Filtro Gaussiano Adaptativo Implementado em Ambiente Julia

Autores

¹Matosak, B.M.; ²Medeiros, N.G.; ³Rodrigues, F.A.F.

¹UNIVERSIDADE FEDERAL DE VIÇOSA Email: bruno.matosak@ufv.br
²UNIVERSIDADE FEDERAL DE VIÇOSA Email: nilcilene.medeiros@ufv.br
³UNIVERSIDADE FEDERAL DE VIÇOSA Email: fabiane.rodrigues@ufv.br

Resumo

A manipulação de imagens com uso de técnicas de Processamento Digital de Imagens (PDI) é uma etapa importante no processo de obtenção de informações espaciais de uma dada região da superfície terrestre. A utilização de imagens orbitais, neste cenário, apresenta-se como um atrativo devido ao relativo baixo custo mediante as técnicas tradicionais de levantamento de dados espaciais. Geralmente tais imagens representam grandes extensões territoriais, com ciclos de aquisição em pequenos intervalos de tempo, e com o avanço da tecnologia, apresentam melhores resoluções de seus sistemas. Além disso, algumas dessas imagens são disponibilizadas de forma gratuita por institutos nacionais, como o Instituto Nacional de Pesquisas Espaciais (INPE). Tais imagens são normalmente fornecidas com tratamento prévio de correção geométrica de sistema e correção radiométrica de restauração e minimização de ruídos, ficando a cargo do usuário aplicar sobre elas manipulações para a extração de informações. Dentre os procedimentos mais comuns na etapa de pré-processamento se encontram os processos de realce de imagens, como a filtragem no domínio espacial, muito utilizados para suavizar ou salientar informações contidas nos conjuntos de pixeis da imagem. O filtro de suavização é aplicado nas imagens, na maioria das vezes, com o intuito de minimizar a segmentação excessiva num processo de extração de feições, sendo as mais comuns as suavizações por média e gaussiana. Um problema encontrado no uso da suavização é a deterioração da informação das regiões com transições abruptas, caracterizadas como bordas dos objetos da cena. No processo de suavização convencional gaussiana, o filtro suaviza do mesmo modo todos os pixels da imagem, já na suavização gaussiana adaptativa podem ser alterados os parâmetros da máscara de acordo com a estatística local da região de cada pixel, visando assim a suavização das regiões homogêneas com preservação das regiões de bordas. Além desta questão, ao se trabalhar com imagens orbitais, que comumente possuem grandes dimensões, todo o processo de filtragem envolvendo tais imagens tende a exigir grande capacidade computacional. Ferramentas ótimas para a geração das funções de filtragem devem ser usadas, para que assim se possa economizar tempo e recursos nesta etapa. Um novo ambiente de programação que vem se destacando no meio acadêmico devido ao seu grande potencial é a linguagem de programação Julia. Testes de benchmark indicaram que esta ferramenta consegue ser mais rápida que o R, Matlab e outros ambientes, na execução de algoritmos, como quicksort e parse_int, logo se mostra uma ferramenta com grande potencial para aplicação no processamento digital de imagens orbitais. Assim, este trabalho tem por objetivo a implementação de um filtro gaussiano adaptativo em linguagem de programação Julia, onde o desvio padrão do filtro gaussiano para cada pixel é inversamente proporcional ao desvio padrão para a área sobreposta por esse filtro. Para a execução do trabalho, primeiro foi estudada a forma com que se realizaria a implementação, e em seguida as maneiras de testar os resultados alcançados. O filtro foi implementado de forma que novos valores para a máscara fossem calculados para serem usados em função de cada pixel a ser suavizado. No filtro desenvolvido o tamanho da máscara pode ser definido pelo usuário, sendo os valores admissíveis os de ordem ímpar, onde o centro é o elemento central correspondente ao pixel a ser suavizado. Para o cálculo dos termos de cada elemento da máscara, as regiões onde o desvio padrão dos níveis de cinza possui um alto valor (como em regiões de borda), sofrem uma menor suavização em relação às áreas onde o desvio padrão é menor (regiões homogêneas com alterações gradativas). A fim de analisar os resultados obtidos com a função implementada, testes foram realizados considerando três recortes referentes a imagens orbitais de regiões com características distintas. Tais imagens foram tratadas com o filtro gaussiano convencional e também pela metodologia adotada. As imagens resultantes com a aplicação dos dois filtros foram submetidas a métodos de detecção de bordas, mais especificamente os métodos de detecção de bordas de Sobel e Gradiente Morfológico. A análise dos resultados foi realizada de modo visual e de modo quantitativo com subtrações entre as feições obtidas visando realizar a comparação entre os métodos. Outros testes devem ser realizados, mas os resultados preliminares indicam que o filtro gaussiano adaptativo implementado contribuiu de forma positiva para a diminuição de feições espúrias extraídas, se mostrando uma ferramenta mais atrativa no processo de realce de imagens que a suavização gaussiana convencional.

Keywords

Filtro Gaussiano Adaptati; Ambiente Julia; Detecção de Bordas

ARTIGO COMPLETO