4.

3 Procesamiento Digital de Imgenes

En el mundo actual de la tecnologa avanzada en que los datos de deteccin ms remotos se graban en formato digital, prcticamente toda interpretacin de las imgenes y el anlisis implica algn elemento de procesamiento digital. El procesamiento de imgenes digitales puede implicar numerosos procedimientos, incluyendo formato y correccin de los datos, la mejora digital para facilitar la interpretacin visual mejor, o la clasificacin, incluso automatizado de los objetivos y caractersticas completamente por ordenador. Para procesar las imgenes de teledeteccin digital, los datos deben ser grabados y estn disponibles en formato digital adecuado para el almacenamiento en una cinta de computadora o disco. Obviamente, el otro requisito para el procesamiento de imagen digital es un sistema informtico, a veces referido como un sistema de anlisis de imagen, con el hardware y el software para procesar los datos apropiados. Varios sistemas de software disponibles en el mercado se han desarrollado especficamente para el procesamiento remoto de deteccin de imagen y el anlisis. Para fines de discusin, la mayora de las funciones de procesamiento de imgenes comunes disponibles en los sistemas de anlisis de imagen se pueden clasificar en las siguientes cuatro categoras:

Las funciones de preprocesamiento implican aquellas operaciones que normalmente se requieren antes de que el anlisis de datos principal y la extraccin de informacin, y en general se agrupan como correcciones radiomtricas o geomtricas. Correcciones radiomtricas incluyen la correccin de los datos para las irregularidades del sensor y el sensor no deseado o ruido

atmosfrico, y la conversin de los datos de modo que representan con precisin la radiacin reflejada o emitida medido por el sensor. Las correcciones geomtricas incluyen la correccin de las distorsiones geomtricas, debido a las variaciones de la geometra del sensor a la Tierra, y la conversin de los datos en coordenadas del mundo real (por ejemplo, latitud y longitud) en la superficie de la Tierra.

El objetivo del segundo grupo de funciones de procesamiento de imgenes agrupadas bajo el trmino de mejora de la imagen, es nicamente para mejorar la apariencia de las imgenes para ayudar en la interpretacin y anlisis visual. Ejemplos de funciones de mejora incluyen estiramiento de contraste para aumentar la distincin tonal entre varias caractersticas en una escena, y el filtrado espacial para mejorar (o suprimir) patrones espaciales especficas de una imagen.

Las transformaciones de imagen son operaciones similares en concepto a los de mejora de la imagen. Sin embargo, a diferencia de las operaciones de mejora de la imagen que normalmente se aplican slo a un nico canal de datos a la vez, por lo general implican transformaciones de imagen de procesamiento combinado de datos de mltiples bandas espectrales. Las operaciones aritmticas (es decir, resta, suma, multiplicacin y divisin) se realizan para combinar y transformar las bandas originales en "nuevas" imgenes que muestran mejor o resaltan ciertas caractersticas en la escena. Vamos a ver algunas de estas operaciones incluye varios mtodos de ratioing espectro o banda, y un procedimiento llamado anlisis de componentes principales, que se utiliza para representar de manera ms eficiente la informacin en imgenes multicanal.

Operaciones de clasificacin y anlisis de imgenes se utilizan para identificar digitalmente y clasificar pxeles en los datos. La clasificacin se realiza generalmente en los conjuntos de datos de mltiples canales (A) y este proceso asigna a cada pxel de una imagen a una clase o tema en particular (B) sobre la base de las caractersticas estadsticas de los valores de luminosidad de los pxeles. Hay una variedad de enfoques adoptados para llevar a cabo clasificacin digital. Vamos a

describir brevemente los dos enfoques genricos que se utilizan con ms frecuencia, es decir, la clasificacin supervisada y no supervisada. En las siguientes secciones vamos a describir cada una de estas cuatro categoras de funciones de procesamiento de imgenes digitales con ms detalle.

4.4 Pre-procesamiento Operaciones de tratamiento previo, a veces se denomina restauracin de la imagen y la rectificacin, se pretende corregir las distorsiones en sensores y radiomtricas y geomtricas especfico de la plataforma de datos. Correcciones radiomtricas pueden ser necesarios debido a las variaciones en la iluminacin de la escena y la geometra de observacin, las condiciones atmosfricas, y el ruido del sensor y la respuesta. Cada uno de estos puede variar dependiendo del sensor y la plataforma especfico utilizado para adquirir los datos y las condiciones durante la adquisicin de datos. Tambin, puede ser deseable convertir y / o calibrar los datos de reflectancia a la radiacin o unidades conocidas (absoluta) para facilitar la comparacin entre los datos.

Las variaciones en la iluminacin y la geometra de visin entre las imgenes (por sensores pticos) pueden ser corregidas mediante el modelado de la relacin geomtrica y la distancia entre el rea de la superficie de la Tierra fotografiada, el sol, y el sensor. Esto a menudo se requiere a fin de ser capaz de comparar ms fcilmente imgenes recogidas por diferentes sensores en diferentes fechas u horas, o al mosaico de mltiples imgenes de un solo sensor, mientras que el mantenimiento de condiciones de iluminacin uniformes de escena a escena.

Como hemos aprendido en el Captulo 1, la dispersin de la radiacin se produce a medida que pasa a travs e interacciona con la atmsfera. Esta dispersin puede reducir, o atenuar, parte de la energa que ilumina la superficie. Adems, la atmsfera se atenuar an ms la seal que se propaga desde el objetivo hasta el sensor. Varios mtodos de correccin atmosfrica se pueden aplicar que van desde el modelado detallado de las condiciones atmosfricas durante la adquisicin de datos, los clculos simples basados nicamente en los datos de imagen. Un ejemplo de este ltimo mtodo es el de examinar los valores de brillo observadas (nmeros digitales), en una zona de sombra o de un objeto muy oscuro (por ejemplo, un gran lago claro - A) y determinar el valor mnimo (B). La correccin se aplica restando el valor observado mnimo, determinado para cada banda especfica, a partir de todos los valores de pxel en cada banda respectiva. Dado que la dispersin de la longitud de onda dependiente (Captulo 1), los valores mnimos varan de banda a banda. Este mtodo se basa en la suposicin de que la reflectancia de estas caractersticas, si la atmsfera es clara, debe ser muy pequea, si no es cero. Si observamos valores mucho mayores que cero, entonces se considera que han dado como resultado de la dispersin atmosfrica.

El ruido en una imagen puede ser debido a las irregularidades o errores que se producen en la respuesta del sensor y / o la grabacin y transmisin de datos. Las formas comunes de ruido se incluyen la creacin de bandas o banda sistemtica y lneas cadas. Ambos efectos se debe corregir antes de realizar una mejora adicional o clasificacin. Creacin de bandas era comn en los primeros datos del SMS Landsat debido a las variaciones y de la deriva en la respuesta en el tiempo de los seis detectores de SMS. La " deriva" era diferente para cada uno de los seis detectores, haciendo que el mismo brillo a estar representados de manera diferente por cada detector. El aspecto general era por lo tanto un efecto de 'rayas'. El proceso correctivo hizo una correccin relativa entre los seis sensores para traer sus valores aparentes de acuerdo entre s. Las lneas cadas ocurren cuando hay errores de los sistemas que dan lugar a datos faltantes o defectuosos a lo largo de una lnea de exploracin. Las lneas cadas son normalmente 'corregidas' mediante la sustitucin de la lnea con los valores de los pxeles en la lnea por encima o por debajo de, o con la media de los dos. Para muchas aplicaciones cuantitativas de los datos de teledeteccin, es necesario convertir los nmeros digitales a las medidas en unidades que representan la reflectancia real o emitancia de la superficie. Esto se hace sobre la base de un conocimiento detallado de la respuesta del sensor y la forma en que la seal analgica (es decir, la radiacin reflejada o emitida) se convierte en un

nmero digital, llamado analgico - a - digital (A a D) de conversin. Al resolver esta relacin en la direccin inversa, el resplandor absoluta se puede calcular para cada pxel, por lo que se pueden hacer comparaciones con precisin con el tiempo y entre diferentes sensores.

En la seccin 2.10 del captulo 2, nos enteramos de que todas las imgenes de teledeteccin estn inherentemente sujetas a distorsiones geomtricas. Estas distorsiones pueden deberse a varios factores, incluyendo: la perspectiva de la ptica del sensor; el movimiento del sistema de exploracin; el movimiento de la plataforma, la plataforma de altitud, actitud, y la velocidad, el relieve del terreno, y, la curvatura y la rotacin de la Tierra. Las correcciones geomtricas estn destinadas a compensar estas distorsiones de modo que la representacin geomtrica de las imgenes ser lo ms cerca posible al mundo real. Muchas de estas variaciones son sistemticas, o predecibles en la naturaleza y puede explicarse por el modelado preciso del sensor y el movimiento de la plataforma y la relacin geomtrica de la plataforma con la Tierra. Otros son no sistemticas, o al azar, los errores no pueden modelarse y corregidos de esta manera. Por lo tanto, se debe realizar el registro geomtrico de las imgenes a un sistema de coordenadas conocidas en el terreno.

El proceso de registro geomtrico implica la identificacin de las coordenadas de la imagen (es decir, fila, columna) de varios puntos claramente discernibles, llamados puntos de control en tierra (o GCP), en la imagen distorsionada (A - A1 a A4), y su adecuacin a sus posiciones verdaderas en coordenadas del terreno (por ejemplo, latitud, longitud). Las coordenadas del terreno verdaderos se miden a partir de un mapa (B - B1 a B4), ya sea en papel o en formato digital. Esta es una imagen y un mapa de registro. Una vez que se han identificado varios pares GCP bien distribuidas, la informacin de coordenadas es procesada por la computadora para determinar las ecuaciones de transformacin adecuados para aplicar a la (fila y columna) imagen original coordina asignarlos a sus nuevas coordenadas del terreno. Geomtricos registro tambin se puede realizar mediante el registro de imgenes (uno o ms) a otra imagen, en lugar de a coordenadas geogrficas. Esto se denomina registro de imagen a imagen y se realiza a menudo antes de realizar los diversos procedimientos de transformacin de imgenes, que sern discutidos en la seccin 4.6, o para la comparacin de imgenes multitemporales.

Con el fin de corregir realmente geomtricamente la imagen distorsionada original, un procedimiento llamado de remuestreo se utiliza para determinar los valores digitales para colocar en las nuevas ubicaciones de pxel de la imagen de salida corregida. El proceso de remuestreo calcula los nuevos valores de pxel de los valores de los pxeles digitales originales en la imagen sin corregir. Hay tres mtodos comunes para remuestreo: vecino ms cercano, la interpolacin bilineal, y convolucin cbica. El remuestreo de tipo vecino ms cercano utiliza el valor digital desde el pxel de la imagen original que es ms cercano a la nueva ubicacin de pxel en la imagen corregida. Este es el mtodo ms simple y no altera los valores originales, pero puede dar lugar a algunos valores de pixel est duplicados mientras que otros se pierden. Este mtodo tambin tiende a resultar en un aspecto de la imagen desarticulada o bloques. El remuestreo tipo interpolacin bilineal toma un promedio ponderado de cuatro pxeles en la imagen original ms cercano a la nueva ubicacin de pxel. El proceso de promediado altera los valores de los pxeles originales y crea completamente nuevos valores digitales en la imagen de salida. Esto puede ser indeseable si es posterior procesamiento y anlisis, tales como la clasificacin basada en la respuesta espectral, por hacer. Si este es el caso, remuestreo mejor se puede hacer despus de que el proceso de clasificacin. El remuestreo de tipo convolucin cbica va incluso ms all para calcular un promedio ponderado distancia de un bloque de diecisis pxeles de la imagen original que rodean la nueva ubicacin de pxel de salida. Al igual que con la interpolacin bilineal, este mtodo da como resultado completamente nuevos valores de los pxeles. Sin embargo, estos dos mtodos tanto producen imgenes que tienen un aspecto mucho ms ntida y evitar el aspecto de bloques del mtodo del vecino ms cercano.

4.5 Mejora de la imagen Mejoras se utilizan para hacer ms fcil para la interpretacin visual y la comprensin de las imgenes. La ventaja de la imaginera digital es que nos permite manipular los valores de los pxeles digitales de una imagen. Aunque correcciones radiomtricas para la iluminacin, las influencias atmosfricas y las caractersticas del sensor se pueden hacer antes de la distribucin de los datos para el usuario, puede que la imagen sigue sin ser optimizado para la interpretacin visual. Dispositivos de teledeteccin, especialmente los operados de plataformas satelitales, deben estar diseados para hacer frente a los niveles de objetivo / energa de fondo que son tpicos de todas las condiciones que probablemente se den en la rutina. Con grandes variaciones en la respuesta espectral de una amplia gama de objetivos (por ejemplo, bosques, desiertos, campos de nieve, agua, etc) sin correccin radiomtrica genrica podra perfectamente representar y mostrar el rango de brillo ptimo y el contraste para todos los destinos. Por lo tanto, para cada aplicacin y cada imagen, suele ser necesario un ajuste personalizado de la gama y la distribucin de los valores de brillo. En las imgenes en bruto, los datos tiles a menudo rellena slo una pequea parte de la gama disponible de valores digitales (comnmente 8 bits o 256 niveles). Mejora de contraste consiste en cambiar los valores originales de manera que se utiliza ms de la gama disponible, aumentando de este modo el contraste entre los objetivos y sus fondos. La clave para entender las mejoras de contraste es entender el concepto de un histograma de la imagen. Un histograma es una representacin grfica de los valores de brillo que componen una imagen. Los valores de brillo (es decir, 0-255) se muestran a lo largo del eje x de la grfica. La frecuencia de aparicin de cada uno de estos valores en la imagen se muestra en el eje y.

Mediante la manipulacin de la gama de valores digitales en una imagen, grficamente representada por su histograma, podemos aplicar varias mejoras a los datos. Hay muchas tcnicas y mtodos de mejora de contraste y el detalle de una imagen diferentes, vamos a cubrir slo unos pocos los ms comunes aqu. El tipo ms simple de la mejora es una extensin de contraste lineal. Esto implica la identificacin de lmites inferior y superior a partir del histograma (por lo general los valores mnimo y mximo de luminosidad en la imagen) y la aplicacin de una transformacin para estirar esta gama para llenar toda la gama. En nuestro ejemplo, el valor mnimo (ocupado por los datos reales) en el histograma es 84 y el valor mximo es 153. Estos 70 niveles ocupan menos de un tercio de la totalidad de 256 niveles disponibles. Un tramo lineal expande uniformemente esta pequea gama para cubrir toda la gama de valores de 0 a 255. Esto mejora el contraste en la imagen con reas tonos claros que aparecen zonas ms claras y oscuras que aparecen ms oscuro, por lo que la interpretacin visual mucho ms fcil. Este grfico muestra el aumento en el contraste de una imagen antes (izquierda) y despus (derecha) de un tramo de contraste lineal.

Una distribucin uniforme de la gama de valores de entrada a travs de la gama completa puede no ser siempre una mejora adecuada, particularmente si el rango de entrada no se distribuye de manera uniforme. En este caso, un tramo histograma-igualado puede mejorarse. Este tramo asigna ms valores de indicacin (rango) a las porciones que se producen con frecuencia del histograma. De esta manera, el detalle en estas reas ser mejor aumentada con respecto a las zonas de la histograma original en el que los valores se presentan con menos frecuencia. En otros casos, puede ser deseable para mejorar el contraste en slo una parte especfica del histograma. Por ejemplo, supongamos que tenemos una imagen de la desembocadura de un ro, y las porciones de agua de la imagen de ocupar los valores digitales 40-76 de todo el histograma de la imagen. Si quisiramos para mejorar el detalle en el agua, tal vez para ver las variaciones en la

carga de sedimentos, podramos estirar slo esa pequea porcin del histograma representado por el agua (40 a 76) para la gama completa de niveles de gris (0 a 255). Todos los pxeles por debajo o por encima de estos valores seran asignados a 0 y 255, respectivamente, y el detalle en estas reas se perdera. Sin embargo, el detalle en el agua sera mucho mayor.

Filtrado espacial Abarca otro conjunto de funciones de procesamiento digital que se utilizan para mejorar la apariencia de una imagen. Filtros espaciales estn diseados para resaltar o suprimir caractersticas especficas de una imagen en funcin de su frecuencia espacial. Frecuencia espacial est relacionada con el concepto de imagen de la textura, que ya comentamos en el apartado 4.2. Se refiere a la frecuencia de las variaciones en el tono que aparecen en una imagen. reas "Rough" textura de una imagen, donde los cambios en el tono son abruptos en un rea pequea, tienen frecuencias espaciales altas, mientras que las reas "suaves", con poca variacin en el tono de varios pxeles, tienen frecuencias espaciales bajas. Un procedimiento de filtrado comn consiste en mover una "ventana" de unos pocos pxeles de dimensin (por ejemplo, 3x3, 5x5, etc) sobre cada pxel de la imagen, la aplicacin de un clculo matemtico utilizando los valores de los pxeles en virtud de dicha ventana, y reemplazando el pxel central con el nuevo valor. La ventana se mueve a lo largo de la fila y dimensiones de la columna de un pxel a la vez y se repite el clculo hasta que toda la imagen ha sido filtrada y una imagen "nueva" se ha generado. Al variar el clculo realizado y las ponderaciones de los pxeles individuales en la ventana de filtro, los filtros pueden ser diseados para mejorar o suprimir diferentes tipos de funciones.

Un filtro de paso bajo est diseado para enfatizar, reas homogneas ms grandes de tono similar y reducir los ms pequeos detalles de una imagen. Por lo tanto, los filtros de paso bajo general, sirven para suavizar la apariencia de una imagen. Filtros de promedio y mediana, a menudo usados para imgenes de radar (y se describe en el captulo 3), son ejemplos de filtros de paso bajo. Filtros de paso alto hacen lo contrario y sirven para agudizar la aparicin de los detalles finos de la imagen. Una aplicacin de un filtro de paso alto se aplica primero un filtro de paso bajo a una imagen y luego resta el resultado de la original, dejando slo la alta frecuencia de la informacin espacial. Filtros de direccin, o deteccin del borde estn diseados para destacar las caractersticas lineales, como caminos o lmites de campo. Estos filtros tambin pueden ser diseados para mejorar las caractersticas que estn orientados en direcciones especficas. Estos filtros son tiles en aplicaciones tales como la geologa, para la deteccin de estructuras geolgicas lineales.

4.6 Transformaciones de imagen Transformaciones de imagen implican tpicamente la manipulacin de mltiples bandas de datos, ya sea a partir de una sola imagen multiespectral o a partir de dos o ms imgenes de la misma rea adquirida en diferentes momentos (es decir, datos de imgenes multitemporales). De cualquier manera, transformaciones de imagen genera "nuevas" imgenes de dos o ms fuentes que ponen de relieve las caractersticas o propiedades de inters, mejor que las imgenes originales de entrada en particular. Transformaciones de imagen bsica aplica para las operaciones aritmticas simples para los datos de la imagen. La sustraccin de imagen se utiliza a menudo para identificar los cambios que se han producido entre las imgenes recogidas en diferentes fechas. Por lo general, dos imgenes que han sido geomtricamente registrados (ver seccin 4.4) , se utilizan con el pixel valores (brillo) de una imagen (1) que se restan de los valores de los pxeles en la otra (2). La ampliacin de la imagen resultante (3) mediante la adicin de una constante (127 en este caso) a los valores de salida dar lugar a una imagen de la "diferencia" adecuado. En esa imagen, las reas donde ha habido poco o ningn cambio (A) entre las imgenes originales, tendrn valores de brillo resultantes de alrededor de 127 (tonos medios de gris), mientras que las reas donde se ha producido un cambio significativo (B) tendrn valores mayor o menor que 127 - ms brillante o ms oscuro dependiendo de la 'direccin' de cambio en la reflectancia entre las dos imgenes. Este tipo de imagen transformada puede ser til para el mapeo de los cambios en el desarrollo urbano alrededor de las ciudades y para identificar las reas donde la deforestacin se est produciendo, como en este ejemplo. Divisin de imagen o ratioing espectral es una de las transformaciones ms comunes aplicadas a los datos de imagen. Ratioing imagen sirve para destacar las variaciones sutiles en las respuestas espectrales de diversas cubiertas de la superficie. Por ratioing los datos a partir de dos bandas espectrales diferentes, la imagen resultante mejora variaciones en las pendientes de las curvas de reflectancia espectral entre los dos rangos espectrales diferentes que de otro modo pueden ser enmascarados por las variaciones de

brillo de los pxeles en cada una de las bandas. El siguiente ejemplo ilustra el concepto de ratioing espectral. La vegetacin sana refleja fuertemente en la parte del infrarrojo cercano del espectro mientras que absorbe fuertemente en el rojo visible. Otros tipos de superficies, tales como el suelo y el agua, cerca de mostrar reflectancias iguales en ambas porciones de infrarrojo cercano y rojo. Por lo tanto, una imagen de relacin de Landsat MSS banda 7 (infrarrojo cercano - 0,8 a 1,1 mm), dividido por la banda 5 (Red - 0,6 a 0,7 mm) se traducira en proporciones mucho mayores que 1.0 para la vegetacin, y las relaciones en torno a 1,0 para el suelo y agua. As, la discriminacin de la vegetacin de otros tipos de cobertura de la superficie se ha mejorado significativamente. Tambin, podemos estar en mejores condiciones para identificar las reas de vegetacin poco saludable o estresado, que muestran baja reflectancia en el infrarrojo cercano, ya que las relaciones seran ms bajos que en sana vegetacin verde.

Otro de los beneficios de ratioing espectral es que, debido a que estamos buscando en valores relativos (es decir, relaciones) en lugar de los valores absolutos de brillo, variaciones en la iluminacin de la escena como un resultado de los efectos topogrficos se reducen. Por lo tanto, aunque las reflectancias absolutos para laderas cubiertas forestales pueden variar en funcin de su orientacin relativa a la iluminacin del sol, la relacin de sus reflectancias entre las dos bandas debe siempre ser muy similares. Relaciones ms complejas con las sumas y las diferencias entre las bandas espectrales de varios sensores, se han desarrollado para el seguimiento de las condiciones de la vegetacin. Se utiliza ampliamente imagen transformada es el ndice de Vegetacin de Diferencia Normalizada (NDVI) que se ha utilizado para monitorear las condiciones de vegetacin en escala continental y mundial utilizando el sensor radimetro avanzado de muy alta resolucin (AVHRR) a bordo de la serie de satlites NOAA (vase el captulo 2, seccin 2,11).

Diferentes bandas de datos multiespectrales son a menudo altamente correlacionadas y por lo tanto contienen informacin similar. Por ejemplo, Landsat MSS bandas 4 y 5 (verde y rojo, respectivamente) suelen tener apariencias visuales similares ya reflectancias para los mismos tipos de cobertura de la superficie son casi iguales. Tcnicas de transformacin de imgenes basadasen el procesamiento complejo de las caractersticas estadsticas de conjuntos de datos multi-banda pueden ser utilizadas para reducir esta redundancia de datos y la correlacin entre las bandas.

Uno de ellos se llama transformacin de componentes principales de anlisis. El objetivo de esta transformacin es reducir la dimensionalidad (es decir, el nmero de bandas) en los datos, y comprimir la mayor cantidad de informacin en las bandas originales en un menor nmero de bandas. Las "nuevas" bandas que resultan de este procedimiento estadstico se denominan componentes. Este proceso intenta maximizar (estadsticamente) la cantidad de informacin (o la varianza) de los datos originales en el menor nmero de nuevos componentes. Como un ejemplo de la utilizacin de anlisis de componentes principales, una banda Thematic Mapper (TM) conjunto de siete de datos puede ser transformado de tal manera que los tres primeros componentes principales contienen ms del 90 por ciento de la informacin en las siete bandas originales. La interpretacin y el anlisis de estas tres bandas de datos, la combinacin de ellos, ya sea visualmente o digitalmente es ms simple y ms eficiente de tratar de utilizar todas las siete bandas originales. Anlisis de componentes principales y otras transformadas complejas, se pueden utilizar como una tcnica de mejora para mejorar la interpretacin visual o para reducir el nmero de bandas que se utilizar como entrada a los procedimientos de clasificacin digitales, que se analizan en la siguiente seccin.