Publicado por: sadeckgeo | setembro 16, 2016

Remoção de nuvens em imagens de satélite

recloud

As nuvens sempre foram um grande empecilho para o sensoriamento remoto no que tange o estudo da cobertura da terra, mas existe sim um outro sensoriamento remoto que adora essas nuvens. (risos). E o RADAR está ai para ambos, porém isso é uma outra conversa!

Tendo as nuvens como um problema, muitos pesquisadores têm desenvolvido formas de identificar, seja para mapeá-las e aceitar que nessas áreas não se pode ver nada da cobertura da terra ou para tentar removê-las das imagens. Cabe lembrar que existem diversos tipos de nuvens e nem todos são passíveis de serem removidos completamente da imagem sem que haja uma perda de informação real, sem entrar aqui em questões filosóficas.

maxresdefault

No campo da remoção de nuvens em imagens de satélites, alguns algoritmos são bem conhecidos e já estão incorporados nos softwares de processamento de imagens, como no caso do ERDAS com o Haze Reduction que compilou uma metodologia baseada em funções como Tasseled Cap e retorno ao espaço RGB. Com isso a ferramenta fica restrita a poucos sensores, mas dá bons resultados. Ainda no ERDAS o outro método é meio que genérico e você pode acompanhar os passos nesse post (http://goo.gl/bUhnhT).

Já no ENVI, existem diversas extensões com diferentes métodos para se obter bons resultados. Um deles é um módulo que te leva por n processos para remoção como mostrado nesse fluxograma (Referência).

capturar

Outro método muito usado no ENVI é o de Carlotto, (1999) (http://goo.gl/ih1a73) que passa por vários calculos, mas que termina sendo uma transformação de Tasseled Cap e retorno ao espaço RGB como apresentado no artigo “De-Hazing landsat thematic mapper images” Lavreau (1991) e tem a mesma limitação do processamento no ERDAS.

Tasseled CAP é um processamento muito simples que trabalha em um plano tridimensional fazendo transformações lineares das bandas originais. Parecendo muito com o Modelo Linear ou com a análise de principais componentes. As bandas:

– Brightness: Referente ao brilho total das imagens, geralmente sendo referente ao solo;

– Greeness: Mede a quantidade de verde e é normalmente usado como um índice de vegetação fotossinteticamente ativa;

– Wetness: é um banda que mede o índice de “umidade”, então pode ter várias interpretações, como o Tasseled CAP foi pensado para análises de agricultura, o melhor a pensar seria em vegetação fotossinteticamente com baixa atividade ou vegetação seca.

As outras 3 bandas são os ruídos, como na principal componente, e geralmente não são utilizadas, mas existem aplicações para elas.

Daí pra frente surgiram “outros métodos” mais robustos como o Radtran (http://www.libradtran.org/doku.php?id=start) que é um modelo de transferência radiativa que muitas agencias espaciais estão usando para tratamento de suas imagens. Além disso é livre (GNU – SFS), e pelos artigos disponíveis em sua página, tem mostrado bons resultados para Landsat, Sentinel e outros. Ainda não testamos a aplicação, mas em breve tentaremos trazer algo pra vocês.

Algumas ferramentas de edição de imagens sem serem específicas do sensoriamento remoto também tem sido usadas para suporte em processamento digital de imagens, como o Inpainting, que é um interpolador bayesiana de imagem, com ele você tem algumas premissas que podem ser aplicadas como textura, estrutura, suavidade e assim por diante. Dá uma olhada no trabalho do pessoal do LaPs – UFPA que foi aplicado ao sensoriamento remoto e no trabalho do pessoal da universidade de lyon (http://goo.gl/a0fBkI).

No que tange o MODIS, tem uma outra grande quantidade de métodos para a remoção de nuvens. Desde a escolha do melhor pixel para compor uma imagem como no algoritmo empregado no Google Earth Engine, o Simple Cloud Score, (não só para o MODIS, mas para outros sensores também), e também métodos que trabalham no domínio das frequências, aplicando transformada de Fourier e filtros no intuito de ampliar a resposta da superfície da terra, fazendo com que as nuvens finas tenham menor resposta na imagem. Além disso existem outras associações espaciais e de processamento que ajudam a ter melhores resultados.

Bem, com esse exposto fica claro que o processamento para remoção de nuvem é um processo bastante denso e necessita de um amplo conhecimento da relação energia eletromagnética, atmosfera, superfície, atmosfera e da física envolvida nesse relacionamento.

Se quer ver mais sobre assuntos relacionados à essa temática, comente aqui, dê seu like no vídeo e na postagem, por que é assim que sabemos que o conteúdo tem agradado.

Até mais!


Responses

  1. Como sempre, ótimo post! Recentemente usei o Tesseled Cap, mas para identificação de mudança em imagens temporalmente diferentes. Vou ver se crio um tutorial similar ao seu para criar Tesseled Cap em outros softwares livres.
    Abs

    Curtido por 1 pessoa


Deixe uma resposta

Preencha os seus dados abaixo ou clique em um ícone para log in:

Logotipo do WordPress.com

Você está comentando utilizando sua conta WordPress.com. Sair / Alterar )

Imagem do Twitter

Você está comentando utilizando sua conta Twitter. Sair / Alterar )

Foto do Facebook

Você está comentando utilizando sua conta Facebook. Sair / Alterar )

Foto do Google+

Você está comentando utilizando sua conta Google+. Sair / Alterar )

Conectando a %s

Categorias

%d blogueiros gostam disto: