XXXI Congresso de Iniciação Científica
Desenvolvimento de metodologia para detecção de slope streaks na superfície de marte
Breno Strogueia Maia da Cruz; Erivaldo Antônio da Silva; Fernanda Puga Santos Carvalho
Palavras Chave: slope streaks, detecção automática, processamento digital de imagens
Introdução
As feições que foram detectadas neste trabalho são conhecidas como Slope Streaks (SS) e correspondem a faixas escuras em formato de leque que se estendem por declives íngremes na superfície marciana. O estudo deste fenômeno é bastante importante para a compreensão do planeta Marte, pois pode proporcionar pistas para o entendimento de propriedades básicas da superfície, como, por exemplo, ciclo de poeira e de água e mudanças climáticas mais recentes em escala de tempo de centenas de anos.
Objetivo
Desenvolvimento de algoritmo visando a detecção automática de SS, de forma que tal seja genérico e possa ser utilizado em imagens de diferentes satélites e não altere o posicionamento geográfico da detecção das feições na imagem original.
Material e Métodos
Os materiais utilizados foram o software “Matlab”, em conjunto com “Image Processing ToolBox”;
imagens capturadas pelas câmeras MOC, HiRise e CTX. Na metodologia as imagens passaram por uma fase de pré-processamento onde foram ajustados o contraste da imagem, a utilização de filtros no domínio espacial, com a utilização de filtros como média e filtros não lineares[1]. Em seguida foi realizado o processo de detecção das slope streaks e remoção de ruídos; para estas tarefas foram utilizados o espectro de Fourier em conjunto com filtros aplicados no domínio de frequência [2] e a aplicação do método Otsu, com aplicação da rotina de remoção de ruídos novamente [2].
Resultados e Discussão
Os resultados foram classificados em:
Tipo 1 - Detecção parcial ou ruim;
Tipo 2 - Detecção completa porem ruidosa
Figura 1. Tipo 1 e 2 – imagem resultado e detecção.
Tipo 3 - Detecção ótima com poucos ruidos;
Tipo 4 - Detecção perfeita sem/poucos ruidos;
Figura 2. Tipo 2 e 3 – imagem resultado e detecção.
Tabela 1. Resultados Anteriores - Atuais.
Conclusões
Como é possível observar por meio dos resultados obtidos, houve uma melhora muito significativa com relação a qualidade e quantidade de objetos detectados em relação a resultados anteriores.
Mesmo assim, o algoritmo ainda deve ser refinado em seu processo de extração, métricas de qualidade para que os resultados sejam melhorados. Para tanto devem ser implementados, métodos que realizem a tarefa de supressão de sombras e erosões nas imagens em fase de pré e pós processamento.
Agradecimentos
Agradecimentos pelo financiamento da pesquisa à FAPESP – Fundação de Amparo à Pesquisa de São Paulo e ao CNPq – Conselho Nacional do Desenvolvimento Científico e Tecnológico.
_________________
1 Gonzales, R. C.; Woods, R. E.; Eddins, S.L.; Digital Image Processing using Matlab, Prentice Hall, Upper Saddle River, NJ, 2004 , 609p.
2 Gonzalez R. C.; Woods R. E.. Digital Image Processing (2nd ed.). Addison-Wesley Longman Publishing Co., Inc., Boston, MA, 2001.
Classificação da detecção
Quantidade encontrada
Porcentagem
1 30 – 16 11,718750% -
6,25%
2 59 – 53 23,046875% -
20,70313%
3 130 – 129 50,781250% - 50,39063%
4 37 – 58 14,453125% -
22,65625%
