inicialmente rotulado como uma região (sementes) As regiões espacialmente adjacentes são agrupadas segundo algum critério de similaridade ( S = A - B < Limiar) O processo é repetido até que nenhum outro agrupamento possa ser feito Gera regiões com contornos fechados Elimina regiões com número de pixels pequeno Principal desvantagem: erros nos contornos das regiões pixels de borda podem ser agregados à uma das regiões vizinhas

Segmentação: Crescimento de Regiões

Segmentação Sensor ETM+

Classificação É o processo de reconhecimento de padrões (objetos) na imagem. Como resultado de uma classificação cada ponto (ou região) da imagem é mapeado para um tema ou classe símbolos ou cores vegetação solo 1 solo 2 água outros

Espaço de Atributos Banda 2 . . . . urbana mata água Banda 1 1. Os elementos de imagem pertencentes a um mesmo objeto (classe) aparecem plotados como uma nuvem de pontos (aglomerado) 2. Os três aglomerados de pontos definem três diferentes alvos

Extração de Atributos 1. 2. 3. 4. 5. 6. 7. 8. 9. Razão entre bandas Diferença de imagens (datas diferentes) Componentes Principais Transformação no Espaço de cores Atributos de matrizes de co-ocorrência Filtragem Textura Transformações espectrais (Modelo Linear de Mistura)

Projeto de um Classificador 2. O espaço de atributos é dividido em regiões de decisão correspondentes a classes distintas identifica-se o ponto na imagem como pertencente a classe correspondente à região de decisão em que ele cai dentro Banda 2 1. . . . . urbana mata água Banda 1

Tipos de Classificadores “pixel a pixel” usa a informação espectral isoladamente de cada pixel e rotula cada pixel individualmente Contextual: usa informação espectral dos pixels vizinhos (textura, variância) Não contextual: usa informação apenas do pixel a ser classificado Classificadores por Regiões 1. usa a informação espectral dos "pixels" com características (atributo) uniformes na imagem (objeto) 2. Rotula os objetos

Tipos de Classificadores Supervisionado treinamento: o usuário coleta informações (amostras) que identificam cada classe de interesse O algoritmo usa as amostras para calcular os parâmetros usados no classificador não-supervisionado utiliza algoritmos para reconhecer automaticamente as classes presentes na imagem

Classificador por Regiões (ISOSEG) Algoritmo de agrupamento de dados não-supervisionado 1. Segmenta a imagem 2. Para cada região calcula: vetor média, matriz de covariância e área 3. Seleciona uma região (R) como semente da classe (usa-se área para seleção) ( R, A R) 4. Classifica as demais regiões 5. distância de Mahalanobis entre o vetor de médias da região e a distribuição da classe 6. Repete o procedimento para as regiões não classificadas

Distância Mahalanobis considera a distância entre um ponto e a distribuição de probabilidade da classe d (x , w ) = (x - m ) i i 2 t -1 i (x - m i ) + ln i Se as covariâncias das classes são iguais i= ln | i|=0 Se = 2 I classificador da mínima distância Euclidiana

Matriz de Classificação Medida de exatidão do mapeamento Uma matriz de classificação ideal valores da diagonal principal próximos a 100% não houve confusão entre as classes Para diminuir a confusão entre as classes análise das amostras N 1 2 3 4 1 4. 7 94. 3 0. 0 0. 9 2 1. 1 0. 0 82. 3 0. 0 16. 6 3 0. 0 13. 3 0. 0 86. 7 0. 0 4 3. 8 0. 0 4. 7 91. 5 0. 0

Matriz de Classificação N 1 2 3 4 classe 1: floresta 1 4. 7 94. 3 0. 0 0. 9 classe 2: cerrado 2 1. 1 0. 0 82. 3 0. 0 16. 6 3 0. 0 13. 3 0. 0 86. 7 0. 0 classe 4: desmatam. 4 3. 8 0. 0 4. 7 91. 5 N: não classificados 0. 0 classe 3: rio Desempenho médio: 89. 37 Abstenção média: 3. 15 Confusão média: 7. 48 39