Kredi Derecelendirmede Borçluya İlişkin Unsurlar

Nesta etapa, as imagens aéreas de alta resolução são decompostas em imagens R, G e B.

Em relação aos dados geométricos de VLA, o MDSn gerado na subseção 3.3.1.1, é uma das imagens que pode ser usada como dados de entrada na classificação. As alturas do MDSn são normalizadas (ou escalonadas) no intervalo [0; 255] para possibilitar a adequada combinação do MDSn com a imagem RGB. A Figura 24(a) mostra um exemplo de um MDSn com alturas normalizadas e observa-se que os objetos mais elevados (árvores e edificações) possuem tonalidade mais clara, enquanto que os objetos próximos do nível do terreno (vias, calçadas, estacionamentos, praças e áreas gramadas) apresentam-se em tonalidade bem escura.

(a) (b)

Figura 24 – Exemplo de MDSn com alturas normalizadas. (a) Sem limiarização; (b) Com limiarização (limiar correspondente a 2,5 m)

A partir da análise do histograma da imagem que representa o MDSn é possível selecionar um limiar, cujo valor separa os objetos elevados dos restantes, resultando em uma imagem binária denominada de MDSn limiarizado (MDSnLim). A Figura 24(b) mostra a imagem do MDSnLim, resultante da limiarização do histograma do MDSn, com valor igual a 30 para o limiar, valor que representa aproximadamente 2,5 m de altura. Dessa forma, separa-se os objetos elevados (edificações e árvores) daqueles que estão próximo do nível do terreno (vias, calçadas, áreas gramadas etc.).

Os dados radiométricos do VLA correspondem à imagem de intensidade do pulso LASER, também no SCI, onde as vias são facilmente identificadas, uma vez que possuem resposta radiométrica homogênea e aparecem em tonalidade escura devido ao asfalto apresentar baixa refletividade em relação ao pulso LASER. Exemplos de recortes de imagens de intensidade são apresentados na Figura 25, juntamente com os seus correspondentes recortes da imagem RGB. Na Figura 25(a) observam-se ruas estreitas bem identificáveis, as quais na imagem aérea não podem ser visualizadas, pois estão obstruídas por árvores. No entanto, esse fato não ocorre em todas as vias, como mostra a Figura 25(b), que apresenta, tanto na imagem de intensidade como na imagem RGB, uma via obstruída por uma sequência de árvores. É importante considerar dois fatores que podem justificar os casos apresentados: 1) os dados de VLA e a imagem RGB não foram obtidos em uma mesma data e isso pode resultar na diferença das copas das árvores em relação à largura e à densidade das copas; e 2) quando o pulso LASER encontra a árvore, o espalhamento volumétrico dentro da copa reduz a quantidade de energia retroespalhada em direção ao receptor do LASER, e por isso as árvores aparecem escuras na imagem de intensidade (JENSEN, 2009).

(a) (b) (c)

Figura 25 – Exemplos de dados radiométricos de VLA. (a) Vias facilmente identificadas na imagem de intensidade e obstruídas por árvores na imagem RGB; (b) Vias obstruídas por árvores na imagem de intensidade e na imagem RGB; e (c) Via sem perturbações provocadas por sombras na imagem de

intensidade e obstruída na imagem RGB.

Outro aspecto importante da imagem de intensidade é em relação às sombras dos objetos causadas pelo bloqueio da luz solar, que principalmente nas vias, não causam perturbações. Um exemplo pode ser verificado na Figura 25(c) que, na imagem RGB, a via apresenta-se com obstruções provocadas por sombras, enquanto que na imagem de intensidade esse fenômeno não ocorre. Neste sentido acredita-se que a imagem de intensidade pode contribuir significativamente na complementação da informação no processo de classificação de imagens, principalmente em relação à classe via.

No entanto, a imagem de intensidade apresenta alguns pontos fracos. O primeiro deles é em relação à característica ruidosa (Figura 26(a)) que afeta diretamente o resultado da classificação. Esse problema é minimizado através da aplicação do filtro mediana, como mostra a Figura 26(b), que nesse exemplo, é aplicada uma máscara de dimensão 5x5, com procedimento realizado no software HALCON. Outro problema com esse tipo de dado é a presença de objetos que apresentam resposta radiométrica similar à das vias, como telhados de edificações e em alguns casos, vegetação, como já exposto anteriormente.

(a) (b)

Figura 26 – (a) Imagem de intensidade; e (b) Imagem de intensidade suavizada pela mediana.

Além da aplicação do filtro mediana, operações morfológicas são aplicadas na imagem de intensidade de modo a preservar e realçar as regiões mais escuras, principalmente aquelas correspondentes às vias, e suavizar as regiões mais claras da imagem. A SDC Morphology Toolbox para Matlab é usada nesse processo, cuja sequência de operações é descrita a seguir.

• Aplicação do operador ‘mmhmax’ com limiar h igual a 70, na imagem de intensidade original, cujo objetivo é eliminar padrões claros com contrastes menores que o limiar adotado. Na Figura 27(a) verifica-se que regiões mais claras na imagem de intensidade original (Figura 26(a)) foram escurecidas e que os detalhes no interior das regiões foram reduzidos, deixando a imagem mais homogênea.

• Aplicação de fechamento com reconstrução morfológica usando o operador ‘mmcloserec’, com o elemento estruturante disco de raio igual a 5 pixels. Esta operação visa eliminar pequenas regiões escuras (menores que o elemento estruturante) como mostra a Figura 27(b); • Aplicação do operador ‘mmhmin’ com limiar h igual a 20, com o

objetivo de homogeneizar as regiões mais escuras. Nesta operação as regiões mais claras não são alteradas e as regiões mais escuras tornaram-se mais homogêneas e levemente mais claras (Figura 27(c)), devido a usar um valor baixo para o limiar h; e

• Aplicação de abertura com reconstrução, usando o operador ‘mmopenrec’, com elemento estruturante disco com raio igual a 5 pixels. Na Figura 27(d) verifica-se o escurecimento de pequenas regiões mais claras.

(a) (b)

(c) (d)

Figura 27 – Filtragem morfológica da imagem de intensidade. (a) Operação de ‘mmhmax’; (b) Operação de ‘mmcloserec’; (c) Operação de ‘mmhmin’; e (d) Operação de ‘mmopenrec’.

Os valores dos limiares usados para a filtragem morfológica da imagem de intensidade foram definidos de forma empírica, por meio de experimentações. A imagem resultante da suavização morfológica (Figura 27(d)) não apresenta característica borrada e os elementos presentes na cena não sofreram deformações, justamente devido ao uso da MM com reconstrução. No entanto, verifica-se o efeito serrilhado em algumas bordas.

Os procedimentos apresentados anteriormente permitem gerar imagens geometricamente registradas, sendo elas: R, G, B, MDSn, MDSnLim, imagem de intensidade, imagem de intensidade com suavização pela mediana e imagem de intensidade com suavização morfológica.

As imagens decompostas R, G e B, juntamente com a imagem MDSn limiarizado e imagem de intensidade com suavização pela mediana, são fusionadas através do método de fusão por Análise por Componentes Principais (ACP), apresentada na subseção 2.6, gerando 5 Componentes Principais, cujas três primeiras CP apresentam mais de 98% da variância de todo o conjunto de imagens. O software IDRIDI é usado para gerar as CP.