20altera o nível de cinza do pixel original, gerando contudo uma imagemde melhor qualidade visual.Apesar destas operações terem sido sempre consideradascomo prévias a qualquer análise, existe uma tendência nos últimos anos deaplicar a correção geométrica ao final do processamento. Desta maneira reduzseo tempo de tratamento, já que ao invés de corrigir todas as bandas é precisocorrigir somente a imagem classificada, e além disso, a classificação é feitacom os valores de níveis de cinza originais (Chuvieco, 1990).2.3.2.2. TÉCNICAS DE REALCEAs técnicas de realce tem como objetivo melhorar ainterpretabilidade de uma imagem, através da aplicação de diversas técnicasque permitem uma maior discriminação entre as feições que compõem estaimagem. Jimenez e García (1982) classificam as operações de realce em doisgrupos segundo sua implementação: as operações pixel a pixel e as operaçõesdependentes da vizinhança. No primeiro caso, o valor de um pixel da imagemtransformada depende somente de seu valor antes da transformação, como amanipulação de histogramas; por outro lado, no segundo caso, o novo valor deum pixel, dependerá também de seus vizinhos, citando como exemplo asfiltragens.a) Ajuste de ContrasteSegundo Chuvieco (1990), o aumento de contraste consiste naredistribuição dos níveis de cinza de uma imagem, com a finalidade de obteruma melhor visualização da mesma. É importante mencionar que o aumentode contraste nunca revela uma nova informação que não esteja contida naimagem antes da sua aplicação. Os sistemas de processamento implementamesta função através da Look-up Table (LUT), que é uma matriz numérica queindica o nível visual com o qual será representado na tela cada um dos níveisde cinza da imagem.O aumento de contraste pode ser aplicado através de váriosprocedimentos, dentre os quais destacam-se: o aumento linear de contraste e oaumento bilinear ou multilinear de contraste.No aumento linear de contraste, são designados os valores de0 e 255, respectivamente ao menor e ao maior valor de nível de cinza daimagem, e os valores intermediários são distribuídos linearmente entre essesextremos. No entanto, no aumento bilinear ou multilinear de contraste, sãorealçadas somente determinadas regiões do histograma através de umaumento linear, enquanto as regiões restantes não são modificadas(Schowengerdt, 1983).
21b) Transformação por Componentes PrincipaisO termo transformações de imagens inclui aquelas operaçõesque criam novas bandas a partir das bandas originais, com o objetivo demelhorar a discriminação das informações de interesse dentro da imagem.As diferentes bandas que compõem uma imagem, geralmenteapresentam alta correlação. Esta correlação pode ser entendida como umaredundância de informação, visto que os tipos de coberturas tendem aapresentar um comportamento similar em regiões próximas do espectro. Aanálise por componentes principais visa eliminar esta redundância e portanto,reduzir a dimensionalidade da imagem através da combinação linear dasinformações contidas nas bandas originais (Richards, 1986).Para um caso bidimensional, os valores de níveis de cinzareferentes a cada pixel da imagem tendem a se agrupar formando uma nuvem(cluster). A forma e a posição dessa nuvem em relação aos eixos do espaço deatributos definem a maneira como as bandas estão se relacionando. Assim, seduas bandas são perfeitamente correlacionadas (correlação 100%), o cluster érepresentado por uma reta inclinada; no caso de apresentarem correlaçãoparcial, a nuvem de pontos tem a forma de uma elipse com o eixo inclinado emrelação às coordenadas. No caso onde há uma correlação nula o cluster érepresentado por uma circunferência ou uma elipse cujo eixo principal sejaparalelo a um dos eixos do espaço de atributos.A representação gráfica desta transformação é exemplificadana Figura 2.2, para o caso de duas bandas parcialmente correlacionadas.Neste caso, o eixo principal da elipse, que apresenta uma inclinação com aabcissa, é rotacionado a fim de torná-lo paralelo ao eixo das coordenadas.A análise por componentes principais possui grande utilidadeno tratamento de imagens com um alto número de bandas espectrais. SegundoChuvieco (1990), esta análise é fundamental para diminuir o número de bandasque serão utilizadas em estudos multitemporais. Esta técnica é aplicada a cadauma das imagens de datas distintas, sendo posteriormente combinadas a fimde se obter uma melhor discriminação entre feições com dinamismo temporal.
- Page 1: INPE-6824-TDI/644SENSORIAMENTO REMO
- Page 7 and 8: AGRADECIMENTOSAgradeço às seguint
- Page 9: RESUMOCom a recente implantação d
- Page 13 and 14: SUMÁRIOPág.LISTA DE FIGURAS......
- Page 15: 5.6.1. Caracterização fisionômic
- Page 19: LISTA DE TABELASPág.2.1 - Equaçõ
- Page 22 and 23: 2Estes trabalhos de quantificação
- Page 25 and 26: 5CAPÍTULO 2FUNDAMENTAÇÃO TEÓRIC
- Page 27 and 28: 7Como parte de um estudo de etnobot
- Page 29 and 30: 9Para o estudo da vegetação, é p
- Page 31 and 32: 11A luz incidente em uma planta com
- Page 33 and 34: 13mostraram que a reflectância da
- Page 35 and 36: 152.3. INTERPRETAÇÃO DE IMAGENSA
- Page 37 and 38: 17geometria de aquisição conhecid
- Page 39: 19cartográfica, para o qual se tor
- Page 43 and 44: 23Com a finalidade de evitar uma ex
- Page 45 and 46: 25da classificação, sendo este pr
- Page 47 and 48: 27apresenta uma série de vantagens
- Page 49 and 50: 29CAPÍTULO 3ÁREA DE ESTUDO3.1. LO
- Page 51 and 52: 313.2.3. SOLOSOs solos predominante
- Page 53 and 54: 334.1. MATERIAIS UTILIZADOSCAPÍTUL
- Page 55 and 56: 35Definição do ProjetoSeleção d
- Page 57 and 58: 37C´ = Ganho ∗ C - Offsetonde:C
- Page 59 and 60: 39No caso do triplete formado pelas
- Page 61 and 62: 41o valor mínimo pre-estabelecido.
- Page 63: 43amostras selecionas, levando em c
- Page 66 and 67: 465.1.3. FLORESTA DE VÁRZEAAs flor
- Page 68 and 69: 48Planície de InundaçãoP Planalt
- Page 70 and 71: 50até a obtenção de um resultado
- Page 72 and 73: 52Variância4540353025201510501 2 3
- Page 75 and 76: 55atingir 8 destes pontos devido à
- Page 77 and 78: 57Fig. 5.4 - Perfil fisionômico-es
- Page 79: 59Percentagem de indivíduos6050403
- Page 83 and 84: 63Fig. 5.7 - Perfil fisionômico-es
- Page 85 and 86: 65Fig. 5.8 - Perfil fisionômico-es
- Page 87 and 88: 67Fig. 5.9 - Perfil fisionômico-es
- Page 89 and 90: 6970Percentagem deindivíduos605040
- Page 91 and 92:
71toneladas/hectare, sendo que não
- Page 93 and 94:
73de várzea se apresenta com uma t
- Page 95 and 96:
75entre as classes, seguida pela ba
- Page 97 and 98:
77A Tabela 5.7 apresenta a matriz d
- Page 99 and 100:
79A imagem resultante desta classif
- Page 101 and 102:
81TABELA 5.8 - COMPARAÇÃO DO DESE
- Page 103 and 104:
82As classes correspondentes às ca
- Page 105:
84uniformização de temas, foi pre
- Page 109 and 110:
88geradas não melhoraram a discrim
- Page 112 and 113:
91REFERÊNCIAS BIBLIOGRÁFICASAhern
- Page 116 and 117:
95Jackson, R.D.; Pinter Jr., P.J. S
- Page 118 and 119:
97Qiu, Z.C.; Goldberg, M. A new cla
- Page 120 and 121:
99Venturieri, A. Segmentação de i
- Page 122 and 123:
101APÊNDICE APLANILHA UTILIZADA NO
- Page 124 and 125:
103APÊNDICE BLISTA DE FAMÍLIAS, G
- Page 126 and 127:
Trattinickia burserifolia Mart. Bre
- Page 128 and 129:
Couratari sp Tauari FTFEschweilera
- Page 130 and 131:
Guarea cf. carinata Ducke FTF, CTri
- Page 132:
Pouteria cf. krukovii (A.C. Smith)