CORREÇÃO GEOMÉTRICA AUTOMÁTICA DE IMAGENS DE SATÉLITE: UMA CONTRIBUIÇÃO NOS ESTUDOS URBANOS
Gloria Bolívar Durán Universidade Federal de Santa Maria – UFSM Centro de Ciências Naturais e Exatas – CCNE/Departamento de Geociências Prédio 17 - 97105-900 – Santa Maria - RS, Brasil
gloriab.ucv@gmail.com
INTRODUÇÃO
O espaço urbano pode ser visto como um complexo conjunto de usos da terra que tem uma tendência de fracionar-se em áreas relativamente homogêneas com características socioeconômicas similares, em áreas que diferem umas das outras por fatores como classe social, salário, ocupação e grupo étnico, desta forma podem ser identificadas unidades intra-urbanas ou padrões de ocupação.
A maioria dos estudos urbanos com imagens de satélite tratam a localização, como padrões de crescimento urbano, distribuição do espaço urbano. Apesar dos recentes avanços e melhorias, a caracterização de padrões morfológicos intra-urbanos a partir de imagens de satélite de alta resolução espacial e radiométrica continua sendo um grande desafio. A maioria dos sensores com alta resolução espacial geralmente possuem baixa resolução espectral, dificultando a diferenciação de superfícies com diferentes reflectâncias espectrais e distintas feições urbanas com semelhante reflectância.
Para a utilização das imagens devem-se realizar uma serie de pré-processamentos que incluem a correção geométrica para remoção das distorções sistemáticas introduzidas durante a aquisição das imagens. No caso das imagens de alta resolução espacial, estas sofrem forte degradação devido ao relevo, ainda mais se são obtidas em visada oblíqua.
As imagens sempre precisam ser corrigidas geometricamente a um sistema de coordenadas para ser úteis. Especialmente para aplicações tais como detecção de mudanças,
fusão para melhorar resolução, mosaicos, e até simples empilhamentos de bandas numa mesma imagem. A correção geométrica deve ser altamente precisa, porque o deslocamento dos objetos no mesmo local pode tornar os resultados inúteis.
A correção geométrica de uma imagem pode ser por georreferenciamento e ortorretificação, a primeira basicamente envolve a identificação de muitos pontos de controle nas imagens e sua correspondência espacial de forma manual (FEDOROV, 2002). A ortorretificação inclui o anterior e considera dados sobre plataforma do sensor, do ângulo de aquisição, do relevo, da curvatura e rotação da Terra, além de um Modelo Numérico de Elevação do Terreno (MNET), desta forma é uma das mais importantes etapas de pré-processamento para aplicações de mapeamento, identificação de características em áreas urbanas assim como a adição de dados de imagens num Sistema de Informação Geográfica (AGUILAR; SALDANA; AGUILAR, 2012).
Modelos matemáticos têm sido desenvolvidos como alternativa para obter ortoimagens, usando os dados conhecidos tais como: geometria rigorosa de varredura, trajetória do satélite, dados de calibração do sensor, assim como os modelos de câmera e os dados das efemérides do satélite (BALTSAVIAS; PATERAKI; ZHANG, 2001).
O conhecimento de tais dados não é trivial nem não são fornecidos aos usuários, mas as empresas que comercializam as imagens de alta resolução disponibilizam arquivos contendo Coeficientes Polinomiais Racionais (RPC – Rational Polynomial Coeffycient), calculados a partir do modelo físico, sendo capazes de resgatar a geometria da imagem no instante de sua captura, através do Modelo Racional Funcional (MRF).
Um dos modelos matemáticos utilizados mais comumente na ortorretificação de imagens de satélite é baseado nos polinômios racionais 3D, os quais na literatura são conhecidos como Modelo Funcional Racional (RFM – Rational Function Model), Coeficiente Polinomial Racional (RPC –Rational Polynomial Coefficient) e Coeficiente Funcional Racional (RFC – Rational Function Coefficient) (PEDRO; ANTUNES, 2007, TAO et al., 2000).
O MRF definido pelos denominados Coeficientes Polinomiais Racionais (RCP’s), é um modelo alternativo adotado e distribuído pela Space Imaging e Digital Globe em seus produtos, permitindo a ortorretificação pelo próprio usuário (PEDRO; ANTUNES, 2007). Diversos softwares comerciais dispõem de funcionalidades que permitem o georreferenciamento e a ortorretificação a partir do trinômio imagem-MNET-RPC.
Uma alta qualidade da imagem ortorretificada depende sobremaneira da qualidade de dados como MNET e dos pontos de controle, que geralmente são escolhidos pelo usuário, porém, possíveis problemas na imagem final seriam decorrentes da qualidade dos dados já mencionados.
O processo de registro de imagens geralmente é feito manualmente. Neste caso o operador escolhe uma feição pontual, identificável, na imagem a corrigir e na imagem referência. O conjunto de pontos é chamado de pontos de controle, que servem para modelar a função de distorção entre as duas imagens. Esta tarefa é lenta, árdua e sujeita a erros, justamente porque possui o fator humano, que muitas vezes não tem experiência suficiente para realizá-la.
Com o aumento da utilização das imagens de sensoriamento remoto em diferentes aplicações e a existência de dados provenientes de diferentes sensores, o desenvolvimento de métodos de registro mais rápidos e com boa precisão tem sido necessário.
Alguns softwares comerciais oferecem a possibilidade de realizar ortorretificação automática e rigorosa, as quais podem ser aplicadas de acordo com as necessidades de acurácia e exatidão do usuário. Este trabalho mostra o processo de registro e ortorretificação automática de umas imagens SPOT 5 e GeoEye-1 que devem ter o mesmo posicionamento, para ser possível a delimitação e extração da área teste. Neste sentido não se necessita de uma precisão geométrica muito alta, pois se pretende apenas comparar os resultados das classificações que serão aplicadas na discriminação de materiais urbanos
Neste trabalho foram empregados os RPC disponibilizados para cada uma das imagens e os modelos de ortorretificação automática do software ENVI e o algoritmo
automático AutoSync de ERDAS Imagine, que realiza uma correspondência de pontos para gerar milhares de pontos de amarração, e produz um modelo matemático que utiliza o modelo do sensor e um MNET para ajustar as imagens. Desta forma o objetivo geral do trabalho é aplicar um sistema automático de ortorretificação e registro de imagens, que permita obter num menor tempo imagens corrigidas que serão utilizadas numa pesquisa para caracterizar e discriminar padrões urbanos segundo o comportamento espectral de alvos urbanos obtido a partir de dados espectrorradiométricos de campo e imagens dos sensores SPOT 5 e GeoEye-1 na área urbana de Santa Maria-RS.
METODOLOGIA
As imagens utilizadas na pesquisa são uma GeoEye-1, tipo "Geo" (Standard Geometricaly Corrected), obtida em 07 de novembro de 2013, adquirida com ângulo de incidência de 7,43° e resolução radiométrica de 11 bits. Uma imagem SPOT 5; K /J: 705 – 409, tipo "Nível 1A" obtidas em 03 de maio de 2012, com resolução radiométrica de 8 bits e tendo sido adquiridas com ângulo de incidência de 11,60°.
O nível de processamento das imagens deve ser o nível básico, que neste caso corresponde com o tipo "Geo" da imagem GeoEye-1 e "Nível 1" na imagem SPOT 5, que só apresenta o menor nível de correções, tanto radiométrica e geométrica, apenas inclui dados de projeção geográfica no Datum WGS84. As imagens GeoEye-1 são fornecidas com os RPCs no arquivo de metadados. No caso da imagem SPOT 5, os RPCs são calculados pelo software baseado nos dados do arquivo. DIM, que é o formato das imagens SPOT.
A determinação dos coeficientes polinomiais contidos nos arquivos disponibilizados é realizada previamente pela empresa que as comercializa, utilizando a imagem em seu tamanho original. Pois, os coeficientes descrevem a geometria da imagem no instante em
que foi coletada, portanto estão associados à imagem completa. Com isso, executou-se a ortorretificação da imagem.
O MNET foi gerado a partir de das informações altimétricas disponíveis na base cartográfica em escala 1:25.000 da área de estudo, em projeção UTM fuso 22 e Datum WGS84.
O primeiro passo foi realizar uma ortorretificação automática da imagem GeoEye-1 usando os RPC e MNET no software ENVI 4.8. Sendo o processo automático, o processamento é interno no software, sacrificando precisão por velocidade, porém o usuário não interage diretamente na correção, cujo resultado depende exclusivamente da qualidade do MNET e os RPC's ministrados pela empresa.
Para obter a correspondência espacial com a imagem SPOT 5, foi utilizado o módulo AutoSync do ERDAS Imagine 9.1, que alinha imagens de diferentes tipos, diferentes sensores ou com diferentes resoluções. Este software permite a escolha do modelo de transformação desejado e da imagem de referência. No presente caso, escolheu-se a transformação de afinidade (default) e uma imagem GeoEye-1 ortorretificada. No processo, é possível utilizar o modelo do sensor, que no caso das imagens SPOT no Nível 1, o software deriva os RPC's a partir dos parâmetros geométricos contidos no arquivo de metadados da cena. Também pode-se incluir pontos de controle e selecionar uma linha de corte para o erro, que foi então fixado em 1 pixel no próximo passo, para obter um erro médio quadrático (RMSE) que ajude na avaliação do resultado, já que é uma é o resultado acumulativo estatístico dos pontos de correspondência e de modelagem.
RESULTADOS PRELIMINARES
Foram realizados vários processamentos, ajustando as linhas de corte para o erro, até que foi fixado em 1 pixel e gerou 160 pontos de amarre (tie points) com RMSE 0.426 pixels (Os pontos brancos na Figura 1). O número de pontos de amarre que atendem a um RMSE menor que 1 (no caso o modelo foi resolvido com um erro 0.426 pixel), gerou um
bom resultado, já que corresponde a aproximadamente a metade da resolução espacial da imagem SPOT 5 que estava sendo ajustada e assim se tem um produto que satisfaz o que se requer para o desenvolvimento da pesquisa.
Figura 1. A esquerda imagem referência GeoEye-1 e a direita a imagem SPOT 5 ajustada com pontos de amarre automáticos.
Figura 2. Comparação de correspondência espacial entre as imagens Spot 5 (RGB 4-1-2) e GeoEye-1 (RGB 3-2-1) sendo esta ultima a que possui melhor definição dos objetos, já ortorectificadas e ajustadas.
O AutoSync gera um reporte sobre os tie point, que inclui dados sobre as coordenadas dos pontos, valores residuais e RMSE, sendo este ultimo utilizado como uma estimativa da exatidão ou precisão posicional nos eixos X e Y, onde o RMSE é a raiz quadrada da média do conjunto das diferenças ao quadrado entre o conjunto de valores das coordenadas da imagem que será corregida e os valores das coordenadas da imagem referência. Analizando o reporte pode-se observar a contribuição dos pontos de amarre e se for necessario, escolher quais têm melhor ajuste ou criar novos pontos.
Para verificar a acurácia das imagens, estas foram comparadas qualitativamente, de forma visual, entre elas como se observa na figura 2, e com os shapefiles das bases digitais de bairros e quadras fornecidas pela Prefeitura de municipal de Santa Maria, onde foi observada uma alta correspondência espacial entre as imagens SPOT 5 e GeoEye-1, que indica um resultado excelente e contribui com uma metodologia para extração de informação de imagens de satélite (Figura 3).
Figura 3. Correspondência espacial entre a imagem SPOT 5 (esquerda) e imagem GeoEye-1 (direita) com a base digital de ruas municipais.
correção geométrica, nenhum deles oferece uma boa precisão sendo comparados com os métodos de ortorretificação rigorosa onde além dos RPC's e um MNET, são utilizados pontos de controle medidos e/ou escolhidos pelo usuário. A finalidade dos métodos automáticos é reduzir o tempo de processamento das imagens dando uma precisão melhor do que fazendo um registro manual e gere um produto com alta correspondência espacial que ajude em processos tais como estudos de mudanças de padrões urbanos, como é o caso da pesquisa em andamento, fusão de imagens. Este método não oferece acurácia, exatidão nem precisão posicional para por exemplo, cadastro urbano.
Ainda existe certo desconhecimento sobre o que são e como são obtidos esses coeficientes Polinomiais Racionais e até que ponto são válidos em qualquer situação de terreno e sobre qualquer geometria de visada da imagem. Alguns estudos sobre qualidade destes coeficientes em processos de ortorretificação fazem ênfase no uso dos RPC's junto com pontos de controle e se for possível um MNET preciso, já que de acordo com Baltsavias; Pateraki; Zhang (2001) os RPC's são estimados usando apenas dados sobre a posição e atitude do sensor, porém espera-se que a precisão na imagem utilizando somente os RPC's não seja muito elevada.
De acordo com Aguilar; Saldana; Aguilar (2012) e Crespi et al. (2010) quando apenas um DEM de média resolução esteja disponível para o processo de ortorretificação, as imagens de satélite devem possuir menor ângulo off nadir para aumentar a precisão posicional das imagens ortorretificadas finais e como regra geral, para atingir precisões planimétricas de sub -pixels na ortorretificação de GeoEye -1, usando RPC, os usuários devem evitar ângulos off- nadir superiores a 20 ◦ e usar um DEM muito preciso.
CONSIDERAÇÕES FINAIS
A elaboração dessa pesquisa espera mostrar uma ferramenta com grande aplicabilidade para discriminação, monitoramento e mapeamentos de uso e cobertura de
áreas urbanas densamente urbanizadas, assim como gerar um produto que ajude na delimitação de áreas intra-urbanas e contribuir com uma metodologia para extração de informação de forma mais rápida, com aproveitamento de imagens de satélite que permita avançar na compreensão da própria dinâmica urbana.
Estágio da pesquisa: Dissertação de Mestrado em andamento.
REFERÊNCIAS
AGUILAR, Manuel A.; SALDANA, María; AGUILAR, Fernando J. Assessing geometric accuracy of the orthorectification process from GeoEye-1 and WorldView-2 panchromatic images. International Journal of Applied Earth Observation and Geoinformation 21 (2013) 427–435.
BALTSAVIAS, Emmanuel; PATERAKI, Maria; ZHANG, Li. Radiometric And Geometric Evaluation Of Ikonos Geo Images And Their Use For 3d Building Modelling. Joint ISPRS Workshop “High Resolution Mapping from Space 2001”, Hannover, Germany, 19-21 September.
CRESPI, M., CAPALDO, P., FRATARCANGELI, F., NASCETTI, A., PIERALICE, F. DSM generation from very high optical and radar sensors: problems and potentialities along the road from the 3D geometric modeling to the surface model. In: 30th IEEE International Geoscience and Remote Sensing Symposium, IGARSS, 2010, 25–30 July, Honolulu, U.S.A, pp. 3596–3599.
ERDAS, Inc. IMAGINE AutoSync. User´s Guide. November 2009. 82p.
EXELIS. ENVI Orthorectification Module. Tutorials. December 2013. 10p.
de Mestrado do Curso de Pós-graduação em Sensoriamento Remoto, INPE, São José dos Campos, 2002.
GEOEYE. Geoeye-1: The World’s Highest Resolution Commercial Earth-Imaging Satellite. GeoEye-1 Fact Sheet. 2008. Disponível em: <http://launch.geoeye.com/LaunchSite/assets/documents/geoeye1_factsheet_v8.pdf> Acesso em: 30 set. 2013.
PEDRO, Patricia; ANTUNES, Alzir. Comparação dos modelos APM (Affine Projetion
Model) e RPC (Rotational Coefficients Model) para ortorretificação de imagem
Quickbird. Anais XIII Simpósio Brasileiro de Sensoriamento Remoto, Florianópolis,
Brasil, 21-26 abril 2007, INPE, p. 629-6.
TAO, C.; MERCER, J.; SCHNICK, S.; ZHANG, Y. Image rectification using a generic sensor model – Rational Function Model, International Archives of Photogrammetry and Remote Sensing, Vol. XXXIII, Part B3. Amsterdam 2000.
