MODELO RESUMOS ESIG 2004

Classificação do Nível de Interpretabilidade das Imagens IKONOS em função
do NIIRS
Avaliação do conteúdo informativo de uma imagem multiespectral, uma imagem
pancromática e do resultado da Fusão IHS de ambas.
Fonseca, Ana M.
Resumo
A Escala Civil de Avaliação da Interpretabilidade de Imagens dos USA (“Civil National Imagery
Interpretability Rating Scale” (Civil NIIRS)) elaborada e mantida pelo Comité da Administração
americana, IRARS (“Imagery Resolution Assessments and Reporting Standards”), quantifica
a
interpretabilidade, o potencial informativo e a utilidade de imagens e é um ”standart” utilizado por
analistas de imagens, cientistas e designers de sensores. Os níveis do NIIRS pretendem caracterizar a
informação que é possível extrair de uma imagem e deriva de escalas do mesmo tipo desenvolvidas para
fins de espionagem militar.
Uma imagem multiespectral do satélite IKONOS, uma imagem pancromática e a respectiva fusão
foram analisadas e avaliadas na perspectiva do NIIRS Civil, no que diz respeito à escala
Urbano/Industrial, dado que a imagem apresenta essencialmente tipos de coberto urbano. A sua
classificação em função do NIIRS e´ comparada com as classificações atribuídas a uma imagem SPOT e
a imagens QuickBird.
PALAVRAS CHAVE: Detecção Remota, Fusão de Imagens, Interpretabilidade
INTRODUÇÃO
A Escala Civil de Avaliação da Interpretabilidade de Imagens dos USA (Civil National Imagery Interpretability Rating
Scale” (Civil NIIRS) elaborada e mantida pelo Comité da Administração americana, IRARS (Imagery Resolution
Assessments and Reporting Standards), quantifica a interpretabilidade e utilidade de imagens. Os níveis do NIIRS
pretendem caracterizar a informação que é possível extrair de uma imagem.
A necessidade de uma escala como o NIIRS resultou do facto de que medidas físicas de qualidade das imagens, tais como
a escala da imagem, a sua resolução ou medições mais sofisticada, tais como as baseadas na função de transferência de
modulação, não forneciam aos analistas informação útil sobre o conteúdo informativo da imagem, dado que outros
parâmetros tais como o ruído, o contraste, etc., que dependem de parâmetros inerentes aos sistemas de aquisição das
imagens (qualidade óptica, plano focal, etc.) e das condições de aquisição das imagens (ângulo de inclinação solar, estado
da atmosfera, etc.), também condicionam a qualidade da imagem.
O NIIRS é uma escala baseada em tarefas para caracterizar e organizar imagens adquiridas por diferentes tipos de
sistemas de aquisição de imagens e é utilizada por analistas de imagens e projectistas de sensores. Esta escala derivou de
uma escala militar baseada na identificação de objectivos e equipamentos militares que foram substituídos por objectos e
temas com significado para as aplicações que interessam aos utilizadores civis. A escala tem dez níveis, com várias tarefas
de interpretação ou critérios em cada nível, que indicam a quantidade de informação que pode ser extraída em cada nível
de modo a:
•
informar sobre a utilidade de uma imagem;
•
especificar requisitos para uma imagem;
•
apoiar o projecto e disponibilidade de futuros sistemas de aquisição de imagens;
•
avaliar a performance de sistemas de sensores e dispositivos de exploração de imagens.
Os critérios de identificação que constituem o NIIRS dividem-se em três categorias em função do tipo de exploração que
se pretende fazer da imagem:
•
Natural, quando os critérios dizem respeito a objectos naturais tais como vegetação, rochas, linhas de
água e formas de terreno;
•
Agrícola: quando os critérios dizem respeito a identificação de culturas agrícolas ou gado;
•
Urbano/Industrial: quando os critérios dizem respeito a objectos construídos, não militares, tais como
vias de comunicação e edifícios.
Desde a sua criação em 1974 o NIIRS sofreu sucessivas actualizações, nomeadamente a actualização dos objectos a
identificar e das tarefas a executar, a migração da escala militar para escalas civis, assim como a criação de novas escalas
adaptadas a imagens multiespectrais, pancromáticas, infravermelhas e RADAR, denominadas, respectivamente, MS IIRS,
NIIRS Visível, NIIRS Infravermelho e NIIRS RADAR.
Foram realizadas comparações entre o NIIRS e outros sistemas de avaliação da qualidade de imagens sendo a correlação
entre eles alta. Apresenta-se na Figura 1 a comparação entre os níveis atribuídos a várias imagens pela escala do NIIRS e
por um outro sistema de avaliação de qualidade de imagens baseado num índice designado IQM (Image Quality
Measure) calculado à custa do espectro de Fourier da imagem, em que se pode verificar a alta correlação entre os dois
sistemas [3].
NIIRS
8
7
6
5
4
3
Coeficiente de
correlação = 0,93
2
1
0
0,00001 0,0001 0,001
0,01
0,1
1
IQM
Figura 1 – Comparação entre a escala NIIRS e o Índice IQM
O objectivo deste estudo é o de caracterizar, em função do NIIRS, uma imagem do satélite IKONOS e fotografias aéreas
usualmente utilizadas para produzir cartografia a determinadas escalas, de modo a estabelecer alguma relação entre os
níveis do NIIRS e as escalas da cartografia para as quais é possível extrair informação a partir das imagens. O objectivo
final é identificar para que escalas da cartografia é que as imagens IKONOS podem fornecer informação. Até ao momento
só foi realizada a caracterização da imagem IKONOS.
METODOLOGIA DE ANÁLISE DA IMAGEM
Para atribuir um nível do NIIRS a uma imagem o analista tem que avaliar que tarefas pode realizar e que objectos pode
identificar na imagem. Se um determinado objecto não ocorre na imagem o analista pode inferir se o critério pode ou não
ser cumprido, à custa da sua experiência de análise de imagens do mesmo sensor de outras áreas ou de imagens de outros
sensores.
Uma imagem IKONOS da cidade de Lisboa foi avaliada em função da escala Urbano/Industrial da escala civil do NIIRS,
com nove níveis, que se apresenta no Quadro 1, no Anexo a este documento. Foram avaliadas simultaneamente a
composição colorida RGB das bandas “RED”, “NIR” e “GREEN”, com quatro metros de resolução espacial, a imagem
pancromática, com um metro de resolução espacial, e a imagem resultante da fusão XS+Pan pelo método RGB-IHS das
bandas “RED”, “NIR”, “GREEN” e “PAN”, com um metro de resolução espacial.
As tarefas de interpretação baseiam-se nas seguintes noções definidas do seguinte modo no âmbito do NIIRS:
•
Detecção: capacidade de encontrar ou descobrir a presença de uma instalação, objecto ou actividade
baseado na sua configuração ou outra informação contextual;
•
Destinguir entre: capacidade de determinar que dois objectos detectados são de tipos diferentes baseado
em características distintivas;
•
Identificar: capacidade de nomear um objecto pelo seu tipo ou classe baseado na sua configuração ou
observação de detalhes na imagem.
Da análise da imagem IKONOS verificou-se que se cumprem todas as tarefas dos níveis 1, 2 e 3 do NIIRS e algumas
tarefas do nível 4, pelo que a imagem foi caracterizada nos níveis 3/4. Apresentam-se no Quadro 2, no Anexo a este
documento, exemplos dos três tipos de imagens referentes às tarefas a cumprir no Nível 3 do NIIRS. As imagens que
ilustram determinada tarefa podem não corresponder aos objectos ou temas nela descritos, pelo facto de estes não estarem
presentes na imagem, mas a objectos ou temas similares, que permitem inferir do cumprimento da tarefa ou critério
efectivamente descrito. Algumas tarefas não foram verificadas pelo facto de corresponderem a temas e objectos associados
à exploração mineira e de petróleo, em relação aos quais não há experiência de identificação na imagem.
Verifica-se no Quadro 2 que algumas tarefas só se cumprem com as imagens pancromática e fusão XS+Pan, dado que
estas apresentam uma resolução espacial de 1 m enquanto a imagem multiespectral tem 4 m de resolução espacial.
A mesma análise realizada sobre uma imagem SPOT da cidade da Lisboa permite verificar que o nível de interpretabilidade da imagem SPOT, com as mesmas componentes (composição colorida das três bandas multiespectrais, a banda
pancromática e a fusão IHS daquelas bandas), permitiu caracterizar o nível de interpretabilidade da imagem SPOT nos
níveis 1/2 do NIIRS.
Relação entre os Níveis do NIIRS e a Resolução
Espacial das Imagens
6.0
Níveis NIIRS
5.0
4.0
3.0
2.0
1.0
0.0
0.0
2.0
QuickBird IKONOS
4.0
6.0
8.0
Resolução Espacial
10.0
12.0
SPOT
Figura 2 – Relação entre a escala NIIRS e a Resolução Espacial das Imagens
Uma avaliação de imagens QuickBird, multiespectrais e pancromáticas com 70 cm e 60 cm de resolução espacial, pela
empresa Emap International [2], em função dos critérios do NIIRS Civil, caracterizou as imagens QuickBird nos níveis 5/6
do NIIRS.
SPOT Fusão XS+Pan – 10m
IKONOS Fusão XS+Pan – 1m
Figura 3 – Comparação da Resolução Espacial das Imagens SPOT e IKONOS
Apresenta-se, na Figura 2 um gráfico da relação entre os níveis do NIIRS e a resolução espacial da imagem, construído em
função das resoluções espaciais das imagens pancromáticas dos sensores a bordo dos satélites SPOT, IKONOS e
QuickBird. Na Figura 3 apresenta-se uma comparação entre as resoluções espaciais da fusão XS+Pan da imagem SPOT,
com 10 m de resolução espacial, e da fusão XS+Pan da imagem IKONOS, com 1 m de resolução espacial.
CONCLUSÕES FINAIS
A classificação, em função do NIIRS, das imagens IKONOS e de fotografias aéreas com escalas utilizadas para a produção
de cartografia permitirá estabelecer quais os níveis do NIIRS associados a determinadas escalas, permitindo identificar
para que escalas é que as imagens de satélite de alta resolução disponíveis no mercado podem fornecer informação.
Embora este estudo ainda não esteja concluído, verificou-se até aqui, que estas imagens de alta resolução permitem
detectar objectos topográficos tais como edifícios e vias de comunicação e que têm potencial para que as organizações
cartográficas possam utilizá-las em operações de actualização cartográfica.
Parece-nos que seria útil para o planeamento e ordenamento do território, nomeadamente para os municípios, dispor de
um produto do tipo carta imagem, gerado a partir de imagens de alta resolução, para os quais seria importante criar
especificações próprias.
BIBLIOGRAFIA E REFERÊNCIAS
1. Holland, David, Bob Guilford, and Keith Murray Oeepe-Project on Topographic Mapping from High Resolution Space
Sensors. European Organization for Experimental Photogrammetric Research, Frankfurt am Main, 2002.
2. Nale, David K. QuickBird – Aerial Photography Comparison Report. Emap International, USA, 2002.
3. Nill, N.B., B.H. Bouzas Objective Image Quality Measure Derived from Digital Image Power Spectra. Optical Engineering,
April, vol.31, pp.813-825, 1992.
ANEXO
NIVEL
NÍVEL 0
NÍVEL 1
NÍVEL 2
NÍVEL 3
NÍVEL 4
NÍVEL 5
Quadro 1 – Escala Urbana/Industrial do NIIRS Civil
TAREFA
A interpretabilidade da imagem está condicionada por obscurecimento, degradação ou muito pouca
resolução.
Detecta vias de comunicação (estradas e linhas de comboios), mas não distingue entre eles;
Detecta grandes auto-estradas e pontes de comboio por cima de água;
Detecta auto-estradas de múltiplas pistas;
Detecta um campo de golfe;
Identifica os principais padrões de ruas em áreas urbanas.
Identifica grandes edifícios como multi-ala.
Detecta grandes áreas de remoção do coberto ou clareiras para a construção de um novo equipamento ou
expansão de equipamentos já existentes.
Detecta grandes aeronaves num grande aeroporto comercial.
Identifica quarteirões numa área metropolitana.
Identifica uma ponte de duas faixas por cima de água.
Identifica navios de 750 m de comprimento pelo tipo (mercante, de combate) num porto conhecido.
Detecta troços de linhas de caminho de ferro com seis ou mais linhas.
Detecta estradas degradadas de duas faixas.
Detecta uma faixa desocupada de segurança numa instalação sensível.
Detecta trilhos de corte de madeira numa floresta.
Identifica se uma estrada é ou não dividida.
Detecta filas de automóveis em parques de estacionamento.
Detecta carruagens de comboio individuais e linhas de manobra.
Detecta aeronaves de asas fixas num campo de aviação de terra batida ou relva.
Distingue carruagens individuais num comboio.
Detecta torres de guarda ao longo de uma cerca. Detecta actividade terrestre de exploração de petróleo (furos de
sondagens, traços de levantamentos sísmicos) numa zona árida.
Identifica navios de furos de exploração de petróleo no mar alto.
Detecta indicações de actividade mineira no subsolo (frentes de trabalho, escórias, pequenos ramais de comboio).
Detecta novos locais de perfurações em, ou perto de, campos petrolíferos conhecidos.
Distingue entre estradas com uma ou várias faixas.
Detecta grandes veículos (tractores com atrelado).
Detecta grandes interrupções em vias de comunicações (pontes colapsadas, estradas levadas palas águas,
inundações), devido a desastres naturais.
Detecta a estrutura de contenção de um reactor nuclear.
Permite a contagem de chaminés isoladas e torres de arrefecimento em grandes estações de aproveitamento energia.
Detecta a torre de controlo num campo de aviação.
Detecta escórias numa central de processamento de mineral.
Identifica “greens” individuais num campo de golfe.
Detecta um automóvel.
Detecta um pátio pequeno (<1 hectare) de um transformador eléctrico numa zona residencial.
Detecta torres associadas a linhas de transporte de energia.
Identifica potenciais fontes secundárias de incêndio (áreas de armazenamento de combustíveis, áreas de
armazenamento de explosivos).
Detecta uma cerca de segurança numa instalação industrial urbana.
Detecta barreiras/obstáculos numa estrada.
Detecta grupos de cargas num molhe ou cais.
Detecta árvores caídas que obstruem estradas de duas faixas.
Distingue entre locomotivas e carruagens.
Detecta estragos estruturais em edifícios urbanos em resultado de desastres naturais.
Identifica uma estação de bombagem numa área de armazenamento de petróleo, óleo ou lubrificantes, não
subterrânea.
Identifica camiões como cabine-em-cima do-motor ou motor-na-frente.
Detecta uma barreira individual de betão
Identifica materiais de construção numa zona de construção urbana.
Identifica linhas individuais pintadas no pavimento de estradas e parques de estacionamento.
Distingue entre trilhos de veículos de rodas ou lagartas.
Identifica grandes equipamentos de construção pelo tipo (bulldozer, compactador de pavimentos).
Identifica postes eléctricos ou de telefone individuais um zonas residenciais.
NÍVEL 6
NÍVEL 7
NÍVEL 8
Identifica postes caídos.
Identifica linhas em campos de jogos de futebol, basquetebol, ténis, etc..
Identifica barris de 55 galões numa zona aberta de armazenamento.
Detecta indivíduos quando não estão em grupo.
Detecta transformadores eléctricos montados em postes numa zona residencial.
Detecta pequenos sinais de trânsito numa zona urbana.
Identifica materiais de construção de estruturas urbanas (tais como tijolo, estuque, cimento, adobe, telhas).
Identifica bandeiras num “green” num campo de golfe).
Identifica indivíduos em cima de linhas de “utilities” aéreas numa zona residencial.
Identifica a tampa duma porta de inspecção.
Identifica uma boca de incêndio.
Identifica membros (braços e pernas) num indivíduo.
Distingue entre juntas soldadas e rebitadas em grandes tanques de combustíveis.
Identifica rebitagem ou linhas de junção em locomotivas.
Identifica detalhes de bicicletas.
Detecta espelhos retrovisores exteriores em carros de passageiros.
Identifica ferramentas de construção ou agrícolas pela sua forma geral.
Identifica zonas individuais de asfalto num telhado residencial.
Permite a contagem de isoladores de cerâmica em fios de transmissão individuais em centrais de comutação.
Identifica a localização de válvulas ao longo de um pequeno cano.
Detecta corrosão em superfícies de metal.
Identifica pequenas ferramentas de mão.
Identifica rótulos de materiais perigosos em cestos e barris.
Identifica a matrícula de barcos de recreio em portos.
Determina a direcção do fluxo ao longo de um cano baseado em setas de circulação.
Identifica características faciais num indivíduo.
Identifica uma antena de telefone celular num carro de passageiros.
Quadro 2 - Caracterização da Imagem IKONOS de Lisboa
em função da escala Urbana/Industrial do NIIRS (Nível 3)
RGB=RED, NIR, GREEN
Pancromática
Fusão ITS
NÍVEL 3
Detecta estradas degradadas de duas faixas.
Detecta uma faixa desocupada de segurança numa instalação sensível.
Detecta trilhos de corte de madeira numa floresta.
Identifica se uma estrada é ou não dividida.
Detecta filas de automóveis em parques de estacionamento.
Detecta carruagens de comboio individuais e linhas de manobra.
Detecta aeronaves de asas fixas num campo de aviação de terra batida ou relva.
Distingue carruagens individuais num comboio.
Detecta torres de guarda ao longo de uma cerca.
Detecta actividade terrestre de exploração de petróleo (furos de sondagens, traços de levantamentos sísmicos)
numa zona árida.
Identifica navios de furos de exploração de petróleo no mar alto.
Detecta indicações de actividade mineira no sub-solo (frentes de trabalho, escórias, pequenos ramais de
comboio).
Detecta novos locais de perfurações em, ou perto de, campos petrolíferos conhecidos.
Distingue entre estradas com uma ou várias faixas.
Detecta grandes veículos (tractores com atrelado).
Detecta grandes interrupções em vias de comunicações (pontes colapsadas, estradas levadas palas águas,
inundações), devido a desastres naturais.
Detecta a estrutura de contenção de um reactor nuclear.
Infere-se que esta estrutura seria detectável se estivesse presente na imagem, pelo facto de ela ser detectável em
imagens SPOT, de menor resolução espacial, como se verificou no caso da imagem SPOT de Chernobil.
Permite a contagem de chaminés isoladas e torres de arrefecimento em grandes estações de aproveitamento de
energia.
Detecta a torre de controlo num campo de aviação
Detecta escórias numa central de processamento de mineral.
Identifica “greens” individuais num campo de golfe.
Detecta um automóvel.
Detecta um pátio pequeno (<1 hectare) de um transformador eléctrico numa zona residencial.
A= 80 m2
Detecta torres associadas a linhas de transporte de energia.