INTEGRAÇÃO DE INFORMAÇÃO RADIOMÉTRICA PARA CLASSIFICAÇÃO DE NUVEM DE PONTOS OBTIDAS POR VARP

Autores

¹Carrilho, A.C.; ²Pessoa, G.G.; ³Miyoshi, G.T.; ⁴Galo, M.; ⁵Amorim, A.

¹PPGCC Email: carrilho.acc@gmail.com
²PPGCC Email: guilhermegpessoa@hotmail.com
³PPGCC Email: takahashigabi@gmail.com
⁴FCT/UNESP Email: galo@fct.unesp.br
⁵FCT/UNESP Email: amorim@fct.unesp.br

Resumo

A identificação automática de alvos a partir de dados de sensoriamento remoto tornou-se um dos principais tópicos de pesquisa na comunidade científica nas últimas décadas, uma vez que os produtos temáticos resultantes das operações de classificação subsidiam diversas tarefas de planejamento e gestão, além de auxiliar tomada de decisões. Métodos de classificação podem ser categorizados a partir da abordagem utilizada: supervisionada ou não; por pixel ou por objetos; e pelo tipo de informação utilizada: radiométrica, geométrica ou ambas. A informação radiométrica registrada em imagens, em diferentes comprimentos de onda do espectro está associada às características físicas do alvo e ao nível digital discretizado e registrado pelo sensor, enquanto que a informação geométrica, obtidas por diferentes formas, como por exemplo por técnicas de varredura a LASER (Light Amplification by Stimulated Emission of Radiation) aerotransportado ou técnicas fotogramétricas como a correspondência de imagens permitem extrair informação de forma e dimensão dos alvos de interesse. Embora o esforço dos pesquisadores no desenvolvimento de procedimentos automáticos de classificação, a obtenção dos resultados com a acurácia desejada permanece como um desafio. A complexidade da cena é um agravante, principalmente em áreas urbanas, as quais necessitam de processamentos específicos. De forma geral a separação entre vegetação e edificações pode ser realizada a partir do cálculo de índices espectrais, como o normalized difference vegetation index (NDVI), por exemplo. Entretanto, a identificação correta desses alvos é prejudicada em situações onde ocorre a sobreposição de copas de árvores em telhados. Este trabalho propõe uma abordagem simples para a classificação de nuvens de pontos geradas por correspondência de imagens aéreas adquiridas por veículos aéreos remotamente pilotados (VARP). O método de classificação supervisionado proposto consiste inicialmente na distinção dos pontos entre pertencentes ou não ao terreno (filtragem), cujo processamento é realizado com a nuvem de pontos utilizando o aplicativo LAStools. Embora o método de filtragem dos pontos tenha sido desenvolvido para dados LiDAR é possível processar nuvens de pontos obtidas por correspondência de imagens. Esta etapa inicial divide a nuvem de pontos em dois conjuntos: o primeiro com pontos do terreno, e o segundo com os demais pontos, isto é, de objetos (edificações, vegetação, entre outros). Esses dois conjuntos de pontos são processados individualmente para a obtenção da classificação final. Nos pontos do terreno (primeiro conjunto) é feita a separação entre vias asfálticas das demais classes, aqui tratadas genericamente como pontos de chão, englobando pastagem e solo exposto, por exemplo. A distância calculada a partir das três bandas (vermelho, verde e infravermelho próximo (IVP)) entre o pixel estudado aos centros das classes de treinamento é comparada e o ponto é rotulado à classe de menor distância. Já no segundo conjunto de pontos a distinção entre pontos de edificações e vegetação é feita a partir do valor de NDVI. Os dados utilizados correspondem a um voo realizado sobre o distrito de Espigão, do município de Regente Feijó-SP, utilizando uma câmara digital Cannon S110 NIR. A área é caracterizada por uma mancha urbana na qual a maioria das edificações apresentam cobertura com telhas de barro, vegetação nas calçadas, áreas de solo coberto por vegetação rasteira e vias pavimentadas (asfalto). Para a análise quantitativa da acurácia temática, amostrou-se aleatoriamente 100 sub-regiões na área de estudo. A acurácia global da classificação foi de 68,33%, o que indica que seriam necessárias severas edições manuais para a confecção dos produtos finais. Os maiores problemas originam-se da distinção entre as classes asfalto e chão, enquanto que a separação entre edificações e vegetação foi adequada, com erros de omissão inferiores à 20%. A principal diferença entre os dois casos se dá pela utilização do NDVI, que permite caracterizar melhor a vegetação com relação às demais classes. No entanto, a partir de uma análise visual, observou-se que sombras de edificações e árvores afetam diretamente nos resultados da classe asfalto, e deveriam ser removidas em uma etapa de pré-processamento. A adição da informação radiométrica na nuvem de pontos proporcionou bons resultados, principalmente para a separação de pontos de vegetação e as demais classes. Trabalhos futuros devem investigar alternativas para o classificador, com o intuito de mitigar os problemas identificados.

Keywords

Classificação; Nuvem de Pontos; VARP

ARTIGO COMPLETO