III WVC 2007 - Iris.sel.eesc.sc.usp.br - USP

WVC'2007 - III Workshop de Visão Computacional, 22 a 24 de Outubro de 2007, São José do Rio Preto, SP.confiabilidade, devido à alta resolução das imagens, ebaixo custo. Porém a identificação das construções éfeita de forma manual, e demanda elevado tempo deprocessamento.Outros trabalhos utilizam imagens de alta resoluçãodo satélite IKONOS e a classificação orientada aobjetos para encontrar feições urbanas. Essaclassificação difere da abordagem pixel a pixel, poisbaseia-se em informações que levam em consideraçãoos vizinhos dos objetos. Como trabalhos que utilizam aabordagem orientada a objetos, podem-se citar:Nóbrega, O’Hara e Quintanilha [6] [7], encontram ruas;Pinho, Feitosa e Kux [8] classificaram as regiõespresentes nas imagens em “vegetação”, “pavimentação”,“cobertura cerâmica”, “concreto”, “solo exposto”,“sombra” e “água”; Alves e Vergara [9] classificaram asregiões em “construções”, “construções de coberturaescura”, “solo”, “ruas”, “vegetação” e “água”, com oauxílio de regras fuzzy determinadas pelo usuárioespecialista.Este artigo descreve o uso dos operadoresmorfológicos de dilatação, erosão e abertura para aextração automática de feições urbanas em fotografiasaéreas. Como feições urbanas, entende-se os elementoscomumente encontrados em uma cidade como ruas,avenidas, quadras, construções, etc. Neste trabalhopreocupou-se em encontrar as casas, por meio dalocalização de seus telhados.2. Materiais3. Pré-processamento de imagensO primeiro passo do pré-processamento foi aplicar àimagem, um filtro de mediana para reduzir ruído. Emseguida foi feita uma binarização, utilizando doisvalores de limiar, como mostrado no histograma dafigura 2. O limiar 1 é um valor baixo que correspondeaos pixels que não fazem parte do fundo da imagem,mas possuem um nível de cinza baixo, como as ruas.Este limiar foi calculado usando-se o comandograythresh do Matlab, que usa o método de Otsu paradeterminar um limiar global, que maximiza a variânciainterclasses das duas classes de pixel definidas nohistograma por este limiar.O limiar 2 é um valor alto (240), e seleciona pixelsque correspondem a paredes de casas, que possuemnível de cinza próximo do branco (255). Os pixelscorrespondentes a ruas e paredes podem serdesprezados na procura pelos telhados e sãotransformados em fundo, com nível de cinza zero(preto). Todo pixel que possui um nível de cinza menordo que o limiar 1 e maior do que o limiar 2 étransformado em um pixel de nível de cinza zero. Aospixels remanescentes é atribuído o valor de cinza 1(branco), porque eles podem pertencer a telhados. Osníveis de cinza que receberão o valor 1 na binarizaçãoestão representados no histograma da figura 2 peloretângulo cinza. O resultado da binarização é mostradona figura 3.As imagens utilizadas nesse trabalho são fotografiasáreas de um vôo baixo, em tons de cinza, com escala de1:8.000 de um bairro residencial da cidade de SãoCarlos – SP, Brasil. A figura 1 mostra uma pequenaparte de uma imagem utilizada.0Limiar 1 Limiar 2255Figura 2 – Histograma de uma imagem de 8 bits, ondese ilustra os limiares utilizados na suabinarização.Figura 1 – Imagem OriginalO software utilizado para processar a imagem foi oMatLab versão 2006 da MathWorks [10], juntamentecom sua Toolbox de Processamento de Imagens.Figura 3 – Imagem da figura 1 binarizada, resultantedo processo de limiarização ilustrado na figura 2.210