Programa académico 2018 - eva.fing.edu.uy · de grises claros y blancos y aparecerá corrido a la...

74
Captura de Datos por Percepción Remota UdelaR / FING / IA Departamento de Geomática Prof. Adj. Gdo. 3, Ing. Agrim. Edison Rosas Prof. Asist. Grdo. 2, Geógrafo Eduardo Vasquez CURSO de GRADO – TCI24 Programa académico 2018

Transcript of Programa académico 2018 - eva.fing.edu.uy · de grises claros y blancos y aparecerá corrido a la...

Captura de Datos por Percepcioacuten Remota

UdelaR FING IA Departamento de Geomaacutetica Prof Adj Gdo 3 Ing Agrim Edison Rosas Prof Asist Grdo 2 Geoacutegrafo Eduardo Vasquez

CU

RSO

de GR

ADO

ndash TCI24

Program

a acadeacutemico 2018

45 - Interpretacioacuten de Imaacutegenes Tratamiento digital Uso cartograacutefico de las imaacutegenes Distorciones de una imagen Fuentes de distorsioacuten Correcciones Los valores de asignacioacuten a los pixeles Histogramas 46 - Interpretacioacuten de Imaacutegenes Tratamiento digital Optimizacioacuten de las imaacutegenes Realces y mejoras visuales Contraste en una imagen Composiciones color El color verdadero el falso color el pseudo color 47 - Interpretacioacuten de Imaacutegenes Tratamiento Digital Filtros espaciales Concepto de kernel Filtros paso bajo y paso alto Filtros direccionales Anomaliacuteas y correccioacuten atmosfeacuterica Correcciones radiomeacutetricas Anomaliacuteas radiomeacutetricas Fallos en el sensorCorreccioacuten atmosfeacuterica concepto Meacutetodo valores miacutenimos Regresioacuten entre bandas Dispersioacuten por aerosolesCalibracioacuten Caso misioacuten Landsat 48 - Interpretacioacuten de Imaacutegenes Tratamiento Digital Correcciones geomeacutetricas Georreferenciacioacuten Uso de puntos de control Fuentes de error Procesamiento geomeacutetrico Correccioacuten Transformacioacuten geomeacutetrica Calidad y ajuste Generacioacuten de la nueva imagen Transferencia de ND

MOacuteDULO IV Interpretacioacuten de las imaacutegenes

Tratamiento Digital

Distorsiones que aparecen en las imaacutegenes

Mejora y optimizacioacuten de las imaacutegenes

Tratamiento digital filtrado y correcciones

UdelaR FING IA - Departamento de Geomaacutetica ndash Programa acadeacutemico 2018 ndash Curso de Grado ndash TCI24 Captura de Datos por Percepcioacuten Remota 1er Semestre 2018

MOacuteDULO IV

45 ndash Interpretacioacuten de Imaacutegenes Tratamiento digital

46 Interpretacioacuten de Imaacutegenes

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento digital Uso cartograacutefico de las imaacutegenes Distorciones de una imagen Fuentes de distorsioacuten Correcciones Los valores de asignacioacuten a los pixeles Histogramas

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ORGANIZACIOacuteN DE UNA IMAGEN

EXPLOTANDO LAS IMAacuteGENES

httpgeograuahesrtm uso cartograacutefico de

las imaacutegenes

LAS IMAacuteGENES DE SENSORES ESPACIALES

NO SON CARTOGRAFIacuteA

NATURALEZA DE LA PROYECCIOacuteN

DISTORSIONES SISTEMEacuteTICAS

DISTORSIONES ALEATORIAS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

DISTORSIONES POSIBLES DE UNA IMAGEN

httpgeograuahesrtm radiomeacutetricas geomeacutetricas

IMAGEN ADQUIRIDA (no olvidemos que la tratamos en su formato numeacuterico matricial) PRESENTARAacute ANOMALIacuteAS CON RESPECTO A LO QUE ES LA IMAGEN REAL

SITUACIOacuteN O UBICACIOacuteN DE SUS PUNTOS VALORES DE LOS NIVELES DIGITALES

Algunas de eacutestas correcciones seraacuten tareas de las estaciones de recepcioacuten (las que ofrecen distintos niveles de correccioacuten)

Pero helliphelliphelliphellip para un estudio detallado de una imagen (como pueden ser estudios

multitemporales o fusioacuten con otros datos de otras fuentes cartograacuteficas) van a requerir de correcciones

EXPLOTANDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FUENTES DE DISTORSIOacuteN

correcciones

EXPLOTANDO LAS IMAacuteGENES

LA PLATAFORMA QUE PORTA AL SATELITE OSCILA

SU MOVIMIENTO ORBITAL ES CASI UNIFORME SIN ACELERACIONES EN DIRECCIONES

LOS SATELITES SUFREN PEQUENtildeAS VARIACIONES

ALTURA ORBITAL

VELOCIDAD ORIENTACIOacuteN (aleteo cabeceo ladeo)

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FUENTES DE DISTORSIOacuteN

correcciones

EXPLOTANDO LAS IMAacuteGENES

OSCILACIOacuteN DE LA PLATAFORMA

ROTACIOacuteN TERRESTRE

TIEMPO DE BARRIDO

DISTORSIOacuteN PANORAacuteMICA

CURVATURA DE LA TIERRA

DISTORSIONES RADIOMEacuteTRICAS PEacuteRDIDA DE LIacuteNEAS O CELDAS BANDEADO EFECTO ATMOSFEacuteRICO

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIONES

operadores

EXPLOTANDO LAS IMAacuteGENES

OPERADOR la funcioacuten matemaacutetica que se aplica sobre la imagen

w = f (xyz) T wrsquo = f lsquo (xlsquoyrsquozrsquo) lo desglosamos en componentes

en x e y seraacuten las transformaciones geomeacutetricas y en z la transformaciones radiomeacutetricas

TIPOS DE OPERADORES puntuales cada elemento de la img final es funcioacuten de un solo elemento de la img inicial

locales luminancia de un elemento de la img final es funcioacuten de las luminancias de un entorno de cada elemento de la img inicial globales toda la img final es funcioacuten de toda la img inicial TRANSFORMACIONES Radiomeacutetricas modifican la amplitud de la sentildeal manteniendo invariable las coordenadas de cada celda

Geomeacutetricas modifican la geometriacutea de la imagen dejando constante los valores de su radiometriacutea

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ANAacuteLISIS DIGITAL DE LAS IMAacuteGENES

httpgeograuahesrtm

los valores de asignacioacuten a los

pixeles

Los sensores utilizados en teledeteccioacuten estaacuten calibrados para recibir valores muy altos de radiacioacuten sin llegar a saturarse por lo que lo normal es que todos los valores recibidos esteacuten muy

por debajo de los maacuteximos posibles

La consecuencia es que los valores de ND obtenidos son muy bajos y las imaacutegenes se van a ver oscuras muy poco

contrastadas Una forma de solventar este problema es ajustar el contraste mediante diversas teacutecnicas

EXPLOTANDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

LA MATRIZ DE DATOS

valores de celdas perdidas

A veces se requiere de poder restaurar valores dado que la matriz de datos contiene celdas perdidas y aparecen ND con valores nulos

en el dominio espacial

Una forma de corregir asignar un valor a la celda o liacutenea perdida tomar para cada pixel el ND del vecino

de la liacutenea anterior de la liacutenea siguiente

promedio en el dominio de la frecuencia

Otra manera seguacuten el valor de la celda en otra banda correlacionada

se calculan los histogramas parciales de las celdas en estudio para cada detector se obtiene la media y desviacioacuten estaacutendar de los ND correspondientes a cada detector

Se aplica NDacuteij = ak ND ij + bk

EXPLOTANDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

RESTAURACIOacuteN DE CELDAS PERDIDAS

estudio de histogramas

httpcoelloujaenesAsignaturasteledeteccion

EXPLOTANDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ESTADIacuteSTICAS E HISTOGRAMA DE UNA IMAGEN

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm que es un

histograma

IMAGEN DIGITAL SIMPLE DE 8 x 8 PIXELES EN NIVELES DE GRIS CON UNA PROFUNDIDAD DE 2 BITS

CUATRO VALORES POSIBLES DE BRILLO PASADOS A TONOS DE GRIS NEGRO GRIS OSCURO GRIS CLARO Y BLANCO

ND BRILLO

0 Negro

1 Gris oscuro

2 Gris claro

3 Blanco

veremos entonces que es un HISTOGRAMA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

HISTOGRAMA

ENTENDIENDO LAS IMAacuteGENES

conceptualidades

REPRESENTACIOacuteN GRAacuteFICA DE LOS NIVELES DE GRISES EN FUNCIOacuteN DE LA REPETICIOacuteN DE VECES EN QUE APARECE CADA UNO DE LOS NIVELES DE GRIS

deducciones

11

15

38

0

adaptado de El histograma de una Imagen Digital Universidad

Politeacutecnica de Valencia

La mayor parte de los piacutexeles son blancos por lo que probablemente la imagen tenga un fondo blanco uniforme

Hay un nuacutemero significativo de pixeles negros y pixeles blancos lo que hace que la imagen presente un aspecto bien contrastado

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

HISTOGRAMA IDEAL

ENTENDIENDO LAS IMAacuteGENES

elementos a considerar

Como regla general se considera que una imagen tiene un buen contraste si su histograma se extiende ocupando casi todo el rango

de tonos

adaptado de El histograma de una Imagen Digital Universidad Politeacutecnica de Valencia

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

HISTOGRAMA IDEAL

ENTENDIENDO LAS IMAacuteGENES

elementos a considerar

Por ejemplo en una imagen nocturna el histograma estaacute fuertemente desplazado al lado izquierdo (zona de tonos oscuros) y

evidencia que no hay apenas ninguna zona de la imagen muy brillante

adaptado de El histograma de una Imagen Digital Universidad Politeacutecnica de Valencia

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

HISTOGRAMA IDEAL

ENTENDIENDO LAS IMAacuteGENES

elementos a considerar

En este caso el histograma es marcadamente maacutes alto en la zona de grises claros y blancos y apareceraacute corrido a la derecha hacia el

lado de los valores altos de iluminacioacuten

adaptado de El histograma de una Imagen Digital Universidad Politeacutecnica de Valencia

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

HISTOGRAMA IDEAL

ENTENDIENDO LAS IMAacuteGENES

elementos a considerar

Se entiende por contraste la diferencia de brillo entre las zonas maacutes claras y maacutes oscuras en una imagen En este paisaje con niebla es

un ejemplo de bajo contraste Se traduce en un histograma estrecho Ademaacutes como la toacutenica dominante son los grises medios

se observa que estaacute bastante centrado

adaptado de El histograma de una Imagen Digital Universidad Politeacutecnica de Valencia

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

conjunto de datos

Frente a escenas con una iluminacioacuten maacutes normal y con una gran cantidad de elementos detectados los histogramas deberiacutean ser como en el primer caso que

hemos visto

Si no sucede

Histograma desplazado a la izquierda puede denotar falta de exposicioacuten

Histograma desplazado a la derecha puede ser un exceso de exposicioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

46 Interpretacioacuten de Imaacutegenes

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento digital Optimizacioacuten de las imaacutegenes Realces y mejoras visuales Contraste en una imagen Composiciones color El color verdadero el falso color el pseudo color

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

OPTIMIZACIOacuteN DE LAS IMAacuteGENES

ENTENDIENDO LAS IMAacuteGENES

mejorar visualmente las imaacutegenes

MANIPULAR DE FORMA FLEXIBLE Y SOFISTICADA EL ND DE LOS PIXELES

LUEGO DE CORRECCIONES LAS IMAacuteGENES HAY QUE OPTIMIZARLAS DESDE EL PUNTO DE VISTA VISUAL

diferentes tipos

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

REALCES Y MEJORAS VISUALES

ENTENDIENDO LAS IMAacuteGENES

httpamericalatina-nacblogspotcomuy2009_10_01_archivehtml

optimizacioacuten de las imaacutegenes

proceso destinado a facilitar la interpretacioacuten visual

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

ecualizacioacuten del histograma

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

gaussiano

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

lineal 2

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

lineal

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

raiacutez cuadrada

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

lineal 0 - 255

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PORQUEacute EL REALCE

ENTENDIENDO LAS IMAacuteGENES

LOS SENSORES SON CALIBRADOS PARA ABARCAR TODO EL RANGO POSIBLE DE RADIANCIAS

PARA CADA USO EN CONCRETO ES NECESIDAD IMPERIOSA

EXPANDIR EL HISTOGRAMA Y ASIacute CUBRIR EL RANGO COMPLETO DE NIVELES DE GRIS

histograma UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CONTRASTE EN UNA IMAGEN

ENTENDIENDO LAS IMAacuteGENES

expansioacuten del contraste

los datos uacutetiles solo ocupan pequentildea parte de los niveles de gris disponibles

expandir o estirar el histograma es cambiar los valores originales de ND para utilizar mayor rango

asiacute incrementar el contraste visual de diferentes objetos

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

ejemplos visuales

sin realce lineal

frecuencial gamma

MEacuteTODOS DE EXPANSIOacuteN DEL CONTRASTE

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

lineal

expansioacuten lineal

lo maacutes simple transformacioacuten en liacutenea llevando el valor miacutenimo a 0 y maacuteximo a 255 o se usa un rango por encima y por debajo de miacutenimo y maacuteximo

EXPANSIOacuteN I

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

lineal

EXPANSIOacuteN I expansioacuten

logariacutetmico exponencial

gamma

curvas de transferencia en lugar de rectas gamma es la curvatura de dicha curva se expanden maacutes el contraste de los extremos o del centro

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

frecuencial

EXPANSIOacuteN II

frecuencial ecualizacioacuten del

histograma

cuando los valores de ND no estaacuten distribuidos uniformemente intentar en la medida de lo posible que los valores de salida de los ND tengan el mismo de pixeles con dicho valor

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CONTRASTE EN UNA IMAGEN

ENTENDIENDO LAS IMAacuteGENES

compresioacuten del contraste

Ya sabemos que el contraste mide el rango dinaacutemico de los colores en la imagen es decir una imagen muy contrastada tiene un amplio abanico de colores (o tonos de gris) desde valores muy bajos a valores muy altos Para una imagen con poco contraste los colores estaacuten muy juntos el margen dinaacutemico es pequentildeo La variacioacuten en el contraste aparece como una compresioacuten del histograma en caso de una reduccioacuten a la inversa de lo visto en el caso de una expansioacuten

Compresioacuten si el rango excede de las capacidades del sistema

Se ha de comparar el nuacutemero de niveles digitales (ND) de la imagen con los niveles de visualizacioacuten (NV) o grises del sistema Es de menos aplicacioacuten Al igual que el brillo variando el contraste se puede provocar una peacuterdida de informacioacuten de la imagen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

MAYOR APLICABILIDAD DEL REALCE

ENTENDIENDO LAS IMAacuteGENES

realce oacuteptimo

realce frecuencial

realce lineal

laquo r e a l c e oacute p t i m o raquo optimiza interpretacioacuten de la imagen

mejor esteacutetica de la imagen NO COINCIDE CON NINGUacuteN CORTE PREDETERMINADO

Y SE LOGRA INTERACTIVAMENTE EN PANTALLA Y PARA CADA BANDA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

image1png

image1png

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

COMPOSICIONES COLOR

ENTENDIENDO LAS IMAacuteGENES

formatos de composiciones

CON LA CRECIENTE APARICIOacuteN DE LOS SENSORES HIPERESPECTRALES LAS POSIBILIDADES DE COMPOSICIONES

COLOREADAS DE BANDAS SON CASI ILIMITADAS

LA ELECCIOacuteN DE LAS BANDAS PARA REALIZAR LA COMPOSICIOacuteN Y EL ORDEN DE LAS BANDAS ASIGANADAS A LOS COLORES

PRIMARIOS DEPENDERAacute DE

Sensor Aplicacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EL SEUDO - COLOR

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm formatos de

composiciones

Ya hemos afirmado de que el ojo humano es maacutes capaz de distinguir tonos de color que intensidades de brillo

Por ello el empleo del color ayuda a la interpretacioacuten incluso cuando podamos tener una sola imagen de una banda

Es aquiacute que hablamos del SEUDO COLOR por no contar con tres bandas

El seudo color implica la creacioacuten de una CLUT que asocie el ND de una sola banda a distintos componentes del R V y A APLICACIONES 1 Para tener una leyenda de colores para una img clasificada 2 Para realzar el anaacutelisis de una determinada banda y sustituir los tonos de gris por una paleta de colores

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CLUT COLOUR LOOK-UP TABLE TABLA DE CONSULTA DE COLOR

ENTENDIENDO LAS IMAacuteGENES

httpsenwikipediaorgwikiColour_look-up_table

creacioacuten del seudo color

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Filtros espaciales Concepto de kernel Filtros paso bajo y paso alto Filtros direccionales Anomaliacuteas y correccioacuten atmosfeacuterica Correcciones radiomeacutetricas Anomaliacuteas radiomeacutetricas Fallos en el sensorCorreccioacuten atmosfeacuterica concepto Meacutetodo valores miacutenimos Regresioacuten entre bandas Dispersioacuten por aerosolesCalibracioacuten Caso misioacuten Landsat

47 Interpretacioacuten de Imaacutegenes

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

conceptos de que es un filtro

espacial

FUNCIONES PARA MEJORAR ASPECTO DE LAS IMAacuteGENES

REALZAN O DISMINUYEN ELEMENTOS VISUALES DE LA IMG

BASADOS EN LA FRECUENCIA ESPACIAL

FRECUENCIAS ESPACIALES ALTAS Variaciones que se producen en pocos piacutexeles TENDENCIA GENERAL FRECUENCIAS ESPACIALES BAJAS

Variaciones que se producen en muchos piacutexeles CONTRASTES LOCALES

FILTROS Figura - CCRS CCT

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

conceptos de kernel

FILTRADO ESPACIAL Figura - CCRS CCT FILTRADO EN EL DOMINIO

ESPACIAL Lo mas comuacuten es la aplicacioacuten de una ventana deslizante con valores que son coeficientes fijos de una matriz La MATRIZ se suele llamar KERNEL o nuacutecleo del filtro

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DIGITAL

ENTENDIENDO LAS IMAacuteGENES

aplicacioacuten del kernel

3 x 3 5 x 5 7 x 7

1 1 1

1 2 1

1 1 1 matrices

LOS VALORES DEL KERNEL SE MULTIPLICAN POR EL PIacuteXEL QUE TIENEN DEBAJO Y LUEGO SE SUMAN TODOS LOS PRODUCTOS

Y PARA OBTENER EL VALOR DEL PIacuteXEL CENTRAL EN LA IMAGEN TRANSFORMADA SE LO DIVIDE POR LA SUMA DE LOS PONDERADOS O PESOS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO - PASO BAJO PASO ALTO

ENTENDIENDO LAS IMAacuteGENES

aplicacioacuten del kernel

26

FILTROS DE PASO BAJO SE FAVORECEN A LOS PIXELES

PERIFEacuteRICOS SE MINIMIZAN LAS DIFERENCIAS CON LOS VECINOS ES UNA ESPECIE DE SUAVIZADO

FILTRO DE PASO ALTO PONDERACIOacuteN DEL VALOR CENTRAL EN DETRIMENTO DE LOS CIRCUNDANTES

SE EXAGERAN DIFERENCIAS Y SE RESALTAN VARIACIONES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DE PASO BAJO

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm

simulacioacuten

IMAGEN ORIGINAL

FILTRO PASO BAJO 3x3 SE TRATA DE ASEMEJAR LOS VALORES DE ND DE UN PIXEL A LOS VALORES VECINOS EN TEacuteRMINOS VISUALES LA IMAGEN FILTRADA OFRECE PERFILES MENOS NIacuteTIDOS

FILTRO PASO BAJO 7x7 SIRVE PARA REDUCIR VARIABILIDAD ESPACIAL DE ALGUNA CATEGORIacuteA ANTES DE UN PROCESO DE CLASIFICACIOacuteN

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DE PASO ALTO

ENTENDIENDO LAS IMAacuteGENES

IMAGEN ORIGINAL

FILTRO PASO ALTO 3x3 SE TRATA DE AISLAR LOS COMPONENTES DE ALTA FRECUENCIA Y REMARCAR DIGITALMENTE CONTRASTES EN TEacuteRMINOS VISUALES LA IMAGEN FILTRADA REFUERZA LOS CONTORNOS EN AacuteREAS HOMOGEacuteNEAS

FILTRO PASO ALTO 7x7 SIRVE PARA LOGRAR REALCES DE RASGOS LINEALES COMO PUEDEN SER EN AacuteREAS URBANAS O RASGOS GEOLOacuteGICOS

simulacioacuten

httpgeograuahesrtm

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

Figura - Landsat USGS

IMAGEN ORIGINAL

FILTRO DIRECCIONAL PERMITEN IDENTIFICAR LOS RASGOS FRONTERIZOS EN LAS IMAacuteGENES COMO LOS FILTROS ANTERIORES PERO AHORA CONSIDERANDO LA ORIENTACIOacuteN

se tiene en cuenta la

orientacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

matrices con direccioacuten

NORTE

1 1 1

1 -2 1

-1 -1 -1

SUR

-1 -1 -1

1 -2 1

1 1 1

ESTE

-1 1 1

-1 -2 1

-1 1 1

OESTE

1 1 -1

1 -2 -1

1 1 -1

SURESTE

-1 -1 1

-1 -2 1

1 1 1

NOROESTE

1 1 1

1 -2 -1

1 -1 -1

SUROESTE

1 -1 -1

1 -2 -1

1 1 1

NORESTE

1 1 1

-1 -2 1

-1 -1 1

OBSERVACIOacuteN

LOS NOMBRES OBEDECEN A LA DIRECCIOacuteN DEL CONTRASTE QUE SENtildeALAN

LA DIRECCIOacuteN QUE REALZAN ES JUSTAMENTE LA PERPENDICULAR

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

48 Interpretacioacuten de Imaacutegenes

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Correcciones geomeacutetricas Georreferenciacioacuten Uso de puntos de control Fuentes de error Procesamiento geomeacutetrico Correccioacuten Transformacioacuten geomeacutetrica Calidad y ajuste Generacioacuten de la nueva imagen Transferencia de ND

INSTITUTO DE AGRIMENSURA - DEPARTAMENTO DE GEOMAacuteTICA PROF ADJUNTO GRADO 3 EDISON J ROSAS BERTON

El tratamiento de una imagen de sateacutelite Georreferenciacioacuten

(paso de un sistema de filas y columnas a un sistema de coordenadas estandard)

Para ello debe obtenerse una muestra de puntos de control de los que conozcamos tanto sus coordenadas reales como sus coordenadas en

la imagen deben ser por tanto objetos de un tamantildeo adecuado para resultar identificables tanto en la imagen como sobre el terreno el tamantildeo

dependeraacute loacutegicamente de la resolucioacuten de la imagen A partir de estos puntos de control se obtendraacuten por regresioacuten unas ecuaciones que permitiraacuten a cada par filacolumna un par de coordenadas

XY

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

GEORREFERENCIACIOacuteN

ENTENDIENDO LAS IMAacuteGENES

georreferenciacioacuten porqueacute

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PUNTOS DE CONTROL

ENTENDIENDO LAS IMAacuteGENES

uso de puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

DISTORSIONES POR LA PLATAFORMA ALTITUD DE LA OacuteRBITA ndash Cambio de escala

VELOCIDAD ndash Cambios de escala ORIENTACIOacuteN DE LOS TRES EJES ndash Distorsiones en la geometriacutea

NO SISTEMAacuteTICOS Y COMPLEJOS DE MODELAR

DISTORSIONES POR ROTACIOacuteN TERRESTRE

CONSIDERANDO ALTITUD (800 Km) y TAMANtildeO DE LA IMAGEN (180 Km)ndashEn latitudes medias tarda en adquirir unos 30 segundos la Tierra se desplaza unos 8 Km

ORIENTACIOacuteN NE SW

DISTORSIONES POR EL SENSOR ANOMALIacuteAS SENSOR y MOVIMIENTO ESPEJO ndash Barrido no lineal o cambio en intervalos

AacuteNGULO DE BARRIDO ndash Variacioacuten en el tamantildeo de pixel

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ERROR EN UNA IMAGEN ESPACIAL

ENTENDIENDO LAS IMAacuteGENES

fuentes de error

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Una correccioacuten geomeacutetrica incluye CUALQUIER CAMBIO EN LA POSICIOacuteN DE LOS PIXELES que

conforman la imagen f (c`) = f1 (c l) f (x y) f (l`) = f2 (c l) f (x y)

COORDENADAS DE IMAGEN CORREGIDA SON FUNCIOacuteN DE COORDENADAS COLUMNA Y LIacuteNEA DE LA

IMAGEN DE ENTRADA O DE LAS COORDENADAS DE MAPA AL QUE SUPERPONDREMOS LA IMAGEN

1 CON OBJETIVO DE REALIZAR UNA TRANSFORMACIOacuteN GEOMEacuteTRICA QUE PERMITA AJUSTARLA A OTRA IMAGEN REFERENCIA NORMALMENTE PARA REALIZAR ESTUDIOS MULTITEMPORALES O MOSAICOS CON EL FIN DE AMPLIAR LOS DATOS E INFORMACIOacuteN DE UNA ZONA

2 ESTO PERMITIRAacute QUE LA NUEVA IMAGEN LA PUEDA INTEGRAR CON INFORMACIOacuteN DE OTRAS FUENTES POR EJEMPLO EN UN AMBIENTE SIG

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

correccioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

asumimos que

NO SE CONOCE EL ORIGEN DE LOS ERRORES

modelamos

ECUACIONES EMPIacuteRICAS

aplicadas a un conjunto de puntos

COORDENADAS CONOCIDAS IMAGEN INPUT e IMAGEN OUTPUT

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

1 ndash SELECCIOacuteN DE REFERENCIAS 2 ndash ECUACIONES DE AJUSTE

3 ndash GENERACIOacuteN DE LA IMAGEN CORREGIDA

ES OBVIO CALIDAD DEL AJUSTE DEPENDERAacute DE PRECISIOacuteN CON QUE SE

LOCALICEN LOS PUNTOS DE CONTROL INEXACTA LOCALIZACIOacuteN

DISTRIBUCIOacuteN MUY SECTORIZADA NUacuteMERO DE PUNTOS DE CONTROL INADECUADO

ESTABLECER LOS PUNTOS DE CONTROL FASE MAS CRUCIAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

procesamiento de la correccioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Resaltamos la importancia de

NUacuteMERO LOCALIZACIOacuteN DISTRIBUCIOacuteN

Que debemos atender Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

que considero UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash Croquis ilustrativos de apoyo

TERRENO O ZONAS PLANAS CON IMG OBTENIDAS POR UN SENSOR DE ESTRECHA VISIOacuteN DE CAMPO

TRANSFORMACIOacuteN

BASADO EN ECUACIONES LINEALES SIMPLES

TERRENO ESCARPADO O RUGOSO O UTILIZACIOacuteN DE IMG OBTENIDAS EN UN SENSOR CON VARIACIONES EN LAS CONDICIONES DE OBSERVACIOacuteN

TRANSFORMACIOacuteN MAacuteS COMPLEJA

POLINOMIOS DE SEGUNDO O TERCER ORDEN

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Desde un punto de vista matemaacutetico

GRADO 1 ndash 3 puntos GRADO 2 ndash 6 puntos GRADO 3 ndash 10 puntos

Seguacuten mis objetivos del trabajo no es conveniente utilizar esos miacutenimos

14 a 20 puntos (Landsat 5 MMS ndash seguacuten Bernstein R y D G Ferneyhough Jr 1978)

100 a 120 puntos (Landsat 7 TM ndash seguacuten el National Remote Sensing Center de Inglaterra)

10 o 12 puntos (Pequentildea zona de 512 x 512 pixeles ndash seguacuten Emilio Chuvieco 2010)

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

matemaacuteticamente UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

QUE DEBEMOS DE CONSIDERAR EN CUANTO A LA LOCALIZACIOacuteN

CLARAMENTE IDENTIFICABLES EN IMAGEN Y MAPA RASGOS HUMANOS DEL PAISAJE NO SUJETOS A DINAMISMO TEMPORAL

CRUCE DE CARRETERAS

CAMINOS VIacuteA FEacuteRREAS

NO CONSIDERAR ELEMENTOS ASOCIADOS AL AGUA

COSTA CURSOS DE AGUA

EMBALSES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

localizacioacuten TCP UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la correccioacuten digital de la geometriacutea de una imagen se realiza a partir de establecer unas funciones que relacionen las coordenadas de la imagen

y las coordenadas del mapa

EJ CASO MAS SIMPLE REGRESIOacuteN LINEAL MUacuteLTIPLE

ci = a0 + a1 Xi + a2 Yi li = b0 + b1 Xi + b2 Yi

EN LA PRAacuteCTICA BASTA UNA FUNCIOacuteN LINEAL PARA ABORDAR UN GRAN NUacuteMERO DE

TRANSFORMACIONES Y SON SUFICIENTES SI LAS IMAacuteGENES NO SON MUY GRANDES ANTE LA NECESIDAD DE OTRAS TRANSFORMACIONES SE UTILIZAN DE 2ordm y 3ordm ORDEN CONSIDERANDO ALTERACIONES GEOMEacuteTRICAS NO LINEALES (FUNCIONES QUE NO SE DEFINEN EN UN PLANO

CON EJES LINEALES SINO QUE SUPERFICIES CON EJES CURVILIacuteNEOS)

LOS COEFICIENTES DE LAS FUNCIONES DE TRANSFORMACIOacuteN SE CALCULAN A PARTIR DE UN AJUSTE POR MIacuteNIMOS CUADRADOS

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

funciones de transformacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash ejemplos de funciones de transformacioacuten geomeacutetrica con el efecto causado

TRASLACIOacuteN

CAMBIO DE ESCALA

INCLINACIOacuteN

PERSPECTIVA

ROTACIOacuteN

x = a0 + xacute y = b0 + yacute

x = xacute + a2 yacute y = yacute

x = a1 xacute y = b1 yacute

x = a3xacute yacute y = yacute

x = a4xacute + a5yacute y = b4xacute + b5yacute a4 = b5 = cos Ɵ a5 = -b4 = sen Ɵ

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

transformacioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

comparacioacuten coordenadas reales y las estimadas por la regresioacuten

el promedio de los residuales se conoce como error medio cuadraacutetico

la calidad del ajuste lo da el RMSE (root mean squared error)

(error medio cuadraacutetico)

RMSE es la raiacutez cuadrada de las desviaciones entre los valores reales y los

calculados

RMSE para cada punto es la raiacutez de los residuales al cuadrado que es la distancia entre ellos

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

RMSE UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la praacutectica hace que fijemos una TOLERANCIA y es que si ese promedio supera un valor fijado previamente haya que rever

el valor fijado previamente generalmente es igual o menor a un PIXEL

una correcta verificacioacuten

NECESITA introducir PUNTOS de VERIFICACIOacuteN

que no hayan sido introducidos en el ajuste

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

tolerancias fijadas

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

traducimos coordenadas de un mapa a la imagen tambieacuten necesitamos a la nueva imagen

TRANSFERIR LOS VALORES DIGITALES no olvidar que lo que queremos es generar una nueva imagen que se

corresponda con las coordenadas y las funciones de ajuste

NO ORIGINAN NUEVA IMAGEN solo colocan a los pixeles en la posicioacuten correcta

en criollo las funciones de transformacioacuten generan una nueva matriz bien posicionada pero vaciacutea

DEBEMOS LLENAR LA MATRIZ problema maacutes complejo de lo que puede

pensarse Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

generacioacuten de la nueva imaacutegen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

cada pixel de la imagen corregida se corresponderiacutea con un pixel de la imagen original

LEJOS DE ESE IDEAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo I

vecino maacutes proacuteximo ( nearest neighbour )

a cada celda de la imagen corregida se asigna el ND del pixel maacutes cercano de la

imagen original

SOLUCIOacuteN RAacutePIDA MENOR DISTORSIOacuteN DE LOS ND

INTRODUCE RASGOS LINEALES QUE DISTORSIONAN

CORRECCIOacuteN DE IMAacuteGENES CLASIFICADAS

CONSERVAR LA RADIOMETRIacuteA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo II

interpolacioacuten bilineal ( bilinear interpolation )

supone promediar los ND de los cuatro pixeles mas cercanos

con ponderacioacuten seguacuten la distancia pixeles originalcorregido

REDUCE EL EFECTO DE DISTORSIOacuteN EN RASGOS LINEALES

TIENDE A DIFUMINAR LOS CONTRASTES ESPACIALES

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE IMAacuteGENES RECTIFICADAS MAPAS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo III

convolusioacuten cuacutebica ( cubic convolution )

supone considerar los ND de los 16 pixeles mas proacuteximos

media ponderada seguacuten la distancia pixeles originalcorregido

EFECTO VISUAL MAS CORRECTO

VOLUacuteMEN DE CAacuteLCULO MUY SUPERIOR TENDENCIA A AGUDIZAR BORDES DE LA IMAGEN

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE ORTOIMAacuteGENES IMPRESIONES DE CALIDAD

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

  • Nuacutemero de diapositiva 1
  • Nuacutemero de diapositiva 2
  • MOacuteDULO IV
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 5
  • Nuacutemero de diapositiva 6
  • Nuacutemero de diapositiva 7
  • Nuacutemero de diapositiva 8
  • Nuacutemero de diapositiva 9
  • Nuacutemero de diapositiva 10
  • Nuacutemero de diapositiva 11
  • Nuacutemero de diapositiva 12
  • Nuacutemero de diapositiva 13
  • Nuacutemero de diapositiva 14
  • Nuacutemero de diapositiva 15
  • Nuacutemero de diapositiva 16
  • Nuacutemero de diapositiva 17
  • Nuacutemero de diapositiva 18
  • Nuacutemero de diapositiva 19
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 21
  • Nuacutemero de diapositiva 22
  • Nuacutemero de diapositiva 23
  • Nuacutemero de diapositiva 24
  • Nuacutemero de diapositiva 25
  • Nuacutemero de diapositiva 26
  • Nuacutemero de diapositiva 27
  • Nuacutemero de diapositiva 28
  • Nuacutemero de diapositiva 29
  • Nuacutemero de diapositiva 30
  • Nuacutemero de diapositiva 31
  • Nuacutemero de diapositiva 32
  • Nuacutemero de diapositiva 33
  • Nuacutemero de diapositiva 34
  • Nuacutemero de diapositiva 35
  • Nuacutemero de diapositiva 36
  • Nuacutemero de diapositiva 37
  • Nuacutemero de diapositiva 38
  • Nuacutemero de diapositiva 39
  • Nuacutemero de diapositiva 40
  • 47 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 42
  • Nuacutemero de diapositiva 43
  • Nuacutemero de diapositiva 44
  • Nuacutemero de diapositiva 45
  • Nuacutemero de diapositiva 46
  • Nuacutemero de diapositiva 47
  • Nuacutemero de diapositiva 48
  • Nuacutemero de diapositiva 49
  • Nuacutemero de diapositiva 50
  • Nuacutemero de diapositiva 51
  • Nuacutemero de diapositiva 52
  • Nuacutemero de diapositiva 53
  • Nuacutemero de diapositiva 54
  • 48 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 56
  • Nuacutemero de diapositiva 57
  • Nuacutemero de diapositiva 58
  • Nuacutemero de diapositiva 59
  • Nuacutemero de diapositiva 60
  • Nuacutemero de diapositiva 61
  • Nuacutemero de diapositiva 62
  • Nuacutemero de diapositiva 63
  • Nuacutemero de diapositiva 64
  • Nuacutemero de diapositiva 65
  • Nuacutemero de diapositiva 66
  • Nuacutemero de diapositiva 67
  • Nuacutemero de diapositiva 68
  • Nuacutemero de diapositiva 69
  • Nuacutemero de diapositiva 70
  • Nuacutemero de diapositiva 71
  • Nuacutemero de diapositiva 72
  • Nuacutemero de diapositiva 73
  • Nuacutemero de diapositiva 74

45 - Interpretacioacuten de Imaacutegenes Tratamiento digital Uso cartograacutefico de las imaacutegenes Distorciones de una imagen Fuentes de distorsioacuten Correcciones Los valores de asignacioacuten a los pixeles Histogramas 46 - Interpretacioacuten de Imaacutegenes Tratamiento digital Optimizacioacuten de las imaacutegenes Realces y mejoras visuales Contraste en una imagen Composiciones color El color verdadero el falso color el pseudo color 47 - Interpretacioacuten de Imaacutegenes Tratamiento Digital Filtros espaciales Concepto de kernel Filtros paso bajo y paso alto Filtros direccionales Anomaliacuteas y correccioacuten atmosfeacuterica Correcciones radiomeacutetricas Anomaliacuteas radiomeacutetricas Fallos en el sensorCorreccioacuten atmosfeacuterica concepto Meacutetodo valores miacutenimos Regresioacuten entre bandas Dispersioacuten por aerosolesCalibracioacuten Caso misioacuten Landsat 48 - Interpretacioacuten de Imaacutegenes Tratamiento Digital Correcciones geomeacutetricas Georreferenciacioacuten Uso de puntos de control Fuentes de error Procesamiento geomeacutetrico Correccioacuten Transformacioacuten geomeacutetrica Calidad y ajuste Generacioacuten de la nueva imagen Transferencia de ND

MOacuteDULO IV Interpretacioacuten de las imaacutegenes

Tratamiento Digital

Distorsiones que aparecen en las imaacutegenes

Mejora y optimizacioacuten de las imaacutegenes

Tratamiento digital filtrado y correcciones

UdelaR FING IA - Departamento de Geomaacutetica ndash Programa acadeacutemico 2018 ndash Curso de Grado ndash TCI24 Captura de Datos por Percepcioacuten Remota 1er Semestre 2018

MOacuteDULO IV

45 ndash Interpretacioacuten de Imaacutegenes Tratamiento digital

46 Interpretacioacuten de Imaacutegenes

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento digital Uso cartograacutefico de las imaacutegenes Distorciones de una imagen Fuentes de distorsioacuten Correcciones Los valores de asignacioacuten a los pixeles Histogramas

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ORGANIZACIOacuteN DE UNA IMAGEN

EXPLOTANDO LAS IMAacuteGENES

httpgeograuahesrtm uso cartograacutefico de

las imaacutegenes

LAS IMAacuteGENES DE SENSORES ESPACIALES

NO SON CARTOGRAFIacuteA

NATURALEZA DE LA PROYECCIOacuteN

DISTORSIONES SISTEMEacuteTICAS

DISTORSIONES ALEATORIAS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

DISTORSIONES POSIBLES DE UNA IMAGEN

httpgeograuahesrtm radiomeacutetricas geomeacutetricas

IMAGEN ADQUIRIDA (no olvidemos que la tratamos en su formato numeacuterico matricial) PRESENTARAacute ANOMALIacuteAS CON RESPECTO A LO QUE ES LA IMAGEN REAL

SITUACIOacuteN O UBICACIOacuteN DE SUS PUNTOS VALORES DE LOS NIVELES DIGITALES

Algunas de eacutestas correcciones seraacuten tareas de las estaciones de recepcioacuten (las que ofrecen distintos niveles de correccioacuten)

Pero helliphelliphelliphellip para un estudio detallado de una imagen (como pueden ser estudios

multitemporales o fusioacuten con otros datos de otras fuentes cartograacuteficas) van a requerir de correcciones

EXPLOTANDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FUENTES DE DISTORSIOacuteN

correcciones

EXPLOTANDO LAS IMAacuteGENES

LA PLATAFORMA QUE PORTA AL SATELITE OSCILA

SU MOVIMIENTO ORBITAL ES CASI UNIFORME SIN ACELERACIONES EN DIRECCIONES

LOS SATELITES SUFREN PEQUENtildeAS VARIACIONES

ALTURA ORBITAL

VELOCIDAD ORIENTACIOacuteN (aleteo cabeceo ladeo)

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FUENTES DE DISTORSIOacuteN

correcciones

EXPLOTANDO LAS IMAacuteGENES

OSCILACIOacuteN DE LA PLATAFORMA

ROTACIOacuteN TERRESTRE

TIEMPO DE BARRIDO

DISTORSIOacuteN PANORAacuteMICA

CURVATURA DE LA TIERRA

DISTORSIONES RADIOMEacuteTRICAS PEacuteRDIDA DE LIacuteNEAS O CELDAS BANDEADO EFECTO ATMOSFEacuteRICO

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIONES

operadores

EXPLOTANDO LAS IMAacuteGENES

OPERADOR la funcioacuten matemaacutetica que se aplica sobre la imagen

w = f (xyz) T wrsquo = f lsquo (xlsquoyrsquozrsquo) lo desglosamos en componentes

en x e y seraacuten las transformaciones geomeacutetricas y en z la transformaciones radiomeacutetricas

TIPOS DE OPERADORES puntuales cada elemento de la img final es funcioacuten de un solo elemento de la img inicial

locales luminancia de un elemento de la img final es funcioacuten de las luminancias de un entorno de cada elemento de la img inicial globales toda la img final es funcioacuten de toda la img inicial TRANSFORMACIONES Radiomeacutetricas modifican la amplitud de la sentildeal manteniendo invariable las coordenadas de cada celda

Geomeacutetricas modifican la geometriacutea de la imagen dejando constante los valores de su radiometriacutea

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ANAacuteLISIS DIGITAL DE LAS IMAacuteGENES

httpgeograuahesrtm

los valores de asignacioacuten a los

pixeles

Los sensores utilizados en teledeteccioacuten estaacuten calibrados para recibir valores muy altos de radiacioacuten sin llegar a saturarse por lo que lo normal es que todos los valores recibidos esteacuten muy

por debajo de los maacuteximos posibles

La consecuencia es que los valores de ND obtenidos son muy bajos y las imaacutegenes se van a ver oscuras muy poco

contrastadas Una forma de solventar este problema es ajustar el contraste mediante diversas teacutecnicas

EXPLOTANDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

LA MATRIZ DE DATOS

valores de celdas perdidas

A veces se requiere de poder restaurar valores dado que la matriz de datos contiene celdas perdidas y aparecen ND con valores nulos

en el dominio espacial

Una forma de corregir asignar un valor a la celda o liacutenea perdida tomar para cada pixel el ND del vecino

de la liacutenea anterior de la liacutenea siguiente

promedio en el dominio de la frecuencia

Otra manera seguacuten el valor de la celda en otra banda correlacionada

se calculan los histogramas parciales de las celdas en estudio para cada detector se obtiene la media y desviacioacuten estaacutendar de los ND correspondientes a cada detector

Se aplica NDacuteij = ak ND ij + bk

EXPLOTANDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

RESTAURACIOacuteN DE CELDAS PERDIDAS

estudio de histogramas

httpcoelloujaenesAsignaturasteledeteccion

EXPLOTANDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ESTADIacuteSTICAS E HISTOGRAMA DE UNA IMAGEN

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm que es un

histograma

IMAGEN DIGITAL SIMPLE DE 8 x 8 PIXELES EN NIVELES DE GRIS CON UNA PROFUNDIDAD DE 2 BITS

CUATRO VALORES POSIBLES DE BRILLO PASADOS A TONOS DE GRIS NEGRO GRIS OSCURO GRIS CLARO Y BLANCO

ND BRILLO

0 Negro

1 Gris oscuro

2 Gris claro

3 Blanco

veremos entonces que es un HISTOGRAMA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

HISTOGRAMA

ENTENDIENDO LAS IMAacuteGENES

conceptualidades

REPRESENTACIOacuteN GRAacuteFICA DE LOS NIVELES DE GRISES EN FUNCIOacuteN DE LA REPETICIOacuteN DE VECES EN QUE APARECE CADA UNO DE LOS NIVELES DE GRIS

deducciones

11

15

38

0

adaptado de El histograma de una Imagen Digital Universidad

Politeacutecnica de Valencia

La mayor parte de los piacutexeles son blancos por lo que probablemente la imagen tenga un fondo blanco uniforme

Hay un nuacutemero significativo de pixeles negros y pixeles blancos lo que hace que la imagen presente un aspecto bien contrastado

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

HISTOGRAMA IDEAL

ENTENDIENDO LAS IMAacuteGENES

elementos a considerar

Como regla general se considera que una imagen tiene un buen contraste si su histograma se extiende ocupando casi todo el rango

de tonos

adaptado de El histograma de una Imagen Digital Universidad Politeacutecnica de Valencia

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

HISTOGRAMA IDEAL

ENTENDIENDO LAS IMAacuteGENES

elementos a considerar

Por ejemplo en una imagen nocturna el histograma estaacute fuertemente desplazado al lado izquierdo (zona de tonos oscuros) y

evidencia que no hay apenas ninguna zona de la imagen muy brillante

adaptado de El histograma de una Imagen Digital Universidad Politeacutecnica de Valencia

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

HISTOGRAMA IDEAL

ENTENDIENDO LAS IMAacuteGENES

elementos a considerar

En este caso el histograma es marcadamente maacutes alto en la zona de grises claros y blancos y apareceraacute corrido a la derecha hacia el

lado de los valores altos de iluminacioacuten

adaptado de El histograma de una Imagen Digital Universidad Politeacutecnica de Valencia

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

HISTOGRAMA IDEAL

ENTENDIENDO LAS IMAacuteGENES

elementos a considerar

Se entiende por contraste la diferencia de brillo entre las zonas maacutes claras y maacutes oscuras en una imagen En este paisaje con niebla es

un ejemplo de bajo contraste Se traduce en un histograma estrecho Ademaacutes como la toacutenica dominante son los grises medios

se observa que estaacute bastante centrado

adaptado de El histograma de una Imagen Digital Universidad Politeacutecnica de Valencia

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

conjunto de datos

Frente a escenas con una iluminacioacuten maacutes normal y con una gran cantidad de elementos detectados los histogramas deberiacutean ser como en el primer caso que

hemos visto

Si no sucede

Histograma desplazado a la izquierda puede denotar falta de exposicioacuten

Histograma desplazado a la derecha puede ser un exceso de exposicioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

46 Interpretacioacuten de Imaacutegenes

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento digital Optimizacioacuten de las imaacutegenes Realces y mejoras visuales Contraste en una imagen Composiciones color El color verdadero el falso color el pseudo color

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

OPTIMIZACIOacuteN DE LAS IMAacuteGENES

ENTENDIENDO LAS IMAacuteGENES

mejorar visualmente las imaacutegenes

MANIPULAR DE FORMA FLEXIBLE Y SOFISTICADA EL ND DE LOS PIXELES

LUEGO DE CORRECCIONES LAS IMAacuteGENES HAY QUE OPTIMIZARLAS DESDE EL PUNTO DE VISTA VISUAL

diferentes tipos

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

REALCES Y MEJORAS VISUALES

ENTENDIENDO LAS IMAacuteGENES

httpamericalatina-nacblogspotcomuy2009_10_01_archivehtml

optimizacioacuten de las imaacutegenes

proceso destinado a facilitar la interpretacioacuten visual

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

ecualizacioacuten del histograma

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

gaussiano

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

lineal 2

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

lineal

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

raiacutez cuadrada

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

lineal 0 - 255

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PORQUEacute EL REALCE

ENTENDIENDO LAS IMAacuteGENES

LOS SENSORES SON CALIBRADOS PARA ABARCAR TODO EL RANGO POSIBLE DE RADIANCIAS

PARA CADA USO EN CONCRETO ES NECESIDAD IMPERIOSA

EXPANDIR EL HISTOGRAMA Y ASIacute CUBRIR EL RANGO COMPLETO DE NIVELES DE GRIS

histograma UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CONTRASTE EN UNA IMAGEN

ENTENDIENDO LAS IMAacuteGENES

expansioacuten del contraste

los datos uacutetiles solo ocupan pequentildea parte de los niveles de gris disponibles

expandir o estirar el histograma es cambiar los valores originales de ND para utilizar mayor rango

asiacute incrementar el contraste visual de diferentes objetos

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

ejemplos visuales

sin realce lineal

frecuencial gamma

MEacuteTODOS DE EXPANSIOacuteN DEL CONTRASTE

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

lineal

expansioacuten lineal

lo maacutes simple transformacioacuten en liacutenea llevando el valor miacutenimo a 0 y maacuteximo a 255 o se usa un rango por encima y por debajo de miacutenimo y maacuteximo

EXPANSIOacuteN I

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

lineal

EXPANSIOacuteN I expansioacuten

logariacutetmico exponencial

gamma

curvas de transferencia en lugar de rectas gamma es la curvatura de dicha curva se expanden maacutes el contraste de los extremos o del centro

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

frecuencial

EXPANSIOacuteN II

frecuencial ecualizacioacuten del

histograma

cuando los valores de ND no estaacuten distribuidos uniformemente intentar en la medida de lo posible que los valores de salida de los ND tengan el mismo de pixeles con dicho valor

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CONTRASTE EN UNA IMAGEN

ENTENDIENDO LAS IMAacuteGENES

compresioacuten del contraste

Ya sabemos que el contraste mide el rango dinaacutemico de los colores en la imagen es decir una imagen muy contrastada tiene un amplio abanico de colores (o tonos de gris) desde valores muy bajos a valores muy altos Para una imagen con poco contraste los colores estaacuten muy juntos el margen dinaacutemico es pequentildeo La variacioacuten en el contraste aparece como una compresioacuten del histograma en caso de una reduccioacuten a la inversa de lo visto en el caso de una expansioacuten

Compresioacuten si el rango excede de las capacidades del sistema

Se ha de comparar el nuacutemero de niveles digitales (ND) de la imagen con los niveles de visualizacioacuten (NV) o grises del sistema Es de menos aplicacioacuten Al igual que el brillo variando el contraste se puede provocar una peacuterdida de informacioacuten de la imagen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

MAYOR APLICABILIDAD DEL REALCE

ENTENDIENDO LAS IMAacuteGENES

realce oacuteptimo

realce frecuencial

realce lineal

laquo r e a l c e oacute p t i m o raquo optimiza interpretacioacuten de la imagen

mejor esteacutetica de la imagen NO COINCIDE CON NINGUacuteN CORTE PREDETERMINADO

Y SE LOGRA INTERACTIVAMENTE EN PANTALLA Y PARA CADA BANDA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

image1png

image1png

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

COMPOSICIONES COLOR

ENTENDIENDO LAS IMAacuteGENES

formatos de composiciones

CON LA CRECIENTE APARICIOacuteN DE LOS SENSORES HIPERESPECTRALES LAS POSIBILIDADES DE COMPOSICIONES

COLOREADAS DE BANDAS SON CASI ILIMITADAS

LA ELECCIOacuteN DE LAS BANDAS PARA REALIZAR LA COMPOSICIOacuteN Y EL ORDEN DE LAS BANDAS ASIGANADAS A LOS COLORES

PRIMARIOS DEPENDERAacute DE

Sensor Aplicacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EL SEUDO - COLOR

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm formatos de

composiciones

Ya hemos afirmado de que el ojo humano es maacutes capaz de distinguir tonos de color que intensidades de brillo

Por ello el empleo del color ayuda a la interpretacioacuten incluso cuando podamos tener una sola imagen de una banda

Es aquiacute que hablamos del SEUDO COLOR por no contar con tres bandas

El seudo color implica la creacioacuten de una CLUT que asocie el ND de una sola banda a distintos componentes del R V y A APLICACIONES 1 Para tener una leyenda de colores para una img clasificada 2 Para realzar el anaacutelisis de una determinada banda y sustituir los tonos de gris por una paleta de colores

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CLUT COLOUR LOOK-UP TABLE TABLA DE CONSULTA DE COLOR

ENTENDIENDO LAS IMAacuteGENES

httpsenwikipediaorgwikiColour_look-up_table

creacioacuten del seudo color

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Filtros espaciales Concepto de kernel Filtros paso bajo y paso alto Filtros direccionales Anomaliacuteas y correccioacuten atmosfeacuterica Correcciones radiomeacutetricas Anomaliacuteas radiomeacutetricas Fallos en el sensorCorreccioacuten atmosfeacuterica concepto Meacutetodo valores miacutenimos Regresioacuten entre bandas Dispersioacuten por aerosolesCalibracioacuten Caso misioacuten Landsat

47 Interpretacioacuten de Imaacutegenes

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

conceptos de que es un filtro

espacial

FUNCIONES PARA MEJORAR ASPECTO DE LAS IMAacuteGENES

REALZAN O DISMINUYEN ELEMENTOS VISUALES DE LA IMG

BASADOS EN LA FRECUENCIA ESPACIAL

FRECUENCIAS ESPACIALES ALTAS Variaciones que se producen en pocos piacutexeles TENDENCIA GENERAL FRECUENCIAS ESPACIALES BAJAS

Variaciones que se producen en muchos piacutexeles CONTRASTES LOCALES

FILTROS Figura - CCRS CCT

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

conceptos de kernel

FILTRADO ESPACIAL Figura - CCRS CCT FILTRADO EN EL DOMINIO

ESPACIAL Lo mas comuacuten es la aplicacioacuten de una ventana deslizante con valores que son coeficientes fijos de una matriz La MATRIZ se suele llamar KERNEL o nuacutecleo del filtro

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DIGITAL

ENTENDIENDO LAS IMAacuteGENES

aplicacioacuten del kernel

3 x 3 5 x 5 7 x 7

1 1 1

1 2 1

1 1 1 matrices

LOS VALORES DEL KERNEL SE MULTIPLICAN POR EL PIacuteXEL QUE TIENEN DEBAJO Y LUEGO SE SUMAN TODOS LOS PRODUCTOS

Y PARA OBTENER EL VALOR DEL PIacuteXEL CENTRAL EN LA IMAGEN TRANSFORMADA SE LO DIVIDE POR LA SUMA DE LOS PONDERADOS O PESOS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO - PASO BAJO PASO ALTO

ENTENDIENDO LAS IMAacuteGENES

aplicacioacuten del kernel

26

FILTROS DE PASO BAJO SE FAVORECEN A LOS PIXELES

PERIFEacuteRICOS SE MINIMIZAN LAS DIFERENCIAS CON LOS VECINOS ES UNA ESPECIE DE SUAVIZADO

FILTRO DE PASO ALTO PONDERACIOacuteN DEL VALOR CENTRAL EN DETRIMENTO DE LOS CIRCUNDANTES

SE EXAGERAN DIFERENCIAS Y SE RESALTAN VARIACIONES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DE PASO BAJO

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm

simulacioacuten

IMAGEN ORIGINAL

FILTRO PASO BAJO 3x3 SE TRATA DE ASEMEJAR LOS VALORES DE ND DE UN PIXEL A LOS VALORES VECINOS EN TEacuteRMINOS VISUALES LA IMAGEN FILTRADA OFRECE PERFILES MENOS NIacuteTIDOS

FILTRO PASO BAJO 7x7 SIRVE PARA REDUCIR VARIABILIDAD ESPACIAL DE ALGUNA CATEGORIacuteA ANTES DE UN PROCESO DE CLASIFICACIOacuteN

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DE PASO ALTO

ENTENDIENDO LAS IMAacuteGENES

IMAGEN ORIGINAL

FILTRO PASO ALTO 3x3 SE TRATA DE AISLAR LOS COMPONENTES DE ALTA FRECUENCIA Y REMARCAR DIGITALMENTE CONTRASTES EN TEacuteRMINOS VISUALES LA IMAGEN FILTRADA REFUERZA LOS CONTORNOS EN AacuteREAS HOMOGEacuteNEAS

FILTRO PASO ALTO 7x7 SIRVE PARA LOGRAR REALCES DE RASGOS LINEALES COMO PUEDEN SER EN AacuteREAS URBANAS O RASGOS GEOLOacuteGICOS

simulacioacuten

httpgeograuahesrtm

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

Figura - Landsat USGS

IMAGEN ORIGINAL

FILTRO DIRECCIONAL PERMITEN IDENTIFICAR LOS RASGOS FRONTERIZOS EN LAS IMAacuteGENES COMO LOS FILTROS ANTERIORES PERO AHORA CONSIDERANDO LA ORIENTACIOacuteN

se tiene en cuenta la

orientacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

matrices con direccioacuten

NORTE

1 1 1

1 -2 1

-1 -1 -1

SUR

-1 -1 -1

1 -2 1

1 1 1

ESTE

-1 1 1

-1 -2 1

-1 1 1

OESTE

1 1 -1

1 -2 -1

1 1 -1

SURESTE

-1 -1 1

-1 -2 1

1 1 1

NOROESTE

1 1 1

1 -2 -1

1 -1 -1

SUROESTE

1 -1 -1

1 -2 -1

1 1 1

NORESTE

1 1 1

-1 -2 1

-1 -1 1

OBSERVACIOacuteN

LOS NOMBRES OBEDECEN A LA DIRECCIOacuteN DEL CONTRASTE QUE SENtildeALAN

LA DIRECCIOacuteN QUE REALZAN ES JUSTAMENTE LA PERPENDICULAR

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

48 Interpretacioacuten de Imaacutegenes

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Correcciones geomeacutetricas Georreferenciacioacuten Uso de puntos de control Fuentes de error Procesamiento geomeacutetrico Correccioacuten Transformacioacuten geomeacutetrica Calidad y ajuste Generacioacuten de la nueva imagen Transferencia de ND

INSTITUTO DE AGRIMENSURA - DEPARTAMENTO DE GEOMAacuteTICA PROF ADJUNTO GRADO 3 EDISON J ROSAS BERTON

El tratamiento de una imagen de sateacutelite Georreferenciacioacuten

(paso de un sistema de filas y columnas a un sistema de coordenadas estandard)

Para ello debe obtenerse una muestra de puntos de control de los que conozcamos tanto sus coordenadas reales como sus coordenadas en

la imagen deben ser por tanto objetos de un tamantildeo adecuado para resultar identificables tanto en la imagen como sobre el terreno el tamantildeo

dependeraacute loacutegicamente de la resolucioacuten de la imagen A partir de estos puntos de control se obtendraacuten por regresioacuten unas ecuaciones que permitiraacuten a cada par filacolumna un par de coordenadas

XY

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

GEORREFERENCIACIOacuteN

ENTENDIENDO LAS IMAacuteGENES

georreferenciacioacuten porqueacute

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PUNTOS DE CONTROL

ENTENDIENDO LAS IMAacuteGENES

uso de puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

DISTORSIONES POR LA PLATAFORMA ALTITUD DE LA OacuteRBITA ndash Cambio de escala

VELOCIDAD ndash Cambios de escala ORIENTACIOacuteN DE LOS TRES EJES ndash Distorsiones en la geometriacutea

NO SISTEMAacuteTICOS Y COMPLEJOS DE MODELAR

DISTORSIONES POR ROTACIOacuteN TERRESTRE

CONSIDERANDO ALTITUD (800 Km) y TAMANtildeO DE LA IMAGEN (180 Km)ndashEn latitudes medias tarda en adquirir unos 30 segundos la Tierra se desplaza unos 8 Km

ORIENTACIOacuteN NE SW

DISTORSIONES POR EL SENSOR ANOMALIacuteAS SENSOR y MOVIMIENTO ESPEJO ndash Barrido no lineal o cambio en intervalos

AacuteNGULO DE BARRIDO ndash Variacioacuten en el tamantildeo de pixel

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ERROR EN UNA IMAGEN ESPACIAL

ENTENDIENDO LAS IMAacuteGENES

fuentes de error

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Una correccioacuten geomeacutetrica incluye CUALQUIER CAMBIO EN LA POSICIOacuteN DE LOS PIXELES que

conforman la imagen f (c`) = f1 (c l) f (x y) f (l`) = f2 (c l) f (x y)

COORDENADAS DE IMAGEN CORREGIDA SON FUNCIOacuteN DE COORDENADAS COLUMNA Y LIacuteNEA DE LA

IMAGEN DE ENTRADA O DE LAS COORDENADAS DE MAPA AL QUE SUPERPONDREMOS LA IMAGEN

1 CON OBJETIVO DE REALIZAR UNA TRANSFORMACIOacuteN GEOMEacuteTRICA QUE PERMITA AJUSTARLA A OTRA IMAGEN REFERENCIA NORMALMENTE PARA REALIZAR ESTUDIOS MULTITEMPORALES O MOSAICOS CON EL FIN DE AMPLIAR LOS DATOS E INFORMACIOacuteN DE UNA ZONA

2 ESTO PERMITIRAacute QUE LA NUEVA IMAGEN LA PUEDA INTEGRAR CON INFORMACIOacuteN DE OTRAS FUENTES POR EJEMPLO EN UN AMBIENTE SIG

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

correccioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

asumimos que

NO SE CONOCE EL ORIGEN DE LOS ERRORES

modelamos

ECUACIONES EMPIacuteRICAS

aplicadas a un conjunto de puntos

COORDENADAS CONOCIDAS IMAGEN INPUT e IMAGEN OUTPUT

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

1 ndash SELECCIOacuteN DE REFERENCIAS 2 ndash ECUACIONES DE AJUSTE

3 ndash GENERACIOacuteN DE LA IMAGEN CORREGIDA

ES OBVIO CALIDAD DEL AJUSTE DEPENDERAacute DE PRECISIOacuteN CON QUE SE

LOCALICEN LOS PUNTOS DE CONTROL INEXACTA LOCALIZACIOacuteN

DISTRIBUCIOacuteN MUY SECTORIZADA NUacuteMERO DE PUNTOS DE CONTROL INADECUADO

ESTABLECER LOS PUNTOS DE CONTROL FASE MAS CRUCIAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

procesamiento de la correccioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Resaltamos la importancia de

NUacuteMERO LOCALIZACIOacuteN DISTRIBUCIOacuteN

Que debemos atender Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

que considero UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash Croquis ilustrativos de apoyo

TERRENO O ZONAS PLANAS CON IMG OBTENIDAS POR UN SENSOR DE ESTRECHA VISIOacuteN DE CAMPO

TRANSFORMACIOacuteN

BASADO EN ECUACIONES LINEALES SIMPLES

TERRENO ESCARPADO O RUGOSO O UTILIZACIOacuteN DE IMG OBTENIDAS EN UN SENSOR CON VARIACIONES EN LAS CONDICIONES DE OBSERVACIOacuteN

TRANSFORMACIOacuteN MAacuteS COMPLEJA

POLINOMIOS DE SEGUNDO O TERCER ORDEN

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Desde un punto de vista matemaacutetico

GRADO 1 ndash 3 puntos GRADO 2 ndash 6 puntos GRADO 3 ndash 10 puntos

Seguacuten mis objetivos del trabajo no es conveniente utilizar esos miacutenimos

14 a 20 puntos (Landsat 5 MMS ndash seguacuten Bernstein R y D G Ferneyhough Jr 1978)

100 a 120 puntos (Landsat 7 TM ndash seguacuten el National Remote Sensing Center de Inglaterra)

10 o 12 puntos (Pequentildea zona de 512 x 512 pixeles ndash seguacuten Emilio Chuvieco 2010)

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

matemaacuteticamente UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

QUE DEBEMOS DE CONSIDERAR EN CUANTO A LA LOCALIZACIOacuteN

CLARAMENTE IDENTIFICABLES EN IMAGEN Y MAPA RASGOS HUMANOS DEL PAISAJE NO SUJETOS A DINAMISMO TEMPORAL

CRUCE DE CARRETERAS

CAMINOS VIacuteA FEacuteRREAS

NO CONSIDERAR ELEMENTOS ASOCIADOS AL AGUA

COSTA CURSOS DE AGUA

EMBALSES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

localizacioacuten TCP UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la correccioacuten digital de la geometriacutea de una imagen se realiza a partir de establecer unas funciones que relacionen las coordenadas de la imagen

y las coordenadas del mapa

EJ CASO MAS SIMPLE REGRESIOacuteN LINEAL MUacuteLTIPLE

ci = a0 + a1 Xi + a2 Yi li = b0 + b1 Xi + b2 Yi

EN LA PRAacuteCTICA BASTA UNA FUNCIOacuteN LINEAL PARA ABORDAR UN GRAN NUacuteMERO DE

TRANSFORMACIONES Y SON SUFICIENTES SI LAS IMAacuteGENES NO SON MUY GRANDES ANTE LA NECESIDAD DE OTRAS TRANSFORMACIONES SE UTILIZAN DE 2ordm y 3ordm ORDEN CONSIDERANDO ALTERACIONES GEOMEacuteTRICAS NO LINEALES (FUNCIONES QUE NO SE DEFINEN EN UN PLANO

CON EJES LINEALES SINO QUE SUPERFICIES CON EJES CURVILIacuteNEOS)

LOS COEFICIENTES DE LAS FUNCIONES DE TRANSFORMACIOacuteN SE CALCULAN A PARTIR DE UN AJUSTE POR MIacuteNIMOS CUADRADOS

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

funciones de transformacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash ejemplos de funciones de transformacioacuten geomeacutetrica con el efecto causado

TRASLACIOacuteN

CAMBIO DE ESCALA

INCLINACIOacuteN

PERSPECTIVA

ROTACIOacuteN

x = a0 + xacute y = b0 + yacute

x = xacute + a2 yacute y = yacute

x = a1 xacute y = b1 yacute

x = a3xacute yacute y = yacute

x = a4xacute + a5yacute y = b4xacute + b5yacute a4 = b5 = cos Ɵ a5 = -b4 = sen Ɵ

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

transformacioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

comparacioacuten coordenadas reales y las estimadas por la regresioacuten

el promedio de los residuales se conoce como error medio cuadraacutetico

la calidad del ajuste lo da el RMSE (root mean squared error)

(error medio cuadraacutetico)

RMSE es la raiacutez cuadrada de las desviaciones entre los valores reales y los

calculados

RMSE para cada punto es la raiacutez de los residuales al cuadrado que es la distancia entre ellos

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

RMSE UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la praacutectica hace que fijemos una TOLERANCIA y es que si ese promedio supera un valor fijado previamente haya que rever

el valor fijado previamente generalmente es igual o menor a un PIXEL

una correcta verificacioacuten

NECESITA introducir PUNTOS de VERIFICACIOacuteN

que no hayan sido introducidos en el ajuste

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

tolerancias fijadas

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

traducimos coordenadas de un mapa a la imagen tambieacuten necesitamos a la nueva imagen

TRANSFERIR LOS VALORES DIGITALES no olvidar que lo que queremos es generar una nueva imagen que se

corresponda con las coordenadas y las funciones de ajuste

NO ORIGINAN NUEVA IMAGEN solo colocan a los pixeles en la posicioacuten correcta

en criollo las funciones de transformacioacuten generan una nueva matriz bien posicionada pero vaciacutea

DEBEMOS LLENAR LA MATRIZ problema maacutes complejo de lo que puede

pensarse Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

generacioacuten de la nueva imaacutegen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

cada pixel de la imagen corregida se corresponderiacutea con un pixel de la imagen original

LEJOS DE ESE IDEAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo I

vecino maacutes proacuteximo ( nearest neighbour )

a cada celda de la imagen corregida se asigna el ND del pixel maacutes cercano de la

imagen original

SOLUCIOacuteN RAacutePIDA MENOR DISTORSIOacuteN DE LOS ND

INTRODUCE RASGOS LINEALES QUE DISTORSIONAN

CORRECCIOacuteN DE IMAacuteGENES CLASIFICADAS

CONSERVAR LA RADIOMETRIacuteA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo II

interpolacioacuten bilineal ( bilinear interpolation )

supone promediar los ND de los cuatro pixeles mas cercanos

con ponderacioacuten seguacuten la distancia pixeles originalcorregido

REDUCE EL EFECTO DE DISTORSIOacuteN EN RASGOS LINEALES

TIENDE A DIFUMINAR LOS CONTRASTES ESPACIALES

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE IMAacuteGENES RECTIFICADAS MAPAS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo III

convolusioacuten cuacutebica ( cubic convolution )

supone considerar los ND de los 16 pixeles mas proacuteximos

media ponderada seguacuten la distancia pixeles originalcorregido

EFECTO VISUAL MAS CORRECTO

VOLUacuteMEN DE CAacuteLCULO MUY SUPERIOR TENDENCIA A AGUDIZAR BORDES DE LA IMAGEN

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE ORTOIMAacuteGENES IMPRESIONES DE CALIDAD

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

  • Nuacutemero de diapositiva 1
  • Nuacutemero de diapositiva 2
  • MOacuteDULO IV
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 5
  • Nuacutemero de diapositiva 6
  • Nuacutemero de diapositiva 7
  • Nuacutemero de diapositiva 8
  • Nuacutemero de diapositiva 9
  • Nuacutemero de diapositiva 10
  • Nuacutemero de diapositiva 11
  • Nuacutemero de diapositiva 12
  • Nuacutemero de diapositiva 13
  • Nuacutemero de diapositiva 14
  • Nuacutemero de diapositiva 15
  • Nuacutemero de diapositiva 16
  • Nuacutemero de diapositiva 17
  • Nuacutemero de diapositiva 18
  • Nuacutemero de diapositiva 19
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 21
  • Nuacutemero de diapositiva 22
  • Nuacutemero de diapositiva 23
  • Nuacutemero de diapositiva 24
  • Nuacutemero de diapositiva 25
  • Nuacutemero de diapositiva 26
  • Nuacutemero de diapositiva 27
  • Nuacutemero de diapositiva 28
  • Nuacutemero de diapositiva 29
  • Nuacutemero de diapositiva 30
  • Nuacutemero de diapositiva 31
  • Nuacutemero de diapositiva 32
  • Nuacutemero de diapositiva 33
  • Nuacutemero de diapositiva 34
  • Nuacutemero de diapositiva 35
  • Nuacutemero de diapositiva 36
  • Nuacutemero de diapositiva 37
  • Nuacutemero de diapositiva 38
  • Nuacutemero de diapositiva 39
  • Nuacutemero de diapositiva 40
  • 47 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 42
  • Nuacutemero de diapositiva 43
  • Nuacutemero de diapositiva 44
  • Nuacutemero de diapositiva 45
  • Nuacutemero de diapositiva 46
  • Nuacutemero de diapositiva 47
  • Nuacutemero de diapositiva 48
  • Nuacutemero de diapositiva 49
  • Nuacutemero de diapositiva 50
  • Nuacutemero de diapositiva 51
  • Nuacutemero de diapositiva 52
  • Nuacutemero de diapositiva 53
  • Nuacutemero de diapositiva 54
  • 48 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 56
  • Nuacutemero de diapositiva 57
  • Nuacutemero de diapositiva 58
  • Nuacutemero de diapositiva 59
  • Nuacutemero de diapositiva 60
  • Nuacutemero de diapositiva 61
  • Nuacutemero de diapositiva 62
  • Nuacutemero de diapositiva 63
  • Nuacutemero de diapositiva 64
  • Nuacutemero de diapositiva 65
  • Nuacutemero de diapositiva 66
  • Nuacutemero de diapositiva 67
  • Nuacutemero de diapositiva 68
  • Nuacutemero de diapositiva 69
  • Nuacutemero de diapositiva 70
  • Nuacutemero de diapositiva 71
  • Nuacutemero de diapositiva 72
  • Nuacutemero de diapositiva 73
  • Nuacutemero de diapositiva 74

MOacuteDULO IV

45 ndash Interpretacioacuten de Imaacutegenes Tratamiento digital

46 Interpretacioacuten de Imaacutegenes

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento digital Uso cartograacutefico de las imaacutegenes Distorciones de una imagen Fuentes de distorsioacuten Correcciones Los valores de asignacioacuten a los pixeles Histogramas

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ORGANIZACIOacuteN DE UNA IMAGEN

EXPLOTANDO LAS IMAacuteGENES

httpgeograuahesrtm uso cartograacutefico de

las imaacutegenes

LAS IMAacuteGENES DE SENSORES ESPACIALES

NO SON CARTOGRAFIacuteA

NATURALEZA DE LA PROYECCIOacuteN

DISTORSIONES SISTEMEacuteTICAS

DISTORSIONES ALEATORIAS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

DISTORSIONES POSIBLES DE UNA IMAGEN

httpgeograuahesrtm radiomeacutetricas geomeacutetricas

IMAGEN ADQUIRIDA (no olvidemos que la tratamos en su formato numeacuterico matricial) PRESENTARAacute ANOMALIacuteAS CON RESPECTO A LO QUE ES LA IMAGEN REAL

SITUACIOacuteN O UBICACIOacuteN DE SUS PUNTOS VALORES DE LOS NIVELES DIGITALES

Algunas de eacutestas correcciones seraacuten tareas de las estaciones de recepcioacuten (las que ofrecen distintos niveles de correccioacuten)

Pero helliphelliphelliphellip para un estudio detallado de una imagen (como pueden ser estudios

multitemporales o fusioacuten con otros datos de otras fuentes cartograacuteficas) van a requerir de correcciones

EXPLOTANDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FUENTES DE DISTORSIOacuteN

correcciones

EXPLOTANDO LAS IMAacuteGENES

LA PLATAFORMA QUE PORTA AL SATELITE OSCILA

SU MOVIMIENTO ORBITAL ES CASI UNIFORME SIN ACELERACIONES EN DIRECCIONES

LOS SATELITES SUFREN PEQUENtildeAS VARIACIONES

ALTURA ORBITAL

VELOCIDAD ORIENTACIOacuteN (aleteo cabeceo ladeo)

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FUENTES DE DISTORSIOacuteN

correcciones

EXPLOTANDO LAS IMAacuteGENES

OSCILACIOacuteN DE LA PLATAFORMA

ROTACIOacuteN TERRESTRE

TIEMPO DE BARRIDO

DISTORSIOacuteN PANORAacuteMICA

CURVATURA DE LA TIERRA

DISTORSIONES RADIOMEacuteTRICAS PEacuteRDIDA DE LIacuteNEAS O CELDAS BANDEADO EFECTO ATMOSFEacuteRICO

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIONES

operadores

EXPLOTANDO LAS IMAacuteGENES

OPERADOR la funcioacuten matemaacutetica que se aplica sobre la imagen

w = f (xyz) T wrsquo = f lsquo (xlsquoyrsquozrsquo) lo desglosamos en componentes

en x e y seraacuten las transformaciones geomeacutetricas y en z la transformaciones radiomeacutetricas

TIPOS DE OPERADORES puntuales cada elemento de la img final es funcioacuten de un solo elemento de la img inicial

locales luminancia de un elemento de la img final es funcioacuten de las luminancias de un entorno de cada elemento de la img inicial globales toda la img final es funcioacuten de toda la img inicial TRANSFORMACIONES Radiomeacutetricas modifican la amplitud de la sentildeal manteniendo invariable las coordenadas de cada celda

Geomeacutetricas modifican la geometriacutea de la imagen dejando constante los valores de su radiometriacutea

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ANAacuteLISIS DIGITAL DE LAS IMAacuteGENES

httpgeograuahesrtm

los valores de asignacioacuten a los

pixeles

Los sensores utilizados en teledeteccioacuten estaacuten calibrados para recibir valores muy altos de radiacioacuten sin llegar a saturarse por lo que lo normal es que todos los valores recibidos esteacuten muy

por debajo de los maacuteximos posibles

La consecuencia es que los valores de ND obtenidos son muy bajos y las imaacutegenes se van a ver oscuras muy poco

contrastadas Una forma de solventar este problema es ajustar el contraste mediante diversas teacutecnicas

EXPLOTANDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

LA MATRIZ DE DATOS

valores de celdas perdidas

A veces se requiere de poder restaurar valores dado que la matriz de datos contiene celdas perdidas y aparecen ND con valores nulos

en el dominio espacial

Una forma de corregir asignar un valor a la celda o liacutenea perdida tomar para cada pixel el ND del vecino

de la liacutenea anterior de la liacutenea siguiente

promedio en el dominio de la frecuencia

Otra manera seguacuten el valor de la celda en otra banda correlacionada

se calculan los histogramas parciales de las celdas en estudio para cada detector se obtiene la media y desviacioacuten estaacutendar de los ND correspondientes a cada detector

Se aplica NDacuteij = ak ND ij + bk

EXPLOTANDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

RESTAURACIOacuteN DE CELDAS PERDIDAS

estudio de histogramas

httpcoelloujaenesAsignaturasteledeteccion

EXPLOTANDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ESTADIacuteSTICAS E HISTOGRAMA DE UNA IMAGEN

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm que es un

histograma

IMAGEN DIGITAL SIMPLE DE 8 x 8 PIXELES EN NIVELES DE GRIS CON UNA PROFUNDIDAD DE 2 BITS

CUATRO VALORES POSIBLES DE BRILLO PASADOS A TONOS DE GRIS NEGRO GRIS OSCURO GRIS CLARO Y BLANCO

ND BRILLO

0 Negro

1 Gris oscuro

2 Gris claro

3 Blanco

veremos entonces que es un HISTOGRAMA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

HISTOGRAMA

ENTENDIENDO LAS IMAacuteGENES

conceptualidades

REPRESENTACIOacuteN GRAacuteFICA DE LOS NIVELES DE GRISES EN FUNCIOacuteN DE LA REPETICIOacuteN DE VECES EN QUE APARECE CADA UNO DE LOS NIVELES DE GRIS

deducciones

11

15

38

0

adaptado de El histograma de una Imagen Digital Universidad

Politeacutecnica de Valencia

La mayor parte de los piacutexeles son blancos por lo que probablemente la imagen tenga un fondo blanco uniforme

Hay un nuacutemero significativo de pixeles negros y pixeles blancos lo que hace que la imagen presente un aspecto bien contrastado

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

HISTOGRAMA IDEAL

ENTENDIENDO LAS IMAacuteGENES

elementos a considerar

Como regla general se considera que una imagen tiene un buen contraste si su histograma se extiende ocupando casi todo el rango

de tonos

adaptado de El histograma de una Imagen Digital Universidad Politeacutecnica de Valencia

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

HISTOGRAMA IDEAL

ENTENDIENDO LAS IMAacuteGENES

elementos a considerar

Por ejemplo en una imagen nocturna el histograma estaacute fuertemente desplazado al lado izquierdo (zona de tonos oscuros) y

evidencia que no hay apenas ninguna zona de la imagen muy brillante

adaptado de El histograma de una Imagen Digital Universidad Politeacutecnica de Valencia

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

HISTOGRAMA IDEAL

ENTENDIENDO LAS IMAacuteGENES

elementos a considerar

En este caso el histograma es marcadamente maacutes alto en la zona de grises claros y blancos y apareceraacute corrido a la derecha hacia el

lado de los valores altos de iluminacioacuten

adaptado de El histograma de una Imagen Digital Universidad Politeacutecnica de Valencia

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

HISTOGRAMA IDEAL

ENTENDIENDO LAS IMAacuteGENES

elementos a considerar

Se entiende por contraste la diferencia de brillo entre las zonas maacutes claras y maacutes oscuras en una imagen En este paisaje con niebla es

un ejemplo de bajo contraste Se traduce en un histograma estrecho Ademaacutes como la toacutenica dominante son los grises medios

se observa que estaacute bastante centrado

adaptado de El histograma de una Imagen Digital Universidad Politeacutecnica de Valencia

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

conjunto de datos

Frente a escenas con una iluminacioacuten maacutes normal y con una gran cantidad de elementos detectados los histogramas deberiacutean ser como en el primer caso que

hemos visto

Si no sucede

Histograma desplazado a la izquierda puede denotar falta de exposicioacuten

Histograma desplazado a la derecha puede ser un exceso de exposicioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

46 Interpretacioacuten de Imaacutegenes

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento digital Optimizacioacuten de las imaacutegenes Realces y mejoras visuales Contraste en una imagen Composiciones color El color verdadero el falso color el pseudo color

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

OPTIMIZACIOacuteN DE LAS IMAacuteGENES

ENTENDIENDO LAS IMAacuteGENES

mejorar visualmente las imaacutegenes

MANIPULAR DE FORMA FLEXIBLE Y SOFISTICADA EL ND DE LOS PIXELES

LUEGO DE CORRECCIONES LAS IMAacuteGENES HAY QUE OPTIMIZARLAS DESDE EL PUNTO DE VISTA VISUAL

diferentes tipos

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

REALCES Y MEJORAS VISUALES

ENTENDIENDO LAS IMAacuteGENES

httpamericalatina-nacblogspotcomuy2009_10_01_archivehtml

optimizacioacuten de las imaacutegenes

proceso destinado a facilitar la interpretacioacuten visual

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

ecualizacioacuten del histograma

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

gaussiano

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

lineal 2

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

lineal

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

raiacutez cuadrada

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

lineal 0 - 255

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PORQUEacute EL REALCE

ENTENDIENDO LAS IMAacuteGENES

LOS SENSORES SON CALIBRADOS PARA ABARCAR TODO EL RANGO POSIBLE DE RADIANCIAS

PARA CADA USO EN CONCRETO ES NECESIDAD IMPERIOSA

EXPANDIR EL HISTOGRAMA Y ASIacute CUBRIR EL RANGO COMPLETO DE NIVELES DE GRIS

histograma UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CONTRASTE EN UNA IMAGEN

ENTENDIENDO LAS IMAacuteGENES

expansioacuten del contraste

los datos uacutetiles solo ocupan pequentildea parte de los niveles de gris disponibles

expandir o estirar el histograma es cambiar los valores originales de ND para utilizar mayor rango

asiacute incrementar el contraste visual de diferentes objetos

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

ejemplos visuales

sin realce lineal

frecuencial gamma

MEacuteTODOS DE EXPANSIOacuteN DEL CONTRASTE

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

lineal

expansioacuten lineal

lo maacutes simple transformacioacuten en liacutenea llevando el valor miacutenimo a 0 y maacuteximo a 255 o se usa un rango por encima y por debajo de miacutenimo y maacuteximo

EXPANSIOacuteN I

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

lineal

EXPANSIOacuteN I expansioacuten

logariacutetmico exponencial

gamma

curvas de transferencia en lugar de rectas gamma es la curvatura de dicha curva se expanden maacutes el contraste de los extremos o del centro

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

frecuencial

EXPANSIOacuteN II

frecuencial ecualizacioacuten del

histograma

cuando los valores de ND no estaacuten distribuidos uniformemente intentar en la medida de lo posible que los valores de salida de los ND tengan el mismo de pixeles con dicho valor

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CONTRASTE EN UNA IMAGEN

ENTENDIENDO LAS IMAacuteGENES

compresioacuten del contraste

Ya sabemos que el contraste mide el rango dinaacutemico de los colores en la imagen es decir una imagen muy contrastada tiene un amplio abanico de colores (o tonos de gris) desde valores muy bajos a valores muy altos Para una imagen con poco contraste los colores estaacuten muy juntos el margen dinaacutemico es pequentildeo La variacioacuten en el contraste aparece como una compresioacuten del histograma en caso de una reduccioacuten a la inversa de lo visto en el caso de una expansioacuten

Compresioacuten si el rango excede de las capacidades del sistema

Se ha de comparar el nuacutemero de niveles digitales (ND) de la imagen con los niveles de visualizacioacuten (NV) o grises del sistema Es de menos aplicacioacuten Al igual que el brillo variando el contraste se puede provocar una peacuterdida de informacioacuten de la imagen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

MAYOR APLICABILIDAD DEL REALCE

ENTENDIENDO LAS IMAacuteGENES

realce oacuteptimo

realce frecuencial

realce lineal

laquo r e a l c e oacute p t i m o raquo optimiza interpretacioacuten de la imagen

mejor esteacutetica de la imagen NO COINCIDE CON NINGUacuteN CORTE PREDETERMINADO

Y SE LOGRA INTERACTIVAMENTE EN PANTALLA Y PARA CADA BANDA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

image1png

image1png

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

COMPOSICIONES COLOR

ENTENDIENDO LAS IMAacuteGENES

formatos de composiciones

CON LA CRECIENTE APARICIOacuteN DE LOS SENSORES HIPERESPECTRALES LAS POSIBILIDADES DE COMPOSICIONES

COLOREADAS DE BANDAS SON CASI ILIMITADAS

LA ELECCIOacuteN DE LAS BANDAS PARA REALIZAR LA COMPOSICIOacuteN Y EL ORDEN DE LAS BANDAS ASIGANADAS A LOS COLORES

PRIMARIOS DEPENDERAacute DE

Sensor Aplicacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EL SEUDO - COLOR

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm formatos de

composiciones

Ya hemos afirmado de que el ojo humano es maacutes capaz de distinguir tonos de color que intensidades de brillo

Por ello el empleo del color ayuda a la interpretacioacuten incluso cuando podamos tener una sola imagen de una banda

Es aquiacute que hablamos del SEUDO COLOR por no contar con tres bandas

El seudo color implica la creacioacuten de una CLUT que asocie el ND de una sola banda a distintos componentes del R V y A APLICACIONES 1 Para tener una leyenda de colores para una img clasificada 2 Para realzar el anaacutelisis de una determinada banda y sustituir los tonos de gris por una paleta de colores

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CLUT COLOUR LOOK-UP TABLE TABLA DE CONSULTA DE COLOR

ENTENDIENDO LAS IMAacuteGENES

httpsenwikipediaorgwikiColour_look-up_table

creacioacuten del seudo color

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Filtros espaciales Concepto de kernel Filtros paso bajo y paso alto Filtros direccionales Anomaliacuteas y correccioacuten atmosfeacuterica Correcciones radiomeacutetricas Anomaliacuteas radiomeacutetricas Fallos en el sensorCorreccioacuten atmosfeacuterica concepto Meacutetodo valores miacutenimos Regresioacuten entre bandas Dispersioacuten por aerosolesCalibracioacuten Caso misioacuten Landsat

47 Interpretacioacuten de Imaacutegenes

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

conceptos de que es un filtro

espacial

FUNCIONES PARA MEJORAR ASPECTO DE LAS IMAacuteGENES

REALZAN O DISMINUYEN ELEMENTOS VISUALES DE LA IMG

BASADOS EN LA FRECUENCIA ESPACIAL

FRECUENCIAS ESPACIALES ALTAS Variaciones que se producen en pocos piacutexeles TENDENCIA GENERAL FRECUENCIAS ESPACIALES BAJAS

Variaciones que se producen en muchos piacutexeles CONTRASTES LOCALES

FILTROS Figura - CCRS CCT

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

conceptos de kernel

FILTRADO ESPACIAL Figura - CCRS CCT FILTRADO EN EL DOMINIO

ESPACIAL Lo mas comuacuten es la aplicacioacuten de una ventana deslizante con valores que son coeficientes fijos de una matriz La MATRIZ se suele llamar KERNEL o nuacutecleo del filtro

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DIGITAL

ENTENDIENDO LAS IMAacuteGENES

aplicacioacuten del kernel

3 x 3 5 x 5 7 x 7

1 1 1

1 2 1

1 1 1 matrices

LOS VALORES DEL KERNEL SE MULTIPLICAN POR EL PIacuteXEL QUE TIENEN DEBAJO Y LUEGO SE SUMAN TODOS LOS PRODUCTOS

Y PARA OBTENER EL VALOR DEL PIacuteXEL CENTRAL EN LA IMAGEN TRANSFORMADA SE LO DIVIDE POR LA SUMA DE LOS PONDERADOS O PESOS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO - PASO BAJO PASO ALTO

ENTENDIENDO LAS IMAacuteGENES

aplicacioacuten del kernel

26

FILTROS DE PASO BAJO SE FAVORECEN A LOS PIXELES

PERIFEacuteRICOS SE MINIMIZAN LAS DIFERENCIAS CON LOS VECINOS ES UNA ESPECIE DE SUAVIZADO

FILTRO DE PASO ALTO PONDERACIOacuteN DEL VALOR CENTRAL EN DETRIMENTO DE LOS CIRCUNDANTES

SE EXAGERAN DIFERENCIAS Y SE RESALTAN VARIACIONES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DE PASO BAJO

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm

simulacioacuten

IMAGEN ORIGINAL

FILTRO PASO BAJO 3x3 SE TRATA DE ASEMEJAR LOS VALORES DE ND DE UN PIXEL A LOS VALORES VECINOS EN TEacuteRMINOS VISUALES LA IMAGEN FILTRADA OFRECE PERFILES MENOS NIacuteTIDOS

FILTRO PASO BAJO 7x7 SIRVE PARA REDUCIR VARIABILIDAD ESPACIAL DE ALGUNA CATEGORIacuteA ANTES DE UN PROCESO DE CLASIFICACIOacuteN

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DE PASO ALTO

ENTENDIENDO LAS IMAacuteGENES

IMAGEN ORIGINAL

FILTRO PASO ALTO 3x3 SE TRATA DE AISLAR LOS COMPONENTES DE ALTA FRECUENCIA Y REMARCAR DIGITALMENTE CONTRASTES EN TEacuteRMINOS VISUALES LA IMAGEN FILTRADA REFUERZA LOS CONTORNOS EN AacuteREAS HOMOGEacuteNEAS

FILTRO PASO ALTO 7x7 SIRVE PARA LOGRAR REALCES DE RASGOS LINEALES COMO PUEDEN SER EN AacuteREAS URBANAS O RASGOS GEOLOacuteGICOS

simulacioacuten

httpgeograuahesrtm

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

Figura - Landsat USGS

IMAGEN ORIGINAL

FILTRO DIRECCIONAL PERMITEN IDENTIFICAR LOS RASGOS FRONTERIZOS EN LAS IMAacuteGENES COMO LOS FILTROS ANTERIORES PERO AHORA CONSIDERANDO LA ORIENTACIOacuteN

se tiene en cuenta la

orientacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

matrices con direccioacuten

NORTE

1 1 1

1 -2 1

-1 -1 -1

SUR

-1 -1 -1

1 -2 1

1 1 1

ESTE

-1 1 1

-1 -2 1

-1 1 1

OESTE

1 1 -1

1 -2 -1

1 1 -1

SURESTE

-1 -1 1

-1 -2 1

1 1 1

NOROESTE

1 1 1

1 -2 -1

1 -1 -1

SUROESTE

1 -1 -1

1 -2 -1

1 1 1

NORESTE

1 1 1

-1 -2 1

-1 -1 1

OBSERVACIOacuteN

LOS NOMBRES OBEDECEN A LA DIRECCIOacuteN DEL CONTRASTE QUE SENtildeALAN

LA DIRECCIOacuteN QUE REALZAN ES JUSTAMENTE LA PERPENDICULAR

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

48 Interpretacioacuten de Imaacutegenes

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Correcciones geomeacutetricas Georreferenciacioacuten Uso de puntos de control Fuentes de error Procesamiento geomeacutetrico Correccioacuten Transformacioacuten geomeacutetrica Calidad y ajuste Generacioacuten de la nueva imagen Transferencia de ND

INSTITUTO DE AGRIMENSURA - DEPARTAMENTO DE GEOMAacuteTICA PROF ADJUNTO GRADO 3 EDISON J ROSAS BERTON

El tratamiento de una imagen de sateacutelite Georreferenciacioacuten

(paso de un sistema de filas y columnas a un sistema de coordenadas estandard)

Para ello debe obtenerse una muestra de puntos de control de los que conozcamos tanto sus coordenadas reales como sus coordenadas en

la imagen deben ser por tanto objetos de un tamantildeo adecuado para resultar identificables tanto en la imagen como sobre el terreno el tamantildeo

dependeraacute loacutegicamente de la resolucioacuten de la imagen A partir de estos puntos de control se obtendraacuten por regresioacuten unas ecuaciones que permitiraacuten a cada par filacolumna un par de coordenadas

XY

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

GEORREFERENCIACIOacuteN

ENTENDIENDO LAS IMAacuteGENES

georreferenciacioacuten porqueacute

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PUNTOS DE CONTROL

ENTENDIENDO LAS IMAacuteGENES

uso de puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

DISTORSIONES POR LA PLATAFORMA ALTITUD DE LA OacuteRBITA ndash Cambio de escala

VELOCIDAD ndash Cambios de escala ORIENTACIOacuteN DE LOS TRES EJES ndash Distorsiones en la geometriacutea

NO SISTEMAacuteTICOS Y COMPLEJOS DE MODELAR

DISTORSIONES POR ROTACIOacuteN TERRESTRE

CONSIDERANDO ALTITUD (800 Km) y TAMANtildeO DE LA IMAGEN (180 Km)ndashEn latitudes medias tarda en adquirir unos 30 segundos la Tierra se desplaza unos 8 Km

ORIENTACIOacuteN NE SW

DISTORSIONES POR EL SENSOR ANOMALIacuteAS SENSOR y MOVIMIENTO ESPEJO ndash Barrido no lineal o cambio en intervalos

AacuteNGULO DE BARRIDO ndash Variacioacuten en el tamantildeo de pixel

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ERROR EN UNA IMAGEN ESPACIAL

ENTENDIENDO LAS IMAacuteGENES

fuentes de error

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Una correccioacuten geomeacutetrica incluye CUALQUIER CAMBIO EN LA POSICIOacuteN DE LOS PIXELES que

conforman la imagen f (c`) = f1 (c l) f (x y) f (l`) = f2 (c l) f (x y)

COORDENADAS DE IMAGEN CORREGIDA SON FUNCIOacuteN DE COORDENADAS COLUMNA Y LIacuteNEA DE LA

IMAGEN DE ENTRADA O DE LAS COORDENADAS DE MAPA AL QUE SUPERPONDREMOS LA IMAGEN

1 CON OBJETIVO DE REALIZAR UNA TRANSFORMACIOacuteN GEOMEacuteTRICA QUE PERMITA AJUSTARLA A OTRA IMAGEN REFERENCIA NORMALMENTE PARA REALIZAR ESTUDIOS MULTITEMPORALES O MOSAICOS CON EL FIN DE AMPLIAR LOS DATOS E INFORMACIOacuteN DE UNA ZONA

2 ESTO PERMITIRAacute QUE LA NUEVA IMAGEN LA PUEDA INTEGRAR CON INFORMACIOacuteN DE OTRAS FUENTES POR EJEMPLO EN UN AMBIENTE SIG

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

correccioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

asumimos que

NO SE CONOCE EL ORIGEN DE LOS ERRORES

modelamos

ECUACIONES EMPIacuteRICAS

aplicadas a un conjunto de puntos

COORDENADAS CONOCIDAS IMAGEN INPUT e IMAGEN OUTPUT

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

1 ndash SELECCIOacuteN DE REFERENCIAS 2 ndash ECUACIONES DE AJUSTE

3 ndash GENERACIOacuteN DE LA IMAGEN CORREGIDA

ES OBVIO CALIDAD DEL AJUSTE DEPENDERAacute DE PRECISIOacuteN CON QUE SE

LOCALICEN LOS PUNTOS DE CONTROL INEXACTA LOCALIZACIOacuteN

DISTRIBUCIOacuteN MUY SECTORIZADA NUacuteMERO DE PUNTOS DE CONTROL INADECUADO

ESTABLECER LOS PUNTOS DE CONTROL FASE MAS CRUCIAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

procesamiento de la correccioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Resaltamos la importancia de

NUacuteMERO LOCALIZACIOacuteN DISTRIBUCIOacuteN

Que debemos atender Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

que considero UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash Croquis ilustrativos de apoyo

TERRENO O ZONAS PLANAS CON IMG OBTENIDAS POR UN SENSOR DE ESTRECHA VISIOacuteN DE CAMPO

TRANSFORMACIOacuteN

BASADO EN ECUACIONES LINEALES SIMPLES

TERRENO ESCARPADO O RUGOSO O UTILIZACIOacuteN DE IMG OBTENIDAS EN UN SENSOR CON VARIACIONES EN LAS CONDICIONES DE OBSERVACIOacuteN

TRANSFORMACIOacuteN MAacuteS COMPLEJA

POLINOMIOS DE SEGUNDO O TERCER ORDEN

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Desde un punto de vista matemaacutetico

GRADO 1 ndash 3 puntos GRADO 2 ndash 6 puntos GRADO 3 ndash 10 puntos

Seguacuten mis objetivos del trabajo no es conveniente utilizar esos miacutenimos

14 a 20 puntos (Landsat 5 MMS ndash seguacuten Bernstein R y D G Ferneyhough Jr 1978)

100 a 120 puntos (Landsat 7 TM ndash seguacuten el National Remote Sensing Center de Inglaterra)

10 o 12 puntos (Pequentildea zona de 512 x 512 pixeles ndash seguacuten Emilio Chuvieco 2010)

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

matemaacuteticamente UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

QUE DEBEMOS DE CONSIDERAR EN CUANTO A LA LOCALIZACIOacuteN

CLARAMENTE IDENTIFICABLES EN IMAGEN Y MAPA RASGOS HUMANOS DEL PAISAJE NO SUJETOS A DINAMISMO TEMPORAL

CRUCE DE CARRETERAS

CAMINOS VIacuteA FEacuteRREAS

NO CONSIDERAR ELEMENTOS ASOCIADOS AL AGUA

COSTA CURSOS DE AGUA

EMBALSES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

localizacioacuten TCP UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la correccioacuten digital de la geometriacutea de una imagen se realiza a partir de establecer unas funciones que relacionen las coordenadas de la imagen

y las coordenadas del mapa

EJ CASO MAS SIMPLE REGRESIOacuteN LINEAL MUacuteLTIPLE

ci = a0 + a1 Xi + a2 Yi li = b0 + b1 Xi + b2 Yi

EN LA PRAacuteCTICA BASTA UNA FUNCIOacuteN LINEAL PARA ABORDAR UN GRAN NUacuteMERO DE

TRANSFORMACIONES Y SON SUFICIENTES SI LAS IMAacuteGENES NO SON MUY GRANDES ANTE LA NECESIDAD DE OTRAS TRANSFORMACIONES SE UTILIZAN DE 2ordm y 3ordm ORDEN CONSIDERANDO ALTERACIONES GEOMEacuteTRICAS NO LINEALES (FUNCIONES QUE NO SE DEFINEN EN UN PLANO

CON EJES LINEALES SINO QUE SUPERFICIES CON EJES CURVILIacuteNEOS)

LOS COEFICIENTES DE LAS FUNCIONES DE TRANSFORMACIOacuteN SE CALCULAN A PARTIR DE UN AJUSTE POR MIacuteNIMOS CUADRADOS

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

funciones de transformacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash ejemplos de funciones de transformacioacuten geomeacutetrica con el efecto causado

TRASLACIOacuteN

CAMBIO DE ESCALA

INCLINACIOacuteN

PERSPECTIVA

ROTACIOacuteN

x = a0 + xacute y = b0 + yacute

x = xacute + a2 yacute y = yacute

x = a1 xacute y = b1 yacute

x = a3xacute yacute y = yacute

x = a4xacute + a5yacute y = b4xacute + b5yacute a4 = b5 = cos Ɵ a5 = -b4 = sen Ɵ

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

transformacioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

comparacioacuten coordenadas reales y las estimadas por la regresioacuten

el promedio de los residuales se conoce como error medio cuadraacutetico

la calidad del ajuste lo da el RMSE (root mean squared error)

(error medio cuadraacutetico)

RMSE es la raiacutez cuadrada de las desviaciones entre los valores reales y los

calculados

RMSE para cada punto es la raiacutez de los residuales al cuadrado que es la distancia entre ellos

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

RMSE UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la praacutectica hace que fijemos una TOLERANCIA y es que si ese promedio supera un valor fijado previamente haya que rever

el valor fijado previamente generalmente es igual o menor a un PIXEL

una correcta verificacioacuten

NECESITA introducir PUNTOS de VERIFICACIOacuteN

que no hayan sido introducidos en el ajuste

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

tolerancias fijadas

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

traducimos coordenadas de un mapa a la imagen tambieacuten necesitamos a la nueva imagen

TRANSFERIR LOS VALORES DIGITALES no olvidar que lo que queremos es generar una nueva imagen que se

corresponda con las coordenadas y las funciones de ajuste

NO ORIGINAN NUEVA IMAGEN solo colocan a los pixeles en la posicioacuten correcta

en criollo las funciones de transformacioacuten generan una nueva matriz bien posicionada pero vaciacutea

DEBEMOS LLENAR LA MATRIZ problema maacutes complejo de lo que puede

pensarse Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

generacioacuten de la nueva imaacutegen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

cada pixel de la imagen corregida se corresponderiacutea con un pixel de la imagen original

LEJOS DE ESE IDEAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo I

vecino maacutes proacuteximo ( nearest neighbour )

a cada celda de la imagen corregida se asigna el ND del pixel maacutes cercano de la

imagen original

SOLUCIOacuteN RAacutePIDA MENOR DISTORSIOacuteN DE LOS ND

INTRODUCE RASGOS LINEALES QUE DISTORSIONAN

CORRECCIOacuteN DE IMAacuteGENES CLASIFICADAS

CONSERVAR LA RADIOMETRIacuteA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo II

interpolacioacuten bilineal ( bilinear interpolation )

supone promediar los ND de los cuatro pixeles mas cercanos

con ponderacioacuten seguacuten la distancia pixeles originalcorregido

REDUCE EL EFECTO DE DISTORSIOacuteN EN RASGOS LINEALES

TIENDE A DIFUMINAR LOS CONTRASTES ESPACIALES

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE IMAacuteGENES RECTIFICADAS MAPAS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo III

convolusioacuten cuacutebica ( cubic convolution )

supone considerar los ND de los 16 pixeles mas proacuteximos

media ponderada seguacuten la distancia pixeles originalcorregido

EFECTO VISUAL MAS CORRECTO

VOLUacuteMEN DE CAacuteLCULO MUY SUPERIOR TENDENCIA A AGUDIZAR BORDES DE LA IMAGEN

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE ORTOIMAacuteGENES IMPRESIONES DE CALIDAD

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

  • Nuacutemero de diapositiva 1
  • Nuacutemero de diapositiva 2
  • MOacuteDULO IV
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 5
  • Nuacutemero de diapositiva 6
  • Nuacutemero de diapositiva 7
  • Nuacutemero de diapositiva 8
  • Nuacutemero de diapositiva 9
  • Nuacutemero de diapositiva 10
  • Nuacutemero de diapositiva 11
  • Nuacutemero de diapositiva 12
  • Nuacutemero de diapositiva 13
  • Nuacutemero de diapositiva 14
  • Nuacutemero de diapositiva 15
  • Nuacutemero de diapositiva 16
  • Nuacutemero de diapositiva 17
  • Nuacutemero de diapositiva 18
  • Nuacutemero de diapositiva 19
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 21
  • Nuacutemero de diapositiva 22
  • Nuacutemero de diapositiva 23
  • Nuacutemero de diapositiva 24
  • Nuacutemero de diapositiva 25
  • Nuacutemero de diapositiva 26
  • Nuacutemero de diapositiva 27
  • Nuacutemero de diapositiva 28
  • Nuacutemero de diapositiva 29
  • Nuacutemero de diapositiva 30
  • Nuacutemero de diapositiva 31
  • Nuacutemero de diapositiva 32
  • Nuacutemero de diapositiva 33
  • Nuacutemero de diapositiva 34
  • Nuacutemero de diapositiva 35
  • Nuacutemero de diapositiva 36
  • Nuacutemero de diapositiva 37
  • Nuacutemero de diapositiva 38
  • Nuacutemero de diapositiva 39
  • Nuacutemero de diapositiva 40
  • 47 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 42
  • Nuacutemero de diapositiva 43
  • Nuacutemero de diapositiva 44
  • Nuacutemero de diapositiva 45
  • Nuacutemero de diapositiva 46
  • Nuacutemero de diapositiva 47
  • Nuacutemero de diapositiva 48
  • Nuacutemero de diapositiva 49
  • Nuacutemero de diapositiva 50
  • Nuacutemero de diapositiva 51
  • Nuacutemero de diapositiva 52
  • Nuacutemero de diapositiva 53
  • Nuacutemero de diapositiva 54
  • 48 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 56
  • Nuacutemero de diapositiva 57
  • Nuacutemero de diapositiva 58
  • Nuacutemero de diapositiva 59
  • Nuacutemero de diapositiva 60
  • Nuacutemero de diapositiva 61
  • Nuacutemero de diapositiva 62
  • Nuacutemero de diapositiva 63
  • Nuacutemero de diapositiva 64
  • Nuacutemero de diapositiva 65
  • Nuacutemero de diapositiva 66
  • Nuacutemero de diapositiva 67
  • Nuacutemero de diapositiva 68
  • Nuacutemero de diapositiva 69
  • Nuacutemero de diapositiva 70
  • Nuacutemero de diapositiva 71
  • Nuacutemero de diapositiva 72
  • Nuacutemero de diapositiva 73
  • Nuacutemero de diapositiva 74

46 Interpretacioacuten de Imaacutegenes

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento digital Uso cartograacutefico de las imaacutegenes Distorciones de una imagen Fuentes de distorsioacuten Correcciones Los valores de asignacioacuten a los pixeles Histogramas

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ORGANIZACIOacuteN DE UNA IMAGEN

EXPLOTANDO LAS IMAacuteGENES

httpgeograuahesrtm uso cartograacutefico de

las imaacutegenes

LAS IMAacuteGENES DE SENSORES ESPACIALES

NO SON CARTOGRAFIacuteA

NATURALEZA DE LA PROYECCIOacuteN

DISTORSIONES SISTEMEacuteTICAS

DISTORSIONES ALEATORIAS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

DISTORSIONES POSIBLES DE UNA IMAGEN

httpgeograuahesrtm radiomeacutetricas geomeacutetricas

IMAGEN ADQUIRIDA (no olvidemos que la tratamos en su formato numeacuterico matricial) PRESENTARAacute ANOMALIacuteAS CON RESPECTO A LO QUE ES LA IMAGEN REAL

SITUACIOacuteN O UBICACIOacuteN DE SUS PUNTOS VALORES DE LOS NIVELES DIGITALES

Algunas de eacutestas correcciones seraacuten tareas de las estaciones de recepcioacuten (las que ofrecen distintos niveles de correccioacuten)

Pero helliphelliphelliphellip para un estudio detallado de una imagen (como pueden ser estudios

multitemporales o fusioacuten con otros datos de otras fuentes cartograacuteficas) van a requerir de correcciones

EXPLOTANDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FUENTES DE DISTORSIOacuteN

correcciones

EXPLOTANDO LAS IMAacuteGENES

LA PLATAFORMA QUE PORTA AL SATELITE OSCILA

SU MOVIMIENTO ORBITAL ES CASI UNIFORME SIN ACELERACIONES EN DIRECCIONES

LOS SATELITES SUFREN PEQUENtildeAS VARIACIONES

ALTURA ORBITAL

VELOCIDAD ORIENTACIOacuteN (aleteo cabeceo ladeo)

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FUENTES DE DISTORSIOacuteN

correcciones

EXPLOTANDO LAS IMAacuteGENES

OSCILACIOacuteN DE LA PLATAFORMA

ROTACIOacuteN TERRESTRE

TIEMPO DE BARRIDO

DISTORSIOacuteN PANORAacuteMICA

CURVATURA DE LA TIERRA

DISTORSIONES RADIOMEacuteTRICAS PEacuteRDIDA DE LIacuteNEAS O CELDAS BANDEADO EFECTO ATMOSFEacuteRICO

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIONES

operadores

EXPLOTANDO LAS IMAacuteGENES

OPERADOR la funcioacuten matemaacutetica que se aplica sobre la imagen

w = f (xyz) T wrsquo = f lsquo (xlsquoyrsquozrsquo) lo desglosamos en componentes

en x e y seraacuten las transformaciones geomeacutetricas y en z la transformaciones radiomeacutetricas

TIPOS DE OPERADORES puntuales cada elemento de la img final es funcioacuten de un solo elemento de la img inicial

locales luminancia de un elemento de la img final es funcioacuten de las luminancias de un entorno de cada elemento de la img inicial globales toda la img final es funcioacuten de toda la img inicial TRANSFORMACIONES Radiomeacutetricas modifican la amplitud de la sentildeal manteniendo invariable las coordenadas de cada celda

Geomeacutetricas modifican la geometriacutea de la imagen dejando constante los valores de su radiometriacutea

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ANAacuteLISIS DIGITAL DE LAS IMAacuteGENES

httpgeograuahesrtm

los valores de asignacioacuten a los

pixeles

Los sensores utilizados en teledeteccioacuten estaacuten calibrados para recibir valores muy altos de radiacioacuten sin llegar a saturarse por lo que lo normal es que todos los valores recibidos esteacuten muy

por debajo de los maacuteximos posibles

La consecuencia es que los valores de ND obtenidos son muy bajos y las imaacutegenes se van a ver oscuras muy poco

contrastadas Una forma de solventar este problema es ajustar el contraste mediante diversas teacutecnicas

EXPLOTANDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

LA MATRIZ DE DATOS

valores de celdas perdidas

A veces se requiere de poder restaurar valores dado que la matriz de datos contiene celdas perdidas y aparecen ND con valores nulos

en el dominio espacial

Una forma de corregir asignar un valor a la celda o liacutenea perdida tomar para cada pixel el ND del vecino

de la liacutenea anterior de la liacutenea siguiente

promedio en el dominio de la frecuencia

Otra manera seguacuten el valor de la celda en otra banda correlacionada

se calculan los histogramas parciales de las celdas en estudio para cada detector se obtiene la media y desviacioacuten estaacutendar de los ND correspondientes a cada detector

Se aplica NDacuteij = ak ND ij + bk

EXPLOTANDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

RESTAURACIOacuteN DE CELDAS PERDIDAS

estudio de histogramas

httpcoelloujaenesAsignaturasteledeteccion

EXPLOTANDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ESTADIacuteSTICAS E HISTOGRAMA DE UNA IMAGEN

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm que es un

histograma

IMAGEN DIGITAL SIMPLE DE 8 x 8 PIXELES EN NIVELES DE GRIS CON UNA PROFUNDIDAD DE 2 BITS

CUATRO VALORES POSIBLES DE BRILLO PASADOS A TONOS DE GRIS NEGRO GRIS OSCURO GRIS CLARO Y BLANCO

ND BRILLO

0 Negro

1 Gris oscuro

2 Gris claro

3 Blanco

veremos entonces que es un HISTOGRAMA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

HISTOGRAMA

ENTENDIENDO LAS IMAacuteGENES

conceptualidades

REPRESENTACIOacuteN GRAacuteFICA DE LOS NIVELES DE GRISES EN FUNCIOacuteN DE LA REPETICIOacuteN DE VECES EN QUE APARECE CADA UNO DE LOS NIVELES DE GRIS

deducciones

11

15

38

0

adaptado de El histograma de una Imagen Digital Universidad

Politeacutecnica de Valencia

La mayor parte de los piacutexeles son blancos por lo que probablemente la imagen tenga un fondo blanco uniforme

Hay un nuacutemero significativo de pixeles negros y pixeles blancos lo que hace que la imagen presente un aspecto bien contrastado

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

HISTOGRAMA IDEAL

ENTENDIENDO LAS IMAacuteGENES

elementos a considerar

Como regla general se considera que una imagen tiene un buen contraste si su histograma se extiende ocupando casi todo el rango

de tonos

adaptado de El histograma de una Imagen Digital Universidad Politeacutecnica de Valencia

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

HISTOGRAMA IDEAL

ENTENDIENDO LAS IMAacuteGENES

elementos a considerar

Por ejemplo en una imagen nocturna el histograma estaacute fuertemente desplazado al lado izquierdo (zona de tonos oscuros) y

evidencia que no hay apenas ninguna zona de la imagen muy brillante

adaptado de El histograma de una Imagen Digital Universidad Politeacutecnica de Valencia

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

HISTOGRAMA IDEAL

ENTENDIENDO LAS IMAacuteGENES

elementos a considerar

En este caso el histograma es marcadamente maacutes alto en la zona de grises claros y blancos y apareceraacute corrido a la derecha hacia el

lado de los valores altos de iluminacioacuten

adaptado de El histograma de una Imagen Digital Universidad Politeacutecnica de Valencia

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

HISTOGRAMA IDEAL

ENTENDIENDO LAS IMAacuteGENES

elementos a considerar

Se entiende por contraste la diferencia de brillo entre las zonas maacutes claras y maacutes oscuras en una imagen En este paisaje con niebla es

un ejemplo de bajo contraste Se traduce en un histograma estrecho Ademaacutes como la toacutenica dominante son los grises medios

se observa que estaacute bastante centrado

adaptado de El histograma de una Imagen Digital Universidad Politeacutecnica de Valencia

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

conjunto de datos

Frente a escenas con una iluminacioacuten maacutes normal y con una gran cantidad de elementos detectados los histogramas deberiacutean ser como en el primer caso que

hemos visto

Si no sucede

Histograma desplazado a la izquierda puede denotar falta de exposicioacuten

Histograma desplazado a la derecha puede ser un exceso de exposicioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

46 Interpretacioacuten de Imaacutegenes

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento digital Optimizacioacuten de las imaacutegenes Realces y mejoras visuales Contraste en una imagen Composiciones color El color verdadero el falso color el pseudo color

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

OPTIMIZACIOacuteN DE LAS IMAacuteGENES

ENTENDIENDO LAS IMAacuteGENES

mejorar visualmente las imaacutegenes

MANIPULAR DE FORMA FLEXIBLE Y SOFISTICADA EL ND DE LOS PIXELES

LUEGO DE CORRECCIONES LAS IMAacuteGENES HAY QUE OPTIMIZARLAS DESDE EL PUNTO DE VISTA VISUAL

diferentes tipos

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

REALCES Y MEJORAS VISUALES

ENTENDIENDO LAS IMAacuteGENES

httpamericalatina-nacblogspotcomuy2009_10_01_archivehtml

optimizacioacuten de las imaacutegenes

proceso destinado a facilitar la interpretacioacuten visual

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

ecualizacioacuten del histograma

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

gaussiano

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

lineal 2

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

lineal

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

raiacutez cuadrada

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

lineal 0 - 255

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PORQUEacute EL REALCE

ENTENDIENDO LAS IMAacuteGENES

LOS SENSORES SON CALIBRADOS PARA ABARCAR TODO EL RANGO POSIBLE DE RADIANCIAS

PARA CADA USO EN CONCRETO ES NECESIDAD IMPERIOSA

EXPANDIR EL HISTOGRAMA Y ASIacute CUBRIR EL RANGO COMPLETO DE NIVELES DE GRIS

histograma UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CONTRASTE EN UNA IMAGEN

ENTENDIENDO LAS IMAacuteGENES

expansioacuten del contraste

los datos uacutetiles solo ocupan pequentildea parte de los niveles de gris disponibles

expandir o estirar el histograma es cambiar los valores originales de ND para utilizar mayor rango

asiacute incrementar el contraste visual de diferentes objetos

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

ejemplos visuales

sin realce lineal

frecuencial gamma

MEacuteTODOS DE EXPANSIOacuteN DEL CONTRASTE

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

lineal

expansioacuten lineal

lo maacutes simple transformacioacuten en liacutenea llevando el valor miacutenimo a 0 y maacuteximo a 255 o se usa un rango por encima y por debajo de miacutenimo y maacuteximo

EXPANSIOacuteN I

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

lineal

EXPANSIOacuteN I expansioacuten

logariacutetmico exponencial

gamma

curvas de transferencia en lugar de rectas gamma es la curvatura de dicha curva se expanden maacutes el contraste de los extremos o del centro

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

frecuencial

EXPANSIOacuteN II

frecuencial ecualizacioacuten del

histograma

cuando los valores de ND no estaacuten distribuidos uniformemente intentar en la medida de lo posible que los valores de salida de los ND tengan el mismo de pixeles con dicho valor

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CONTRASTE EN UNA IMAGEN

ENTENDIENDO LAS IMAacuteGENES

compresioacuten del contraste

Ya sabemos que el contraste mide el rango dinaacutemico de los colores en la imagen es decir una imagen muy contrastada tiene un amplio abanico de colores (o tonos de gris) desde valores muy bajos a valores muy altos Para una imagen con poco contraste los colores estaacuten muy juntos el margen dinaacutemico es pequentildeo La variacioacuten en el contraste aparece como una compresioacuten del histograma en caso de una reduccioacuten a la inversa de lo visto en el caso de una expansioacuten

Compresioacuten si el rango excede de las capacidades del sistema

Se ha de comparar el nuacutemero de niveles digitales (ND) de la imagen con los niveles de visualizacioacuten (NV) o grises del sistema Es de menos aplicacioacuten Al igual que el brillo variando el contraste se puede provocar una peacuterdida de informacioacuten de la imagen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

MAYOR APLICABILIDAD DEL REALCE

ENTENDIENDO LAS IMAacuteGENES

realce oacuteptimo

realce frecuencial

realce lineal

laquo r e a l c e oacute p t i m o raquo optimiza interpretacioacuten de la imagen

mejor esteacutetica de la imagen NO COINCIDE CON NINGUacuteN CORTE PREDETERMINADO

Y SE LOGRA INTERACTIVAMENTE EN PANTALLA Y PARA CADA BANDA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

image1png

image1png

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

COMPOSICIONES COLOR

ENTENDIENDO LAS IMAacuteGENES

formatos de composiciones

CON LA CRECIENTE APARICIOacuteN DE LOS SENSORES HIPERESPECTRALES LAS POSIBILIDADES DE COMPOSICIONES

COLOREADAS DE BANDAS SON CASI ILIMITADAS

LA ELECCIOacuteN DE LAS BANDAS PARA REALIZAR LA COMPOSICIOacuteN Y EL ORDEN DE LAS BANDAS ASIGANADAS A LOS COLORES

PRIMARIOS DEPENDERAacute DE

Sensor Aplicacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EL SEUDO - COLOR

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm formatos de

composiciones

Ya hemos afirmado de que el ojo humano es maacutes capaz de distinguir tonos de color que intensidades de brillo

Por ello el empleo del color ayuda a la interpretacioacuten incluso cuando podamos tener una sola imagen de una banda

Es aquiacute que hablamos del SEUDO COLOR por no contar con tres bandas

El seudo color implica la creacioacuten de una CLUT que asocie el ND de una sola banda a distintos componentes del R V y A APLICACIONES 1 Para tener una leyenda de colores para una img clasificada 2 Para realzar el anaacutelisis de una determinada banda y sustituir los tonos de gris por una paleta de colores

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CLUT COLOUR LOOK-UP TABLE TABLA DE CONSULTA DE COLOR

ENTENDIENDO LAS IMAacuteGENES

httpsenwikipediaorgwikiColour_look-up_table

creacioacuten del seudo color

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Filtros espaciales Concepto de kernel Filtros paso bajo y paso alto Filtros direccionales Anomaliacuteas y correccioacuten atmosfeacuterica Correcciones radiomeacutetricas Anomaliacuteas radiomeacutetricas Fallos en el sensorCorreccioacuten atmosfeacuterica concepto Meacutetodo valores miacutenimos Regresioacuten entre bandas Dispersioacuten por aerosolesCalibracioacuten Caso misioacuten Landsat

47 Interpretacioacuten de Imaacutegenes

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

conceptos de que es un filtro

espacial

FUNCIONES PARA MEJORAR ASPECTO DE LAS IMAacuteGENES

REALZAN O DISMINUYEN ELEMENTOS VISUALES DE LA IMG

BASADOS EN LA FRECUENCIA ESPACIAL

FRECUENCIAS ESPACIALES ALTAS Variaciones que se producen en pocos piacutexeles TENDENCIA GENERAL FRECUENCIAS ESPACIALES BAJAS

Variaciones que se producen en muchos piacutexeles CONTRASTES LOCALES

FILTROS Figura - CCRS CCT

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

conceptos de kernel

FILTRADO ESPACIAL Figura - CCRS CCT FILTRADO EN EL DOMINIO

ESPACIAL Lo mas comuacuten es la aplicacioacuten de una ventana deslizante con valores que son coeficientes fijos de una matriz La MATRIZ se suele llamar KERNEL o nuacutecleo del filtro

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DIGITAL

ENTENDIENDO LAS IMAacuteGENES

aplicacioacuten del kernel

3 x 3 5 x 5 7 x 7

1 1 1

1 2 1

1 1 1 matrices

LOS VALORES DEL KERNEL SE MULTIPLICAN POR EL PIacuteXEL QUE TIENEN DEBAJO Y LUEGO SE SUMAN TODOS LOS PRODUCTOS

Y PARA OBTENER EL VALOR DEL PIacuteXEL CENTRAL EN LA IMAGEN TRANSFORMADA SE LO DIVIDE POR LA SUMA DE LOS PONDERADOS O PESOS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO - PASO BAJO PASO ALTO

ENTENDIENDO LAS IMAacuteGENES

aplicacioacuten del kernel

26

FILTROS DE PASO BAJO SE FAVORECEN A LOS PIXELES

PERIFEacuteRICOS SE MINIMIZAN LAS DIFERENCIAS CON LOS VECINOS ES UNA ESPECIE DE SUAVIZADO

FILTRO DE PASO ALTO PONDERACIOacuteN DEL VALOR CENTRAL EN DETRIMENTO DE LOS CIRCUNDANTES

SE EXAGERAN DIFERENCIAS Y SE RESALTAN VARIACIONES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DE PASO BAJO

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm

simulacioacuten

IMAGEN ORIGINAL

FILTRO PASO BAJO 3x3 SE TRATA DE ASEMEJAR LOS VALORES DE ND DE UN PIXEL A LOS VALORES VECINOS EN TEacuteRMINOS VISUALES LA IMAGEN FILTRADA OFRECE PERFILES MENOS NIacuteTIDOS

FILTRO PASO BAJO 7x7 SIRVE PARA REDUCIR VARIABILIDAD ESPACIAL DE ALGUNA CATEGORIacuteA ANTES DE UN PROCESO DE CLASIFICACIOacuteN

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DE PASO ALTO

ENTENDIENDO LAS IMAacuteGENES

IMAGEN ORIGINAL

FILTRO PASO ALTO 3x3 SE TRATA DE AISLAR LOS COMPONENTES DE ALTA FRECUENCIA Y REMARCAR DIGITALMENTE CONTRASTES EN TEacuteRMINOS VISUALES LA IMAGEN FILTRADA REFUERZA LOS CONTORNOS EN AacuteREAS HOMOGEacuteNEAS

FILTRO PASO ALTO 7x7 SIRVE PARA LOGRAR REALCES DE RASGOS LINEALES COMO PUEDEN SER EN AacuteREAS URBANAS O RASGOS GEOLOacuteGICOS

simulacioacuten

httpgeograuahesrtm

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

Figura - Landsat USGS

IMAGEN ORIGINAL

FILTRO DIRECCIONAL PERMITEN IDENTIFICAR LOS RASGOS FRONTERIZOS EN LAS IMAacuteGENES COMO LOS FILTROS ANTERIORES PERO AHORA CONSIDERANDO LA ORIENTACIOacuteN

se tiene en cuenta la

orientacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

matrices con direccioacuten

NORTE

1 1 1

1 -2 1

-1 -1 -1

SUR

-1 -1 -1

1 -2 1

1 1 1

ESTE

-1 1 1

-1 -2 1

-1 1 1

OESTE

1 1 -1

1 -2 -1

1 1 -1

SURESTE

-1 -1 1

-1 -2 1

1 1 1

NOROESTE

1 1 1

1 -2 -1

1 -1 -1

SUROESTE

1 -1 -1

1 -2 -1

1 1 1

NORESTE

1 1 1

-1 -2 1

-1 -1 1

OBSERVACIOacuteN

LOS NOMBRES OBEDECEN A LA DIRECCIOacuteN DEL CONTRASTE QUE SENtildeALAN

LA DIRECCIOacuteN QUE REALZAN ES JUSTAMENTE LA PERPENDICULAR

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

48 Interpretacioacuten de Imaacutegenes

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Correcciones geomeacutetricas Georreferenciacioacuten Uso de puntos de control Fuentes de error Procesamiento geomeacutetrico Correccioacuten Transformacioacuten geomeacutetrica Calidad y ajuste Generacioacuten de la nueva imagen Transferencia de ND

INSTITUTO DE AGRIMENSURA - DEPARTAMENTO DE GEOMAacuteTICA PROF ADJUNTO GRADO 3 EDISON J ROSAS BERTON

El tratamiento de una imagen de sateacutelite Georreferenciacioacuten

(paso de un sistema de filas y columnas a un sistema de coordenadas estandard)

Para ello debe obtenerse una muestra de puntos de control de los que conozcamos tanto sus coordenadas reales como sus coordenadas en

la imagen deben ser por tanto objetos de un tamantildeo adecuado para resultar identificables tanto en la imagen como sobre el terreno el tamantildeo

dependeraacute loacutegicamente de la resolucioacuten de la imagen A partir de estos puntos de control se obtendraacuten por regresioacuten unas ecuaciones que permitiraacuten a cada par filacolumna un par de coordenadas

XY

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

GEORREFERENCIACIOacuteN

ENTENDIENDO LAS IMAacuteGENES

georreferenciacioacuten porqueacute

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PUNTOS DE CONTROL

ENTENDIENDO LAS IMAacuteGENES

uso de puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

DISTORSIONES POR LA PLATAFORMA ALTITUD DE LA OacuteRBITA ndash Cambio de escala

VELOCIDAD ndash Cambios de escala ORIENTACIOacuteN DE LOS TRES EJES ndash Distorsiones en la geometriacutea

NO SISTEMAacuteTICOS Y COMPLEJOS DE MODELAR

DISTORSIONES POR ROTACIOacuteN TERRESTRE

CONSIDERANDO ALTITUD (800 Km) y TAMANtildeO DE LA IMAGEN (180 Km)ndashEn latitudes medias tarda en adquirir unos 30 segundos la Tierra se desplaza unos 8 Km

ORIENTACIOacuteN NE SW

DISTORSIONES POR EL SENSOR ANOMALIacuteAS SENSOR y MOVIMIENTO ESPEJO ndash Barrido no lineal o cambio en intervalos

AacuteNGULO DE BARRIDO ndash Variacioacuten en el tamantildeo de pixel

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ERROR EN UNA IMAGEN ESPACIAL

ENTENDIENDO LAS IMAacuteGENES

fuentes de error

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Una correccioacuten geomeacutetrica incluye CUALQUIER CAMBIO EN LA POSICIOacuteN DE LOS PIXELES que

conforman la imagen f (c`) = f1 (c l) f (x y) f (l`) = f2 (c l) f (x y)

COORDENADAS DE IMAGEN CORREGIDA SON FUNCIOacuteN DE COORDENADAS COLUMNA Y LIacuteNEA DE LA

IMAGEN DE ENTRADA O DE LAS COORDENADAS DE MAPA AL QUE SUPERPONDREMOS LA IMAGEN

1 CON OBJETIVO DE REALIZAR UNA TRANSFORMACIOacuteN GEOMEacuteTRICA QUE PERMITA AJUSTARLA A OTRA IMAGEN REFERENCIA NORMALMENTE PARA REALIZAR ESTUDIOS MULTITEMPORALES O MOSAICOS CON EL FIN DE AMPLIAR LOS DATOS E INFORMACIOacuteN DE UNA ZONA

2 ESTO PERMITIRAacute QUE LA NUEVA IMAGEN LA PUEDA INTEGRAR CON INFORMACIOacuteN DE OTRAS FUENTES POR EJEMPLO EN UN AMBIENTE SIG

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

correccioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

asumimos que

NO SE CONOCE EL ORIGEN DE LOS ERRORES

modelamos

ECUACIONES EMPIacuteRICAS

aplicadas a un conjunto de puntos

COORDENADAS CONOCIDAS IMAGEN INPUT e IMAGEN OUTPUT

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

1 ndash SELECCIOacuteN DE REFERENCIAS 2 ndash ECUACIONES DE AJUSTE

3 ndash GENERACIOacuteN DE LA IMAGEN CORREGIDA

ES OBVIO CALIDAD DEL AJUSTE DEPENDERAacute DE PRECISIOacuteN CON QUE SE

LOCALICEN LOS PUNTOS DE CONTROL INEXACTA LOCALIZACIOacuteN

DISTRIBUCIOacuteN MUY SECTORIZADA NUacuteMERO DE PUNTOS DE CONTROL INADECUADO

ESTABLECER LOS PUNTOS DE CONTROL FASE MAS CRUCIAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

procesamiento de la correccioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Resaltamos la importancia de

NUacuteMERO LOCALIZACIOacuteN DISTRIBUCIOacuteN

Que debemos atender Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

que considero UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash Croquis ilustrativos de apoyo

TERRENO O ZONAS PLANAS CON IMG OBTENIDAS POR UN SENSOR DE ESTRECHA VISIOacuteN DE CAMPO

TRANSFORMACIOacuteN

BASADO EN ECUACIONES LINEALES SIMPLES

TERRENO ESCARPADO O RUGOSO O UTILIZACIOacuteN DE IMG OBTENIDAS EN UN SENSOR CON VARIACIONES EN LAS CONDICIONES DE OBSERVACIOacuteN

TRANSFORMACIOacuteN MAacuteS COMPLEJA

POLINOMIOS DE SEGUNDO O TERCER ORDEN

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Desde un punto de vista matemaacutetico

GRADO 1 ndash 3 puntos GRADO 2 ndash 6 puntos GRADO 3 ndash 10 puntos

Seguacuten mis objetivos del trabajo no es conveniente utilizar esos miacutenimos

14 a 20 puntos (Landsat 5 MMS ndash seguacuten Bernstein R y D G Ferneyhough Jr 1978)

100 a 120 puntos (Landsat 7 TM ndash seguacuten el National Remote Sensing Center de Inglaterra)

10 o 12 puntos (Pequentildea zona de 512 x 512 pixeles ndash seguacuten Emilio Chuvieco 2010)

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

matemaacuteticamente UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

QUE DEBEMOS DE CONSIDERAR EN CUANTO A LA LOCALIZACIOacuteN

CLARAMENTE IDENTIFICABLES EN IMAGEN Y MAPA RASGOS HUMANOS DEL PAISAJE NO SUJETOS A DINAMISMO TEMPORAL

CRUCE DE CARRETERAS

CAMINOS VIacuteA FEacuteRREAS

NO CONSIDERAR ELEMENTOS ASOCIADOS AL AGUA

COSTA CURSOS DE AGUA

EMBALSES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

localizacioacuten TCP UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la correccioacuten digital de la geometriacutea de una imagen se realiza a partir de establecer unas funciones que relacionen las coordenadas de la imagen

y las coordenadas del mapa

EJ CASO MAS SIMPLE REGRESIOacuteN LINEAL MUacuteLTIPLE

ci = a0 + a1 Xi + a2 Yi li = b0 + b1 Xi + b2 Yi

EN LA PRAacuteCTICA BASTA UNA FUNCIOacuteN LINEAL PARA ABORDAR UN GRAN NUacuteMERO DE

TRANSFORMACIONES Y SON SUFICIENTES SI LAS IMAacuteGENES NO SON MUY GRANDES ANTE LA NECESIDAD DE OTRAS TRANSFORMACIONES SE UTILIZAN DE 2ordm y 3ordm ORDEN CONSIDERANDO ALTERACIONES GEOMEacuteTRICAS NO LINEALES (FUNCIONES QUE NO SE DEFINEN EN UN PLANO

CON EJES LINEALES SINO QUE SUPERFICIES CON EJES CURVILIacuteNEOS)

LOS COEFICIENTES DE LAS FUNCIONES DE TRANSFORMACIOacuteN SE CALCULAN A PARTIR DE UN AJUSTE POR MIacuteNIMOS CUADRADOS

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

funciones de transformacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash ejemplos de funciones de transformacioacuten geomeacutetrica con el efecto causado

TRASLACIOacuteN

CAMBIO DE ESCALA

INCLINACIOacuteN

PERSPECTIVA

ROTACIOacuteN

x = a0 + xacute y = b0 + yacute

x = xacute + a2 yacute y = yacute

x = a1 xacute y = b1 yacute

x = a3xacute yacute y = yacute

x = a4xacute + a5yacute y = b4xacute + b5yacute a4 = b5 = cos Ɵ a5 = -b4 = sen Ɵ

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

transformacioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

comparacioacuten coordenadas reales y las estimadas por la regresioacuten

el promedio de los residuales se conoce como error medio cuadraacutetico

la calidad del ajuste lo da el RMSE (root mean squared error)

(error medio cuadraacutetico)

RMSE es la raiacutez cuadrada de las desviaciones entre los valores reales y los

calculados

RMSE para cada punto es la raiacutez de los residuales al cuadrado que es la distancia entre ellos

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

RMSE UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la praacutectica hace que fijemos una TOLERANCIA y es que si ese promedio supera un valor fijado previamente haya que rever

el valor fijado previamente generalmente es igual o menor a un PIXEL

una correcta verificacioacuten

NECESITA introducir PUNTOS de VERIFICACIOacuteN

que no hayan sido introducidos en el ajuste

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

tolerancias fijadas

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

traducimos coordenadas de un mapa a la imagen tambieacuten necesitamos a la nueva imagen

TRANSFERIR LOS VALORES DIGITALES no olvidar que lo que queremos es generar una nueva imagen que se

corresponda con las coordenadas y las funciones de ajuste

NO ORIGINAN NUEVA IMAGEN solo colocan a los pixeles en la posicioacuten correcta

en criollo las funciones de transformacioacuten generan una nueva matriz bien posicionada pero vaciacutea

DEBEMOS LLENAR LA MATRIZ problema maacutes complejo de lo que puede

pensarse Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

generacioacuten de la nueva imaacutegen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

cada pixel de la imagen corregida se corresponderiacutea con un pixel de la imagen original

LEJOS DE ESE IDEAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo I

vecino maacutes proacuteximo ( nearest neighbour )

a cada celda de la imagen corregida se asigna el ND del pixel maacutes cercano de la

imagen original

SOLUCIOacuteN RAacutePIDA MENOR DISTORSIOacuteN DE LOS ND

INTRODUCE RASGOS LINEALES QUE DISTORSIONAN

CORRECCIOacuteN DE IMAacuteGENES CLASIFICADAS

CONSERVAR LA RADIOMETRIacuteA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo II

interpolacioacuten bilineal ( bilinear interpolation )

supone promediar los ND de los cuatro pixeles mas cercanos

con ponderacioacuten seguacuten la distancia pixeles originalcorregido

REDUCE EL EFECTO DE DISTORSIOacuteN EN RASGOS LINEALES

TIENDE A DIFUMINAR LOS CONTRASTES ESPACIALES

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE IMAacuteGENES RECTIFICADAS MAPAS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo III

convolusioacuten cuacutebica ( cubic convolution )

supone considerar los ND de los 16 pixeles mas proacuteximos

media ponderada seguacuten la distancia pixeles originalcorregido

EFECTO VISUAL MAS CORRECTO

VOLUacuteMEN DE CAacuteLCULO MUY SUPERIOR TENDENCIA A AGUDIZAR BORDES DE LA IMAGEN

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE ORTOIMAacuteGENES IMPRESIONES DE CALIDAD

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

  • Nuacutemero de diapositiva 1
  • Nuacutemero de diapositiva 2
  • MOacuteDULO IV
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 5
  • Nuacutemero de diapositiva 6
  • Nuacutemero de diapositiva 7
  • Nuacutemero de diapositiva 8
  • Nuacutemero de diapositiva 9
  • Nuacutemero de diapositiva 10
  • Nuacutemero de diapositiva 11
  • Nuacutemero de diapositiva 12
  • Nuacutemero de diapositiva 13
  • Nuacutemero de diapositiva 14
  • Nuacutemero de diapositiva 15
  • Nuacutemero de diapositiva 16
  • Nuacutemero de diapositiva 17
  • Nuacutemero de diapositiva 18
  • Nuacutemero de diapositiva 19
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 21
  • Nuacutemero de diapositiva 22
  • Nuacutemero de diapositiva 23
  • Nuacutemero de diapositiva 24
  • Nuacutemero de diapositiva 25
  • Nuacutemero de diapositiva 26
  • Nuacutemero de diapositiva 27
  • Nuacutemero de diapositiva 28
  • Nuacutemero de diapositiva 29
  • Nuacutemero de diapositiva 30
  • Nuacutemero de diapositiva 31
  • Nuacutemero de diapositiva 32
  • Nuacutemero de diapositiva 33
  • Nuacutemero de diapositiva 34
  • Nuacutemero de diapositiva 35
  • Nuacutemero de diapositiva 36
  • Nuacutemero de diapositiva 37
  • Nuacutemero de diapositiva 38
  • Nuacutemero de diapositiva 39
  • Nuacutemero de diapositiva 40
  • 47 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 42
  • Nuacutemero de diapositiva 43
  • Nuacutemero de diapositiva 44
  • Nuacutemero de diapositiva 45
  • Nuacutemero de diapositiva 46
  • Nuacutemero de diapositiva 47
  • Nuacutemero de diapositiva 48
  • Nuacutemero de diapositiva 49
  • Nuacutemero de diapositiva 50
  • Nuacutemero de diapositiva 51
  • Nuacutemero de diapositiva 52
  • Nuacutemero de diapositiva 53
  • Nuacutemero de diapositiva 54
  • 48 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 56
  • Nuacutemero de diapositiva 57
  • Nuacutemero de diapositiva 58
  • Nuacutemero de diapositiva 59
  • Nuacutemero de diapositiva 60
  • Nuacutemero de diapositiva 61
  • Nuacutemero de diapositiva 62
  • Nuacutemero de diapositiva 63
  • Nuacutemero de diapositiva 64
  • Nuacutemero de diapositiva 65
  • Nuacutemero de diapositiva 66
  • Nuacutemero de diapositiva 67
  • Nuacutemero de diapositiva 68
  • Nuacutemero de diapositiva 69
  • Nuacutemero de diapositiva 70
  • Nuacutemero de diapositiva 71
  • Nuacutemero de diapositiva 72
  • Nuacutemero de diapositiva 73
  • Nuacutemero de diapositiva 74

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ORGANIZACIOacuteN DE UNA IMAGEN

EXPLOTANDO LAS IMAacuteGENES

httpgeograuahesrtm uso cartograacutefico de

las imaacutegenes

LAS IMAacuteGENES DE SENSORES ESPACIALES

NO SON CARTOGRAFIacuteA

NATURALEZA DE LA PROYECCIOacuteN

DISTORSIONES SISTEMEacuteTICAS

DISTORSIONES ALEATORIAS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

DISTORSIONES POSIBLES DE UNA IMAGEN

httpgeograuahesrtm radiomeacutetricas geomeacutetricas

IMAGEN ADQUIRIDA (no olvidemos que la tratamos en su formato numeacuterico matricial) PRESENTARAacute ANOMALIacuteAS CON RESPECTO A LO QUE ES LA IMAGEN REAL

SITUACIOacuteN O UBICACIOacuteN DE SUS PUNTOS VALORES DE LOS NIVELES DIGITALES

Algunas de eacutestas correcciones seraacuten tareas de las estaciones de recepcioacuten (las que ofrecen distintos niveles de correccioacuten)

Pero helliphelliphelliphellip para un estudio detallado de una imagen (como pueden ser estudios

multitemporales o fusioacuten con otros datos de otras fuentes cartograacuteficas) van a requerir de correcciones

EXPLOTANDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FUENTES DE DISTORSIOacuteN

correcciones

EXPLOTANDO LAS IMAacuteGENES

LA PLATAFORMA QUE PORTA AL SATELITE OSCILA

SU MOVIMIENTO ORBITAL ES CASI UNIFORME SIN ACELERACIONES EN DIRECCIONES

LOS SATELITES SUFREN PEQUENtildeAS VARIACIONES

ALTURA ORBITAL

VELOCIDAD ORIENTACIOacuteN (aleteo cabeceo ladeo)

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FUENTES DE DISTORSIOacuteN

correcciones

EXPLOTANDO LAS IMAacuteGENES

OSCILACIOacuteN DE LA PLATAFORMA

ROTACIOacuteN TERRESTRE

TIEMPO DE BARRIDO

DISTORSIOacuteN PANORAacuteMICA

CURVATURA DE LA TIERRA

DISTORSIONES RADIOMEacuteTRICAS PEacuteRDIDA DE LIacuteNEAS O CELDAS BANDEADO EFECTO ATMOSFEacuteRICO

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIONES

operadores

EXPLOTANDO LAS IMAacuteGENES

OPERADOR la funcioacuten matemaacutetica que se aplica sobre la imagen

w = f (xyz) T wrsquo = f lsquo (xlsquoyrsquozrsquo) lo desglosamos en componentes

en x e y seraacuten las transformaciones geomeacutetricas y en z la transformaciones radiomeacutetricas

TIPOS DE OPERADORES puntuales cada elemento de la img final es funcioacuten de un solo elemento de la img inicial

locales luminancia de un elemento de la img final es funcioacuten de las luminancias de un entorno de cada elemento de la img inicial globales toda la img final es funcioacuten de toda la img inicial TRANSFORMACIONES Radiomeacutetricas modifican la amplitud de la sentildeal manteniendo invariable las coordenadas de cada celda

Geomeacutetricas modifican la geometriacutea de la imagen dejando constante los valores de su radiometriacutea

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ANAacuteLISIS DIGITAL DE LAS IMAacuteGENES

httpgeograuahesrtm

los valores de asignacioacuten a los

pixeles

Los sensores utilizados en teledeteccioacuten estaacuten calibrados para recibir valores muy altos de radiacioacuten sin llegar a saturarse por lo que lo normal es que todos los valores recibidos esteacuten muy

por debajo de los maacuteximos posibles

La consecuencia es que los valores de ND obtenidos son muy bajos y las imaacutegenes se van a ver oscuras muy poco

contrastadas Una forma de solventar este problema es ajustar el contraste mediante diversas teacutecnicas

EXPLOTANDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

LA MATRIZ DE DATOS

valores de celdas perdidas

A veces se requiere de poder restaurar valores dado que la matriz de datos contiene celdas perdidas y aparecen ND con valores nulos

en el dominio espacial

Una forma de corregir asignar un valor a la celda o liacutenea perdida tomar para cada pixel el ND del vecino

de la liacutenea anterior de la liacutenea siguiente

promedio en el dominio de la frecuencia

Otra manera seguacuten el valor de la celda en otra banda correlacionada

se calculan los histogramas parciales de las celdas en estudio para cada detector se obtiene la media y desviacioacuten estaacutendar de los ND correspondientes a cada detector

Se aplica NDacuteij = ak ND ij + bk

EXPLOTANDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

RESTAURACIOacuteN DE CELDAS PERDIDAS

estudio de histogramas

httpcoelloujaenesAsignaturasteledeteccion

EXPLOTANDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ESTADIacuteSTICAS E HISTOGRAMA DE UNA IMAGEN

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm que es un

histograma

IMAGEN DIGITAL SIMPLE DE 8 x 8 PIXELES EN NIVELES DE GRIS CON UNA PROFUNDIDAD DE 2 BITS

CUATRO VALORES POSIBLES DE BRILLO PASADOS A TONOS DE GRIS NEGRO GRIS OSCURO GRIS CLARO Y BLANCO

ND BRILLO

0 Negro

1 Gris oscuro

2 Gris claro

3 Blanco

veremos entonces que es un HISTOGRAMA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

HISTOGRAMA

ENTENDIENDO LAS IMAacuteGENES

conceptualidades

REPRESENTACIOacuteN GRAacuteFICA DE LOS NIVELES DE GRISES EN FUNCIOacuteN DE LA REPETICIOacuteN DE VECES EN QUE APARECE CADA UNO DE LOS NIVELES DE GRIS

deducciones

11

15

38

0

adaptado de El histograma de una Imagen Digital Universidad

Politeacutecnica de Valencia

La mayor parte de los piacutexeles son blancos por lo que probablemente la imagen tenga un fondo blanco uniforme

Hay un nuacutemero significativo de pixeles negros y pixeles blancos lo que hace que la imagen presente un aspecto bien contrastado

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

HISTOGRAMA IDEAL

ENTENDIENDO LAS IMAacuteGENES

elementos a considerar

Como regla general se considera que una imagen tiene un buen contraste si su histograma se extiende ocupando casi todo el rango

de tonos

adaptado de El histograma de una Imagen Digital Universidad Politeacutecnica de Valencia

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

HISTOGRAMA IDEAL

ENTENDIENDO LAS IMAacuteGENES

elementos a considerar

Por ejemplo en una imagen nocturna el histograma estaacute fuertemente desplazado al lado izquierdo (zona de tonos oscuros) y

evidencia que no hay apenas ninguna zona de la imagen muy brillante

adaptado de El histograma de una Imagen Digital Universidad Politeacutecnica de Valencia

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

HISTOGRAMA IDEAL

ENTENDIENDO LAS IMAacuteGENES

elementos a considerar

En este caso el histograma es marcadamente maacutes alto en la zona de grises claros y blancos y apareceraacute corrido a la derecha hacia el

lado de los valores altos de iluminacioacuten

adaptado de El histograma de una Imagen Digital Universidad Politeacutecnica de Valencia

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

HISTOGRAMA IDEAL

ENTENDIENDO LAS IMAacuteGENES

elementos a considerar

Se entiende por contraste la diferencia de brillo entre las zonas maacutes claras y maacutes oscuras en una imagen En este paisaje con niebla es

un ejemplo de bajo contraste Se traduce en un histograma estrecho Ademaacutes como la toacutenica dominante son los grises medios

se observa que estaacute bastante centrado

adaptado de El histograma de una Imagen Digital Universidad Politeacutecnica de Valencia

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

conjunto de datos

Frente a escenas con una iluminacioacuten maacutes normal y con una gran cantidad de elementos detectados los histogramas deberiacutean ser como en el primer caso que

hemos visto

Si no sucede

Histograma desplazado a la izquierda puede denotar falta de exposicioacuten

Histograma desplazado a la derecha puede ser un exceso de exposicioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

46 Interpretacioacuten de Imaacutegenes

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento digital Optimizacioacuten de las imaacutegenes Realces y mejoras visuales Contraste en una imagen Composiciones color El color verdadero el falso color el pseudo color

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

OPTIMIZACIOacuteN DE LAS IMAacuteGENES

ENTENDIENDO LAS IMAacuteGENES

mejorar visualmente las imaacutegenes

MANIPULAR DE FORMA FLEXIBLE Y SOFISTICADA EL ND DE LOS PIXELES

LUEGO DE CORRECCIONES LAS IMAacuteGENES HAY QUE OPTIMIZARLAS DESDE EL PUNTO DE VISTA VISUAL

diferentes tipos

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

REALCES Y MEJORAS VISUALES

ENTENDIENDO LAS IMAacuteGENES

httpamericalatina-nacblogspotcomuy2009_10_01_archivehtml

optimizacioacuten de las imaacutegenes

proceso destinado a facilitar la interpretacioacuten visual

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

ecualizacioacuten del histograma

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

gaussiano

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

lineal 2

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

lineal

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

raiacutez cuadrada

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

lineal 0 - 255

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PORQUEacute EL REALCE

ENTENDIENDO LAS IMAacuteGENES

LOS SENSORES SON CALIBRADOS PARA ABARCAR TODO EL RANGO POSIBLE DE RADIANCIAS

PARA CADA USO EN CONCRETO ES NECESIDAD IMPERIOSA

EXPANDIR EL HISTOGRAMA Y ASIacute CUBRIR EL RANGO COMPLETO DE NIVELES DE GRIS

histograma UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CONTRASTE EN UNA IMAGEN

ENTENDIENDO LAS IMAacuteGENES

expansioacuten del contraste

los datos uacutetiles solo ocupan pequentildea parte de los niveles de gris disponibles

expandir o estirar el histograma es cambiar los valores originales de ND para utilizar mayor rango

asiacute incrementar el contraste visual de diferentes objetos

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

ejemplos visuales

sin realce lineal

frecuencial gamma

MEacuteTODOS DE EXPANSIOacuteN DEL CONTRASTE

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

lineal

expansioacuten lineal

lo maacutes simple transformacioacuten en liacutenea llevando el valor miacutenimo a 0 y maacuteximo a 255 o se usa un rango por encima y por debajo de miacutenimo y maacuteximo

EXPANSIOacuteN I

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

lineal

EXPANSIOacuteN I expansioacuten

logariacutetmico exponencial

gamma

curvas de transferencia en lugar de rectas gamma es la curvatura de dicha curva se expanden maacutes el contraste de los extremos o del centro

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

frecuencial

EXPANSIOacuteN II

frecuencial ecualizacioacuten del

histograma

cuando los valores de ND no estaacuten distribuidos uniformemente intentar en la medida de lo posible que los valores de salida de los ND tengan el mismo de pixeles con dicho valor

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CONTRASTE EN UNA IMAGEN

ENTENDIENDO LAS IMAacuteGENES

compresioacuten del contraste

Ya sabemos que el contraste mide el rango dinaacutemico de los colores en la imagen es decir una imagen muy contrastada tiene un amplio abanico de colores (o tonos de gris) desde valores muy bajos a valores muy altos Para una imagen con poco contraste los colores estaacuten muy juntos el margen dinaacutemico es pequentildeo La variacioacuten en el contraste aparece como una compresioacuten del histograma en caso de una reduccioacuten a la inversa de lo visto en el caso de una expansioacuten

Compresioacuten si el rango excede de las capacidades del sistema

Se ha de comparar el nuacutemero de niveles digitales (ND) de la imagen con los niveles de visualizacioacuten (NV) o grises del sistema Es de menos aplicacioacuten Al igual que el brillo variando el contraste se puede provocar una peacuterdida de informacioacuten de la imagen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

MAYOR APLICABILIDAD DEL REALCE

ENTENDIENDO LAS IMAacuteGENES

realce oacuteptimo

realce frecuencial

realce lineal

laquo r e a l c e oacute p t i m o raquo optimiza interpretacioacuten de la imagen

mejor esteacutetica de la imagen NO COINCIDE CON NINGUacuteN CORTE PREDETERMINADO

Y SE LOGRA INTERACTIVAMENTE EN PANTALLA Y PARA CADA BANDA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

image1png

image1png

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

COMPOSICIONES COLOR

ENTENDIENDO LAS IMAacuteGENES

formatos de composiciones

CON LA CRECIENTE APARICIOacuteN DE LOS SENSORES HIPERESPECTRALES LAS POSIBILIDADES DE COMPOSICIONES

COLOREADAS DE BANDAS SON CASI ILIMITADAS

LA ELECCIOacuteN DE LAS BANDAS PARA REALIZAR LA COMPOSICIOacuteN Y EL ORDEN DE LAS BANDAS ASIGANADAS A LOS COLORES

PRIMARIOS DEPENDERAacute DE

Sensor Aplicacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EL SEUDO - COLOR

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm formatos de

composiciones

Ya hemos afirmado de que el ojo humano es maacutes capaz de distinguir tonos de color que intensidades de brillo

Por ello el empleo del color ayuda a la interpretacioacuten incluso cuando podamos tener una sola imagen de una banda

Es aquiacute que hablamos del SEUDO COLOR por no contar con tres bandas

El seudo color implica la creacioacuten de una CLUT que asocie el ND de una sola banda a distintos componentes del R V y A APLICACIONES 1 Para tener una leyenda de colores para una img clasificada 2 Para realzar el anaacutelisis de una determinada banda y sustituir los tonos de gris por una paleta de colores

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CLUT COLOUR LOOK-UP TABLE TABLA DE CONSULTA DE COLOR

ENTENDIENDO LAS IMAacuteGENES

httpsenwikipediaorgwikiColour_look-up_table

creacioacuten del seudo color

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Filtros espaciales Concepto de kernel Filtros paso bajo y paso alto Filtros direccionales Anomaliacuteas y correccioacuten atmosfeacuterica Correcciones radiomeacutetricas Anomaliacuteas radiomeacutetricas Fallos en el sensorCorreccioacuten atmosfeacuterica concepto Meacutetodo valores miacutenimos Regresioacuten entre bandas Dispersioacuten por aerosolesCalibracioacuten Caso misioacuten Landsat

47 Interpretacioacuten de Imaacutegenes

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

conceptos de que es un filtro

espacial

FUNCIONES PARA MEJORAR ASPECTO DE LAS IMAacuteGENES

REALZAN O DISMINUYEN ELEMENTOS VISUALES DE LA IMG

BASADOS EN LA FRECUENCIA ESPACIAL

FRECUENCIAS ESPACIALES ALTAS Variaciones que se producen en pocos piacutexeles TENDENCIA GENERAL FRECUENCIAS ESPACIALES BAJAS

Variaciones que se producen en muchos piacutexeles CONTRASTES LOCALES

FILTROS Figura - CCRS CCT

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

conceptos de kernel

FILTRADO ESPACIAL Figura - CCRS CCT FILTRADO EN EL DOMINIO

ESPACIAL Lo mas comuacuten es la aplicacioacuten de una ventana deslizante con valores que son coeficientes fijos de una matriz La MATRIZ se suele llamar KERNEL o nuacutecleo del filtro

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DIGITAL

ENTENDIENDO LAS IMAacuteGENES

aplicacioacuten del kernel

3 x 3 5 x 5 7 x 7

1 1 1

1 2 1

1 1 1 matrices

LOS VALORES DEL KERNEL SE MULTIPLICAN POR EL PIacuteXEL QUE TIENEN DEBAJO Y LUEGO SE SUMAN TODOS LOS PRODUCTOS

Y PARA OBTENER EL VALOR DEL PIacuteXEL CENTRAL EN LA IMAGEN TRANSFORMADA SE LO DIVIDE POR LA SUMA DE LOS PONDERADOS O PESOS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO - PASO BAJO PASO ALTO

ENTENDIENDO LAS IMAacuteGENES

aplicacioacuten del kernel

26

FILTROS DE PASO BAJO SE FAVORECEN A LOS PIXELES

PERIFEacuteRICOS SE MINIMIZAN LAS DIFERENCIAS CON LOS VECINOS ES UNA ESPECIE DE SUAVIZADO

FILTRO DE PASO ALTO PONDERACIOacuteN DEL VALOR CENTRAL EN DETRIMENTO DE LOS CIRCUNDANTES

SE EXAGERAN DIFERENCIAS Y SE RESALTAN VARIACIONES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DE PASO BAJO

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm

simulacioacuten

IMAGEN ORIGINAL

FILTRO PASO BAJO 3x3 SE TRATA DE ASEMEJAR LOS VALORES DE ND DE UN PIXEL A LOS VALORES VECINOS EN TEacuteRMINOS VISUALES LA IMAGEN FILTRADA OFRECE PERFILES MENOS NIacuteTIDOS

FILTRO PASO BAJO 7x7 SIRVE PARA REDUCIR VARIABILIDAD ESPACIAL DE ALGUNA CATEGORIacuteA ANTES DE UN PROCESO DE CLASIFICACIOacuteN

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DE PASO ALTO

ENTENDIENDO LAS IMAacuteGENES

IMAGEN ORIGINAL

FILTRO PASO ALTO 3x3 SE TRATA DE AISLAR LOS COMPONENTES DE ALTA FRECUENCIA Y REMARCAR DIGITALMENTE CONTRASTES EN TEacuteRMINOS VISUALES LA IMAGEN FILTRADA REFUERZA LOS CONTORNOS EN AacuteREAS HOMOGEacuteNEAS

FILTRO PASO ALTO 7x7 SIRVE PARA LOGRAR REALCES DE RASGOS LINEALES COMO PUEDEN SER EN AacuteREAS URBANAS O RASGOS GEOLOacuteGICOS

simulacioacuten

httpgeograuahesrtm

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

Figura - Landsat USGS

IMAGEN ORIGINAL

FILTRO DIRECCIONAL PERMITEN IDENTIFICAR LOS RASGOS FRONTERIZOS EN LAS IMAacuteGENES COMO LOS FILTROS ANTERIORES PERO AHORA CONSIDERANDO LA ORIENTACIOacuteN

se tiene en cuenta la

orientacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

matrices con direccioacuten

NORTE

1 1 1

1 -2 1

-1 -1 -1

SUR

-1 -1 -1

1 -2 1

1 1 1

ESTE

-1 1 1

-1 -2 1

-1 1 1

OESTE

1 1 -1

1 -2 -1

1 1 -1

SURESTE

-1 -1 1

-1 -2 1

1 1 1

NOROESTE

1 1 1

1 -2 -1

1 -1 -1

SUROESTE

1 -1 -1

1 -2 -1

1 1 1

NORESTE

1 1 1

-1 -2 1

-1 -1 1

OBSERVACIOacuteN

LOS NOMBRES OBEDECEN A LA DIRECCIOacuteN DEL CONTRASTE QUE SENtildeALAN

LA DIRECCIOacuteN QUE REALZAN ES JUSTAMENTE LA PERPENDICULAR

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

48 Interpretacioacuten de Imaacutegenes

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Correcciones geomeacutetricas Georreferenciacioacuten Uso de puntos de control Fuentes de error Procesamiento geomeacutetrico Correccioacuten Transformacioacuten geomeacutetrica Calidad y ajuste Generacioacuten de la nueva imagen Transferencia de ND

INSTITUTO DE AGRIMENSURA - DEPARTAMENTO DE GEOMAacuteTICA PROF ADJUNTO GRADO 3 EDISON J ROSAS BERTON

El tratamiento de una imagen de sateacutelite Georreferenciacioacuten

(paso de un sistema de filas y columnas a un sistema de coordenadas estandard)

Para ello debe obtenerse una muestra de puntos de control de los que conozcamos tanto sus coordenadas reales como sus coordenadas en

la imagen deben ser por tanto objetos de un tamantildeo adecuado para resultar identificables tanto en la imagen como sobre el terreno el tamantildeo

dependeraacute loacutegicamente de la resolucioacuten de la imagen A partir de estos puntos de control se obtendraacuten por regresioacuten unas ecuaciones que permitiraacuten a cada par filacolumna un par de coordenadas

XY

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

GEORREFERENCIACIOacuteN

ENTENDIENDO LAS IMAacuteGENES

georreferenciacioacuten porqueacute

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PUNTOS DE CONTROL

ENTENDIENDO LAS IMAacuteGENES

uso de puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

DISTORSIONES POR LA PLATAFORMA ALTITUD DE LA OacuteRBITA ndash Cambio de escala

VELOCIDAD ndash Cambios de escala ORIENTACIOacuteN DE LOS TRES EJES ndash Distorsiones en la geometriacutea

NO SISTEMAacuteTICOS Y COMPLEJOS DE MODELAR

DISTORSIONES POR ROTACIOacuteN TERRESTRE

CONSIDERANDO ALTITUD (800 Km) y TAMANtildeO DE LA IMAGEN (180 Km)ndashEn latitudes medias tarda en adquirir unos 30 segundos la Tierra se desplaza unos 8 Km

ORIENTACIOacuteN NE SW

DISTORSIONES POR EL SENSOR ANOMALIacuteAS SENSOR y MOVIMIENTO ESPEJO ndash Barrido no lineal o cambio en intervalos

AacuteNGULO DE BARRIDO ndash Variacioacuten en el tamantildeo de pixel

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ERROR EN UNA IMAGEN ESPACIAL

ENTENDIENDO LAS IMAacuteGENES

fuentes de error

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Una correccioacuten geomeacutetrica incluye CUALQUIER CAMBIO EN LA POSICIOacuteN DE LOS PIXELES que

conforman la imagen f (c`) = f1 (c l) f (x y) f (l`) = f2 (c l) f (x y)

COORDENADAS DE IMAGEN CORREGIDA SON FUNCIOacuteN DE COORDENADAS COLUMNA Y LIacuteNEA DE LA

IMAGEN DE ENTRADA O DE LAS COORDENADAS DE MAPA AL QUE SUPERPONDREMOS LA IMAGEN

1 CON OBJETIVO DE REALIZAR UNA TRANSFORMACIOacuteN GEOMEacuteTRICA QUE PERMITA AJUSTARLA A OTRA IMAGEN REFERENCIA NORMALMENTE PARA REALIZAR ESTUDIOS MULTITEMPORALES O MOSAICOS CON EL FIN DE AMPLIAR LOS DATOS E INFORMACIOacuteN DE UNA ZONA

2 ESTO PERMITIRAacute QUE LA NUEVA IMAGEN LA PUEDA INTEGRAR CON INFORMACIOacuteN DE OTRAS FUENTES POR EJEMPLO EN UN AMBIENTE SIG

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

correccioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

asumimos que

NO SE CONOCE EL ORIGEN DE LOS ERRORES

modelamos

ECUACIONES EMPIacuteRICAS

aplicadas a un conjunto de puntos

COORDENADAS CONOCIDAS IMAGEN INPUT e IMAGEN OUTPUT

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

1 ndash SELECCIOacuteN DE REFERENCIAS 2 ndash ECUACIONES DE AJUSTE

3 ndash GENERACIOacuteN DE LA IMAGEN CORREGIDA

ES OBVIO CALIDAD DEL AJUSTE DEPENDERAacute DE PRECISIOacuteN CON QUE SE

LOCALICEN LOS PUNTOS DE CONTROL INEXACTA LOCALIZACIOacuteN

DISTRIBUCIOacuteN MUY SECTORIZADA NUacuteMERO DE PUNTOS DE CONTROL INADECUADO

ESTABLECER LOS PUNTOS DE CONTROL FASE MAS CRUCIAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

procesamiento de la correccioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Resaltamos la importancia de

NUacuteMERO LOCALIZACIOacuteN DISTRIBUCIOacuteN

Que debemos atender Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

que considero UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash Croquis ilustrativos de apoyo

TERRENO O ZONAS PLANAS CON IMG OBTENIDAS POR UN SENSOR DE ESTRECHA VISIOacuteN DE CAMPO

TRANSFORMACIOacuteN

BASADO EN ECUACIONES LINEALES SIMPLES

TERRENO ESCARPADO O RUGOSO O UTILIZACIOacuteN DE IMG OBTENIDAS EN UN SENSOR CON VARIACIONES EN LAS CONDICIONES DE OBSERVACIOacuteN

TRANSFORMACIOacuteN MAacuteS COMPLEJA

POLINOMIOS DE SEGUNDO O TERCER ORDEN

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Desde un punto de vista matemaacutetico

GRADO 1 ndash 3 puntos GRADO 2 ndash 6 puntos GRADO 3 ndash 10 puntos

Seguacuten mis objetivos del trabajo no es conveniente utilizar esos miacutenimos

14 a 20 puntos (Landsat 5 MMS ndash seguacuten Bernstein R y D G Ferneyhough Jr 1978)

100 a 120 puntos (Landsat 7 TM ndash seguacuten el National Remote Sensing Center de Inglaterra)

10 o 12 puntos (Pequentildea zona de 512 x 512 pixeles ndash seguacuten Emilio Chuvieco 2010)

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

matemaacuteticamente UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

QUE DEBEMOS DE CONSIDERAR EN CUANTO A LA LOCALIZACIOacuteN

CLARAMENTE IDENTIFICABLES EN IMAGEN Y MAPA RASGOS HUMANOS DEL PAISAJE NO SUJETOS A DINAMISMO TEMPORAL

CRUCE DE CARRETERAS

CAMINOS VIacuteA FEacuteRREAS

NO CONSIDERAR ELEMENTOS ASOCIADOS AL AGUA

COSTA CURSOS DE AGUA

EMBALSES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

localizacioacuten TCP UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la correccioacuten digital de la geometriacutea de una imagen se realiza a partir de establecer unas funciones que relacionen las coordenadas de la imagen

y las coordenadas del mapa

EJ CASO MAS SIMPLE REGRESIOacuteN LINEAL MUacuteLTIPLE

ci = a0 + a1 Xi + a2 Yi li = b0 + b1 Xi + b2 Yi

EN LA PRAacuteCTICA BASTA UNA FUNCIOacuteN LINEAL PARA ABORDAR UN GRAN NUacuteMERO DE

TRANSFORMACIONES Y SON SUFICIENTES SI LAS IMAacuteGENES NO SON MUY GRANDES ANTE LA NECESIDAD DE OTRAS TRANSFORMACIONES SE UTILIZAN DE 2ordm y 3ordm ORDEN CONSIDERANDO ALTERACIONES GEOMEacuteTRICAS NO LINEALES (FUNCIONES QUE NO SE DEFINEN EN UN PLANO

CON EJES LINEALES SINO QUE SUPERFICIES CON EJES CURVILIacuteNEOS)

LOS COEFICIENTES DE LAS FUNCIONES DE TRANSFORMACIOacuteN SE CALCULAN A PARTIR DE UN AJUSTE POR MIacuteNIMOS CUADRADOS

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

funciones de transformacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash ejemplos de funciones de transformacioacuten geomeacutetrica con el efecto causado

TRASLACIOacuteN

CAMBIO DE ESCALA

INCLINACIOacuteN

PERSPECTIVA

ROTACIOacuteN

x = a0 + xacute y = b0 + yacute

x = xacute + a2 yacute y = yacute

x = a1 xacute y = b1 yacute

x = a3xacute yacute y = yacute

x = a4xacute + a5yacute y = b4xacute + b5yacute a4 = b5 = cos Ɵ a5 = -b4 = sen Ɵ

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

transformacioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

comparacioacuten coordenadas reales y las estimadas por la regresioacuten

el promedio de los residuales se conoce como error medio cuadraacutetico

la calidad del ajuste lo da el RMSE (root mean squared error)

(error medio cuadraacutetico)

RMSE es la raiacutez cuadrada de las desviaciones entre los valores reales y los

calculados

RMSE para cada punto es la raiacutez de los residuales al cuadrado que es la distancia entre ellos

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

RMSE UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la praacutectica hace que fijemos una TOLERANCIA y es que si ese promedio supera un valor fijado previamente haya que rever

el valor fijado previamente generalmente es igual o menor a un PIXEL

una correcta verificacioacuten

NECESITA introducir PUNTOS de VERIFICACIOacuteN

que no hayan sido introducidos en el ajuste

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

tolerancias fijadas

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

traducimos coordenadas de un mapa a la imagen tambieacuten necesitamos a la nueva imagen

TRANSFERIR LOS VALORES DIGITALES no olvidar que lo que queremos es generar una nueva imagen que se

corresponda con las coordenadas y las funciones de ajuste

NO ORIGINAN NUEVA IMAGEN solo colocan a los pixeles en la posicioacuten correcta

en criollo las funciones de transformacioacuten generan una nueva matriz bien posicionada pero vaciacutea

DEBEMOS LLENAR LA MATRIZ problema maacutes complejo de lo que puede

pensarse Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

generacioacuten de la nueva imaacutegen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

cada pixel de la imagen corregida se corresponderiacutea con un pixel de la imagen original

LEJOS DE ESE IDEAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo I

vecino maacutes proacuteximo ( nearest neighbour )

a cada celda de la imagen corregida se asigna el ND del pixel maacutes cercano de la

imagen original

SOLUCIOacuteN RAacutePIDA MENOR DISTORSIOacuteN DE LOS ND

INTRODUCE RASGOS LINEALES QUE DISTORSIONAN

CORRECCIOacuteN DE IMAacuteGENES CLASIFICADAS

CONSERVAR LA RADIOMETRIacuteA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo II

interpolacioacuten bilineal ( bilinear interpolation )

supone promediar los ND de los cuatro pixeles mas cercanos

con ponderacioacuten seguacuten la distancia pixeles originalcorregido

REDUCE EL EFECTO DE DISTORSIOacuteN EN RASGOS LINEALES

TIENDE A DIFUMINAR LOS CONTRASTES ESPACIALES

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE IMAacuteGENES RECTIFICADAS MAPAS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo III

convolusioacuten cuacutebica ( cubic convolution )

supone considerar los ND de los 16 pixeles mas proacuteximos

media ponderada seguacuten la distancia pixeles originalcorregido

EFECTO VISUAL MAS CORRECTO

VOLUacuteMEN DE CAacuteLCULO MUY SUPERIOR TENDENCIA A AGUDIZAR BORDES DE LA IMAGEN

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE ORTOIMAacuteGENES IMPRESIONES DE CALIDAD

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

  • Nuacutemero de diapositiva 1
  • Nuacutemero de diapositiva 2
  • MOacuteDULO IV
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 5
  • Nuacutemero de diapositiva 6
  • Nuacutemero de diapositiva 7
  • Nuacutemero de diapositiva 8
  • Nuacutemero de diapositiva 9
  • Nuacutemero de diapositiva 10
  • Nuacutemero de diapositiva 11
  • Nuacutemero de diapositiva 12
  • Nuacutemero de diapositiva 13
  • Nuacutemero de diapositiva 14
  • Nuacutemero de diapositiva 15
  • Nuacutemero de diapositiva 16
  • Nuacutemero de diapositiva 17
  • Nuacutemero de diapositiva 18
  • Nuacutemero de diapositiva 19
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 21
  • Nuacutemero de diapositiva 22
  • Nuacutemero de diapositiva 23
  • Nuacutemero de diapositiva 24
  • Nuacutemero de diapositiva 25
  • Nuacutemero de diapositiva 26
  • Nuacutemero de diapositiva 27
  • Nuacutemero de diapositiva 28
  • Nuacutemero de diapositiva 29
  • Nuacutemero de diapositiva 30
  • Nuacutemero de diapositiva 31
  • Nuacutemero de diapositiva 32
  • Nuacutemero de diapositiva 33
  • Nuacutemero de diapositiva 34
  • Nuacutemero de diapositiva 35
  • Nuacutemero de diapositiva 36
  • Nuacutemero de diapositiva 37
  • Nuacutemero de diapositiva 38
  • Nuacutemero de diapositiva 39
  • Nuacutemero de diapositiva 40
  • 47 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 42
  • Nuacutemero de diapositiva 43
  • Nuacutemero de diapositiva 44
  • Nuacutemero de diapositiva 45
  • Nuacutemero de diapositiva 46
  • Nuacutemero de diapositiva 47
  • Nuacutemero de diapositiva 48
  • Nuacutemero de diapositiva 49
  • Nuacutemero de diapositiva 50
  • Nuacutemero de diapositiva 51
  • Nuacutemero de diapositiva 52
  • Nuacutemero de diapositiva 53
  • Nuacutemero de diapositiva 54
  • 48 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 56
  • Nuacutemero de diapositiva 57
  • Nuacutemero de diapositiva 58
  • Nuacutemero de diapositiva 59
  • Nuacutemero de diapositiva 60
  • Nuacutemero de diapositiva 61
  • Nuacutemero de diapositiva 62
  • Nuacutemero de diapositiva 63
  • Nuacutemero de diapositiva 64
  • Nuacutemero de diapositiva 65
  • Nuacutemero de diapositiva 66
  • Nuacutemero de diapositiva 67
  • Nuacutemero de diapositiva 68
  • Nuacutemero de diapositiva 69
  • Nuacutemero de diapositiva 70
  • Nuacutemero de diapositiva 71
  • Nuacutemero de diapositiva 72
  • Nuacutemero de diapositiva 73
  • Nuacutemero de diapositiva 74

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

DISTORSIONES POSIBLES DE UNA IMAGEN

httpgeograuahesrtm radiomeacutetricas geomeacutetricas

IMAGEN ADQUIRIDA (no olvidemos que la tratamos en su formato numeacuterico matricial) PRESENTARAacute ANOMALIacuteAS CON RESPECTO A LO QUE ES LA IMAGEN REAL

SITUACIOacuteN O UBICACIOacuteN DE SUS PUNTOS VALORES DE LOS NIVELES DIGITALES

Algunas de eacutestas correcciones seraacuten tareas de las estaciones de recepcioacuten (las que ofrecen distintos niveles de correccioacuten)

Pero helliphelliphelliphellip para un estudio detallado de una imagen (como pueden ser estudios

multitemporales o fusioacuten con otros datos de otras fuentes cartograacuteficas) van a requerir de correcciones

EXPLOTANDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FUENTES DE DISTORSIOacuteN

correcciones

EXPLOTANDO LAS IMAacuteGENES

LA PLATAFORMA QUE PORTA AL SATELITE OSCILA

SU MOVIMIENTO ORBITAL ES CASI UNIFORME SIN ACELERACIONES EN DIRECCIONES

LOS SATELITES SUFREN PEQUENtildeAS VARIACIONES

ALTURA ORBITAL

VELOCIDAD ORIENTACIOacuteN (aleteo cabeceo ladeo)

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FUENTES DE DISTORSIOacuteN

correcciones

EXPLOTANDO LAS IMAacuteGENES

OSCILACIOacuteN DE LA PLATAFORMA

ROTACIOacuteN TERRESTRE

TIEMPO DE BARRIDO

DISTORSIOacuteN PANORAacuteMICA

CURVATURA DE LA TIERRA

DISTORSIONES RADIOMEacuteTRICAS PEacuteRDIDA DE LIacuteNEAS O CELDAS BANDEADO EFECTO ATMOSFEacuteRICO

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIONES

operadores

EXPLOTANDO LAS IMAacuteGENES

OPERADOR la funcioacuten matemaacutetica que se aplica sobre la imagen

w = f (xyz) T wrsquo = f lsquo (xlsquoyrsquozrsquo) lo desglosamos en componentes

en x e y seraacuten las transformaciones geomeacutetricas y en z la transformaciones radiomeacutetricas

TIPOS DE OPERADORES puntuales cada elemento de la img final es funcioacuten de un solo elemento de la img inicial

locales luminancia de un elemento de la img final es funcioacuten de las luminancias de un entorno de cada elemento de la img inicial globales toda la img final es funcioacuten de toda la img inicial TRANSFORMACIONES Radiomeacutetricas modifican la amplitud de la sentildeal manteniendo invariable las coordenadas de cada celda

Geomeacutetricas modifican la geometriacutea de la imagen dejando constante los valores de su radiometriacutea

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ANAacuteLISIS DIGITAL DE LAS IMAacuteGENES

httpgeograuahesrtm

los valores de asignacioacuten a los

pixeles

Los sensores utilizados en teledeteccioacuten estaacuten calibrados para recibir valores muy altos de radiacioacuten sin llegar a saturarse por lo que lo normal es que todos los valores recibidos esteacuten muy

por debajo de los maacuteximos posibles

La consecuencia es que los valores de ND obtenidos son muy bajos y las imaacutegenes se van a ver oscuras muy poco

contrastadas Una forma de solventar este problema es ajustar el contraste mediante diversas teacutecnicas

EXPLOTANDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

LA MATRIZ DE DATOS

valores de celdas perdidas

A veces se requiere de poder restaurar valores dado que la matriz de datos contiene celdas perdidas y aparecen ND con valores nulos

en el dominio espacial

Una forma de corregir asignar un valor a la celda o liacutenea perdida tomar para cada pixel el ND del vecino

de la liacutenea anterior de la liacutenea siguiente

promedio en el dominio de la frecuencia

Otra manera seguacuten el valor de la celda en otra banda correlacionada

se calculan los histogramas parciales de las celdas en estudio para cada detector se obtiene la media y desviacioacuten estaacutendar de los ND correspondientes a cada detector

Se aplica NDacuteij = ak ND ij + bk

EXPLOTANDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

RESTAURACIOacuteN DE CELDAS PERDIDAS

estudio de histogramas

httpcoelloujaenesAsignaturasteledeteccion

EXPLOTANDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ESTADIacuteSTICAS E HISTOGRAMA DE UNA IMAGEN

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm que es un

histograma

IMAGEN DIGITAL SIMPLE DE 8 x 8 PIXELES EN NIVELES DE GRIS CON UNA PROFUNDIDAD DE 2 BITS

CUATRO VALORES POSIBLES DE BRILLO PASADOS A TONOS DE GRIS NEGRO GRIS OSCURO GRIS CLARO Y BLANCO

ND BRILLO

0 Negro

1 Gris oscuro

2 Gris claro

3 Blanco

veremos entonces que es un HISTOGRAMA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

HISTOGRAMA

ENTENDIENDO LAS IMAacuteGENES

conceptualidades

REPRESENTACIOacuteN GRAacuteFICA DE LOS NIVELES DE GRISES EN FUNCIOacuteN DE LA REPETICIOacuteN DE VECES EN QUE APARECE CADA UNO DE LOS NIVELES DE GRIS

deducciones

11

15

38

0

adaptado de El histograma de una Imagen Digital Universidad

Politeacutecnica de Valencia

La mayor parte de los piacutexeles son blancos por lo que probablemente la imagen tenga un fondo blanco uniforme

Hay un nuacutemero significativo de pixeles negros y pixeles blancos lo que hace que la imagen presente un aspecto bien contrastado

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

HISTOGRAMA IDEAL

ENTENDIENDO LAS IMAacuteGENES

elementos a considerar

Como regla general se considera que una imagen tiene un buen contraste si su histograma se extiende ocupando casi todo el rango

de tonos

adaptado de El histograma de una Imagen Digital Universidad Politeacutecnica de Valencia

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

HISTOGRAMA IDEAL

ENTENDIENDO LAS IMAacuteGENES

elementos a considerar

Por ejemplo en una imagen nocturna el histograma estaacute fuertemente desplazado al lado izquierdo (zona de tonos oscuros) y

evidencia que no hay apenas ninguna zona de la imagen muy brillante

adaptado de El histograma de una Imagen Digital Universidad Politeacutecnica de Valencia

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

HISTOGRAMA IDEAL

ENTENDIENDO LAS IMAacuteGENES

elementos a considerar

En este caso el histograma es marcadamente maacutes alto en la zona de grises claros y blancos y apareceraacute corrido a la derecha hacia el

lado de los valores altos de iluminacioacuten

adaptado de El histograma de una Imagen Digital Universidad Politeacutecnica de Valencia

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

HISTOGRAMA IDEAL

ENTENDIENDO LAS IMAacuteGENES

elementos a considerar

Se entiende por contraste la diferencia de brillo entre las zonas maacutes claras y maacutes oscuras en una imagen En este paisaje con niebla es

un ejemplo de bajo contraste Se traduce en un histograma estrecho Ademaacutes como la toacutenica dominante son los grises medios

se observa que estaacute bastante centrado

adaptado de El histograma de una Imagen Digital Universidad Politeacutecnica de Valencia

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

conjunto de datos

Frente a escenas con una iluminacioacuten maacutes normal y con una gran cantidad de elementos detectados los histogramas deberiacutean ser como en el primer caso que

hemos visto

Si no sucede

Histograma desplazado a la izquierda puede denotar falta de exposicioacuten

Histograma desplazado a la derecha puede ser un exceso de exposicioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

46 Interpretacioacuten de Imaacutegenes

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento digital Optimizacioacuten de las imaacutegenes Realces y mejoras visuales Contraste en una imagen Composiciones color El color verdadero el falso color el pseudo color

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

OPTIMIZACIOacuteN DE LAS IMAacuteGENES

ENTENDIENDO LAS IMAacuteGENES

mejorar visualmente las imaacutegenes

MANIPULAR DE FORMA FLEXIBLE Y SOFISTICADA EL ND DE LOS PIXELES

LUEGO DE CORRECCIONES LAS IMAacuteGENES HAY QUE OPTIMIZARLAS DESDE EL PUNTO DE VISTA VISUAL

diferentes tipos

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

REALCES Y MEJORAS VISUALES

ENTENDIENDO LAS IMAacuteGENES

httpamericalatina-nacblogspotcomuy2009_10_01_archivehtml

optimizacioacuten de las imaacutegenes

proceso destinado a facilitar la interpretacioacuten visual

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

ecualizacioacuten del histograma

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

gaussiano

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

lineal 2

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

lineal

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

raiacutez cuadrada

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

lineal 0 - 255

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PORQUEacute EL REALCE

ENTENDIENDO LAS IMAacuteGENES

LOS SENSORES SON CALIBRADOS PARA ABARCAR TODO EL RANGO POSIBLE DE RADIANCIAS

PARA CADA USO EN CONCRETO ES NECESIDAD IMPERIOSA

EXPANDIR EL HISTOGRAMA Y ASIacute CUBRIR EL RANGO COMPLETO DE NIVELES DE GRIS

histograma UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CONTRASTE EN UNA IMAGEN

ENTENDIENDO LAS IMAacuteGENES

expansioacuten del contraste

los datos uacutetiles solo ocupan pequentildea parte de los niveles de gris disponibles

expandir o estirar el histograma es cambiar los valores originales de ND para utilizar mayor rango

asiacute incrementar el contraste visual de diferentes objetos

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

ejemplos visuales

sin realce lineal

frecuencial gamma

MEacuteTODOS DE EXPANSIOacuteN DEL CONTRASTE

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

lineal

expansioacuten lineal

lo maacutes simple transformacioacuten en liacutenea llevando el valor miacutenimo a 0 y maacuteximo a 255 o se usa un rango por encima y por debajo de miacutenimo y maacuteximo

EXPANSIOacuteN I

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

lineal

EXPANSIOacuteN I expansioacuten

logariacutetmico exponencial

gamma

curvas de transferencia en lugar de rectas gamma es la curvatura de dicha curva se expanden maacutes el contraste de los extremos o del centro

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

frecuencial

EXPANSIOacuteN II

frecuencial ecualizacioacuten del

histograma

cuando los valores de ND no estaacuten distribuidos uniformemente intentar en la medida de lo posible que los valores de salida de los ND tengan el mismo de pixeles con dicho valor

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CONTRASTE EN UNA IMAGEN

ENTENDIENDO LAS IMAacuteGENES

compresioacuten del contraste

Ya sabemos que el contraste mide el rango dinaacutemico de los colores en la imagen es decir una imagen muy contrastada tiene un amplio abanico de colores (o tonos de gris) desde valores muy bajos a valores muy altos Para una imagen con poco contraste los colores estaacuten muy juntos el margen dinaacutemico es pequentildeo La variacioacuten en el contraste aparece como una compresioacuten del histograma en caso de una reduccioacuten a la inversa de lo visto en el caso de una expansioacuten

Compresioacuten si el rango excede de las capacidades del sistema

Se ha de comparar el nuacutemero de niveles digitales (ND) de la imagen con los niveles de visualizacioacuten (NV) o grises del sistema Es de menos aplicacioacuten Al igual que el brillo variando el contraste se puede provocar una peacuterdida de informacioacuten de la imagen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

MAYOR APLICABILIDAD DEL REALCE

ENTENDIENDO LAS IMAacuteGENES

realce oacuteptimo

realce frecuencial

realce lineal

laquo r e a l c e oacute p t i m o raquo optimiza interpretacioacuten de la imagen

mejor esteacutetica de la imagen NO COINCIDE CON NINGUacuteN CORTE PREDETERMINADO

Y SE LOGRA INTERACTIVAMENTE EN PANTALLA Y PARA CADA BANDA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

image1png

image1png

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

COMPOSICIONES COLOR

ENTENDIENDO LAS IMAacuteGENES

formatos de composiciones

CON LA CRECIENTE APARICIOacuteN DE LOS SENSORES HIPERESPECTRALES LAS POSIBILIDADES DE COMPOSICIONES

COLOREADAS DE BANDAS SON CASI ILIMITADAS

LA ELECCIOacuteN DE LAS BANDAS PARA REALIZAR LA COMPOSICIOacuteN Y EL ORDEN DE LAS BANDAS ASIGANADAS A LOS COLORES

PRIMARIOS DEPENDERAacute DE

Sensor Aplicacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EL SEUDO - COLOR

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm formatos de

composiciones

Ya hemos afirmado de que el ojo humano es maacutes capaz de distinguir tonos de color que intensidades de brillo

Por ello el empleo del color ayuda a la interpretacioacuten incluso cuando podamos tener una sola imagen de una banda

Es aquiacute que hablamos del SEUDO COLOR por no contar con tres bandas

El seudo color implica la creacioacuten de una CLUT que asocie el ND de una sola banda a distintos componentes del R V y A APLICACIONES 1 Para tener una leyenda de colores para una img clasificada 2 Para realzar el anaacutelisis de una determinada banda y sustituir los tonos de gris por una paleta de colores

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CLUT COLOUR LOOK-UP TABLE TABLA DE CONSULTA DE COLOR

ENTENDIENDO LAS IMAacuteGENES

httpsenwikipediaorgwikiColour_look-up_table

creacioacuten del seudo color

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Filtros espaciales Concepto de kernel Filtros paso bajo y paso alto Filtros direccionales Anomaliacuteas y correccioacuten atmosfeacuterica Correcciones radiomeacutetricas Anomaliacuteas radiomeacutetricas Fallos en el sensorCorreccioacuten atmosfeacuterica concepto Meacutetodo valores miacutenimos Regresioacuten entre bandas Dispersioacuten por aerosolesCalibracioacuten Caso misioacuten Landsat

47 Interpretacioacuten de Imaacutegenes

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

conceptos de que es un filtro

espacial

FUNCIONES PARA MEJORAR ASPECTO DE LAS IMAacuteGENES

REALZAN O DISMINUYEN ELEMENTOS VISUALES DE LA IMG

BASADOS EN LA FRECUENCIA ESPACIAL

FRECUENCIAS ESPACIALES ALTAS Variaciones que se producen en pocos piacutexeles TENDENCIA GENERAL FRECUENCIAS ESPACIALES BAJAS

Variaciones que se producen en muchos piacutexeles CONTRASTES LOCALES

FILTROS Figura - CCRS CCT

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

conceptos de kernel

FILTRADO ESPACIAL Figura - CCRS CCT FILTRADO EN EL DOMINIO

ESPACIAL Lo mas comuacuten es la aplicacioacuten de una ventana deslizante con valores que son coeficientes fijos de una matriz La MATRIZ se suele llamar KERNEL o nuacutecleo del filtro

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DIGITAL

ENTENDIENDO LAS IMAacuteGENES

aplicacioacuten del kernel

3 x 3 5 x 5 7 x 7

1 1 1

1 2 1

1 1 1 matrices

LOS VALORES DEL KERNEL SE MULTIPLICAN POR EL PIacuteXEL QUE TIENEN DEBAJO Y LUEGO SE SUMAN TODOS LOS PRODUCTOS

Y PARA OBTENER EL VALOR DEL PIacuteXEL CENTRAL EN LA IMAGEN TRANSFORMADA SE LO DIVIDE POR LA SUMA DE LOS PONDERADOS O PESOS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO - PASO BAJO PASO ALTO

ENTENDIENDO LAS IMAacuteGENES

aplicacioacuten del kernel

26

FILTROS DE PASO BAJO SE FAVORECEN A LOS PIXELES

PERIFEacuteRICOS SE MINIMIZAN LAS DIFERENCIAS CON LOS VECINOS ES UNA ESPECIE DE SUAVIZADO

FILTRO DE PASO ALTO PONDERACIOacuteN DEL VALOR CENTRAL EN DETRIMENTO DE LOS CIRCUNDANTES

SE EXAGERAN DIFERENCIAS Y SE RESALTAN VARIACIONES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DE PASO BAJO

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm

simulacioacuten

IMAGEN ORIGINAL

FILTRO PASO BAJO 3x3 SE TRATA DE ASEMEJAR LOS VALORES DE ND DE UN PIXEL A LOS VALORES VECINOS EN TEacuteRMINOS VISUALES LA IMAGEN FILTRADA OFRECE PERFILES MENOS NIacuteTIDOS

FILTRO PASO BAJO 7x7 SIRVE PARA REDUCIR VARIABILIDAD ESPACIAL DE ALGUNA CATEGORIacuteA ANTES DE UN PROCESO DE CLASIFICACIOacuteN

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DE PASO ALTO

ENTENDIENDO LAS IMAacuteGENES

IMAGEN ORIGINAL

FILTRO PASO ALTO 3x3 SE TRATA DE AISLAR LOS COMPONENTES DE ALTA FRECUENCIA Y REMARCAR DIGITALMENTE CONTRASTES EN TEacuteRMINOS VISUALES LA IMAGEN FILTRADA REFUERZA LOS CONTORNOS EN AacuteREAS HOMOGEacuteNEAS

FILTRO PASO ALTO 7x7 SIRVE PARA LOGRAR REALCES DE RASGOS LINEALES COMO PUEDEN SER EN AacuteREAS URBANAS O RASGOS GEOLOacuteGICOS

simulacioacuten

httpgeograuahesrtm

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

Figura - Landsat USGS

IMAGEN ORIGINAL

FILTRO DIRECCIONAL PERMITEN IDENTIFICAR LOS RASGOS FRONTERIZOS EN LAS IMAacuteGENES COMO LOS FILTROS ANTERIORES PERO AHORA CONSIDERANDO LA ORIENTACIOacuteN

se tiene en cuenta la

orientacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

matrices con direccioacuten

NORTE

1 1 1

1 -2 1

-1 -1 -1

SUR

-1 -1 -1

1 -2 1

1 1 1

ESTE

-1 1 1

-1 -2 1

-1 1 1

OESTE

1 1 -1

1 -2 -1

1 1 -1

SURESTE

-1 -1 1

-1 -2 1

1 1 1

NOROESTE

1 1 1

1 -2 -1

1 -1 -1

SUROESTE

1 -1 -1

1 -2 -1

1 1 1

NORESTE

1 1 1

-1 -2 1

-1 -1 1

OBSERVACIOacuteN

LOS NOMBRES OBEDECEN A LA DIRECCIOacuteN DEL CONTRASTE QUE SENtildeALAN

LA DIRECCIOacuteN QUE REALZAN ES JUSTAMENTE LA PERPENDICULAR

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

48 Interpretacioacuten de Imaacutegenes

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Correcciones geomeacutetricas Georreferenciacioacuten Uso de puntos de control Fuentes de error Procesamiento geomeacutetrico Correccioacuten Transformacioacuten geomeacutetrica Calidad y ajuste Generacioacuten de la nueva imagen Transferencia de ND

INSTITUTO DE AGRIMENSURA - DEPARTAMENTO DE GEOMAacuteTICA PROF ADJUNTO GRADO 3 EDISON J ROSAS BERTON

El tratamiento de una imagen de sateacutelite Georreferenciacioacuten

(paso de un sistema de filas y columnas a un sistema de coordenadas estandard)

Para ello debe obtenerse una muestra de puntos de control de los que conozcamos tanto sus coordenadas reales como sus coordenadas en

la imagen deben ser por tanto objetos de un tamantildeo adecuado para resultar identificables tanto en la imagen como sobre el terreno el tamantildeo

dependeraacute loacutegicamente de la resolucioacuten de la imagen A partir de estos puntos de control se obtendraacuten por regresioacuten unas ecuaciones que permitiraacuten a cada par filacolumna un par de coordenadas

XY

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

GEORREFERENCIACIOacuteN

ENTENDIENDO LAS IMAacuteGENES

georreferenciacioacuten porqueacute

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PUNTOS DE CONTROL

ENTENDIENDO LAS IMAacuteGENES

uso de puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

DISTORSIONES POR LA PLATAFORMA ALTITUD DE LA OacuteRBITA ndash Cambio de escala

VELOCIDAD ndash Cambios de escala ORIENTACIOacuteN DE LOS TRES EJES ndash Distorsiones en la geometriacutea

NO SISTEMAacuteTICOS Y COMPLEJOS DE MODELAR

DISTORSIONES POR ROTACIOacuteN TERRESTRE

CONSIDERANDO ALTITUD (800 Km) y TAMANtildeO DE LA IMAGEN (180 Km)ndashEn latitudes medias tarda en adquirir unos 30 segundos la Tierra se desplaza unos 8 Km

ORIENTACIOacuteN NE SW

DISTORSIONES POR EL SENSOR ANOMALIacuteAS SENSOR y MOVIMIENTO ESPEJO ndash Barrido no lineal o cambio en intervalos

AacuteNGULO DE BARRIDO ndash Variacioacuten en el tamantildeo de pixel

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ERROR EN UNA IMAGEN ESPACIAL

ENTENDIENDO LAS IMAacuteGENES

fuentes de error

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Una correccioacuten geomeacutetrica incluye CUALQUIER CAMBIO EN LA POSICIOacuteN DE LOS PIXELES que

conforman la imagen f (c`) = f1 (c l) f (x y) f (l`) = f2 (c l) f (x y)

COORDENADAS DE IMAGEN CORREGIDA SON FUNCIOacuteN DE COORDENADAS COLUMNA Y LIacuteNEA DE LA

IMAGEN DE ENTRADA O DE LAS COORDENADAS DE MAPA AL QUE SUPERPONDREMOS LA IMAGEN

1 CON OBJETIVO DE REALIZAR UNA TRANSFORMACIOacuteN GEOMEacuteTRICA QUE PERMITA AJUSTARLA A OTRA IMAGEN REFERENCIA NORMALMENTE PARA REALIZAR ESTUDIOS MULTITEMPORALES O MOSAICOS CON EL FIN DE AMPLIAR LOS DATOS E INFORMACIOacuteN DE UNA ZONA

2 ESTO PERMITIRAacute QUE LA NUEVA IMAGEN LA PUEDA INTEGRAR CON INFORMACIOacuteN DE OTRAS FUENTES POR EJEMPLO EN UN AMBIENTE SIG

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

correccioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

asumimos que

NO SE CONOCE EL ORIGEN DE LOS ERRORES

modelamos

ECUACIONES EMPIacuteRICAS

aplicadas a un conjunto de puntos

COORDENADAS CONOCIDAS IMAGEN INPUT e IMAGEN OUTPUT

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

1 ndash SELECCIOacuteN DE REFERENCIAS 2 ndash ECUACIONES DE AJUSTE

3 ndash GENERACIOacuteN DE LA IMAGEN CORREGIDA

ES OBVIO CALIDAD DEL AJUSTE DEPENDERAacute DE PRECISIOacuteN CON QUE SE

LOCALICEN LOS PUNTOS DE CONTROL INEXACTA LOCALIZACIOacuteN

DISTRIBUCIOacuteN MUY SECTORIZADA NUacuteMERO DE PUNTOS DE CONTROL INADECUADO

ESTABLECER LOS PUNTOS DE CONTROL FASE MAS CRUCIAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

procesamiento de la correccioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Resaltamos la importancia de

NUacuteMERO LOCALIZACIOacuteN DISTRIBUCIOacuteN

Que debemos atender Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

que considero UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash Croquis ilustrativos de apoyo

TERRENO O ZONAS PLANAS CON IMG OBTENIDAS POR UN SENSOR DE ESTRECHA VISIOacuteN DE CAMPO

TRANSFORMACIOacuteN

BASADO EN ECUACIONES LINEALES SIMPLES

TERRENO ESCARPADO O RUGOSO O UTILIZACIOacuteN DE IMG OBTENIDAS EN UN SENSOR CON VARIACIONES EN LAS CONDICIONES DE OBSERVACIOacuteN

TRANSFORMACIOacuteN MAacuteS COMPLEJA

POLINOMIOS DE SEGUNDO O TERCER ORDEN

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Desde un punto de vista matemaacutetico

GRADO 1 ndash 3 puntos GRADO 2 ndash 6 puntos GRADO 3 ndash 10 puntos

Seguacuten mis objetivos del trabajo no es conveniente utilizar esos miacutenimos

14 a 20 puntos (Landsat 5 MMS ndash seguacuten Bernstein R y D G Ferneyhough Jr 1978)

100 a 120 puntos (Landsat 7 TM ndash seguacuten el National Remote Sensing Center de Inglaterra)

10 o 12 puntos (Pequentildea zona de 512 x 512 pixeles ndash seguacuten Emilio Chuvieco 2010)

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

matemaacuteticamente UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

QUE DEBEMOS DE CONSIDERAR EN CUANTO A LA LOCALIZACIOacuteN

CLARAMENTE IDENTIFICABLES EN IMAGEN Y MAPA RASGOS HUMANOS DEL PAISAJE NO SUJETOS A DINAMISMO TEMPORAL

CRUCE DE CARRETERAS

CAMINOS VIacuteA FEacuteRREAS

NO CONSIDERAR ELEMENTOS ASOCIADOS AL AGUA

COSTA CURSOS DE AGUA

EMBALSES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

localizacioacuten TCP UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la correccioacuten digital de la geometriacutea de una imagen se realiza a partir de establecer unas funciones que relacionen las coordenadas de la imagen

y las coordenadas del mapa

EJ CASO MAS SIMPLE REGRESIOacuteN LINEAL MUacuteLTIPLE

ci = a0 + a1 Xi + a2 Yi li = b0 + b1 Xi + b2 Yi

EN LA PRAacuteCTICA BASTA UNA FUNCIOacuteN LINEAL PARA ABORDAR UN GRAN NUacuteMERO DE

TRANSFORMACIONES Y SON SUFICIENTES SI LAS IMAacuteGENES NO SON MUY GRANDES ANTE LA NECESIDAD DE OTRAS TRANSFORMACIONES SE UTILIZAN DE 2ordm y 3ordm ORDEN CONSIDERANDO ALTERACIONES GEOMEacuteTRICAS NO LINEALES (FUNCIONES QUE NO SE DEFINEN EN UN PLANO

CON EJES LINEALES SINO QUE SUPERFICIES CON EJES CURVILIacuteNEOS)

LOS COEFICIENTES DE LAS FUNCIONES DE TRANSFORMACIOacuteN SE CALCULAN A PARTIR DE UN AJUSTE POR MIacuteNIMOS CUADRADOS

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

funciones de transformacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash ejemplos de funciones de transformacioacuten geomeacutetrica con el efecto causado

TRASLACIOacuteN

CAMBIO DE ESCALA

INCLINACIOacuteN

PERSPECTIVA

ROTACIOacuteN

x = a0 + xacute y = b0 + yacute

x = xacute + a2 yacute y = yacute

x = a1 xacute y = b1 yacute

x = a3xacute yacute y = yacute

x = a4xacute + a5yacute y = b4xacute + b5yacute a4 = b5 = cos Ɵ a5 = -b4 = sen Ɵ

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

transformacioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

comparacioacuten coordenadas reales y las estimadas por la regresioacuten

el promedio de los residuales se conoce como error medio cuadraacutetico

la calidad del ajuste lo da el RMSE (root mean squared error)

(error medio cuadraacutetico)

RMSE es la raiacutez cuadrada de las desviaciones entre los valores reales y los

calculados

RMSE para cada punto es la raiacutez de los residuales al cuadrado que es la distancia entre ellos

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

RMSE UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la praacutectica hace que fijemos una TOLERANCIA y es que si ese promedio supera un valor fijado previamente haya que rever

el valor fijado previamente generalmente es igual o menor a un PIXEL

una correcta verificacioacuten

NECESITA introducir PUNTOS de VERIFICACIOacuteN

que no hayan sido introducidos en el ajuste

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

tolerancias fijadas

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

traducimos coordenadas de un mapa a la imagen tambieacuten necesitamos a la nueva imagen

TRANSFERIR LOS VALORES DIGITALES no olvidar que lo que queremos es generar una nueva imagen que se

corresponda con las coordenadas y las funciones de ajuste

NO ORIGINAN NUEVA IMAGEN solo colocan a los pixeles en la posicioacuten correcta

en criollo las funciones de transformacioacuten generan una nueva matriz bien posicionada pero vaciacutea

DEBEMOS LLENAR LA MATRIZ problema maacutes complejo de lo que puede

pensarse Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

generacioacuten de la nueva imaacutegen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

cada pixel de la imagen corregida se corresponderiacutea con un pixel de la imagen original

LEJOS DE ESE IDEAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo I

vecino maacutes proacuteximo ( nearest neighbour )

a cada celda de la imagen corregida se asigna el ND del pixel maacutes cercano de la

imagen original

SOLUCIOacuteN RAacutePIDA MENOR DISTORSIOacuteN DE LOS ND

INTRODUCE RASGOS LINEALES QUE DISTORSIONAN

CORRECCIOacuteN DE IMAacuteGENES CLASIFICADAS

CONSERVAR LA RADIOMETRIacuteA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo II

interpolacioacuten bilineal ( bilinear interpolation )

supone promediar los ND de los cuatro pixeles mas cercanos

con ponderacioacuten seguacuten la distancia pixeles originalcorregido

REDUCE EL EFECTO DE DISTORSIOacuteN EN RASGOS LINEALES

TIENDE A DIFUMINAR LOS CONTRASTES ESPACIALES

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE IMAacuteGENES RECTIFICADAS MAPAS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo III

convolusioacuten cuacutebica ( cubic convolution )

supone considerar los ND de los 16 pixeles mas proacuteximos

media ponderada seguacuten la distancia pixeles originalcorregido

EFECTO VISUAL MAS CORRECTO

VOLUacuteMEN DE CAacuteLCULO MUY SUPERIOR TENDENCIA A AGUDIZAR BORDES DE LA IMAGEN

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE ORTOIMAacuteGENES IMPRESIONES DE CALIDAD

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

  • Nuacutemero de diapositiva 1
  • Nuacutemero de diapositiva 2
  • MOacuteDULO IV
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 5
  • Nuacutemero de diapositiva 6
  • Nuacutemero de diapositiva 7
  • Nuacutemero de diapositiva 8
  • Nuacutemero de diapositiva 9
  • Nuacutemero de diapositiva 10
  • Nuacutemero de diapositiva 11
  • Nuacutemero de diapositiva 12
  • Nuacutemero de diapositiva 13
  • Nuacutemero de diapositiva 14
  • Nuacutemero de diapositiva 15
  • Nuacutemero de diapositiva 16
  • Nuacutemero de diapositiva 17
  • Nuacutemero de diapositiva 18
  • Nuacutemero de diapositiva 19
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 21
  • Nuacutemero de diapositiva 22
  • Nuacutemero de diapositiva 23
  • Nuacutemero de diapositiva 24
  • Nuacutemero de diapositiva 25
  • Nuacutemero de diapositiva 26
  • Nuacutemero de diapositiva 27
  • Nuacutemero de diapositiva 28
  • Nuacutemero de diapositiva 29
  • Nuacutemero de diapositiva 30
  • Nuacutemero de diapositiva 31
  • Nuacutemero de diapositiva 32
  • Nuacutemero de diapositiva 33
  • Nuacutemero de diapositiva 34
  • Nuacutemero de diapositiva 35
  • Nuacutemero de diapositiva 36
  • Nuacutemero de diapositiva 37
  • Nuacutemero de diapositiva 38
  • Nuacutemero de diapositiva 39
  • Nuacutemero de diapositiva 40
  • 47 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 42
  • Nuacutemero de diapositiva 43
  • Nuacutemero de diapositiva 44
  • Nuacutemero de diapositiva 45
  • Nuacutemero de diapositiva 46
  • Nuacutemero de diapositiva 47
  • Nuacutemero de diapositiva 48
  • Nuacutemero de diapositiva 49
  • Nuacutemero de diapositiva 50
  • Nuacutemero de diapositiva 51
  • Nuacutemero de diapositiva 52
  • Nuacutemero de diapositiva 53
  • Nuacutemero de diapositiva 54
  • 48 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 56
  • Nuacutemero de diapositiva 57
  • Nuacutemero de diapositiva 58
  • Nuacutemero de diapositiva 59
  • Nuacutemero de diapositiva 60
  • Nuacutemero de diapositiva 61
  • Nuacutemero de diapositiva 62
  • Nuacutemero de diapositiva 63
  • Nuacutemero de diapositiva 64
  • Nuacutemero de diapositiva 65
  • Nuacutemero de diapositiva 66
  • Nuacutemero de diapositiva 67
  • Nuacutemero de diapositiva 68
  • Nuacutemero de diapositiva 69
  • Nuacutemero de diapositiva 70
  • Nuacutemero de diapositiva 71
  • Nuacutemero de diapositiva 72
  • Nuacutemero de diapositiva 73
  • Nuacutemero de diapositiva 74

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FUENTES DE DISTORSIOacuteN

correcciones

EXPLOTANDO LAS IMAacuteGENES

LA PLATAFORMA QUE PORTA AL SATELITE OSCILA

SU MOVIMIENTO ORBITAL ES CASI UNIFORME SIN ACELERACIONES EN DIRECCIONES

LOS SATELITES SUFREN PEQUENtildeAS VARIACIONES

ALTURA ORBITAL

VELOCIDAD ORIENTACIOacuteN (aleteo cabeceo ladeo)

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FUENTES DE DISTORSIOacuteN

correcciones

EXPLOTANDO LAS IMAacuteGENES

OSCILACIOacuteN DE LA PLATAFORMA

ROTACIOacuteN TERRESTRE

TIEMPO DE BARRIDO

DISTORSIOacuteN PANORAacuteMICA

CURVATURA DE LA TIERRA

DISTORSIONES RADIOMEacuteTRICAS PEacuteRDIDA DE LIacuteNEAS O CELDAS BANDEADO EFECTO ATMOSFEacuteRICO

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIONES

operadores

EXPLOTANDO LAS IMAacuteGENES

OPERADOR la funcioacuten matemaacutetica que se aplica sobre la imagen

w = f (xyz) T wrsquo = f lsquo (xlsquoyrsquozrsquo) lo desglosamos en componentes

en x e y seraacuten las transformaciones geomeacutetricas y en z la transformaciones radiomeacutetricas

TIPOS DE OPERADORES puntuales cada elemento de la img final es funcioacuten de un solo elemento de la img inicial

locales luminancia de un elemento de la img final es funcioacuten de las luminancias de un entorno de cada elemento de la img inicial globales toda la img final es funcioacuten de toda la img inicial TRANSFORMACIONES Radiomeacutetricas modifican la amplitud de la sentildeal manteniendo invariable las coordenadas de cada celda

Geomeacutetricas modifican la geometriacutea de la imagen dejando constante los valores de su radiometriacutea

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ANAacuteLISIS DIGITAL DE LAS IMAacuteGENES

httpgeograuahesrtm

los valores de asignacioacuten a los

pixeles

Los sensores utilizados en teledeteccioacuten estaacuten calibrados para recibir valores muy altos de radiacioacuten sin llegar a saturarse por lo que lo normal es que todos los valores recibidos esteacuten muy

por debajo de los maacuteximos posibles

La consecuencia es que los valores de ND obtenidos son muy bajos y las imaacutegenes se van a ver oscuras muy poco

contrastadas Una forma de solventar este problema es ajustar el contraste mediante diversas teacutecnicas

EXPLOTANDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

LA MATRIZ DE DATOS

valores de celdas perdidas

A veces se requiere de poder restaurar valores dado que la matriz de datos contiene celdas perdidas y aparecen ND con valores nulos

en el dominio espacial

Una forma de corregir asignar un valor a la celda o liacutenea perdida tomar para cada pixel el ND del vecino

de la liacutenea anterior de la liacutenea siguiente

promedio en el dominio de la frecuencia

Otra manera seguacuten el valor de la celda en otra banda correlacionada

se calculan los histogramas parciales de las celdas en estudio para cada detector se obtiene la media y desviacioacuten estaacutendar de los ND correspondientes a cada detector

Se aplica NDacuteij = ak ND ij + bk

EXPLOTANDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

RESTAURACIOacuteN DE CELDAS PERDIDAS

estudio de histogramas

httpcoelloujaenesAsignaturasteledeteccion

EXPLOTANDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ESTADIacuteSTICAS E HISTOGRAMA DE UNA IMAGEN

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm que es un

histograma

IMAGEN DIGITAL SIMPLE DE 8 x 8 PIXELES EN NIVELES DE GRIS CON UNA PROFUNDIDAD DE 2 BITS

CUATRO VALORES POSIBLES DE BRILLO PASADOS A TONOS DE GRIS NEGRO GRIS OSCURO GRIS CLARO Y BLANCO

ND BRILLO

0 Negro

1 Gris oscuro

2 Gris claro

3 Blanco

veremos entonces que es un HISTOGRAMA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

HISTOGRAMA

ENTENDIENDO LAS IMAacuteGENES

conceptualidades

REPRESENTACIOacuteN GRAacuteFICA DE LOS NIVELES DE GRISES EN FUNCIOacuteN DE LA REPETICIOacuteN DE VECES EN QUE APARECE CADA UNO DE LOS NIVELES DE GRIS

deducciones

11

15

38

0

adaptado de El histograma de una Imagen Digital Universidad

Politeacutecnica de Valencia

La mayor parte de los piacutexeles son blancos por lo que probablemente la imagen tenga un fondo blanco uniforme

Hay un nuacutemero significativo de pixeles negros y pixeles blancos lo que hace que la imagen presente un aspecto bien contrastado

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

HISTOGRAMA IDEAL

ENTENDIENDO LAS IMAacuteGENES

elementos a considerar

Como regla general se considera que una imagen tiene un buen contraste si su histograma se extiende ocupando casi todo el rango

de tonos

adaptado de El histograma de una Imagen Digital Universidad Politeacutecnica de Valencia

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

HISTOGRAMA IDEAL

ENTENDIENDO LAS IMAacuteGENES

elementos a considerar

Por ejemplo en una imagen nocturna el histograma estaacute fuertemente desplazado al lado izquierdo (zona de tonos oscuros) y

evidencia que no hay apenas ninguna zona de la imagen muy brillante

adaptado de El histograma de una Imagen Digital Universidad Politeacutecnica de Valencia

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

HISTOGRAMA IDEAL

ENTENDIENDO LAS IMAacuteGENES

elementos a considerar

En este caso el histograma es marcadamente maacutes alto en la zona de grises claros y blancos y apareceraacute corrido a la derecha hacia el

lado de los valores altos de iluminacioacuten

adaptado de El histograma de una Imagen Digital Universidad Politeacutecnica de Valencia

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

HISTOGRAMA IDEAL

ENTENDIENDO LAS IMAacuteGENES

elementos a considerar

Se entiende por contraste la diferencia de brillo entre las zonas maacutes claras y maacutes oscuras en una imagen En este paisaje con niebla es

un ejemplo de bajo contraste Se traduce en un histograma estrecho Ademaacutes como la toacutenica dominante son los grises medios

se observa que estaacute bastante centrado

adaptado de El histograma de una Imagen Digital Universidad Politeacutecnica de Valencia

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

conjunto de datos

Frente a escenas con una iluminacioacuten maacutes normal y con una gran cantidad de elementos detectados los histogramas deberiacutean ser como en el primer caso que

hemos visto

Si no sucede

Histograma desplazado a la izquierda puede denotar falta de exposicioacuten

Histograma desplazado a la derecha puede ser un exceso de exposicioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

46 Interpretacioacuten de Imaacutegenes

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento digital Optimizacioacuten de las imaacutegenes Realces y mejoras visuales Contraste en una imagen Composiciones color El color verdadero el falso color el pseudo color

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

OPTIMIZACIOacuteN DE LAS IMAacuteGENES

ENTENDIENDO LAS IMAacuteGENES

mejorar visualmente las imaacutegenes

MANIPULAR DE FORMA FLEXIBLE Y SOFISTICADA EL ND DE LOS PIXELES

LUEGO DE CORRECCIONES LAS IMAacuteGENES HAY QUE OPTIMIZARLAS DESDE EL PUNTO DE VISTA VISUAL

diferentes tipos

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

REALCES Y MEJORAS VISUALES

ENTENDIENDO LAS IMAacuteGENES

httpamericalatina-nacblogspotcomuy2009_10_01_archivehtml

optimizacioacuten de las imaacutegenes

proceso destinado a facilitar la interpretacioacuten visual

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

ecualizacioacuten del histograma

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

gaussiano

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

lineal 2

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

lineal

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

raiacutez cuadrada

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

lineal 0 - 255

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PORQUEacute EL REALCE

ENTENDIENDO LAS IMAacuteGENES

LOS SENSORES SON CALIBRADOS PARA ABARCAR TODO EL RANGO POSIBLE DE RADIANCIAS

PARA CADA USO EN CONCRETO ES NECESIDAD IMPERIOSA

EXPANDIR EL HISTOGRAMA Y ASIacute CUBRIR EL RANGO COMPLETO DE NIVELES DE GRIS

histograma UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CONTRASTE EN UNA IMAGEN

ENTENDIENDO LAS IMAacuteGENES

expansioacuten del contraste

los datos uacutetiles solo ocupan pequentildea parte de los niveles de gris disponibles

expandir o estirar el histograma es cambiar los valores originales de ND para utilizar mayor rango

asiacute incrementar el contraste visual de diferentes objetos

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

ejemplos visuales

sin realce lineal

frecuencial gamma

MEacuteTODOS DE EXPANSIOacuteN DEL CONTRASTE

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

lineal

expansioacuten lineal

lo maacutes simple transformacioacuten en liacutenea llevando el valor miacutenimo a 0 y maacuteximo a 255 o se usa un rango por encima y por debajo de miacutenimo y maacuteximo

EXPANSIOacuteN I

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

lineal

EXPANSIOacuteN I expansioacuten

logariacutetmico exponencial

gamma

curvas de transferencia en lugar de rectas gamma es la curvatura de dicha curva se expanden maacutes el contraste de los extremos o del centro

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

frecuencial

EXPANSIOacuteN II

frecuencial ecualizacioacuten del

histograma

cuando los valores de ND no estaacuten distribuidos uniformemente intentar en la medida de lo posible que los valores de salida de los ND tengan el mismo de pixeles con dicho valor

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CONTRASTE EN UNA IMAGEN

ENTENDIENDO LAS IMAacuteGENES

compresioacuten del contraste

Ya sabemos que el contraste mide el rango dinaacutemico de los colores en la imagen es decir una imagen muy contrastada tiene un amplio abanico de colores (o tonos de gris) desde valores muy bajos a valores muy altos Para una imagen con poco contraste los colores estaacuten muy juntos el margen dinaacutemico es pequentildeo La variacioacuten en el contraste aparece como una compresioacuten del histograma en caso de una reduccioacuten a la inversa de lo visto en el caso de una expansioacuten

Compresioacuten si el rango excede de las capacidades del sistema

Se ha de comparar el nuacutemero de niveles digitales (ND) de la imagen con los niveles de visualizacioacuten (NV) o grises del sistema Es de menos aplicacioacuten Al igual que el brillo variando el contraste se puede provocar una peacuterdida de informacioacuten de la imagen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

MAYOR APLICABILIDAD DEL REALCE

ENTENDIENDO LAS IMAacuteGENES

realce oacuteptimo

realce frecuencial

realce lineal

laquo r e a l c e oacute p t i m o raquo optimiza interpretacioacuten de la imagen

mejor esteacutetica de la imagen NO COINCIDE CON NINGUacuteN CORTE PREDETERMINADO

Y SE LOGRA INTERACTIVAMENTE EN PANTALLA Y PARA CADA BANDA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

image1png

image1png

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

COMPOSICIONES COLOR

ENTENDIENDO LAS IMAacuteGENES

formatos de composiciones

CON LA CRECIENTE APARICIOacuteN DE LOS SENSORES HIPERESPECTRALES LAS POSIBILIDADES DE COMPOSICIONES

COLOREADAS DE BANDAS SON CASI ILIMITADAS

LA ELECCIOacuteN DE LAS BANDAS PARA REALIZAR LA COMPOSICIOacuteN Y EL ORDEN DE LAS BANDAS ASIGANADAS A LOS COLORES

PRIMARIOS DEPENDERAacute DE

Sensor Aplicacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EL SEUDO - COLOR

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm formatos de

composiciones

Ya hemos afirmado de que el ojo humano es maacutes capaz de distinguir tonos de color que intensidades de brillo

Por ello el empleo del color ayuda a la interpretacioacuten incluso cuando podamos tener una sola imagen de una banda

Es aquiacute que hablamos del SEUDO COLOR por no contar con tres bandas

El seudo color implica la creacioacuten de una CLUT que asocie el ND de una sola banda a distintos componentes del R V y A APLICACIONES 1 Para tener una leyenda de colores para una img clasificada 2 Para realzar el anaacutelisis de una determinada banda y sustituir los tonos de gris por una paleta de colores

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CLUT COLOUR LOOK-UP TABLE TABLA DE CONSULTA DE COLOR

ENTENDIENDO LAS IMAacuteGENES

httpsenwikipediaorgwikiColour_look-up_table

creacioacuten del seudo color

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Filtros espaciales Concepto de kernel Filtros paso bajo y paso alto Filtros direccionales Anomaliacuteas y correccioacuten atmosfeacuterica Correcciones radiomeacutetricas Anomaliacuteas radiomeacutetricas Fallos en el sensorCorreccioacuten atmosfeacuterica concepto Meacutetodo valores miacutenimos Regresioacuten entre bandas Dispersioacuten por aerosolesCalibracioacuten Caso misioacuten Landsat

47 Interpretacioacuten de Imaacutegenes

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

conceptos de que es un filtro

espacial

FUNCIONES PARA MEJORAR ASPECTO DE LAS IMAacuteGENES

REALZAN O DISMINUYEN ELEMENTOS VISUALES DE LA IMG

BASADOS EN LA FRECUENCIA ESPACIAL

FRECUENCIAS ESPACIALES ALTAS Variaciones que se producen en pocos piacutexeles TENDENCIA GENERAL FRECUENCIAS ESPACIALES BAJAS

Variaciones que se producen en muchos piacutexeles CONTRASTES LOCALES

FILTROS Figura - CCRS CCT

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

conceptos de kernel

FILTRADO ESPACIAL Figura - CCRS CCT FILTRADO EN EL DOMINIO

ESPACIAL Lo mas comuacuten es la aplicacioacuten de una ventana deslizante con valores que son coeficientes fijos de una matriz La MATRIZ se suele llamar KERNEL o nuacutecleo del filtro

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DIGITAL

ENTENDIENDO LAS IMAacuteGENES

aplicacioacuten del kernel

3 x 3 5 x 5 7 x 7

1 1 1

1 2 1

1 1 1 matrices

LOS VALORES DEL KERNEL SE MULTIPLICAN POR EL PIacuteXEL QUE TIENEN DEBAJO Y LUEGO SE SUMAN TODOS LOS PRODUCTOS

Y PARA OBTENER EL VALOR DEL PIacuteXEL CENTRAL EN LA IMAGEN TRANSFORMADA SE LO DIVIDE POR LA SUMA DE LOS PONDERADOS O PESOS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO - PASO BAJO PASO ALTO

ENTENDIENDO LAS IMAacuteGENES

aplicacioacuten del kernel

26

FILTROS DE PASO BAJO SE FAVORECEN A LOS PIXELES

PERIFEacuteRICOS SE MINIMIZAN LAS DIFERENCIAS CON LOS VECINOS ES UNA ESPECIE DE SUAVIZADO

FILTRO DE PASO ALTO PONDERACIOacuteN DEL VALOR CENTRAL EN DETRIMENTO DE LOS CIRCUNDANTES

SE EXAGERAN DIFERENCIAS Y SE RESALTAN VARIACIONES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DE PASO BAJO

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm

simulacioacuten

IMAGEN ORIGINAL

FILTRO PASO BAJO 3x3 SE TRATA DE ASEMEJAR LOS VALORES DE ND DE UN PIXEL A LOS VALORES VECINOS EN TEacuteRMINOS VISUALES LA IMAGEN FILTRADA OFRECE PERFILES MENOS NIacuteTIDOS

FILTRO PASO BAJO 7x7 SIRVE PARA REDUCIR VARIABILIDAD ESPACIAL DE ALGUNA CATEGORIacuteA ANTES DE UN PROCESO DE CLASIFICACIOacuteN

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DE PASO ALTO

ENTENDIENDO LAS IMAacuteGENES

IMAGEN ORIGINAL

FILTRO PASO ALTO 3x3 SE TRATA DE AISLAR LOS COMPONENTES DE ALTA FRECUENCIA Y REMARCAR DIGITALMENTE CONTRASTES EN TEacuteRMINOS VISUALES LA IMAGEN FILTRADA REFUERZA LOS CONTORNOS EN AacuteREAS HOMOGEacuteNEAS

FILTRO PASO ALTO 7x7 SIRVE PARA LOGRAR REALCES DE RASGOS LINEALES COMO PUEDEN SER EN AacuteREAS URBANAS O RASGOS GEOLOacuteGICOS

simulacioacuten

httpgeograuahesrtm

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

Figura - Landsat USGS

IMAGEN ORIGINAL

FILTRO DIRECCIONAL PERMITEN IDENTIFICAR LOS RASGOS FRONTERIZOS EN LAS IMAacuteGENES COMO LOS FILTROS ANTERIORES PERO AHORA CONSIDERANDO LA ORIENTACIOacuteN

se tiene en cuenta la

orientacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

matrices con direccioacuten

NORTE

1 1 1

1 -2 1

-1 -1 -1

SUR

-1 -1 -1

1 -2 1

1 1 1

ESTE

-1 1 1

-1 -2 1

-1 1 1

OESTE

1 1 -1

1 -2 -1

1 1 -1

SURESTE

-1 -1 1

-1 -2 1

1 1 1

NOROESTE

1 1 1

1 -2 -1

1 -1 -1

SUROESTE

1 -1 -1

1 -2 -1

1 1 1

NORESTE

1 1 1

-1 -2 1

-1 -1 1

OBSERVACIOacuteN

LOS NOMBRES OBEDECEN A LA DIRECCIOacuteN DEL CONTRASTE QUE SENtildeALAN

LA DIRECCIOacuteN QUE REALZAN ES JUSTAMENTE LA PERPENDICULAR

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

48 Interpretacioacuten de Imaacutegenes

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Correcciones geomeacutetricas Georreferenciacioacuten Uso de puntos de control Fuentes de error Procesamiento geomeacutetrico Correccioacuten Transformacioacuten geomeacutetrica Calidad y ajuste Generacioacuten de la nueva imagen Transferencia de ND

INSTITUTO DE AGRIMENSURA - DEPARTAMENTO DE GEOMAacuteTICA PROF ADJUNTO GRADO 3 EDISON J ROSAS BERTON

El tratamiento de una imagen de sateacutelite Georreferenciacioacuten

(paso de un sistema de filas y columnas a un sistema de coordenadas estandard)

Para ello debe obtenerse una muestra de puntos de control de los que conozcamos tanto sus coordenadas reales como sus coordenadas en

la imagen deben ser por tanto objetos de un tamantildeo adecuado para resultar identificables tanto en la imagen como sobre el terreno el tamantildeo

dependeraacute loacutegicamente de la resolucioacuten de la imagen A partir de estos puntos de control se obtendraacuten por regresioacuten unas ecuaciones que permitiraacuten a cada par filacolumna un par de coordenadas

XY

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

GEORREFERENCIACIOacuteN

ENTENDIENDO LAS IMAacuteGENES

georreferenciacioacuten porqueacute

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PUNTOS DE CONTROL

ENTENDIENDO LAS IMAacuteGENES

uso de puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

DISTORSIONES POR LA PLATAFORMA ALTITUD DE LA OacuteRBITA ndash Cambio de escala

VELOCIDAD ndash Cambios de escala ORIENTACIOacuteN DE LOS TRES EJES ndash Distorsiones en la geometriacutea

NO SISTEMAacuteTICOS Y COMPLEJOS DE MODELAR

DISTORSIONES POR ROTACIOacuteN TERRESTRE

CONSIDERANDO ALTITUD (800 Km) y TAMANtildeO DE LA IMAGEN (180 Km)ndashEn latitudes medias tarda en adquirir unos 30 segundos la Tierra se desplaza unos 8 Km

ORIENTACIOacuteN NE SW

DISTORSIONES POR EL SENSOR ANOMALIacuteAS SENSOR y MOVIMIENTO ESPEJO ndash Barrido no lineal o cambio en intervalos

AacuteNGULO DE BARRIDO ndash Variacioacuten en el tamantildeo de pixel

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ERROR EN UNA IMAGEN ESPACIAL

ENTENDIENDO LAS IMAacuteGENES

fuentes de error

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Una correccioacuten geomeacutetrica incluye CUALQUIER CAMBIO EN LA POSICIOacuteN DE LOS PIXELES que

conforman la imagen f (c`) = f1 (c l) f (x y) f (l`) = f2 (c l) f (x y)

COORDENADAS DE IMAGEN CORREGIDA SON FUNCIOacuteN DE COORDENADAS COLUMNA Y LIacuteNEA DE LA

IMAGEN DE ENTRADA O DE LAS COORDENADAS DE MAPA AL QUE SUPERPONDREMOS LA IMAGEN

1 CON OBJETIVO DE REALIZAR UNA TRANSFORMACIOacuteN GEOMEacuteTRICA QUE PERMITA AJUSTARLA A OTRA IMAGEN REFERENCIA NORMALMENTE PARA REALIZAR ESTUDIOS MULTITEMPORALES O MOSAICOS CON EL FIN DE AMPLIAR LOS DATOS E INFORMACIOacuteN DE UNA ZONA

2 ESTO PERMITIRAacute QUE LA NUEVA IMAGEN LA PUEDA INTEGRAR CON INFORMACIOacuteN DE OTRAS FUENTES POR EJEMPLO EN UN AMBIENTE SIG

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

correccioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

asumimos que

NO SE CONOCE EL ORIGEN DE LOS ERRORES

modelamos

ECUACIONES EMPIacuteRICAS

aplicadas a un conjunto de puntos

COORDENADAS CONOCIDAS IMAGEN INPUT e IMAGEN OUTPUT

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

1 ndash SELECCIOacuteN DE REFERENCIAS 2 ndash ECUACIONES DE AJUSTE

3 ndash GENERACIOacuteN DE LA IMAGEN CORREGIDA

ES OBVIO CALIDAD DEL AJUSTE DEPENDERAacute DE PRECISIOacuteN CON QUE SE

LOCALICEN LOS PUNTOS DE CONTROL INEXACTA LOCALIZACIOacuteN

DISTRIBUCIOacuteN MUY SECTORIZADA NUacuteMERO DE PUNTOS DE CONTROL INADECUADO

ESTABLECER LOS PUNTOS DE CONTROL FASE MAS CRUCIAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

procesamiento de la correccioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Resaltamos la importancia de

NUacuteMERO LOCALIZACIOacuteN DISTRIBUCIOacuteN

Que debemos atender Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

que considero UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash Croquis ilustrativos de apoyo

TERRENO O ZONAS PLANAS CON IMG OBTENIDAS POR UN SENSOR DE ESTRECHA VISIOacuteN DE CAMPO

TRANSFORMACIOacuteN

BASADO EN ECUACIONES LINEALES SIMPLES

TERRENO ESCARPADO O RUGOSO O UTILIZACIOacuteN DE IMG OBTENIDAS EN UN SENSOR CON VARIACIONES EN LAS CONDICIONES DE OBSERVACIOacuteN

TRANSFORMACIOacuteN MAacuteS COMPLEJA

POLINOMIOS DE SEGUNDO O TERCER ORDEN

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Desde un punto de vista matemaacutetico

GRADO 1 ndash 3 puntos GRADO 2 ndash 6 puntos GRADO 3 ndash 10 puntos

Seguacuten mis objetivos del trabajo no es conveniente utilizar esos miacutenimos

14 a 20 puntos (Landsat 5 MMS ndash seguacuten Bernstein R y D G Ferneyhough Jr 1978)

100 a 120 puntos (Landsat 7 TM ndash seguacuten el National Remote Sensing Center de Inglaterra)

10 o 12 puntos (Pequentildea zona de 512 x 512 pixeles ndash seguacuten Emilio Chuvieco 2010)

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

matemaacuteticamente UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

QUE DEBEMOS DE CONSIDERAR EN CUANTO A LA LOCALIZACIOacuteN

CLARAMENTE IDENTIFICABLES EN IMAGEN Y MAPA RASGOS HUMANOS DEL PAISAJE NO SUJETOS A DINAMISMO TEMPORAL

CRUCE DE CARRETERAS

CAMINOS VIacuteA FEacuteRREAS

NO CONSIDERAR ELEMENTOS ASOCIADOS AL AGUA

COSTA CURSOS DE AGUA

EMBALSES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

localizacioacuten TCP UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la correccioacuten digital de la geometriacutea de una imagen se realiza a partir de establecer unas funciones que relacionen las coordenadas de la imagen

y las coordenadas del mapa

EJ CASO MAS SIMPLE REGRESIOacuteN LINEAL MUacuteLTIPLE

ci = a0 + a1 Xi + a2 Yi li = b0 + b1 Xi + b2 Yi

EN LA PRAacuteCTICA BASTA UNA FUNCIOacuteN LINEAL PARA ABORDAR UN GRAN NUacuteMERO DE

TRANSFORMACIONES Y SON SUFICIENTES SI LAS IMAacuteGENES NO SON MUY GRANDES ANTE LA NECESIDAD DE OTRAS TRANSFORMACIONES SE UTILIZAN DE 2ordm y 3ordm ORDEN CONSIDERANDO ALTERACIONES GEOMEacuteTRICAS NO LINEALES (FUNCIONES QUE NO SE DEFINEN EN UN PLANO

CON EJES LINEALES SINO QUE SUPERFICIES CON EJES CURVILIacuteNEOS)

LOS COEFICIENTES DE LAS FUNCIONES DE TRANSFORMACIOacuteN SE CALCULAN A PARTIR DE UN AJUSTE POR MIacuteNIMOS CUADRADOS

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

funciones de transformacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash ejemplos de funciones de transformacioacuten geomeacutetrica con el efecto causado

TRASLACIOacuteN

CAMBIO DE ESCALA

INCLINACIOacuteN

PERSPECTIVA

ROTACIOacuteN

x = a0 + xacute y = b0 + yacute

x = xacute + a2 yacute y = yacute

x = a1 xacute y = b1 yacute

x = a3xacute yacute y = yacute

x = a4xacute + a5yacute y = b4xacute + b5yacute a4 = b5 = cos Ɵ a5 = -b4 = sen Ɵ

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

transformacioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

comparacioacuten coordenadas reales y las estimadas por la regresioacuten

el promedio de los residuales se conoce como error medio cuadraacutetico

la calidad del ajuste lo da el RMSE (root mean squared error)

(error medio cuadraacutetico)

RMSE es la raiacutez cuadrada de las desviaciones entre los valores reales y los

calculados

RMSE para cada punto es la raiacutez de los residuales al cuadrado que es la distancia entre ellos

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

RMSE UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la praacutectica hace que fijemos una TOLERANCIA y es que si ese promedio supera un valor fijado previamente haya que rever

el valor fijado previamente generalmente es igual o menor a un PIXEL

una correcta verificacioacuten

NECESITA introducir PUNTOS de VERIFICACIOacuteN

que no hayan sido introducidos en el ajuste

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

tolerancias fijadas

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

traducimos coordenadas de un mapa a la imagen tambieacuten necesitamos a la nueva imagen

TRANSFERIR LOS VALORES DIGITALES no olvidar que lo que queremos es generar una nueva imagen que se

corresponda con las coordenadas y las funciones de ajuste

NO ORIGINAN NUEVA IMAGEN solo colocan a los pixeles en la posicioacuten correcta

en criollo las funciones de transformacioacuten generan una nueva matriz bien posicionada pero vaciacutea

DEBEMOS LLENAR LA MATRIZ problema maacutes complejo de lo que puede

pensarse Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

generacioacuten de la nueva imaacutegen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

cada pixel de la imagen corregida se corresponderiacutea con un pixel de la imagen original

LEJOS DE ESE IDEAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo I

vecino maacutes proacuteximo ( nearest neighbour )

a cada celda de la imagen corregida se asigna el ND del pixel maacutes cercano de la

imagen original

SOLUCIOacuteN RAacutePIDA MENOR DISTORSIOacuteN DE LOS ND

INTRODUCE RASGOS LINEALES QUE DISTORSIONAN

CORRECCIOacuteN DE IMAacuteGENES CLASIFICADAS

CONSERVAR LA RADIOMETRIacuteA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo II

interpolacioacuten bilineal ( bilinear interpolation )

supone promediar los ND de los cuatro pixeles mas cercanos

con ponderacioacuten seguacuten la distancia pixeles originalcorregido

REDUCE EL EFECTO DE DISTORSIOacuteN EN RASGOS LINEALES

TIENDE A DIFUMINAR LOS CONTRASTES ESPACIALES

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE IMAacuteGENES RECTIFICADAS MAPAS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo III

convolusioacuten cuacutebica ( cubic convolution )

supone considerar los ND de los 16 pixeles mas proacuteximos

media ponderada seguacuten la distancia pixeles originalcorregido

EFECTO VISUAL MAS CORRECTO

VOLUacuteMEN DE CAacuteLCULO MUY SUPERIOR TENDENCIA A AGUDIZAR BORDES DE LA IMAGEN

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE ORTOIMAacuteGENES IMPRESIONES DE CALIDAD

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

  • Nuacutemero de diapositiva 1
  • Nuacutemero de diapositiva 2
  • MOacuteDULO IV
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 5
  • Nuacutemero de diapositiva 6
  • Nuacutemero de diapositiva 7
  • Nuacutemero de diapositiva 8
  • Nuacutemero de diapositiva 9
  • Nuacutemero de diapositiva 10
  • Nuacutemero de diapositiva 11
  • Nuacutemero de diapositiva 12
  • Nuacutemero de diapositiva 13
  • Nuacutemero de diapositiva 14
  • Nuacutemero de diapositiva 15
  • Nuacutemero de diapositiva 16
  • Nuacutemero de diapositiva 17
  • Nuacutemero de diapositiva 18
  • Nuacutemero de diapositiva 19
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 21
  • Nuacutemero de diapositiva 22
  • Nuacutemero de diapositiva 23
  • Nuacutemero de diapositiva 24
  • Nuacutemero de diapositiva 25
  • Nuacutemero de diapositiva 26
  • Nuacutemero de diapositiva 27
  • Nuacutemero de diapositiva 28
  • Nuacutemero de diapositiva 29
  • Nuacutemero de diapositiva 30
  • Nuacutemero de diapositiva 31
  • Nuacutemero de diapositiva 32
  • Nuacutemero de diapositiva 33
  • Nuacutemero de diapositiva 34
  • Nuacutemero de diapositiva 35
  • Nuacutemero de diapositiva 36
  • Nuacutemero de diapositiva 37
  • Nuacutemero de diapositiva 38
  • Nuacutemero de diapositiva 39
  • Nuacutemero de diapositiva 40
  • 47 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 42
  • Nuacutemero de diapositiva 43
  • Nuacutemero de diapositiva 44
  • Nuacutemero de diapositiva 45
  • Nuacutemero de diapositiva 46
  • Nuacutemero de diapositiva 47
  • Nuacutemero de diapositiva 48
  • Nuacutemero de diapositiva 49
  • Nuacutemero de diapositiva 50
  • Nuacutemero de diapositiva 51
  • Nuacutemero de diapositiva 52
  • Nuacutemero de diapositiva 53
  • Nuacutemero de diapositiva 54
  • 48 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 56
  • Nuacutemero de diapositiva 57
  • Nuacutemero de diapositiva 58
  • Nuacutemero de diapositiva 59
  • Nuacutemero de diapositiva 60
  • Nuacutemero de diapositiva 61
  • Nuacutemero de diapositiva 62
  • Nuacutemero de diapositiva 63
  • Nuacutemero de diapositiva 64
  • Nuacutemero de diapositiva 65
  • Nuacutemero de diapositiva 66
  • Nuacutemero de diapositiva 67
  • Nuacutemero de diapositiva 68
  • Nuacutemero de diapositiva 69
  • Nuacutemero de diapositiva 70
  • Nuacutemero de diapositiva 71
  • Nuacutemero de diapositiva 72
  • Nuacutemero de diapositiva 73
  • Nuacutemero de diapositiva 74

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FUENTES DE DISTORSIOacuteN

correcciones

EXPLOTANDO LAS IMAacuteGENES

OSCILACIOacuteN DE LA PLATAFORMA

ROTACIOacuteN TERRESTRE

TIEMPO DE BARRIDO

DISTORSIOacuteN PANORAacuteMICA

CURVATURA DE LA TIERRA

DISTORSIONES RADIOMEacuteTRICAS PEacuteRDIDA DE LIacuteNEAS O CELDAS BANDEADO EFECTO ATMOSFEacuteRICO

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIONES

operadores

EXPLOTANDO LAS IMAacuteGENES

OPERADOR la funcioacuten matemaacutetica que se aplica sobre la imagen

w = f (xyz) T wrsquo = f lsquo (xlsquoyrsquozrsquo) lo desglosamos en componentes

en x e y seraacuten las transformaciones geomeacutetricas y en z la transformaciones radiomeacutetricas

TIPOS DE OPERADORES puntuales cada elemento de la img final es funcioacuten de un solo elemento de la img inicial

locales luminancia de un elemento de la img final es funcioacuten de las luminancias de un entorno de cada elemento de la img inicial globales toda la img final es funcioacuten de toda la img inicial TRANSFORMACIONES Radiomeacutetricas modifican la amplitud de la sentildeal manteniendo invariable las coordenadas de cada celda

Geomeacutetricas modifican la geometriacutea de la imagen dejando constante los valores de su radiometriacutea

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ANAacuteLISIS DIGITAL DE LAS IMAacuteGENES

httpgeograuahesrtm

los valores de asignacioacuten a los

pixeles

Los sensores utilizados en teledeteccioacuten estaacuten calibrados para recibir valores muy altos de radiacioacuten sin llegar a saturarse por lo que lo normal es que todos los valores recibidos esteacuten muy

por debajo de los maacuteximos posibles

La consecuencia es que los valores de ND obtenidos son muy bajos y las imaacutegenes se van a ver oscuras muy poco

contrastadas Una forma de solventar este problema es ajustar el contraste mediante diversas teacutecnicas

EXPLOTANDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

LA MATRIZ DE DATOS

valores de celdas perdidas

A veces se requiere de poder restaurar valores dado que la matriz de datos contiene celdas perdidas y aparecen ND con valores nulos

en el dominio espacial

Una forma de corregir asignar un valor a la celda o liacutenea perdida tomar para cada pixel el ND del vecino

de la liacutenea anterior de la liacutenea siguiente

promedio en el dominio de la frecuencia

Otra manera seguacuten el valor de la celda en otra banda correlacionada

se calculan los histogramas parciales de las celdas en estudio para cada detector se obtiene la media y desviacioacuten estaacutendar de los ND correspondientes a cada detector

Se aplica NDacuteij = ak ND ij + bk

EXPLOTANDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

RESTAURACIOacuteN DE CELDAS PERDIDAS

estudio de histogramas

httpcoelloujaenesAsignaturasteledeteccion

EXPLOTANDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ESTADIacuteSTICAS E HISTOGRAMA DE UNA IMAGEN

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm que es un

histograma

IMAGEN DIGITAL SIMPLE DE 8 x 8 PIXELES EN NIVELES DE GRIS CON UNA PROFUNDIDAD DE 2 BITS

CUATRO VALORES POSIBLES DE BRILLO PASADOS A TONOS DE GRIS NEGRO GRIS OSCURO GRIS CLARO Y BLANCO

ND BRILLO

0 Negro

1 Gris oscuro

2 Gris claro

3 Blanco

veremos entonces que es un HISTOGRAMA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

HISTOGRAMA

ENTENDIENDO LAS IMAacuteGENES

conceptualidades

REPRESENTACIOacuteN GRAacuteFICA DE LOS NIVELES DE GRISES EN FUNCIOacuteN DE LA REPETICIOacuteN DE VECES EN QUE APARECE CADA UNO DE LOS NIVELES DE GRIS

deducciones

11

15

38

0

adaptado de El histograma de una Imagen Digital Universidad

Politeacutecnica de Valencia

La mayor parte de los piacutexeles son blancos por lo que probablemente la imagen tenga un fondo blanco uniforme

Hay un nuacutemero significativo de pixeles negros y pixeles blancos lo que hace que la imagen presente un aspecto bien contrastado

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

HISTOGRAMA IDEAL

ENTENDIENDO LAS IMAacuteGENES

elementos a considerar

Como regla general se considera que una imagen tiene un buen contraste si su histograma se extiende ocupando casi todo el rango

de tonos

adaptado de El histograma de una Imagen Digital Universidad Politeacutecnica de Valencia

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

HISTOGRAMA IDEAL

ENTENDIENDO LAS IMAacuteGENES

elementos a considerar

Por ejemplo en una imagen nocturna el histograma estaacute fuertemente desplazado al lado izquierdo (zona de tonos oscuros) y

evidencia que no hay apenas ninguna zona de la imagen muy brillante

adaptado de El histograma de una Imagen Digital Universidad Politeacutecnica de Valencia

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

HISTOGRAMA IDEAL

ENTENDIENDO LAS IMAacuteGENES

elementos a considerar

En este caso el histograma es marcadamente maacutes alto en la zona de grises claros y blancos y apareceraacute corrido a la derecha hacia el

lado de los valores altos de iluminacioacuten

adaptado de El histograma de una Imagen Digital Universidad Politeacutecnica de Valencia

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

HISTOGRAMA IDEAL

ENTENDIENDO LAS IMAacuteGENES

elementos a considerar

Se entiende por contraste la diferencia de brillo entre las zonas maacutes claras y maacutes oscuras en una imagen En este paisaje con niebla es

un ejemplo de bajo contraste Se traduce en un histograma estrecho Ademaacutes como la toacutenica dominante son los grises medios

se observa que estaacute bastante centrado

adaptado de El histograma de una Imagen Digital Universidad Politeacutecnica de Valencia

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

conjunto de datos

Frente a escenas con una iluminacioacuten maacutes normal y con una gran cantidad de elementos detectados los histogramas deberiacutean ser como en el primer caso que

hemos visto

Si no sucede

Histograma desplazado a la izquierda puede denotar falta de exposicioacuten

Histograma desplazado a la derecha puede ser un exceso de exposicioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

46 Interpretacioacuten de Imaacutegenes

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento digital Optimizacioacuten de las imaacutegenes Realces y mejoras visuales Contraste en una imagen Composiciones color El color verdadero el falso color el pseudo color

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

OPTIMIZACIOacuteN DE LAS IMAacuteGENES

ENTENDIENDO LAS IMAacuteGENES

mejorar visualmente las imaacutegenes

MANIPULAR DE FORMA FLEXIBLE Y SOFISTICADA EL ND DE LOS PIXELES

LUEGO DE CORRECCIONES LAS IMAacuteGENES HAY QUE OPTIMIZARLAS DESDE EL PUNTO DE VISTA VISUAL

diferentes tipos

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

REALCES Y MEJORAS VISUALES

ENTENDIENDO LAS IMAacuteGENES

httpamericalatina-nacblogspotcomuy2009_10_01_archivehtml

optimizacioacuten de las imaacutegenes

proceso destinado a facilitar la interpretacioacuten visual

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

ecualizacioacuten del histograma

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

gaussiano

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

lineal 2

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

lineal

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

raiacutez cuadrada

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

lineal 0 - 255

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PORQUEacute EL REALCE

ENTENDIENDO LAS IMAacuteGENES

LOS SENSORES SON CALIBRADOS PARA ABARCAR TODO EL RANGO POSIBLE DE RADIANCIAS

PARA CADA USO EN CONCRETO ES NECESIDAD IMPERIOSA

EXPANDIR EL HISTOGRAMA Y ASIacute CUBRIR EL RANGO COMPLETO DE NIVELES DE GRIS

histograma UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CONTRASTE EN UNA IMAGEN

ENTENDIENDO LAS IMAacuteGENES

expansioacuten del contraste

los datos uacutetiles solo ocupan pequentildea parte de los niveles de gris disponibles

expandir o estirar el histograma es cambiar los valores originales de ND para utilizar mayor rango

asiacute incrementar el contraste visual de diferentes objetos

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

ejemplos visuales

sin realce lineal

frecuencial gamma

MEacuteTODOS DE EXPANSIOacuteN DEL CONTRASTE

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

lineal

expansioacuten lineal

lo maacutes simple transformacioacuten en liacutenea llevando el valor miacutenimo a 0 y maacuteximo a 255 o se usa un rango por encima y por debajo de miacutenimo y maacuteximo

EXPANSIOacuteN I

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

lineal

EXPANSIOacuteN I expansioacuten

logariacutetmico exponencial

gamma

curvas de transferencia en lugar de rectas gamma es la curvatura de dicha curva se expanden maacutes el contraste de los extremos o del centro

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

frecuencial

EXPANSIOacuteN II

frecuencial ecualizacioacuten del

histograma

cuando los valores de ND no estaacuten distribuidos uniformemente intentar en la medida de lo posible que los valores de salida de los ND tengan el mismo de pixeles con dicho valor

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CONTRASTE EN UNA IMAGEN

ENTENDIENDO LAS IMAacuteGENES

compresioacuten del contraste

Ya sabemos que el contraste mide el rango dinaacutemico de los colores en la imagen es decir una imagen muy contrastada tiene un amplio abanico de colores (o tonos de gris) desde valores muy bajos a valores muy altos Para una imagen con poco contraste los colores estaacuten muy juntos el margen dinaacutemico es pequentildeo La variacioacuten en el contraste aparece como una compresioacuten del histograma en caso de una reduccioacuten a la inversa de lo visto en el caso de una expansioacuten

Compresioacuten si el rango excede de las capacidades del sistema

Se ha de comparar el nuacutemero de niveles digitales (ND) de la imagen con los niveles de visualizacioacuten (NV) o grises del sistema Es de menos aplicacioacuten Al igual que el brillo variando el contraste se puede provocar una peacuterdida de informacioacuten de la imagen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

MAYOR APLICABILIDAD DEL REALCE

ENTENDIENDO LAS IMAacuteGENES

realce oacuteptimo

realce frecuencial

realce lineal

laquo r e a l c e oacute p t i m o raquo optimiza interpretacioacuten de la imagen

mejor esteacutetica de la imagen NO COINCIDE CON NINGUacuteN CORTE PREDETERMINADO

Y SE LOGRA INTERACTIVAMENTE EN PANTALLA Y PARA CADA BANDA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

image1png

image1png

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

COMPOSICIONES COLOR

ENTENDIENDO LAS IMAacuteGENES

formatos de composiciones

CON LA CRECIENTE APARICIOacuteN DE LOS SENSORES HIPERESPECTRALES LAS POSIBILIDADES DE COMPOSICIONES

COLOREADAS DE BANDAS SON CASI ILIMITADAS

LA ELECCIOacuteN DE LAS BANDAS PARA REALIZAR LA COMPOSICIOacuteN Y EL ORDEN DE LAS BANDAS ASIGANADAS A LOS COLORES

PRIMARIOS DEPENDERAacute DE

Sensor Aplicacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EL SEUDO - COLOR

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm formatos de

composiciones

Ya hemos afirmado de que el ojo humano es maacutes capaz de distinguir tonos de color que intensidades de brillo

Por ello el empleo del color ayuda a la interpretacioacuten incluso cuando podamos tener una sola imagen de una banda

Es aquiacute que hablamos del SEUDO COLOR por no contar con tres bandas

El seudo color implica la creacioacuten de una CLUT que asocie el ND de una sola banda a distintos componentes del R V y A APLICACIONES 1 Para tener una leyenda de colores para una img clasificada 2 Para realzar el anaacutelisis de una determinada banda y sustituir los tonos de gris por una paleta de colores

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CLUT COLOUR LOOK-UP TABLE TABLA DE CONSULTA DE COLOR

ENTENDIENDO LAS IMAacuteGENES

httpsenwikipediaorgwikiColour_look-up_table

creacioacuten del seudo color

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Filtros espaciales Concepto de kernel Filtros paso bajo y paso alto Filtros direccionales Anomaliacuteas y correccioacuten atmosfeacuterica Correcciones radiomeacutetricas Anomaliacuteas radiomeacutetricas Fallos en el sensorCorreccioacuten atmosfeacuterica concepto Meacutetodo valores miacutenimos Regresioacuten entre bandas Dispersioacuten por aerosolesCalibracioacuten Caso misioacuten Landsat

47 Interpretacioacuten de Imaacutegenes

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

conceptos de que es un filtro

espacial

FUNCIONES PARA MEJORAR ASPECTO DE LAS IMAacuteGENES

REALZAN O DISMINUYEN ELEMENTOS VISUALES DE LA IMG

BASADOS EN LA FRECUENCIA ESPACIAL

FRECUENCIAS ESPACIALES ALTAS Variaciones que se producen en pocos piacutexeles TENDENCIA GENERAL FRECUENCIAS ESPACIALES BAJAS

Variaciones que se producen en muchos piacutexeles CONTRASTES LOCALES

FILTROS Figura - CCRS CCT

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

conceptos de kernel

FILTRADO ESPACIAL Figura - CCRS CCT FILTRADO EN EL DOMINIO

ESPACIAL Lo mas comuacuten es la aplicacioacuten de una ventana deslizante con valores que son coeficientes fijos de una matriz La MATRIZ se suele llamar KERNEL o nuacutecleo del filtro

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DIGITAL

ENTENDIENDO LAS IMAacuteGENES

aplicacioacuten del kernel

3 x 3 5 x 5 7 x 7

1 1 1

1 2 1

1 1 1 matrices

LOS VALORES DEL KERNEL SE MULTIPLICAN POR EL PIacuteXEL QUE TIENEN DEBAJO Y LUEGO SE SUMAN TODOS LOS PRODUCTOS

Y PARA OBTENER EL VALOR DEL PIacuteXEL CENTRAL EN LA IMAGEN TRANSFORMADA SE LO DIVIDE POR LA SUMA DE LOS PONDERADOS O PESOS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO - PASO BAJO PASO ALTO

ENTENDIENDO LAS IMAacuteGENES

aplicacioacuten del kernel

26

FILTROS DE PASO BAJO SE FAVORECEN A LOS PIXELES

PERIFEacuteRICOS SE MINIMIZAN LAS DIFERENCIAS CON LOS VECINOS ES UNA ESPECIE DE SUAVIZADO

FILTRO DE PASO ALTO PONDERACIOacuteN DEL VALOR CENTRAL EN DETRIMENTO DE LOS CIRCUNDANTES

SE EXAGERAN DIFERENCIAS Y SE RESALTAN VARIACIONES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DE PASO BAJO

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm

simulacioacuten

IMAGEN ORIGINAL

FILTRO PASO BAJO 3x3 SE TRATA DE ASEMEJAR LOS VALORES DE ND DE UN PIXEL A LOS VALORES VECINOS EN TEacuteRMINOS VISUALES LA IMAGEN FILTRADA OFRECE PERFILES MENOS NIacuteTIDOS

FILTRO PASO BAJO 7x7 SIRVE PARA REDUCIR VARIABILIDAD ESPACIAL DE ALGUNA CATEGORIacuteA ANTES DE UN PROCESO DE CLASIFICACIOacuteN

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DE PASO ALTO

ENTENDIENDO LAS IMAacuteGENES

IMAGEN ORIGINAL

FILTRO PASO ALTO 3x3 SE TRATA DE AISLAR LOS COMPONENTES DE ALTA FRECUENCIA Y REMARCAR DIGITALMENTE CONTRASTES EN TEacuteRMINOS VISUALES LA IMAGEN FILTRADA REFUERZA LOS CONTORNOS EN AacuteREAS HOMOGEacuteNEAS

FILTRO PASO ALTO 7x7 SIRVE PARA LOGRAR REALCES DE RASGOS LINEALES COMO PUEDEN SER EN AacuteREAS URBANAS O RASGOS GEOLOacuteGICOS

simulacioacuten

httpgeograuahesrtm

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

Figura - Landsat USGS

IMAGEN ORIGINAL

FILTRO DIRECCIONAL PERMITEN IDENTIFICAR LOS RASGOS FRONTERIZOS EN LAS IMAacuteGENES COMO LOS FILTROS ANTERIORES PERO AHORA CONSIDERANDO LA ORIENTACIOacuteN

se tiene en cuenta la

orientacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

matrices con direccioacuten

NORTE

1 1 1

1 -2 1

-1 -1 -1

SUR

-1 -1 -1

1 -2 1

1 1 1

ESTE

-1 1 1

-1 -2 1

-1 1 1

OESTE

1 1 -1

1 -2 -1

1 1 -1

SURESTE

-1 -1 1

-1 -2 1

1 1 1

NOROESTE

1 1 1

1 -2 -1

1 -1 -1

SUROESTE

1 -1 -1

1 -2 -1

1 1 1

NORESTE

1 1 1

-1 -2 1

-1 -1 1

OBSERVACIOacuteN

LOS NOMBRES OBEDECEN A LA DIRECCIOacuteN DEL CONTRASTE QUE SENtildeALAN

LA DIRECCIOacuteN QUE REALZAN ES JUSTAMENTE LA PERPENDICULAR

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

48 Interpretacioacuten de Imaacutegenes

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Correcciones geomeacutetricas Georreferenciacioacuten Uso de puntos de control Fuentes de error Procesamiento geomeacutetrico Correccioacuten Transformacioacuten geomeacutetrica Calidad y ajuste Generacioacuten de la nueva imagen Transferencia de ND

INSTITUTO DE AGRIMENSURA - DEPARTAMENTO DE GEOMAacuteTICA PROF ADJUNTO GRADO 3 EDISON J ROSAS BERTON

El tratamiento de una imagen de sateacutelite Georreferenciacioacuten

(paso de un sistema de filas y columnas a un sistema de coordenadas estandard)

Para ello debe obtenerse una muestra de puntos de control de los que conozcamos tanto sus coordenadas reales como sus coordenadas en

la imagen deben ser por tanto objetos de un tamantildeo adecuado para resultar identificables tanto en la imagen como sobre el terreno el tamantildeo

dependeraacute loacutegicamente de la resolucioacuten de la imagen A partir de estos puntos de control se obtendraacuten por regresioacuten unas ecuaciones que permitiraacuten a cada par filacolumna un par de coordenadas

XY

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

GEORREFERENCIACIOacuteN

ENTENDIENDO LAS IMAacuteGENES

georreferenciacioacuten porqueacute

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PUNTOS DE CONTROL

ENTENDIENDO LAS IMAacuteGENES

uso de puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

DISTORSIONES POR LA PLATAFORMA ALTITUD DE LA OacuteRBITA ndash Cambio de escala

VELOCIDAD ndash Cambios de escala ORIENTACIOacuteN DE LOS TRES EJES ndash Distorsiones en la geometriacutea

NO SISTEMAacuteTICOS Y COMPLEJOS DE MODELAR

DISTORSIONES POR ROTACIOacuteN TERRESTRE

CONSIDERANDO ALTITUD (800 Km) y TAMANtildeO DE LA IMAGEN (180 Km)ndashEn latitudes medias tarda en adquirir unos 30 segundos la Tierra se desplaza unos 8 Km

ORIENTACIOacuteN NE SW

DISTORSIONES POR EL SENSOR ANOMALIacuteAS SENSOR y MOVIMIENTO ESPEJO ndash Barrido no lineal o cambio en intervalos

AacuteNGULO DE BARRIDO ndash Variacioacuten en el tamantildeo de pixel

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ERROR EN UNA IMAGEN ESPACIAL

ENTENDIENDO LAS IMAacuteGENES

fuentes de error

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Una correccioacuten geomeacutetrica incluye CUALQUIER CAMBIO EN LA POSICIOacuteN DE LOS PIXELES que

conforman la imagen f (c`) = f1 (c l) f (x y) f (l`) = f2 (c l) f (x y)

COORDENADAS DE IMAGEN CORREGIDA SON FUNCIOacuteN DE COORDENADAS COLUMNA Y LIacuteNEA DE LA

IMAGEN DE ENTRADA O DE LAS COORDENADAS DE MAPA AL QUE SUPERPONDREMOS LA IMAGEN

1 CON OBJETIVO DE REALIZAR UNA TRANSFORMACIOacuteN GEOMEacuteTRICA QUE PERMITA AJUSTARLA A OTRA IMAGEN REFERENCIA NORMALMENTE PARA REALIZAR ESTUDIOS MULTITEMPORALES O MOSAICOS CON EL FIN DE AMPLIAR LOS DATOS E INFORMACIOacuteN DE UNA ZONA

2 ESTO PERMITIRAacute QUE LA NUEVA IMAGEN LA PUEDA INTEGRAR CON INFORMACIOacuteN DE OTRAS FUENTES POR EJEMPLO EN UN AMBIENTE SIG

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

correccioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

asumimos que

NO SE CONOCE EL ORIGEN DE LOS ERRORES

modelamos

ECUACIONES EMPIacuteRICAS

aplicadas a un conjunto de puntos

COORDENADAS CONOCIDAS IMAGEN INPUT e IMAGEN OUTPUT

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

1 ndash SELECCIOacuteN DE REFERENCIAS 2 ndash ECUACIONES DE AJUSTE

3 ndash GENERACIOacuteN DE LA IMAGEN CORREGIDA

ES OBVIO CALIDAD DEL AJUSTE DEPENDERAacute DE PRECISIOacuteN CON QUE SE

LOCALICEN LOS PUNTOS DE CONTROL INEXACTA LOCALIZACIOacuteN

DISTRIBUCIOacuteN MUY SECTORIZADA NUacuteMERO DE PUNTOS DE CONTROL INADECUADO

ESTABLECER LOS PUNTOS DE CONTROL FASE MAS CRUCIAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

procesamiento de la correccioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Resaltamos la importancia de

NUacuteMERO LOCALIZACIOacuteN DISTRIBUCIOacuteN

Que debemos atender Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

que considero UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash Croquis ilustrativos de apoyo

TERRENO O ZONAS PLANAS CON IMG OBTENIDAS POR UN SENSOR DE ESTRECHA VISIOacuteN DE CAMPO

TRANSFORMACIOacuteN

BASADO EN ECUACIONES LINEALES SIMPLES

TERRENO ESCARPADO O RUGOSO O UTILIZACIOacuteN DE IMG OBTENIDAS EN UN SENSOR CON VARIACIONES EN LAS CONDICIONES DE OBSERVACIOacuteN

TRANSFORMACIOacuteN MAacuteS COMPLEJA

POLINOMIOS DE SEGUNDO O TERCER ORDEN

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Desde un punto de vista matemaacutetico

GRADO 1 ndash 3 puntos GRADO 2 ndash 6 puntos GRADO 3 ndash 10 puntos

Seguacuten mis objetivos del trabajo no es conveniente utilizar esos miacutenimos

14 a 20 puntos (Landsat 5 MMS ndash seguacuten Bernstein R y D G Ferneyhough Jr 1978)

100 a 120 puntos (Landsat 7 TM ndash seguacuten el National Remote Sensing Center de Inglaterra)

10 o 12 puntos (Pequentildea zona de 512 x 512 pixeles ndash seguacuten Emilio Chuvieco 2010)

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

matemaacuteticamente UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

QUE DEBEMOS DE CONSIDERAR EN CUANTO A LA LOCALIZACIOacuteN

CLARAMENTE IDENTIFICABLES EN IMAGEN Y MAPA RASGOS HUMANOS DEL PAISAJE NO SUJETOS A DINAMISMO TEMPORAL

CRUCE DE CARRETERAS

CAMINOS VIacuteA FEacuteRREAS

NO CONSIDERAR ELEMENTOS ASOCIADOS AL AGUA

COSTA CURSOS DE AGUA

EMBALSES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

localizacioacuten TCP UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la correccioacuten digital de la geometriacutea de una imagen se realiza a partir de establecer unas funciones que relacionen las coordenadas de la imagen

y las coordenadas del mapa

EJ CASO MAS SIMPLE REGRESIOacuteN LINEAL MUacuteLTIPLE

ci = a0 + a1 Xi + a2 Yi li = b0 + b1 Xi + b2 Yi

EN LA PRAacuteCTICA BASTA UNA FUNCIOacuteN LINEAL PARA ABORDAR UN GRAN NUacuteMERO DE

TRANSFORMACIONES Y SON SUFICIENTES SI LAS IMAacuteGENES NO SON MUY GRANDES ANTE LA NECESIDAD DE OTRAS TRANSFORMACIONES SE UTILIZAN DE 2ordm y 3ordm ORDEN CONSIDERANDO ALTERACIONES GEOMEacuteTRICAS NO LINEALES (FUNCIONES QUE NO SE DEFINEN EN UN PLANO

CON EJES LINEALES SINO QUE SUPERFICIES CON EJES CURVILIacuteNEOS)

LOS COEFICIENTES DE LAS FUNCIONES DE TRANSFORMACIOacuteN SE CALCULAN A PARTIR DE UN AJUSTE POR MIacuteNIMOS CUADRADOS

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

funciones de transformacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash ejemplos de funciones de transformacioacuten geomeacutetrica con el efecto causado

TRASLACIOacuteN

CAMBIO DE ESCALA

INCLINACIOacuteN

PERSPECTIVA

ROTACIOacuteN

x = a0 + xacute y = b0 + yacute

x = xacute + a2 yacute y = yacute

x = a1 xacute y = b1 yacute

x = a3xacute yacute y = yacute

x = a4xacute + a5yacute y = b4xacute + b5yacute a4 = b5 = cos Ɵ a5 = -b4 = sen Ɵ

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

transformacioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

comparacioacuten coordenadas reales y las estimadas por la regresioacuten

el promedio de los residuales se conoce como error medio cuadraacutetico

la calidad del ajuste lo da el RMSE (root mean squared error)

(error medio cuadraacutetico)

RMSE es la raiacutez cuadrada de las desviaciones entre los valores reales y los

calculados

RMSE para cada punto es la raiacutez de los residuales al cuadrado que es la distancia entre ellos

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

RMSE UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la praacutectica hace que fijemos una TOLERANCIA y es que si ese promedio supera un valor fijado previamente haya que rever

el valor fijado previamente generalmente es igual o menor a un PIXEL

una correcta verificacioacuten

NECESITA introducir PUNTOS de VERIFICACIOacuteN

que no hayan sido introducidos en el ajuste

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

tolerancias fijadas

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

traducimos coordenadas de un mapa a la imagen tambieacuten necesitamos a la nueva imagen

TRANSFERIR LOS VALORES DIGITALES no olvidar que lo que queremos es generar una nueva imagen que se

corresponda con las coordenadas y las funciones de ajuste

NO ORIGINAN NUEVA IMAGEN solo colocan a los pixeles en la posicioacuten correcta

en criollo las funciones de transformacioacuten generan una nueva matriz bien posicionada pero vaciacutea

DEBEMOS LLENAR LA MATRIZ problema maacutes complejo de lo que puede

pensarse Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

generacioacuten de la nueva imaacutegen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

cada pixel de la imagen corregida se corresponderiacutea con un pixel de la imagen original

LEJOS DE ESE IDEAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo I

vecino maacutes proacuteximo ( nearest neighbour )

a cada celda de la imagen corregida se asigna el ND del pixel maacutes cercano de la

imagen original

SOLUCIOacuteN RAacutePIDA MENOR DISTORSIOacuteN DE LOS ND

INTRODUCE RASGOS LINEALES QUE DISTORSIONAN

CORRECCIOacuteN DE IMAacuteGENES CLASIFICADAS

CONSERVAR LA RADIOMETRIacuteA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo II

interpolacioacuten bilineal ( bilinear interpolation )

supone promediar los ND de los cuatro pixeles mas cercanos

con ponderacioacuten seguacuten la distancia pixeles originalcorregido

REDUCE EL EFECTO DE DISTORSIOacuteN EN RASGOS LINEALES

TIENDE A DIFUMINAR LOS CONTRASTES ESPACIALES

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE IMAacuteGENES RECTIFICADAS MAPAS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo III

convolusioacuten cuacutebica ( cubic convolution )

supone considerar los ND de los 16 pixeles mas proacuteximos

media ponderada seguacuten la distancia pixeles originalcorregido

EFECTO VISUAL MAS CORRECTO

VOLUacuteMEN DE CAacuteLCULO MUY SUPERIOR TENDENCIA A AGUDIZAR BORDES DE LA IMAGEN

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE ORTOIMAacuteGENES IMPRESIONES DE CALIDAD

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

  • Nuacutemero de diapositiva 1
  • Nuacutemero de diapositiva 2
  • MOacuteDULO IV
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 5
  • Nuacutemero de diapositiva 6
  • Nuacutemero de diapositiva 7
  • Nuacutemero de diapositiva 8
  • Nuacutemero de diapositiva 9
  • Nuacutemero de diapositiva 10
  • Nuacutemero de diapositiva 11
  • Nuacutemero de diapositiva 12
  • Nuacutemero de diapositiva 13
  • Nuacutemero de diapositiva 14
  • Nuacutemero de diapositiva 15
  • Nuacutemero de diapositiva 16
  • Nuacutemero de diapositiva 17
  • Nuacutemero de diapositiva 18
  • Nuacutemero de diapositiva 19
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 21
  • Nuacutemero de diapositiva 22
  • Nuacutemero de diapositiva 23
  • Nuacutemero de diapositiva 24
  • Nuacutemero de diapositiva 25
  • Nuacutemero de diapositiva 26
  • Nuacutemero de diapositiva 27
  • Nuacutemero de diapositiva 28
  • Nuacutemero de diapositiva 29
  • Nuacutemero de diapositiva 30
  • Nuacutemero de diapositiva 31
  • Nuacutemero de diapositiva 32
  • Nuacutemero de diapositiva 33
  • Nuacutemero de diapositiva 34
  • Nuacutemero de diapositiva 35
  • Nuacutemero de diapositiva 36
  • Nuacutemero de diapositiva 37
  • Nuacutemero de diapositiva 38
  • Nuacutemero de diapositiva 39
  • Nuacutemero de diapositiva 40
  • 47 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 42
  • Nuacutemero de diapositiva 43
  • Nuacutemero de diapositiva 44
  • Nuacutemero de diapositiva 45
  • Nuacutemero de diapositiva 46
  • Nuacutemero de diapositiva 47
  • Nuacutemero de diapositiva 48
  • Nuacutemero de diapositiva 49
  • Nuacutemero de diapositiva 50
  • Nuacutemero de diapositiva 51
  • Nuacutemero de diapositiva 52
  • Nuacutemero de diapositiva 53
  • Nuacutemero de diapositiva 54
  • 48 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 56
  • Nuacutemero de diapositiva 57
  • Nuacutemero de diapositiva 58
  • Nuacutemero de diapositiva 59
  • Nuacutemero de diapositiva 60
  • Nuacutemero de diapositiva 61
  • Nuacutemero de diapositiva 62
  • Nuacutemero de diapositiva 63
  • Nuacutemero de diapositiva 64
  • Nuacutemero de diapositiva 65
  • Nuacutemero de diapositiva 66
  • Nuacutemero de diapositiva 67
  • Nuacutemero de diapositiva 68
  • Nuacutemero de diapositiva 69
  • Nuacutemero de diapositiva 70
  • Nuacutemero de diapositiva 71
  • Nuacutemero de diapositiva 72
  • Nuacutemero de diapositiva 73
  • Nuacutemero de diapositiva 74

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIONES

operadores

EXPLOTANDO LAS IMAacuteGENES

OPERADOR la funcioacuten matemaacutetica que se aplica sobre la imagen

w = f (xyz) T wrsquo = f lsquo (xlsquoyrsquozrsquo) lo desglosamos en componentes

en x e y seraacuten las transformaciones geomeacutetricas y en z la transformaciones radiomeacutetricas

TIPOS DE OPERADORES puntuales cada elemento de la img final es funcioacuten de un solo elemento de la img inicial

locales luminancia de un elemento de la img final es funcioacuten de las luminancias de un entorno de cada elemento de la img inicial globales toda la img final es funcioacuten de toda la img inicial TRANSFORMACIONES Radiomeacutetricas modifican la amplitud de la sentildeal manteniendo invariable las coordenadas de cada celda

Geomeacutetricas modifican la geometriacutea de la imagen dejando constante los valores de su radiometriacutea

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ANAacuteLISIS DIGITAL DE LAS IMAacuteGENES

httpgeograuahesrtm

los valores de asignacioacuten a los

pixeles

Los sensores utilizados en teledeteccioacuten estaacuten calibrados para recibir valores muy altos de radiacioacuten sin llegar a saturarse por lo que lo normal es que todos los valores recibidos esteacuten muy

por debajo de los maacuteximos posibles

La consecuencia es que los valores de ND obtenidos son muy bajos y las imaacutegenes se van a ver oscuras muy poco

contrastadas Una forma de solventar este problema es ajustar el contraste mediante diversas teacutecnicas

EXPLOTANDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

LA MATRIZ DE DATOS

valores de celdas perdidas

A veces se requiere de poder restaurar valores dado que la matriz de datos contiene celdas perdidas y aparecen ND con valores nulos

en el dominio espacial

Una forma de corregir asignar un valor a la celda o liacutenea perdida tomar para cada pixel el ND del vecino

de la liacutenea anterior de la liacutenea siguiente

promedio en el dominio de la frecuencia

Otra manera seguacuten el valor de la celda en otra banda correlacionada

se calculan los histogramas parciales de las celdas en estudio para cada detector se obtiene la media y desviacioacuten estaacutendar de los ND correspondientes a cada detector

Se aplica NDacuteij = ak ND ij + bk

EXPLOTANDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

RESTAURACIOacuteN DE CELDAS PERDIDAS

estudio de histogramas

httpcoelloujaenesAsignaturasteledeteccion

EXPLOTANDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ESTADIacuteSTICAS E HISTOGRAMA DE UNA IMAGEN

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm que es un

histograma

IMAGEN DIGITAL SIMPLE DE 8 x 8 PIXELES EN NIVELES DE GRIS CON UNA PROFUNDIDAD DE 2 BITS

CUATRO VALORES POSIBLES DE BRILLO PASADOS A TONOS DE GRIS NEGRO GRIS OSCURO GRIS CLARO Y BLANCO

ND BRILLO

0 Negro

1 Gris oscuro

2 Gris claro

3 Blanco

veremos entonces que es un HISTOGRAMA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

HISTOGRAMA

ENTENDIENDO LAS IMAacuteGENES

conceptualidades

REPRESENTACIOacuteN GRAacuteFICA DE LOS NIVELES DE GRISES EN FUNCIOacuteN DE LA REPETICIOacuteN DE VECES EN QUE APARECE CADA UNO DE LOS NIVELES DE GRIS

deducciones

11

15

38

0

adaptado de El histograma de una Imagen Digital Universidad

Politeacutecnica de Valencia

La mayor parte de los piacutexeles son blancos por lo que probablemente la imagen tenga un fondo blanco uniforme

Hay un nuacutemero significativo de pixeles negros y pixeles blancos lo que hace que la imagen presente un aspecto bien contrastado

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

HISTOGRAMA IDEAL

ENTENDIENDO LAS IMAacuteGENES

elementos a considerar

Como regla general se considera que una imagen tiene un buen contraste si su histograma se extiende ocupando casi todo el rango

de tonos

adaptado de El histograma de una Imagen Digital Universidad Politeacutecnica de Valencia

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

HISTOGRAMA IDEAL

ENTENDIENDO LAS IMAacuteGENES

elementos a considerar

Por ejemplo en una imagen nocturna el histograma estaacute fuertemente desplazado al lado izquierdo (zona de tonos oscuros) y

evidencia que no hay apenas ninguna zona de la imagen muy brillante

adaptado de El histograma de una Imagen Digital Universidad Politeacutecnica de Valencia

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

HISTOGRAMA IDEAL

ENTENDIENDO LAS IMAacuteGENES

elementos a considerar

En este caso el histograma es marcadamente maacutes alto en la zona de grises claros y blancos y apareceraacute corrido a la derecha hacia el

lado de los valores altos de iluminacioacuten

adaptado de El histograma de una Imagen Digital Universidad Politeacutecnica de Valencia

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

HISTOGRAMA IDEAL

ENTENDIENDO LAS IMAacuteGENES

elementos a considerar

Se entiende por contraste la diferencia de brillo entre las zonas maacutes claras y maacutes oscuras en una imagen En este paisaje con niebla es

un ejemplo de bajo contraste Se traduce en un histograma estrecho Ademaacutes como la toacutenica dominante son los grises medios

se observa que estaacute bastante centrado

adaptado de El histograma de una Imagen Digital Universidad Politeacutecnica de Valencia

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

conjunto de datos

Frente a escenas con una iluminacioacuten maacutes normal y con una gran cantidad de elementos detectados los histogramas deberiacutean ser como en el primer caso que

hemos visto

Si no sucede

Histograma desplazado a la izquierda puede denotar falta de exposicioacuten

Histograma desplazado a la derecha puede ser un exceso de exposicioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

46 Interpretacioacuten de Imaacutegenes

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento digital Optimizacioacuten de las imaacutegenes Realces y mejoras visuales Contraste en una imagen Composiciones color El color verdadero el falso color el pseudo color

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

OPTIMIZACIOacuteN DE LAS IMAacuteGENES

ENTENDIENDO LAS IMAacuteGENES

mejorar visualmente las imaacutegenes

MANIPULAR DE FORMA FLEXIBLE Y SOFISTICADA EL ND DE LOS PIXELES

LUEGO DE CORRECCIONES LAS IMAacuteGENES HAY QUE OPTIMIZARLAS DESDE EL PUNTO DE VISTA VISUAL

diferentes tipos

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

REALCES Y MEJORAS VISUALES

ENTENDIENDO LAS IMAacuteGENES

httpamericalatina-nacblogspotcomuy2009_10_01_archivehtml

optimizacioacuten de las imaacutegenes

proceso destinado a facilitar la interpretacioacuten visual

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

ecualizacioacuten del histograma

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

gaussiano

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

lineal 2

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

lineal

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

raiacutez cuadrada

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

lineal 0 - 255

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PORQUEacute EL REALCE

ENTENDIENDO LAS IMAacuteGENES

LOS SENSORES SON CALIBRADOS PARA ABARCAR TODO EL RANGO POSIBLE DE RADIANCIAS

PARA CADA USO EN CONCRETO ES NECESIDAD IMPERIOSA

EXPANDIR EL HISTOGRAMA Y ASIacute CUBRIR EL RANGO COMPLETO DE NIVELES DE GRIS

histograma UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CONTRASTE EN UNA IMAGEN

ENTENDIENDO LAS IMAacuteGENES

expansioacuten del contraste

los datos uacutetiles solo ocupan pequentildea parte de los niveles de gris disponibles

expandir o estirar el histograma es cambiar los valores originales de ND para utilizar mayor rango

asiacute incrementar el contraste visual de diferentes objetos

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

ejemplos visuales

sin realce lineal

frecuencial gamma

MEacuteTODOS DE EXPANSIOacuteN DEL CONTRASTE

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

lineal

expansioacuten lineal

lo maacutes simple transformacioacuten en liacutenea llevando el valor miacutenimo a 0 y maacuteximo a 255 o se usa un rango por encima y por debajo de miacutenimo y maacuteximo

EXPANSIOacuteN I

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

lineal

EXPANSIOacuteN I expansioacuten

logariacutetmico exponencial

gamma

curvas de transferencia en lugar de rectas gamma es la curvatura de dicha curva se expanden maacutes el contraste de los extremos o del centro

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

frecuencial

EXPANSIOacuteN II

frecuencial ecualizacioacuten del

histograma

cuando los valores de ND no estaacuten distribuidos uniformemente intentar en la medida de lo posible que los valores de salida de los ND tengan el mismo de pixeles con dicho valor

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CONTRASTE EN UNA IMAGEN

ENTENDIENDO LAS IMAacuteGENES

compresioacuten del contraste

Ya sabemos que el contraste mide el rango dinaacutemico de los colores en la imagen es decir una imagen muy contrastada tiene un amplio abanico de colores (o tonos de gris) desde valores muy bajos a valores muy altos Para una imagen con poco contraste los colores estaacuten muy juntos el margen dinaacutemico es pequentildeo La variacioacuten en el contraste aparece como una compresioacuten del histograma en caso de una reduccioacuten a la inversa de lo visto en el caso de una expansioacuten

Compresioacuten si el rango excede de las capacidades del sistema

Se ha de comparar el nuacutemero de niveles digitales (ND) de la imagen con los niveles de visualizacioacuten (NV) o grises del sistema Es de menos aplicacioacuten Al igual que el brillo variando el contraste se puede provocar una peacuterdida de informacioacuten de la imagen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

MAYOR APLICABILIDAD DEL REALCE

ENTENDIENDO LAS IMAacuteGENES

realce oacuteptimo

realce frecuencial

realce lineal

laquo r e a l c e oacute p t i m o raquo optimiza interpretacioacuten de la imagen

mejor esteacutetica de la imagen NO COINCIDE CON NINGUacuteN CORTE PREDETERMINADO

Y SE LOGRA INTERACTIVAMENTE EN PANTALLA Y PARA CADA BANDA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

image1png

image1png

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

COMPOSICIONES COLOR

ENTENDIENDO LAS IMAacuteGENES

formatos de composiciones

CON LA CRECIENTE APARICIOacuteN DE LOS SENSORES HIPERESPECTRALES LAS POSIBILIDADES DE COMPOSICIONES

COLOREADAS DE BANDAS SON CASI ILIMITADAS

LA ELECCIOacuteN DE LAS BANDAS PARA REALIZAR LA COMPOSICIOacuteN Y EL ORDEN DE LAS BANDAS ASIGANADAS A LOS COLORES

PRIMARIOS DEPENDERAacute DE

Sensor Aplicacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EL SEUDO - COLOR

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm formatos de

composiciones

Ya hemos afirmado de que el ojo humano es maacutes capaz de distinguir tonos de color que intensidades de brillo

Por ello el empleo del color ayuda a la interpretacioacuten incluso cuando podamos tener una sola imagen de una banda

Es aquiacute que hablamos del SEUDO COLOR por no contar con tres bandas

El seudo color implica la creacioacuten de una CLUT que asocie el ND de una sola banda a distintos componentes del R V y A APLICACIONES 1 Para tener una leyenda de colores para una img clasificada 2 Para realzar el anaacutelisis de una determinada banda y sustituir los tonos de gris por una paleta de colores

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CLUT COLOUR LOOK-UP TABLE TABLA DE CONSULTA DE COLOR

ENTENDIENDO LAS IMAacuteGENES

httpsenwikipediaorgwikiColour_look-up_table

creacioacuten del seudo color

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Filtros espaciales Concepto de kernel Filtros paso bajo y paso alto Filtros direccionales Anomaliacuteas y correccioacuten atmosfeacuterica Correcciones radiomeacutetricas Anomaliacuteas radiomeacutetricas Fallos en el sensorCorreccioacuten atmosfeacuterica concepto Meacutetodo valores miacutenimos Regresioacuten entre bandas Dispersioacuten por aerosolesCalibracioacuten Caso misioacuten Landsat

47 Interpretacioacuten de Imaacutegenes

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

conceptos de que es un filtro

espacial

FUNCIONES PARA MEJORAR ASPECTO DE LAS IMAacuteGENES

REALZAN O DISMINUYEN ELEMENTOS VISUALES DE LA IMG

BASADOS EN LA FRECUENCIA ESPACIAL

FRECUENCIAS ESPACIALES ALTAS Variaciones que se producen en pocos piacutexeles TENDENCIA GENERAL FRECUENCIAS ESPACIALES BAJAS

Variaciones que se producen en muchos piacutexeles CONTRASTES LOCALES

FILTROS Figura - CCRS CCT

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

conceptos de kernel

FILTRADO ESPACIAL Figura - CCRS CCT FILTRADO EN EL DOMINIO

ESPACIAL Lo mas comuacuten es la aplicacioacuten de una ventana deslizante con valores que son coeficientes fijos de una matriz La MATRIZ se suele llamar KERNEL o nuacutecleo del filtro

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DIGITAL

ENTENDIENDO LAS IMAacuteGENES

aplicacioacuten del kernel

3 x 3 5 x 5 7 x 7

1 1 1

1 2 1

1 1 1 matrices

LOS VALORES DEL KERNEL SE MULTIPLICAN POR EL PIacuteXEL QUE TIENEN DEBAJO Y LUEGO SE SUMAN TODOS LOS PRODUCTOS

Y PARA OBTENER EL VALOR DEL PIacuteXEL CENTRAL EN LA IMAGEN TRANSFORMADA SE LO DIVIDE POR LA SUMA DE LOS PONDERADOS O PESOS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO - PASO BAJO PASO ALTO

ENTENDIENDO LAS IMAacuteGENES

aplicacioacuten del kernel

26

FILTROS DE PASO BAJO SE FAVORECEN A LOS PIXELES

PERIFEacuteRICOS SE MINIMIZAN LAS DIFERENCIAS CON LOS VECINOS ES UNA ESPECIE DE SUAVIZADO

FILTRO DE PASO ALTO PONDERACIOacuteN DEL VALOR CENTRAL EN DETRIMENTO DE LOS CIRCUNDANTES

SE EXAGERAN DIFERENCIAS Y SE RESALTAN VARIACIONES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DE PASO BAJO

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm

simulacioacuten

IMAGEN ORIGINAL

FILTRO PASO BAJO 3x3 SE TRATA DE ASEMEJAR LOS VALORES DE ND DE UN PIXEL A LOS VALORES VECINOS EN TEacuteRMINOS VISUALES LA IMAGEN FILTRADA OFRECE PERFILES MENOS NIacuteTIDOS

FILTRO PASO BAJO 7x7 SIRVE PARA REDUCIR VARIABILIDAD ESPACIAL DE ALGUNA CATEGORIacuteA ANTES DE UN PROCESO DE CLASIFICACIOacuteN

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DE PASO ALTO

ENTENDIENDO LAS IMAacuteGENES

IMAGEN ORIGINAL

FILTRO PASO ALTO 3x3 SE TRATA DE AISLAR LOS COMPONENTES DE ALTA FRECUENCIA Y REMARCAR DIGITALMENTE CONTRASTES EN TEacuteRMINOS VISUALES LA IMAGEN FILTRADA REFUERZA LOS CONTORNOS EN AacuteREAS HOMOGEacuteNEAS

FILTRO PASO ALTO 7x7 SIRVE PARA LOGRAR REALCES DE RASGOS LINEALES COMO PUEDEN SER EN AacuteREAS URBANAS O RASGOS GEOLOacuteGICOS

simulacioacuten

httpgeograuahesrtm

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

Figura - Landsat USGS

IMAGEN ORIGINAL

FILTRO DIRECCIONAL PERMITEN IDENTIFICAR LOS RASGOS FRONTERIZOS EN LAS IMAacuteGENES COMO LOS FILTROS ANTERIORES PERO AHORA CONSIDERANDO LA ORIENTACIOacuteN

se tiene en cuenta la

orientacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

matrices con direccioacuten

NORTE

1 1 1

1 -2 1

-1 -1 -1

SUR

-1 -1 -1

1 -2 1

1 1 1

ESTE

-1 1 1

-1 -2 1

-1 1 1

OESTE

1 1 -1

1 -2 -1

1 1 -1

SURESTE

-1 -1 1

-1 -2 1

1 1 1

NOROESTE

1 1 1

1 -2 -1

1 -1 -1

SUROESTE

1 -1 -1

1 -2 -1

1 1 1

NORESTE

1 1 1

-1 -2 1

-1 -1 1

OBSERVACIOacuteN

LOS NOMBRES OBEDECEN A LA DIRECCIOacuteN DEL CONTRASTE QUE SENtildeALAN

LA DIRECCIOacuteN QUE REALZAN ES JUSTAMENTE LA PERPENDICULAR

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

48 Interpretacioacuten de Imaacutegenes

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Correcciones geomeacutetricas Georreferenciacioacuten Uso de puntos de control Fuentes de error Procesamiento geomeacutetrico Correccioacuten Transformacioacuten geomeacutetrica Calidad y ajuste Generacioacuten de la nueva imagen Transferencia de ND

INSTITUTO DE AGRIMENSURA - DEPARTAMENTO DE GEOMAacuteTICA PROF ADJUNTO GRADO 3 EDISON J ROSAS BERTON

El tratamiento de una imagen de sateacutelite Georreferenciacioacuten

(paso de un sistema de filas y columnas a un sistema de coordenadas estandard)

Para ello debe obtenerse una muestra de puntos de control de los que conozcamos tanto sus coordenadas reales como sus coordenadas en

la imagen deben ser por tanto objetos de un tamantildeo adecuado para resultar identificables tanto en la imagen como sobre el terreno el tamantildeo

dependeraacute loacutegicamente de la resolucioacuten de la imagen A partir de estos puntos de control se obtendraacuten por regresioacuten unas ecuaciones que permitiraacuten a cada par filacolumna un par de coordenadas

XY

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

GEORREFERENCIACIOacuteN

ENTENDIENDO LAS IMAacuteGENES

georreferenciacioacuten porqueacute

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PUNTOS DE CONTROL

ENTENDIENDO LAS IMAacuteGENES

uso de puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

DISTORSIONES POR LA PLATAFORMA ALTITUD DE LA OacuteRBITA ndash Cambio de escala

VELOCIDAD ndash Cambios de escala ORIENTACIOacuteN DE LOS TRES EJES ndash Distorsiones en la geometriacutea

NO SISTEMAacuteTICOS Y COMPLEJOS DE MODELAR

DISTORSIONES POR ROTACIOacuteN TERRESTRE

CONSIDERANDO ALTITUD (800 Km) y TAMANtildeO DE LA IMAGEN (180 Km)ndashEn latitudes medias tarda en adquirir unos 30 segundos la Tierra se desplaza unos 8 Km

ORIENTACIOacuteN NE SW

DISTORSIONES POR EL SENSOR ANOMALIacuteAS SENSOR y MOVIMIENTO ESPEJO ndash Barrido no lineal o cambio en intervalos

AacuteNGULO DE BARRIDO ndash Variacioacuten en el tamantildeo de pixel

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ERROR EN UNA IMAGEN ESPACIAL

ENTENDIENDO LAS IMAacuteGENES

fuentes de error

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Una correccioacuten geomeacutetrica incluye CUALQUIER CAMBIO EN LA POSICIOacuteN DE LOS PIXELES que

conforman la imagen f (c`) = f1 (c l) f (x y) f (l`) = f2 (c l) f (x y)

COORDENADAS DE IMAGEN CORREGIDA SON FUNCIOacuteN DE COORDENADAS COLUMNA Y LIacuteNEA DE LA

IMAGEN DE ENTRADA O DE LAS COORDENADAS DE MAPA AL QUE SUPERPONDREMOS LA IMAGEN

1 CON OBJETIVO DE REALIZAR UNA TRANSFORMACIOacuteN GEOMEacuteTRICA QUE PERMITA AJUSTARLA A OTRA IMAGEN REFERENCIA NORMALMENTE PARA REALIZAR ESTUDIOS MULTITEMPORALES O MOSAICOS CON EL FIN DE AMPLIAR LOS DATOS E INFORMACIOacuteN DE UNA ZONA

2 ESTO PERMITIRAacute QUE LA NUEVA IMAGEN LA PUEDA INTEGRAR CON INFORMACIOacuteN DE OTRAS FUENTES POR EJEMPLO EN UN AMBIENTE SIG

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

correccioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

asumimos que

NO SE CONOCE EL ORIGEN DE LOS ERRORES

modelamos

ECUACIONES EMPIacuteRICAS

aplicadas a un conjunto de puntos

COORDENADAS CONOCIDAS IMAGEN INPUT e IMAGEN OUTPUT

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

1 ndash SELECCIOacuteN DE REFERENCIAS 2 ndash ECUACIONES DE AJUSTE

3 ndash GENERACIOacuteN DE LA IMAGEN CORREGIDA

ES OBVIO CALIDAD DEL AJUSTE DEPENDERAacute DE PRECISIOacuteN CON QUE SE

LOCALICEN LOS PUNTOS DE CONTROL INEXACTA LOCALIZACIOacuteN

DISTRIBUCIOacuteN MUY SECTORIZADA NUacuteMERO DE PUNTOS DE CONTROL INADECUADO

ESTABLECER LOS PUNTOS DE CONTROL FASE MAS CRUCIAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

procesamiento de la correccioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Resaltamos la importancia de

NUacuteMERO LOCALIZACIOacuteN DISTRIBUCIOacuteN

Que debemos atender Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

que considero UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash Croquis ilustrativos de apoyo

TERRENO O ZONAS PLANAS CON IMG OBTENIDAS POR UN SENSOR DE ESTRECHA VISIOacuteN DE CAMPO

TRANSFORMACIOacuteN

BASADO EN ECUACIONES LINEALES SIMPLES

TERRENO ESCARPADO O RUGOSO O UTILIZACIOacuteN DE IMG OBTENIDAS EN UN SENSOR CON VARIACIONES EN LAS CONDICIONES DE OBSERVACIOacuteN

TRANSFORMACIOacuteN MAacuteS COMPLEJA

POLINOMIOS DE SEGUNDO O TERCER ORDEN

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Desde un punto de vista matemaacutetico

GRADO 1 ndash 3 puntos GRADO 2 ndash 6 puntos GRADO 3 ndash 10 puntos

Seguacuten mis objetivos del trabajo no es conveniente utilizar esos miacutenimos

14 a 20 puntos (Landsat 5 MMS ndash seguacuten Bernstein R y D G Ferneyhough Jr 1978)

100 a 120 puntos (Landsat 7 TM ndash seguacuten el National Remote Sensing Center de Inglaterra)

10 o 12 puntos (Pequentildea zona de 512 x 512 pixeles ndash seguacuten Emilio Chuvieco 2010)

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

matemaacuteticamente UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

QUE DEBEMOS DE CONSIDERAR EN CUANTO A LA LOCALIZACIOacuteN

CLARAMENTE IDENTIFICABLES EN IMAGEN Y MAPA RASGOS HUMANOS DEL PAISAJE NO SUJETOS A DINAMISMO TEMPORAL

CRUCE DE CARRETERAS

CAMINOS VIacuteA FEacuteRREAS

NO CONSIDERAR ELEMENTOS ASOCIADOS AL AGUA

COSTA CURSOS DE AGUA

EMBALSES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

localizacioacuten TCP UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la correccioacuten digital de la geometriacutea de una imagen se realiza a partir de establecer unas funciones que relacionen las coordenadas de la imagen

y las coordenadas del mapa

EJ CASO MAS SIMPLE REGRESIOacuteN LINEAL MUacuteLTIPLE

ci = a0 + a1 Xi + a2 Yi li = b0 + b1 Xi + b2 Yi

EN LA PRAacuteCTICA BASTA UNA FUNCIOacuteN LINEAL PARA ABORDAR UN GRAN NUacuteMERO DE

TRANSFORMACIONES Y SON SUFICIENTES SI LAS IMAacuteGENES NO SON MUY GRANDES ANTE LA NECESIDAD DE OTRAS TRANSFORMACIONES SE UTILIZAN DE 2ordm y 3ordm ORDEN CONSIDERANDO ALTERACIONES GEOMEacuteTRICAS NO LINEALES (FUNCIONES QUE NO SE DEFINEN EN UN PLANO

CON EJES LINEALES SINO QUE SUPERFICIES CON EJES CURVILIacuteNEOS)

LOS COEFICIENTES DE LAS FUNCIONES DE TRANSFORMACIOacuteN SE CALCULAN A PARTIR DE UN AJUSTE POR MIacuteNIMOS CUADRADOS

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

funciones de transformacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash ejemplos de funciones de transformacioacuten geomeacutetrica con el efecto causado

TRASLACIOacuteN

CAMBIO DE ESCALA

INCLINACIOacuteN

PERSPECTIVA

ROTACIOacuteN

x = a0 + xacute y = b0 + yacute

x = xacute + a2 yacute y = yacute

x = a1 xacute y = b1 yacute

x = a3xacute yacute y = yacute

x = a4xacute + a5yacute y = b4xacute + b5yacute a4 = b5 = cos Ɵ a5 = -b4 = sen Ɵ

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

transformacioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

comparacioacuten coordenadas reales y las estimadas por la regresioacuten

el promedio de los residuales se conoce como error medio cuadraacutetico

la calidad del ajuste lo da el RMSE (root mean squared error)

(error medio cuadraacutetico)

RMSE es la raiacutez cuadrada de las desviaciones entre los valores reales y los

calculados

RMSE para cada punto es la raiacutez de los residuales al cuadrado que es la distancia entre ellos

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

RMSE UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la praacutectica hace que fijemos una TOLERANCIA y es que si ese promedio supera un valor fijado previamente haya que rever

el valor fijado previamente generalmente es igual o menor a un PIXEL

una correcta verificacioacuten

NECESITA introducir PUNTOS de VERIFICACIOacuteN

que no hayan sido introducidos en el ajuste

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

tolerancias fijadas

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

traducimos coordenadas de un mapa a la imagen tambieacuten necesitamos a la nueva imagen

TRANSFERIR LOS VALORES DIGITALES no olvidar que lo que queremos es generar una nueva imagen que se

corresponda con las coordenadas y las funciones de ajuste

NO ORIGINAN NUEVA IMAGEN solo colocan a los pixeles en la posicioacuten correcta

en criollo las funciones de transformacioacuten generan una nueva matriz bien posicionada pero vaciacutea

DEBEMOS LLENAR LA MATRIZ problema maacutes complejo de lo que puede

pensarse Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

generacioacuten de la nueva imaacutegen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

cada pixel de la imagen corregida se corresponderiacutea con un pixel de la imagen original

LEJOS DE ESE IDEAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo I

vecino maacutes proacuteximo ( nearest neighbour )

a cada celda de la imagen corregida se asigna el ND del pixel maacutes cercano de la

imagen original

SOLUCIOacuteN RAacutePIDA MENOR DISTORSIOacuteN DE LOS ND

INTRODUCE RASGOS LINEALES QUE DISTORSIONAN

CORRECCIOacuteN DE IMAacuteGENES CLASIFICADAS

CONSERVAR LA RADIOMETRIacuteA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo II

interpolacioacuten bilineal ( bilinear interpolation )

supone promediar los ND de los cuatro pixeles mas cercanos

con ponderacioacuten seguacuten la distancia pixeles originalcorregido

REDUCE EL EFECTO DE DISTORSIOacuteN EN RASGOS LINEALES

TIENDE A DIFUMINAR LOS CONTRASTES ESPACIALES

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE IMAacuteGENES RECTIFICADAS MAPAS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo III

convolusioacuten cuacutebica ( cubic convolution )

supone considerar los ND de los 16 pixeles mas proacuteximos

media ponderada seguacuten la distancia pixeles originalcorregido

EFECTO VISUAL MAS CORRECTO

VOLUacuteMEN DE CAacuteLCULO MUY SUPERIOR TENDENCIA A AGUDIZAR BORDES DE LA IMAGEN

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE ORTOIMAacuteGENES IMPRESIONES DE CALIDAD

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

  • Nuacutemero de diapositiva 1
  • Nuacutemero de diapositiva 2
  • MOacuteDULO IV
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 5
  • Nuacutemero de diapositiva 6
  • Nuacutemero de diapositiva 7
  • Nuacutemero de diapositiva 8
  • Nuacutemero de diapositiva 9
  • Nuacutemero de diapositiva 10
  • Nuacutemero de diapositiva 11
  • Nuacutemero de diapositiva 12
  • Nuacutemero de diapositiva 13
  • Nuacutemero de diapositiva 14
  • Nuacutemero de diapositiva 15
  • Nuacutemero de diapositiva 16
  • Nuacutemero de diapositiva 17
  • Nuacutemero de diapositiva 18
  • Nuacutemero de diapositiva 19
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 21
  • Nuacutemero de diapositiva 22
  • Nuacutemero de diapositiva 23
  • Nuacutemero de diapositiva 24
  • Nuacutemero de diapositiva 25
  • Nuacutemero de diapositiva 26
  • Nuacutemero de diapositiva 27
  • Nuacutemero de diapositiva 28
  • Nuacutemero de diapositiva 29
  • Nuacutemero de diapositiva 30
  • Nuacutemero de diapositiva 31
  • Nuacutemero de diapositiva 32
  • Nuacutemero de diapositiva 33
  • Nuacutemero de diapositiva 34
  • Nuacutemero de diapositiva 35
  • Nuacutemero de diapositiva 36
  • Nuacutemero de diapositiva 37
  • Nuacutemero de diapositiva 38
  • Nuacutemero de diapositiva 39
  • Nuacutemero de diapositiva 40
  • 47 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 42
  • Nuacutemero de diapositiva 43
  • Nuacutemero de diapositiva 44
  • Nuacutemero de diapositiva 45
  • Nuacutemero de diapositiva 46
  • Nuacutemero de diapositiva 47
  • Nuacutemero de diapositiva 48
  • Nuacutemero de diapositiva 49
  • Nuacutemero de diapositiva 50
  • Nuacutemero de diapositiva 51
  • Nuacutemero de diapositiva 52
  • Nuacutemero de diapositiva 53
  • Nuacutemero de diapositiva 54
  • 48 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 56
  • Nuacutemero de diapositiva 57
  • Nuacutemero de diapositiva 58
  • Nuacutemero de diapositiva 59
  • Nuacutemero de diapositiva 60
  • Nuacutemero de diapositiva 61
  • Nuacutemero de diapositiva 62
  • Nuacutemero de diapositiva 63
  • Nuacutemero de diapositiva 64
  • Nuacutemero de diapositiva 65
  • Nuacutemero de diapositiva 66
  • Nuacutemero de diapositiva 67
  • Nuacutemero de diapositiva 68
  • Nuacutemero de diapositiva 69
  • Nuacutemero de diapositiva 70
  • Nuacutemero de diapositiva 71
  • Nuacutemero de diapositiva 72
  • Nuacutemero de diapositiva 73
  • Nuacutemero de diapositiva 74

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ANAacuteLISIS DIGITAL DE LAS IMAacuteGENES

httpgeograuahesrtm

los valores de asignacioacuten a los

pixeles

Los sensores utilizados en teledeteccioacuten estaacuten calibrados para recibir valores muy altos de radiacioacuten sin llegar a saturarse por lo que lo normal es que todos los valores recibidos esteacuten muy

por debajo de los maacuteximos posibles

La consecuencia es que los valores de ND obtenidos son muy bajos y las imaacutegenes se van a ver oscuras muy poco

contrastadas Una forma de solventar este problema es ajustar el contraste mediante diversas teacutecnicas

EXPLOTANDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

LA MATRIZ DE DATOS

valores de celdas perdidas

A veces se requiere de poder restaurar valores dado que la matriz de datos contiene celdas perdidas y aparecen ND con valores nulos

en el dominio espacial

Una forma de corregir asignar un valor a la celda o liacutenea perdida tomar para cada pixel el ND del vecino

de la liacutenea anterior de la liacutenea siguiente

promedio en el dominio de la frecuencia

Otra manera seguacuten el valor de la celda en otra banda correlacionada

se calculan los histogramas parciales de las celdas en estudio para cada detector se obtiene la media y desviacioacuten estaacutendar de los ND correspondientes a cada detector

Se aplica NDacuteij = ak ND ij + bk

EXPLOTANDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

RESTAURACIOacuteN DE CELDAS PERDIDAS

estudio de histogramas

httpcoelloujaenesAsignaturasteledeteccion

EXPLOTANDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ESTADIacuteSTICAS E HISTOGRAMA DE UNA IMAGEN

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm que es un

histograma

IMAGEN DIGITAL SIMPLE DE 8 x 8 PIXELES EN NIVELES DE GRIS CON UNA PROFUNDIDAD DE 2 BITS

CUATRO VALORES POSIBLES DE BRILLO PASADOS A TONOS DE GRIS NEGRO GRIS OSCURO GRIS CLARO Y BLANCO

ND BRILLO

0 Negro

1 Gris oscuro

2 Gris claro

3 Blanco

veremos entonces que es un HISTOGRAMA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

HISTOGRAMA

ENTENDIENDO LAS IMAacuteGENES

conceptualidades

REPRESENTACIOacuteN GRAacuteFICA DE LOS NIVELES DE GRISES EN FUNCIOacuteN DE LA REPETICIOacuteN DE VECES EN QUE APARECE CADA UNO DE LOS NIVELES DE GRIS

deducciones

11

15

38

0

adaptado de El histograma de una Imagen Digital Universidad

Politeacutecnica de Valencia

La mayor parte de los piacutexeles son blancos por lo que probablemente la imagen tenga un fondo blanco uniforme

Hay un nuacutemero significativo de pixeles negros y pixeles blancos lo que hace que la imagen presente un aspecto bien contrastado

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

HISTOGRAMA IDEAL

ENTENDIENDO LAS IMAacuteGENES

elementos a considerar

Como regla general se considera que una imagen tiene un buen contraste si su histograma se extiende ocupando casi todo el rango

de tonos

adaptado de El histograma de una Imagen Digital Universidad Politeacutecnica de Valencia

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

HISTOGRAMA IDEAL

ENTENDIENDO LAS IMAacuteGENES

elementos a considerar

Por ejemplo en una imagen nocturna el histograma estaacute fuertemente desplazado al lado izquierdo (zona de tonos oscuros) y

evidencia que no hay apenas ninguna zona de la imagen muy brillante

adaptado de El histograma de una Imagen Digital Universidad Politeacutecnica de Valencia

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

HISTOGRAMA IDEAL

ENTENDIENDO LAS IMAacuteGENES

elementos a considerar

En este caso el histograma es marcadamente maacutes alto en la zona de grises claros y blancos y apareceraacute corrido a la derecha hacia el

lado de los valores altos de iluminacioacuten

adaptado de El histograma de una Imagen Digital Universidad Politeacutecnica de Valencia

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

HISTOGRAMA IDEAL

ENTENDIENDO LAS IMAacuteGENES

elementos a considerar

Se entiende por contraste la diferencia de brillo entre las zonas maacutes claras y maacutes oscuras en una imagen En este paisaje con niebla es

un ejemplo de bajo contraste Se traduce en un histograma estrecho Ademaacutes como la toacutenica dominante son los grises medios

se observa que estaacute bastante centrado

adaptado de El histograma de una Imagen Digital Universidad Politeacutecnica de Valencia

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

conjunto de datos

Frente a escenas con una iluminacioacuten maacutes normal y con una gran cantidad de elementos detectados los histogramas deberiacutean ser como en el primer caso que

hemos visto

Si no sucede

Histograma desplazado a la izquierda puede denotar falta de exposicioacuten

Histograma desplazado a la derecha puede ser un exceso de exposicioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

46 Interpretacioacuten de Imaacutegenes

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento digital Optimizacioacuten de las imaacutegenes Realces y mejoras visuales Contraste en una imagen Composiciones color El color verdadero el falso color el pseudo color

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

OPTIMIZACIOacuteN DE LAS IMAacuteGENES

ENTENDIENDO LAS IMAacuteGENES

mejorar visualmente las imaacutegenes

MANIPULAR DE FORMA FLEXIBLE Y SOFISTICADA EL ND DE LOS PIXELES

LUEGO DE CORRECCIONES LAS IMAacuteGENES HAY QUE OPTIMIZARLAS DESDE EL PUNTO DE VISTA VISUAL

diferentes tipos

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

REALCES Y MEJORAS VISUALES

ENTENDIENDO LAS IMAacuteGENES

httpamericalatina-nacblogspotcomuy2009_10_01_archivehtml

optimizacioacuten de las imaacutegenes

proceso destinado a facilitar la interpretacioacuten visual

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

ecualizacioacuten del histograma

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

gaussiano

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

lineal 2

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

lineal

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

raiacutez cuadrada

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

lineal 0 - 255

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PORQUEacute EL REALCE

ENTENDIENDO LAS IMAacuteGENES

LOS SENSORES SON CALIBRADOS PARA ABARCAR TODO EL RANGO POSIBLE DE RADIANCIAS

PARA CADA USO EN CONCRETO ES NECESIDAD IMPERIOSA

EXPANDIR EL HISTOGRAMA Y ASIacute CUBRIR EL RANGO COMPLETO DE NIVELES DE GRIS

histograma UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CONTRASTE EN UNA IMAGEN

ENTENDIENDO LAS IMAacuteGENES

expansioacuten del contraste

los datos uacutetiles solo ocupan pequentildea parte de los niveles de gris disponibles

expandir o estirar el histograma es cambiar los valores originales de ND para utilizar mayor rango

asiacute incrementar el contraste visual de diferentes objetos

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

ejemplos visuales

sin realce lineal

frecuencial gamma

MEacuteTODOS DE EXPANSIOacuteN DEL CONTRASTE

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

lineal

expansioacuten lineal

lo maacutes simple transformacioacuten en liacutenea llevando el valor miacutenimo a 0 y maacuteximo a 255 o se usa un rango por encima y por debajo de miacutenimo y maacuteximo

EXPANSIOacuteN I

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

lineal

EXPANSIOacuteN I expansioacuten

logariacutetmico exponencial

gamma

curvas de transferencia en lugar de rectas gamma es la curvatura de dicha curva se expanden maacutes el contraste de los extremos o del centro

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

frecuencial

EXPANSIOacuteN II

frecuencial ecualizacioacuten del

histograma

cuando los valores de ND no estaacuten distribuidos uniformemente intentar en la medida de lo posible que los valores de salida de los ND tengan el mismo de pixeles con dicho valor

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CONTRASTE EN UNA IMAGEN

ENTENDIENDO LAS IMAacuteGENES

compresioacuten del contraste

Ya sabemos que el contraste mide el rango dinaacutemico de los colores en la imagen es decir una imagen muy contrastada tiene un amplio abanico de colores (o tonos de gris) desde valores muy bajos a valores muy altos Para una imagen con poco contraste los colores estaacuten muy juntos el margen dinaacutemico es pequentildeo La variacioacuten en el contraste aparece como una compresioacuten del histograma en caso de una reduccioacuten a la inversa de lo visto en el caso de una expansioacuten

Compresioacuten si el rango excede de las capacidades del sistema

Se ha de comparar el nuacutemero de niveles digitales (ND) de la imagen con los niveles de visualizacioacuten (NV) o grises del sistema Es de menos aplicacioacuten Al igual que el brillo variando el contraste se puede provocar una peacuterdida de informacioacuten de la imagen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

MAYOR APLICABILIDAD DEL REALCE

ENTENDIENDO LAS IMAacuteGENES

realce oacuteptimo

realce frecuencial

realce lineal

laquo r e a l c e oacute p t i m o raquo optimiza interpretacioacuten de la imagen

mejor esteacutetica de la imagen NO COINCIDE CON NINGUacuteN CORTE PREDETERMINADO

Y SE LOGRA INTERACTIVAMENTE EN PANTALLA Y PARA CADA BANDA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

image1png

image1png

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

COMPOSICIONES COLOR

ENTENDIENDO LAS IMAacuteGENES

formatos de composiciones

CON LA CRECIENTE APARICIOacuteN DE LOS SENSORES HIPERESPECTRALES LAS POSIBILIDADES DE COMPOSICIONES

COLOREADAS DE BANDAS SON CASI ILIMITADAS

LA ELECCIOacuteN DE LAS BANDAS PARA REALIZAR LA COMPOSICIOacuteN Y EL ORDEN DE LAS BANDAS ASIGANADAS A LOS COLORES

PRIMARIOS DEPENDERAacute DE

Sensor Aplicacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EL SEUDO - COLOR

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm formatos de

composiciones

Ya hemos afirmado de que el ojo humano es maacutes capaz de distinguir tonos de color que intensidades de brillo

Por ello el empleo del color ayuda a la interpretacioacuten incluso cuando podamos tener una sola imagen de una banda

Es aquiacute que hablamos del SEUDO COLOR por no contar con tres bandas

El seudo color implica la creacioacuten de una CLUT que asocie el ND de una sola banda a distintos componentes del R V y A APLICACIONES 1 Para tener una leyenda de colores para una img clasificada 2 Para realzar el anaacutelisis de una determinada banda y sustituir los tonos de gris por una paleta de colores

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CLUT COLOUR LOOK-UP TABLE TABLA DE CONSULTA DE COLOR

ENTENDIENDO LAS IMAacuteGENES

httpsenwikipediaorgwikiColour_look-up_table

creacioacuten del seudo color

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Filtros espaciales Concepto de kernel Filtros paso bajo y paso alto Filtros direccionales Anomaliacuteas y correccioacuten atmosfeacuterica Correcciones radiomeacutetricas Anomaliacuteas radiomeacutetricas Fallos en el sensorCorreccioacuten atmosfeacuterica concepto Meacutetodo valores miacutenimos Regresioacuten entre bandas Dispersioacuten por aerosolesCalibracioacuten Caso misioacuten Landsat

47 Interpretacioacuten de Imaacutegenes

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

conceptos de que es un filtro

espacial

FUNCIONES PARA MEJORAR ASPECTO DE LAS IMAacuteGENES

REALZAN O DISMINUYEN ELEMENTOS VISUALES DE LA IMG

BASADOS EN LA FRECUENCIA ESPACIAL

FRECUENCIAS ESPACIALES ALTAS Variaciones que se producen en pocos piacutexeles TENDENCIA GENERAL FRECUENCIAS ESPACIALES BAJAS

Variaciones que se producen en muchos piacutexeles CONTRASTES LOCALES

FILTROS Figura - CCRS CCT

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

conceptos de kernel

FILTRADO ESPACIAL Figura - CCRS CCT FILTRADO EN EL DOMINIO

ESPACIAL Lo mas comuacuten es la aplicacioacuten de una ventana deslizante con valores que son coeficientes fijos de una matriz La MATRIZ se suele llamar KERNEL o nuacutecleo del filtro

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DIGITAL

ENTENDIENDO LAS IMAacuteGENES

aplicacioacuten del kernel

3 x 3 5 x 5 7 x 7

1 1 1

1 2 1

1 1 1 matrices

LOS VALORES DEL KERNEL SE MULTIPLICAN POR EL PIacuteXEL QUE TIENEN DEBAJO Y LUEGO SE SUMAN TODOS LOS PRODUCTOS

Y PARA OBTENER EL VALOR DEL PIacuteXEL CENTRAL EN LA IMAGEN TRANSFORMADA SE LO DIVIDE POR LA SUMA DE LOS PONDERADOS O PESOS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO - PASO BAJO PASO ALTO

ENTENDIENDO LAS IMAacuteGENES

aplicacioacuten del kernel

26

FILTROS DE PASO BAJO SE FAVORECEN A LOS PIXELES

PERIFEacuteRICOS SE MINIMIZAN LAS DIFERENCIAS CON LOS VECINOS ES UNA ESPECIE DE SUAVIZADO

FILTRO DE PASO ALTO PONDERACIOacuteN DEL VALOR CENTRAL EN DETRIMENTO DE LOS CIRCUNDANTES

SE EXAGERAN DIFERENCIAS Y SE RESALTAN VARIACIONES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DE PASO BAJO

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm

simulacioacuten

IMAGEN ORIGINAL

FILTRO PASO BAJO 3x3 SE TRATA DE ASEMEJAR LOS VALORES DE ND DE UN PIXEL A LOS VALORES VECINOS EN TEacuteRMINOS VISUALES LA IMAGEN FILTRADA OFRECE PERFILES MENOS NIacuteTIDOS

FILTRO PASO BAJO 7x7 SIRVE PARA REDUCIR VARIABILIDAD ESPACIAL DE ALGUNA CATEGORIacuteA ANTES DE UN PROCESO DE CLASIFICACIOacuteN

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DE PASO ALTO

ENTENDIENDO LAS IMAacuteGENES

IMAGEN ORIGINAL

FILTRO PASO ALTO 3x3 SE TRATA DE AISLAR LOS COMPONENTES DE ALTA FRECUENCIA Y REMARCAR DIGITALMENTE CONTRASTES EN TEacuteRMINOS VISUALES LA IMAGEN FILTRADA REFUERZA LOS CONTORNOS EN AacuteREAS HOMOGEacuteNEAS

FILTRO PASO ALTO 7x7 SIRVE PARA LOGRAR REALCES DE RASGOS LINEALES COMO PUEDEN SER EN AacuteREAS URBANAS O RASGOS GEOLOacuteGICOS

simulacioacuten

httpgeograuahesrtm

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

Figura - Landsat USGS

IMAGEN ORIGINAL

FILTRO DIRECCIONAL PERMITEN IDENTIFICAR LOS RASGOS FRONTERIZOS EN LAS IMAacuteGENES COMO LOS FILTROS ANTERIORES PERO AHORA CONSIDERANDO LA ORIENTACIOacuteN

se tiene en cuenta la

orientacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

matrices con direccioacuten

NORTE

1 1 1

1 -2 1

-1 -1 -1

SUR

-1 -1 -1

1 -2 1

1 1 1

ESTE

-1 1 1

-1 -2 1

-1 1 1

OESTE

1 1 -1

1 -2 -1

1 1 -1

SURESTE

-1 -1 1

-1 -2 1

1 1 1

NOROESTE

1 1 1

1 -2 -1

1 -1 -1

SUROESTE

1 -1 -1

1 -2 -1

1 1 1

NORESTE

1 1 1

-1 -2 1

-1 -1 1

OBSERVACIOacuteN

LOS NOMBRES OBEDECEN A LA DIRECCIOacuteN DEL CONTRASTE QUE SENtildeALAN

LA DIRECCIOacuteN QUE REALZAN ES JUSTAMENTE LA PERPENDICULAR

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

48 Interpretacioacuten de Imaacutegenes

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Correcciones geomeacutetricas Georreferenciacioacuten Uso de puntos de control Fuentes de error Procesamiento geomeacutetrico Correccioacuten Transformacioacuten geomeacutetrica Calidad y ajuste Generacioacuten de la nueva imagen Transferencia de ND

INSTITUTO DE AGRIMENSURA - DEPARTAMENTO DE GEOMAacuteTICA PROF ADJUNTO GRADO 3 EDISON J ROSAS BERTON

El tratamiento de una imagen de sateacutelite Georreferenciacioacuten

(paso de un sistema de filas y columnas a un sistema de coordenadas estandard)

Para ello debe obtenerse una muestra de puntos de control de los que conozcamos tanto sus coordenadas reales como sus coordenadas en

la imagen deben ser por tanto objetos de un tamantildeo adecuado para resultar identificables tanto en la imagen como sobre el terreno el tamantildeo

dependeraacute loacutegicamente de la resolucioacuten de la imagen A partir de estos puntos de control se obtendraacuten por regresioacuten unas ecuaciones que permitiraacuten a cada par filacolumna un par de coordenadas

XY

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

GEORREFERENCIACIOacuteN

ENTENDIENDO LAS IMAacuteGENES

georreferenciacioacuten porqueacute

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PUNTOS DE CONTROL

ENTENDIENDO LAS IMAacuteGENES

uso de puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

DISTORSIONES POR LA PLATAFORMA ALTITUD DE LA OacuteRBITA ndash Cambio de escala

VELOCIDAD ndash Cambios de escala ORIENTACIOacuteN DE LOS TRES EJES ndash Distorsiones en la geometriacutea

NO SISTEMAacuteTICOS Y COMPLEJOS DE MODELAR

DISTORSIONES POR ROTACIOacuteN TERRESTRE

CONSIDERANDO ALTITUD (800 Km) y TAMANtildeO DE LA IMAGEN (180 Km)ndashEn latitudes medias tarda en adquirir unos 30 segundos la Tierra se desplaza unos 8 Km

ORIENTACIOacuteN NE SW

DISTORSIONES POR EL SENSOR ANOMALIacuteAS SENSOR y MOVIMIENTO ESPEJO ndash Barrido no lineal o cambio en intervalos

AacuteNGULO DE BARRIDO ndash Variacioacuten en el tamantildeo de pixel

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ERROR EN UNA IMAGEN ESPACIAL

ENTENDIENDO LAS IMAacuteGENES

fuentes de error

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Una correccioacuten geomeacutetrica incluye CUALQUIER CAMBIO EN LA POSICIOacuteN DE LOS PIXELES que

conforman la imagen f (c`) = f1 (c l) f (x y) f (l`) = f2 (c l) f (x y)

COORDENADAS DE IMAGEN CORREGIDA SON FUNCIOacuteN DE COORDENADAS COLUMNA Y LIacuteNEA DE LA

IMAGEN DE ENTRADA O DE LAS COORDENADAS DE MAPA AL QUE SUPERPONDREMOS LA IMAGEN

1 CON OBJETIVO DE REALIZAR UNA TRANSFORMACIOacuteN GEOMEacuteTRICA QUE PERMITA AJUSTARLA A OTRA IMAGEN REFERENCIA NORMALMENTE PARA REALIZAR ESTUDIOS MULTITEMPORALES O MOSAICOS CON EL FIN DE AMPLIAR LOS DATOS E INFORMACIOacuteN DE UNA ZONA

2 ESTO PERMITIRAacute QUE LA NUEVA IMAGEN LA PUEDA INTEGRAR CON INFORMACIOacuteN DE OTRAS FUENTES POR EJEMPLO EN UN AMBIENTE SIG

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

correccioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

asumimos que

NO SE CONOCE EL ORIGEN DE LOS ERRORES

modelamos

ECUACIONES EMPIacuteRICAS

aplicadas a un conjunto de puntos

COORDENADAS CONOCIDAS IMAGEN INPUT e IMAGEN OUTPUT

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

1 ndash SELECCIOacuteN DE REFERENCIAS 2 ndash ECUACIONES DE AJUSTE

3 ndash GENERACIOacuteN DE LA IMAGEN CORREGIDA

ES OBVIO CALIDAD DEL AJUSTE DEPENDERAacute DE PRECISIOacuteN CON QUE SE

LOCALICEN LOS PUNTOS DE CONTROL INEXACTA LOCALIZACIOacuteN

DISTRIBUCIOacuteN MUY SECTORIZADA NUacuteMERO DE PUNTOS DE CONTROL INADECUADO

ESTABLECER LOS PUNTOS DE CONTROL FASE MAS CRUCIAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

procesamiento de la correccioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Resaltamos la importancia de

NUacuteMERO LOCALIZACIOacuteN DISTRIBUCIOacuteN

Que debemos atender Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

que considero UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash Croquis ilustrativos de apoyo

TERRENO O ZONAS PLANAS CON IMG OBTENIDAS POR UN SENSOR DE ESTRECHA VISIOacuteN DE CAMPO

TRANSFORMACIOacuteN

BASADO EN ECUACIONES LINEALES SIMPLES

TERRENO ESCARPADO O RUGOSO O UTILIZACIOacuteN DE IMG OBTENIDAS EN UN SENSOR CON VARIACIONES EN LAS CONDICIONES DE OBSERVACIOacuteN

TRANSFORMACIOacuteN MAacuteS COMPLEJA

POLINOMIOS DE SEGUNDO O TERCER ORDEN

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Desde un punto de vista matemaacutetico

GRADO 1 ndash 3 puntos GRADO 2 ndash 6 puntos GRADO 3 ndash 10 puntos

Seguacuten mis objetivos del trabajo no es conveniente utilizar esos miacutenimos

14 a 20 puntos (Landsat 5 MMS ndash seguacuten Bernstein R y D G Ferneyhough Jr 1978)

100 a 120 puntos (Landsat 7 TM ndash seguacuten el National Remote Sensing Center de Inglaterra)

10 o 12 puntos (Pequentildea zona de 512 x 512 pixeles ndash seguacuten Emilio Chuvieco 2010)

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

matemaacuteticamente UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

QUE DEBEMOS DE CONSIDERAR EN CUANTO A LA LOCALIZACIOacuteN

CLARAMENTE IDENTIFICABLES EN IMAGEN Y MAPA RASGOS HUMANOS DEL PAISAJE NO SUJETOS A DINAMISMO TEMPORAL

CRUCE DE CARRETERAS

CAMINOS VIacuteA FEacuteRREAS

NO CONSIDERAR ELEMENTOS ASOCIADOS AL AGUA

COSTA CURSOS DE AGUA

EMBALSES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

localizacioacuten TCP UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la correccioacuten digital de la geometriacutea de una imagen se realiza a partir de establecer unas funciones que relacionen las coordenadas de la imagen

y las coordenadas del mapa

EJ CASO MAS SIMPLE REGRESIOacuteN LINEAL MUacuteLTIPLE

ci = a0 + a1 Xi + a2 Yi li = b0 + b1 Xi + b2 Yi

EN LA PRAacuteCTICA BASTA UNA FUNCIOacuteN LINEAL PARA ABORDAR UN GRAN NUacuteMERO DE

TRANSFORMACIONES Y SON SUFICIENTES SI LAS IMAacuteGENES NO SON MUY GRANDES ANTE LA NECESIDAD DE OTRAS TRANSFORMACIONES SE UTILIZAN DE 2ordm y 3ordm ORDEN CONSIDERANDO ALTERACIONES GEOMEacuteTRICAS NO LINEALES (FUNCIONES QUE NO SE DEFINEN EN UN PLANO

CON EJES LINEALES SINO QUE SUPERFICIES CON EJES CURVILIacuteNEOS)

LOS COEFICIENTES DE LAS FUNCIONES DE TRANSFORMACIOacuteN SE CALCULAN A PARTIR DE UN AJUSTE POR MIacuteNIMOS CUADRADOS

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

funciones de transformacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash ejemplos de funciones de transformacioacuten geomeacutetrica con el efecto causado

TRASLACIOacuteN

CAMBIO DE ESCALA

INCLINACIOacuteN

PERSPECTIVA

ROTACIOacuteN

x = a0 + xacute y = b0 + yacute

x = xacute + a2 yacute y = yacute

x = a1 xacute y = b1 yacute

x = a3xacute yacute y = yacute

x = a4xacute + a5yacute y = b4xacute + b5yacute a4 = b5 = cos Ɵ a5 = -b4 = sen Ɵ

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

transformacioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

comparacioacuten coordenadas reales y las estimadas por la regresioacuten

el promedio de los residuales se conoce como error medio cuadraacutetico

la calidad del ajuste lo da el RMSE (root mean squared error)

(error medio cuadraacutetico)

RMSE es la raiacutez cuadrada de las desviaciones entre los valores reales y los

calculados

RMSE para cada punto es la raiacutez de los residuales al cuadrado que es la distancia entre ellos

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

RMSE UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la praacutectica hace que fijemos una TOLERANCIA y es que si ese promedio supera un valor fijado previamente haya que rever

el valor fijado previamente generalmente es igual o menor a un PIXEL

una correcta verificacioacuten

NECESITA introducir PUNTOS de VERIFICACIOacuteN

que no hayan sido introducidos en el ajuste

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

tolerancias fijadas

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

traducimos coordenadas de un mapa a la imagen tambieacuten necesitamos a la nueva imagen

TRANSFERIR LOS VALORES DIGITALES no olvidar que lo que queremos es generar una nueva imagen que se

corresponda con las coordenadas y las funciones de ajuste

NO ORIGINAN NUEVA IMAGEN solo colocan a los pixeles en la posicioacuten correcta

en criollo las funciones de transformacioacuten generan una nueva matriz bien posicionada pero vaciacutea

DEBEMOS LLENAR LA MATRIZ problema maacutes complejo de lo que puede

pensarse Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

generacioacuten de la nueva imaacutegen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

cada pixel de la imagen corregida se corresponderiacutea con un pixel de la imagen original

LEJOS DE ESE IDEAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo I

vecino maacutes proacuteximo ( nearest neighbour )

a cada celda de la imagen corregida se asigna el ND del pixel maacutes cercano de la

imagen original

SOLUCIOacuteN RAacutePIDA MENOR DISTORSIOacuteN DE LOS ND

INTRODUCE RASGOS LINEALES QUE DISTORSIONAN

CORRECCIOacuteN DE IMAacuteGENES CLASIFICADAS

CONSERVAR LA RADIOMETRIacuteA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo II

interpolacioacuten bilineal ( bilinear interpolation )

supone promediar los ND de los cuatro pixeles mas cercanos

con ponderacioacuten seguacuten la distancia pixeles originalcorregido

REDUCE EL EFECTO DE DISTORSIOacuteN EN RASGOS LINEALES

TIENDE A DIFUMINAR LOS CONTRASTES ESPACIALES

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE IMAacuteGENES RECTIFICADAS MAPAS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo III

convolusioacuten cuacutebica ( cubic convolution )

supone considerar los ND de los 16 pixeles mas proacuteximos

media ponderada seguacuten la distancia pixeles originalcorregido

EFECTO VISUAL MAS CORRECTO

VOLUacuteMEN DE CAacuteLCULO MUY SUPERIOR TENDENCIA A AGUDIZAR BORDES DE LA IMAGEN

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE ORTOIMAacuteGENES IMPRESIONES DE CALIDAD

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

  • Nuacutemero de diapositiva 1
  • Nuacutemero de diapositiva 2
  • MOacuteDULO IV
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 5
  • Nuacutemero de diapositiva 6
  • Nuacutemero de diapositiva 7
  • Nuacutemero de diapositiva 8
  • Nuacutemero de diapositiva 9
  • Nuacutemero de diapositiva 10
  • Nuacutemero de diapositiva 11
  • Nuacutemero de diapositiva 12
  • Nuacutemero de diapositiva 13
  • Nuacutemero de diapositiva 14
  • Nuacutemero de diapositiva 15
  • Nuacutemero de diapositiva 16
  • Nuacutemero de diapositiva 17
  • Nuacutemero de diapositiva 18
  • Nuacutemero de diapositiva 19
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 21
  • Nuacutemero de diapositiva 22
  • Nuacutemero de diapositiva 23
  • Nuacutemero de diapositiva 24
  • Nuacutemero de diapositiva 25
  • Nuacutemero de diapositiva 26
  • Nuacutemero de diapositiva 27
  • Nuacutemero de diapositiva 28
  • Nuacutemero de diapositiva 29
  • Nuacutemero de diapositiva 30
  • Nuacutemero de diapositiva 31
  • Nuacutemero de diapositiva 32
  • Nuacutemero de diapositiva 33
  • Nuacutemero de diapositiva 34
  • Nuacutemero de diapositiva 35
  • Nuacutemero de diapositiva 36
  • Nuacutemero de diapositiva 37
  • Nuacutemero de diapositiva 38
  • Nuacutemero de diapositiva 39
  • Nuacutemero de diapositiva 40
  • 47 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 42
  • Nuacutemero de diapositiva 43
  • Nuacutemero de diapositiva 44
  • Nuacutemero de diapositiva 45
  • Nuacutemero de diapositiva 46
  • Nuacutemero de diapositiva 47
  • Nuacutemero de diapositiva 48
  • Nuacutemero de diapositiva 49
  • Nuacutemero de diapositiva 50
  • Nuacutemero de diapositiva 51
  • Nuacutemero de diapositiva 52
  • Nuacutemero de diapositiva 53
  • Nuacutemero de diapositiva 54
  • 48 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 56
  • Nuacutemero de diapositiva 57
  • Nuacutemero de diapositiva 58
  • Nuacutemero de diapositiva 59
  • Nuacutemero de diapositiva 60
  • Nuacutemero de diapositiva 61
  • Nuacutemero de diapositiva 62
  • Nuacutemero de diapositiva 63
  • Nuacutemero de diapositiva 64
  • Nuacutemero de diapositiva 65
  • Nuacutemero de diapositiva 66
  • Nuacutemero de diapositiva 67
  • Nuacutemero de diapositiva 68
  • Nuacutemero de diapositiva 69
  • Nuacutemero de diapositiva 70
  • Nuacutemero de diapositiva 71
  • Nuacutemero de diapositiva 72
  • Nuacutemero de diapositiva 73
  • Nuacutemero de diapositiva 74

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

LA MATRIZ DE DATOS

valores de celdas perdidas

A veces se requiere de poder restaurar valores dado que la matriz de datos contiene celdas perdidas y aparecen ND con valores nulos

en el dominio espacial

Una forma de corregir asignar un valor a la celda o liacutenea perdida tomar para cada pixel el ND del vecino

de la liacutenea anterior de la liacutenea siguiente

promedio en el dominio de la frecuencia

Otra manera seguacuten el valor de la celda en otra banda correlacionada

se calculan los histogramas parciales de las celdas en estudio para cada detector se obtiene la media y desviacioacuten estaacutendar de los ND correspondientes a cada detector

Se aplica NDacuteij = ak ND ij + bk

EXPLOTANDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

RESTAURACIOacuteN DE CELDAS PERDIDAS

estudio de histogramas

httpcoelloujaenesAsignaturasteledeteccion

EXPLOTANDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ESTADIacuteSTICAS E HISTOGRAMA DE UNA IMAGEN

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm que es un

histograma

IMAGEN DIGITAL SIMPLE DE 8 x 8 PIXELES EN NIVELES DE GRIS CON UNA PROFUNDIDAD DE 2 BITS

CUATRO VALORES POSIBLES DE BRILLO PASADOS A TONOS DE GRIS NEGRO GRIS OSCURO GRIS CLARO Y BLANCO

ND BRILLO

0 Negro

1 Gris oscuro

2 Gris claro

3 Blanco

veremos entonces que es un HISTOGRAMA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

HISTOGRAMA

ENTENDIENDO LAS IMAacuteGENES

conceptualidades

REPRESENTACIOacuteN GRAacuteFICA DE LOS NIVELES DE GRISES EN FUNCIOacuteN DE LA REPETICIOacuteN DE VECES EN QUE APARECE CADA UNO DE LOS NIVELES DE GRIS

deducciones

11

15

38

0

adaptado de El histograma de una Imagen Digital Universidad

Politeacutecnica de Valencia

La mayor parte de los piacutexeles son blancos por lo que probablemente la imagen tenga un fondo blanco uniforme

Hay un nuacutemero significativo de pixeles negros y pixeles blancos lo que hace que la imagen presente un aspecto bien contrastado

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

HISTOGRAMA IDEAL

ENTENDIENDO LAS IMAacuteGENES

elementos a considerar

Como regla general se considera que una imagen tiene un buen contraste si su histograma se extiende ocupando casi todo el rango

de tonos

adaptado de El histograma de una Imagen Digital Universidad Politeacutecnica de Valencia

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

HISTOGRAMA IDEAL

ENTENDIENDO LAS IMAacuteGENES

elementos a considerar

Por ejemplo en una imagen nocturna el histograma estaacute fuertemente desplazado al lado izquierdo (zona de tonos oscuros) y

evidencia que no hay apenas ninguna zona de la imagen muy brillante

adaptado de El histograma de una Imagen Digital Universidad Politeacutecnica de Valencia

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

HISTOGRAMA IDEAL

ENTENDIENDO LAS IMAacuteGENES

elementos a considerar

En este caso el histograma es marcadamente maacutes alto en la zona de grises claros y blancos y apareceraacute corrido a la derecha hacia el

lado de los valores altos de iluminacioacuten

adaptado de El histograma de una Imagen Digital Universidad Politeacutecnica de Valencia

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

HISTOGRAMA IDEAL

ENTENDIENDO LAS IMAacuteGENES

elementos a considerar

Se entiende por contraste la diferencia de brillo entre las zonas maacutes claras y maacutes oscuras en una imagen En este paisaje con niebla es

un ejemplo de bajo contraste Se traduce en un histograma estrecho Ademaacutes como la toacutenica dominante son los grises medios

se observa que estaacute bastante centrado

adaptado de El histograma de una Imagen Digital Universidad Politeacutecnica de Valencia

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

conjunto de datos

Frente a escenas con una iluminacioacuten maacutes normal y con una gran cantidad de elementos detectados los histogramas deberiacutean ser como en el primer caso que

hemos visto

Si no sucede

Histograma desplazado a la izquierda puede denotar falta de exposicioacuten

Histograma desplazado a la derecha puede ser un exceso de exposicioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

46 Interpretacioacuten de Imaacutegenes

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento digital Optimizacioacuten de las imaacutegenes Realces y mejoras visuales Contraste en una imagen Composiciones color El color verdadero el falso color el pseudo color

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

OPTIMIZACIOacuteN DE LAS IMAacuteGENES

ENTENDIENDO LAS IMAacuteGENES

mejorar visualmente las imaacutegenes

MANIPULAR DE FORMA FLEXIBLE Y SOFISTICADA EL ND DE LOS PIXELES

LUEGO DE CORRECCIONES LAS IMAacuteGENES HAY QUE OPTIMIZARLAS DESDE EL PUNTO DE VISTA VISUAL

diferentes tipos

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

REALCES Y MEJORAS VISUALES

ENTENDIENDO LAS IMAacuteGENES

httpamericalatina-nacblogspotcomuy2009_10_01_archivehtml

optimizacioacuten de las imaacutegenes

proceso destinado a facilitar la interpretacioacuten visual

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

ecualizacioacuten del histograma

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

gaussiano

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

lineal 2

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

lineal

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

raiacutez cuadrada

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

lineal 0 - 255

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PORQUEacute EL REALCE

ENTENDIENDO LAS IMAacuteGENES

LOS SENSORES SON CALIBRADOS PARA ABARCAR TODO EL RANGO POSIBLE DE RADIANCIAS

PARA CADA USO EN CONCRETO ES NECESIDAD IMPERIOSA

EXPANDIR EL HISTOGRAMA Y ASIacute CUBRIR EL RANGO COMPLETO DE NIVELES DE GRIS

histograma UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CONTRASTE EN UNA IMAGEN

ENTENDIENDO LAS IMAacuteGENES

expansioacuten del contraste

los datos uacutetiles solo ocupan pequentildea parte de los niveles de gris disponibles

expandir o estirar el histograma es cambiar los valores originales de ND para utilizar mayor rango

asiacute incrementar el contraste visual de diferentes objetos

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

ejemplos visuales

sin realce lineal

frecuencial gamma

MEacuteTODOS DE EXPANSIOacuteN DEL CONTRASTE

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

lineal

expansioacuten lineal

lo maacutes simple transformacioacuten en liacutenea llevando el valor miacutenimo a 0 y maacuteximo a 255 o se usa un rango por encima y por debajo de miacutenimo y maacuteximo

EXPANSIOacuteN I

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

lineal

EXPANSIOacuteN I expansioacuten

logariacutetmico exponencial

gamma

curvas de transferencia en lugar de rectas gamma es la curvatura de dicha curva se expanden maacutes el contraste de los extremos o del centro

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

frecuencial

EXPANSIOacuteN II

frecuencial ecualizacioacuten del

histograma

cuando los valores de ND no estaacuten distribuidos uniformemente intentar en la medida de lo posible que los valores de salida de los ND tengan el mismo de pixeles con dicho valor

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CONTRASTE EN UNA IMAGEN

ENTENDIENDO LAS IMAacuteGENES

compresioacuten del contraste

Ya sabemos que el contraste mide el rango dinaacutemico de los colores en la imagen es decir una imagen muy contrastada tiene un amplio abanico de colores (o tonos de gris) desde valores muy bajos a valores muy altos Para una imagen con poco contraste los colores estaacuten muy juntos el margen dinaacutemico es pequentildeo La variacioacuten en el contraste aparece como una compresioacuten del histograma en caso de una reduccioacuten a la inversa de lo visto en el caso de una expansioacuten

Compresioacuten si el rango excede de las capacidades del sistema

Se ha de comparar el nuacutemero de niveles digitales (ND) de la imagen con los niveles de visualizacioacuten (NV) o grises del sistema Es de menos aplicacioacuten Al igual que el brillo variando el contraste se puede provocar una peacuterdida de informacioacuten de la imagen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

MAYOR APLICABILIDAD DEL REALCE

ENTENDIENDO LAS IMAacuteGENES

realce oacuteptimo

realce frecuencial

realce lineal

laquo r e a l c e oacute p t i m o raquo optimiza interpretacioacuten de la imagen

mejor esteacutetica de la imagen NO COINCIDE CON NINGUacuteN CORTE PREDETERMINADO

Y SE LOGRA INTERACTIVAMENTE EN PANTALLA Y PARA CADA BANDA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

image1png

image1png

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

COMPOSICIONES COLOR

ENTENDIENDO LAS IMAacuteGENES

formatos de composiciones

CON LA CRECIENTE APARICIOacuteN DE LOS SENSORES HIPERESPECTRALES LAS POSIBILIDADES DE COMPOSICIONES

COLOREADAS DE BANDAS SON CASI ILIMITADAS

LA ELECCIOacuteN DE LAS BANDAS PARA REALIZAR LA COMPOSICIOacuteN Y EL ORDEN DE LAS BANDAS ASIGANADAS A LOS COLORES

PRIMARIOS DEPENDERAacute DE

Sensor Aplicacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EL SEUDO - COLOR

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm formatos de

composiciones

Ya hemos afirmado de que el ojo humano es maacutes capaz de distinguir tonos de color que intensidades de brillo

Por ello el empleo del color ayuda a la interpretacioacuten incluso cuando podamos tener una sola imagen de una banda

Es aquiacute que hablamos del SEUDO COLOR por no contar con tres bandas

El seudo color implica la creacioacuten de una CLUT que asocie el ND de una sola banda a distintos componentes del R V y A APLICACIONES 1 Para tener una leyenda de colores para una img clasificada 2 Para realzar el anaacutelisis de una determinada banda y sustituir los tonos de gris por una paleta de colores

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CLUT COLOUR LOOK-UP TABLE TABLA DE CONSULTA DE COLOR

ENTENDIENDO LAS IMAacuteGENES

httpsenwikipediaorgwikiColour_look-up_table

creacioacuten del seudo color

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Filtros espaciales Concepto de kernel Filtros paso bajo y paso alto Filtros direccionales Anomaliacuteas y correccioacuten atmosfeacuterica Correcciones radiomeacutetricas Anomaliacuteas radiomeacutetricas Fallos en el sensorCorreccioacuten atmosfeacuterica concepto Meacutetodo valores miacutenimos Regresioacuten entre bandas Dispersioacuten por aerosolesCalibracioacuten Caso misioacuten Landsat

47 Interpretacioacuten de Imaacutegenes

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

conceptos de que es un filtro

espacial

FUNCIONES PARA MEJORAR ASPECTO DE LAS IMAacuteGENES

REALZAN O DISMINUYEN ELEMENTOS VISUALES DE LA IMG

BASADOS EN LA FRECUENCIA ESPACIAL

FRECUENCIAS ESPACIALES ALTAS Variaciones que se producen en pocos piacutexeles TENDENCIA GENERAL FRECUENCIAS ESPACIALES BAJAS

Variaciones que se producen en muchos piacutexeles CONTRASTES LOCALES

FILTROS Figura - CCRS CCT

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

conceptos de kernel

FILTRADO ESPACIAL Figura - CCRS CCT FILTRADO EN EL DOMINIO

ESPACIAL Lo mas comuacuten es la aplicacioacuten de una ventana deslizante con valores que son coeficientes fijos de una matriz La MATRIZ se suele llamar KERNEL o nuacutecleo del filtro

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DIGITAL

ENTENDIENDO LAS IMAacuteGENES

aplicacioacuten del kernel

3 x 3 5 x 5 7 x 7

1 1 1

1 2 1

1 1 1 matrices

LOS VALORES DEL KERNEL SE MULTIPLICAN POR EL PIacuteXEL QUE TIENEN DEBAJO Y LUEGO SE SUMAN TODOS LOS PRODUCTOS

Y PARA OBTENER EL VALOR DEL PIacuteXEL CENTRAL EN LA IMAGEN TRANSFORMADA SE LO DIVIDE POR LA SUMA DE LOS PONDERADOS O PESOS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO - PASO BAJO PASO ALTO

ENTENDIENDO LAS IMAacuteGENES

aplicacioacuten del kernel

26

FILTROS DE PASO BAJO SE FAVORECEN A LOS PIXELES

PERIFEacuteRICOS SE MINIMIZAN LAS DIFERENCIAS CON LOS VECINOS ES UNA ESPECIE DE SUAVIZADO

FILTRO DE PASO ALTO PONDERACIOacuteN DEL VALOR CENTRAL EN DETRIMENTO DE LOS CIRCUNDANTES

SE EXAGERAN DIFERENCIAS Y SE RESALTAN VARIACIONES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DE PASO BAJO

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm

simulacioacuten

IMAGEN ORIGINAL

FILTRO PASO BAJO 3x3 SE TRATA DE ASEMEJAR LOS VALORES DE ND DE UN PIXEL A LOS VALORES VECINOS EN TEacuteRMINOS VISUALES LA IMAGEN FILTRADA OFRECE PERFILES MENOS NIacuteTIDOS

FILTRO PASO BAJO 7x7 SIRVE PARA REDUCIR VARIABILIDAD ESPACIAL DE ALGUNA CATEGORIacuteA ANTES DE UN PROCESO DE CLASIFICACIOacuteN

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DE PASO ALTO

ENTENDIENDO LAS IMAacuteGENES

IMAGEN ORIGINAL

FILTRO PASO ALTO 3x3 SE TRATA DE AISLAR LOS COMPONENTES DE ALTA FRECUENCIA Y REMARCAR DIGITALMENTE CONTRASTES EN TEacuteRMINOS VISUALES LA IMAGEN FILTRADA REFUERZA LOS CONTORNOS EN AacuteREAS HOMOGEacuteNEAS

FILTRO PASO ALTO 7x7 SIRVE PARA LOGRAR REALCES DE RASGOS LINEALES COMO PUEDEN SER EN AacuteREAS URBANAS O RASGOS GEOLOacuteGICOS

simulacioacuten

httpgeograuahesrtm

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

Figura - Landsat USGS

IMAGEN ORIGINAL

FILTRO DIRECCIONAL PERMITEN IDENTIFICAR LOS RASGOS FRONTERIZOS EN LAS IMAacuteGENES COMO LOS FILTROS ANTERIORES PERO AHORA CONSIDERANDO LA ORIENTACIOacuteN

se tiene en cuenta la

orientacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

matrices con direccioacuten

NORTE

1 1 1

1 -2 1

-1 -1 -1

SUR

-1 -1 -1

1 -2 1

1 1 1

ESTE

-1 1 1

-1 -2 1

-1 1 1

OESTE

1 1 -1

1 -2 -1

1 1 -1

SURESTE

-1 -1 1

-1 -2 1

1 1 1

NOROESTE

1 1 1

1 -2 -1

1 -1 -1

SUROESTE

1 -1 -1

1 -2 -1

1 1 1

NORESTE

1 1 1

-1 -2 1

-1 -1 1

OBSERVACIOacuteN

LOS NOMBRES OBEDECEN A LA DIRECCIOacuteN DEL CONTRASTE QUE SENtildeALAN

LA DIRECCIOacuteN QUE REALZAN ES JUSTAMENTE LA PERPENDICULAR

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

48 Interpretacioacuten de Imaacutegenes

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Correcciones geomeacutetricas Georreferenciacioacuten Uso de puntos de control Fuentes de error Procesamiento geomeacutetrico Correccioacuten Transformacioacuten geomeacutetrica Calidad y ajuste Generacioacuten de la nueva imagen Transferencia de ND

INSTITUTO DE AGRIMENSURA - DEPARTAMENTO DE GEOMAacuteTICA PROF ADJUNTO GRADO 3 EDISON J ROSAS BERTON

El tratamiento de una imagen de sateacutelite Georreferenciacioacuten

(paso de un sistema de filas y columnas a un sistema de coordenadas estandard)

Para ello debe obtenerse una muestra de puntos de control de los que conozcamos tanto sus coordenadas reales como sus coordenadas en

la imagen deben ser por tanto objetos de un tamantildeo adecuado para resultar identificables tanto en la imagen como sobre el terreno el tamantildeo

dependeraacute loacutegicamente de la resolucioacuten de la imagen A partir de estos puntos de control se obtendraacuten por regresioacuten unas ecuaciones que permitiraacuten a cada par filacolumna un par de coordenadas

XY

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

GEORREFERENCIACIOacuteN

ENTENDIENDO LAS IMAacuteGENES

georreferenciacioacuten porqueacute

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PUNTOS DE CONTROL

ENTENDIENDO LAS IMAacuteGENES

uso de puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

DISTORSIONES POR LA PLATAFORMA ALTITUD DE LA OacuteRBITA ndash Cambio de escala

VELOCIDAD ndash Cambios de escala ORIENTACIOacuteN DE LOS TRES EJES ndash Distorsiones en la geometriacutea

NO SISTEMAacuteTICOS Y COMPLEJOS DE MODELAR

DISTORSIONES POR ROTACIOacuteN TERRESTRE

CONSIDERANDO ALTITUD (800 Km) y TAMANtildeO DE LA IMAGEN (180 Km)ndashEn latitudes medias tarda en adquirir unos 30 segundos la Tierra se desplaza unos 8 Km

ORIENTACIOacuteN NE SW

DISTORSIONES POR EL SENSOR ANOMALIacuteAS SENSOR y MOVIMIENTO ESPEJO ndash Barrido no lineal o cambio en intervalos

AacuteNGULO DE BARRIDO ndash Variacioacuten en el tamantildeo de pixel

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ERROR EN UNA IMAGEN ESPACIAL

ENTENDIENDO LAS IMAacuteGENES

fuentes de error

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Una correccioacuten geomeacutetrica incluye CUALQUIER CAMBIO EN LA POSICIOacuteN DE LOS PIXELES que

conforman la imagen f (c`) = f1 (c l) f (x y) f (l`) = f2 (c l) f (x y)

COORDENADAS DE IMAGEN CORREGIDA SON FUNCIOacuteN DE COORDENADAS COLUMNA Y LIacuteNEA DE LA

IMAGEN DE ENTRADA O DE LAS COORDENADAS DE MAPA AL QUE SUPERPONDREMOS LA IMAGEN

1 CON OBJETIVO DE REALIZAR UNA TRANSFORMACIOacuteN GEOMEacuteTRICA QUE PERMITA AJUSTARLA A OTRA IMAGEN REFERENCIA NORMALMENTE PARA REALIZAR ESTUDIOS MULTITEMPORALES O MOSAICOS CON EL FIN DE AMPLIAR LOS DATOS E INFORMACIOacuteN DE UNA ZONA

2 ESTO PERMITIRAacute QUE LA NUEVA IMAGEN LA PUEDA INTEGRAR CON INFORMACIOacuteN DE OTRAS FUENTES POR EJEMPLO EN UN AMBIENTE SIG

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

correccioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

asumimos que

NO SE CONOCE EL ORIGEN DE LOS ERRORES

modelamos

ECUACIONES EMPIacuteRICAS

aplicadas a un conjunto de puntos

COORDENADAS CONOCIDAS IMAGEN INPUT e IMAGEN OUTPUT

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

1 ndash SELECCIOacuteN DE REFERENCIAS 2 ndash ECUACIONES DE AJUSTE

3 ndash GENERACIOacuteN DE LA IMAGEN CORREGIDA

ES OBVIO CALIDAD DEL AJUSTE DEPENDERAacute DE PRECISIOacuteN CON QUE SE

LOCALICEN LOS PUNTOS DE CONTROL INEXACTA LOCALIZACIOacuteN

DISTRIBUCIOacuteN MUY SECTORIZADA NUacuteMERO DE PUNTOS DE CONTROL INADECUADO

ESTABLECER LOS PUNTOS DE CONTROL FASE MAS CRUCIAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

procesamiento de la correccioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Resaltamos la importancia de

NUacuteMERO LOCALIZACIOacuteN DISTRIBUCIOacuteN

Que debemos atender Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

que considero UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash Croquis ilustrativos de apoyo

TERRENO O ZONAS PLANAS CON IMG OBTENIDAS POR UN SENSOR DE ESTRECHA VISIOacuteN DE CAMPO

TRANSFORMACIOacuteN

BASADO EN ECUACIONES LINEALES SIMPLES

TERRENO ESCARPADO O RUGOSO O UTILIZACIOacuteN DE IMG OBTENIDAS EN UN SENSOR CON VARIACIONES EN LAS CONDICIONES DE OBSERVACIOacuteN

TRANSFORMACIOacuteN MAacuteS COMPLEJA

POLINOMIOS DE SEGUNDO O TERCER ORDEN

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Desde un punto de vista matemaacutetico

GRADO 1 ndash 3 puntos GRADO 2 ndash 6 puntos GRADO 3 ndash 10 puntos

Seguacuten mis objetivos del trabajo no es conveniente utilizar esos miacutenimos

14 a 20 puntos (Landsat 5 MMS ndash seguacuten Bernstein R y D G Ferneyhough Jr 1978)

100 a 120 puntos (Landsat 7 TM ndash seguacuten el National Remote Sensing Center de Inglaterra)

10 o 12 puntos (Pequentildea zona de 512 x 512 pixeles ndash seguacuten Emilio Chuvieco 2010)

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

matemaacuteticamente UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

QUE DEBEMOS DE CONSIDERAR EN CUANTO A LA LOCALIZACIOacuteN

CLARAMENTE IDENTIFICABLES EN IMAGEN Y MAPA RASGOS HUMANOS DEL PAISAJE NO SUJETOS A DINAMISMO TEMPORAL

CRUCE DE CARRETERAS

CAMINOS VIacuteA FEacuteRREAS

NO CONSIDERAR ELEMENTOS ASOCIADOS AL AGUA

COSTA CURSOS DE AGUA

EMBALSES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

localizacioacuten TCP UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la correccioacuten digital de la geometriacutea de una imagen se realiza a partir de establecer unas funciones que relacionen las coordenadas de la imagen

y las coordenadas del mapa

EJ CASO MAS SIMPLE REGRESIOacuteN LINEAL MUacuteLTIPLE

ci = a0 + a1 Xi + a2 Yi li = b0 + b1 Xi + b2 Yi

EN LA PRAacuteCTICA BASTA UNA FUNCIOacuteN LINEAL PARA ABORDAR UN GRAN NUacuteMERO DE

TRANSFORMACIONES Y SON SUFICIENTES SI LAS IMAacuteGENES NO SON MUY GRANDES ANTE LA NECESIDAD DE OTRAS TRANSFORMACIONES SE UTILIZAN DE 2ordm y 3ordm ORDEN CONSIDERANDO ALTERACIONES GEOMEacuteTRICAS NO LINEALES (FUNCIONES QUE NO SE DEFINEN EN UN PLANO

CON EJES LINEALES SINO QUE SUPERFICIES CON EJES CURVILIacuteNEOS)

LOS COEFICIENTES DE LAS FUNCIONES DE TRANSFORMACIOacuteN SE CALCULAN A PARTIR DE UN AJUSTE POR MIacuteNIMOS CUADRADOS

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

funciones de transformacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash ejemplos de funciones de transformacioacuten geomeacutetrica con el efecto causado

TRASLACIOacuteN

CAMBIO DE ESCALA

INCLINACIOacuteN

PERSPECTIVA

ROTACIOacuteN

x = a0 + xacute y = b0 + yacute

x = xacute + a2 yacute y = yacute

x = a1 xacute y = b1 yacute

x = a3xacute yacute y = yacute

x = a4xacute + a5yacute y = b4xacute + b5yacute a4 = b5 = cos Ɵ a5 = -b4 = sen Ɵ

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

transformacioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

comparacioacuten coordenadas reales y las estimadas por la regresioacuten

el promedio de los residuales se conoce como error medio cuadraacutetico

la calidad del ajuste lo da el RMSE (root mean squared error)

(error medio cuadraacutetico)

RMSE es la raiacutez cuadrada de las desviaciones entre los valores reales y los

calculados

RMSE para cada punto es la raiacutez de los residuales al cuadrado que es la distancia entre ellos

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

RMSE UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la praacutectica hace que fijemos una TOLERANCIA y es que si ese promedio supera un valor fijado previamente haya que rever

el valor fijado previamente generalmente es igual o menor a un PIXEL

una correcta verificacioacuten

NECESITA introducir PUNTOS de VERIFICACIOacuteN

que no hayan sido introducidos en el ajuste

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

tolerancias fijadas

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

traducimos coordenadas de un mapa a la imagen tambieacuten necesitamos a la nueva imagen

TRANSFERIR LOS VALORES DIGITALES no olvidar que lo que queremos es generar una nueva imagen que se

corresponda con las coordenadas y las funciones de ajuste

NO ORIGINAN NUEVA IMAGEN solo colocan a los pixeles en la posicioacuten correcta

en criollo las funciones de transformacioacuten generan una nueva matriz bien posicionada pero vaciacutea

DEBEMOS LLENAR LA MATRIZ problema maacutes complejo de lo que puede

pensarse Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

generacioacuten de la nueva imaacutegen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

cada pixel de la imagen corregida se corresponderiacutea con un pixel de la imagen original

LEJOS DE ESE IDEAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo I

vecino maacutes proacuteximo ( nearest neighbour )

a cada celda de la imagen corregida se asigna el ND del pixel maacutes cercano de la

imagen original

SOLUCIOacuteN RAacutePIDA MENOR DISTORSIOacuteN DE LOS ND

INTRODUCE RASGOS LINEALES QUE DISTORSIONAN

CORRECCIOacuteN DE IMAacuteGENES CLASIFICADAS

CONSERVAR LA RADIOMETRIacuteA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo II

interpolacioacuten bilineal ( bilinear interpolation )

supone promediar los ND de los cuatro pixeles mas cercanos

con ponderacioacuten seguacuten la distancia pixeles originalcorregido

REDUCE EL EFECTO DE DISTORSIOacuteN EN RASGOS LINEALES

TIENDE A DIFUMINAR LOS CONTRASTES ESPACIALES

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE IMAacuteGENES RECTIFICADAS MAPAS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo III

convolusioacuten cuacutebica ( cubic convolution )

supone considerar los ND de los 16 pixeles mas proacuteximos

media ponderada seguacuten la distancia pixeles originalcorregido

EFECTO VISUAL MAS CORRECTO

VOLUacuteMEN DE CAacuteLCULO MUY SUPERIOR TENDENCIA A AGUDIZAR BORDES DE LA IMAGEN

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE ORTOIMAacuteGENES IMPRESIONES DE CALIDAD

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

  • Nuacutemero de diapositiva 1
  • Nuacutemero de diapositiva 2
  • MOacuteDULO IV
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 5
  • Nuacutemero de diapositiva 6
  • Nuacutemero de diapositiva 7
  • Nuacutemero de diapositiva 8
  • Nuacutemero de diapositiva 9
  • Nuacutemero de diapositiva 10
  • Nuacutemero de diapositiva 11
  • Nuacutemero de diapositiva 12
  • Nuacutemero de diapositiva 13
  • Nuacutemero de diapositiva 14
  • Nuacutemero de diapositiva 15
  • Nuacutemero de diapositiva 16
  • Nuacutemero de diapositiva 17
  • Nuacutemero de diapositiva 18
  • Nuacutemero de diapositiva 19
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 21
  • Nuacutemero de diapositiva 22
  • Nuacutemero de diapositiva 23
  • Nuacutemero de diapositiva 24
  • Nuacutemero de diapositiva 25
  • Nuacutemero de diapositiva 26
  • Nuacutemero de diapositiva 27
  • Nuacutemero de diapositiva 28
  • Nuacutemero de diapositiva 29
  • Nuacutemero de diapositiva 30
  • Nuacutemero de diapositiva 31
  • Nuacutemero de diapositiva 32
  • Nuacutemero de diapositiva 33
  • Nuacutemero de diapositiva 34
  • Nuacutemero de diapositiva 35
  • Nuacutemero de diapositiva 36
  • Nuacutemero de diapositiva 37
  • Nuacutemero de diapositiva 38
  • Nuacutemero de diapositiva 39
  • Nuacutemero de diapositiva 40
  • 47 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 42
  • Nuacutemero de diapositiva 43
  • Nuacutemero de diapositiva 44
  • Nuacutemero de diapositiva 45
  • Nuacutemero de diapositiva 46
  • Nuacutemero de diapositiva 47
  • Nuacutemero de diapositiva 48
  • Nuacutemero de diapositiva 49
  • Nuacutemero de diapositiva 50
  • Nuacutemero de diapositiva 51
  • Nuacutemero de diapositiva 52
  • Nuacutemero de diapositiva 53
  • Nuacutemero de diapositiva 54
  • 48 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 56
  • Nuacutemero de diapositiva 57
  • Nuacutemero de diapositiva 58
  • Nuacutemero de diapositiva 59
  • Nuacutemero de diapositiva 60
  • Nuacutemero de diapositiva 61
  • Nuacutemero de diapositiva 62
  • Nuacutemero de diapositiva 63
  • Nuacutemero de diapositiva 64
  • Nuacutemero de diapositiva 65
  • Nuacutemero de diapositiva 66
  • Nuacutemero de diapositiva 67
  • Nuacutemero de diapositiva 68
  • Nuacutemero de diapositiva 69
  • Nuacutemero de diapositiva 70
  • Nuacutemero de diapositiva 71
  • Nuacutemero de diapositiva 72
  • Nuacutemero de diapositiva 73
  • Nuacutemero de diapositiva 74

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

RESTAURACIOacuteN DE CELDAS PERDIDAS

estudio de histogramas

httpcoelloujaenesAsignaturasteledeteccion

EXPLOTANDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ESTADIacuteSTICAS E HISTOGRAMA DE UNA IMAGEN

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm que es un

histograma

IMAGEN DIGITAL SIMPLE DE 8 x 8 PIXELES EN NIVELES DE GRIS CON UNA PROFUNDIDAD DE 2 BITS

CUATRO VALORES POSIBLES DE BRILLO PASADOS A TONOS DE GRIS NEGRO GRIS OSCURO GRIS CLARO Y BLANCO

ND BRILLO

0 Negro

1 Gris oscuro

2 Gris claro

3 Blanco

veremos entonces que es un HISTOGRAMA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

HISTOGRAMA

ENTENDIENDO LAS IMAacuteGENES

conceptualidades

REPRESENTACIOacuteN GRAacuteFICA DE LOS NIVELES DE GRISES EN FUNCIOacuteN DE LA REPETICIOacuteN DE VECES EN QUE APARECE CADA UNO DE LOS NIVELES DE GRIS

deducciones

11

15

38

0

adaptado de El histograma de una Imagen Digital Universidad

Politeacutecnica de Valencia

La mayor parte de los piacutexeles son blancos por lo que probablemente la imagen tenga un fondo blanco uniforme

Hay un nuacutemero significativo de pixeles negros y pixeles blancos lo que hace que la imagen presente un aspecto bien contrastado

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

HISTOGRAMA IDEAL

ENTENDIENDO LAS IMAacuteGENES

elementos a considerar

Como regla general se considera que una imagen tiene un buen contraste si su histograma se extiende ocupando casi todo el rango

de tonos

adaptado de El histograma de una Imagen Digital Universidad Politeacutecnica de Valencia

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

HISTOGRAMA IDEAL

ENTENDIENDO LAS IMAacuteGENES

elementos a considerar

Por ejemplo en una imagen nocturna el histograma estaacute fuertemente desplazado al lado izquierdo (zona de tonos oscuros) y

evidencia que no hay apenas ninguna zona de la imagen muy brillante

adaptado de El histograma de una Imagen Digital Universidad Politeacutecnica de Valencia

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

HISTOGRAMA IDEAL

ENTENDIENDO LAS IMAacuteGENES

elementos a considerar

En este caso el histograma es marcadamente maacutes alto en la zona de grises claros y blancos y apareceraacute corrido a la derecha hacia el

lado de los valores altos de iluminacioacuten

adaptado de El histograma de una Imagen Digital Universidad Politeacutecnica de Valencia

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

HISTOGRAMA IDEAL

ENTENDIENDO LAS IMAacuteGENES

elementos a considerar

Se entiende por contraste la diferencia de brillo entre las zonas maacutes claras y maacutes oscuras en una imagen En este paisaje con niebla es

un ejemplo de bajo contraste Se traduce en un histograma estrecho Ademaacutes como la toacutenica dominante son los grises medios

se observa que estaacute bastante centrado

adaptado de El histograma de una Imagen Digital Universidad Politeacutecnica de Valencia

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

conjunto de datos

Frente a escenas con una iluminacioacuten maacutes normal y con una gran cantidad de elementos detectados los histogramas deberiacutean ser como en el primer caso que

hemos visto

Si no sucede

Histograma desplazado a la izquierda puede denotar falta de exposicioacuten

Histograma desplazado a la derecha puede ser un exceso de exposicioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

46 Interpretacioacuten de Imaacutegenes

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento digital Optimizacioacuten de las imaacutegenes Realces y mejoras visuales Contraste en una imagen Composiciones color El color verdadero el falso color el pseudo color

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

OPTIMIZACIOacuteN DE LAS IMAacuteGENES

ENTENDIENDO LAS IMAacuteGENES

mejorar visualmente las imaacutegenes

MANIPULAR DE FORMA FLEXIBLE Y SOFISTICADA EL ND DE LOS PIXELES

LUEGO DE CORRECCIONES LAS IMAacuteGENES HAY QUE OPTIMIZARLAS DESDE EL PUNTO DE VISTA VISUAL

diferentes tipos

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

REALCES Y MEJORAS VISUALES

ENTENDIENDO LAS IMAacuteGENES

httpamericalatina-nacblogspotcomuy2009_10_01_archivehtml

optimizacioacuten de las imaacutegenes

proceso destinado a facilitar la interpretacioacuten visual

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

ecualizacioacuten del histograma

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

gaussiano

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

lineal 2

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

lineal

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

raiacutez cuadrada

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

lineal 0 - 255

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PORQUEacute EL REALCE

ENTENDIENDO LAS IMAacuteGENES

LOS SENSORES SON CALIBRADOS PARA ABARCAR TODO EL RANGO POSIBLE DE RADIANCIAS

PARA CADA USO EN CONCRETO ES NECESIDAD IMPERIOSA

EXPANDIR EL HISTOGRAMA Y ASIacute CUBRIR EL RANGO COMPLETO DE NIVELES DE GRIS

histograma UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CONTRASTE EN UNA IMAGEN

ENTENDIENDO LAS IMAacuteGENES

expansioacuten del contraste

los datos uacutetiles solo ocupan pequentildea parte de los niveles de gris disponibles

expandir o estirar el histograma es cambiar los valores originales de ND para utilizar mayor rango

asiacute incrementar el contraste visual de diferentes objetos

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

ejemplos visuales

sin realce lineal

frecuencial gamma

MEacuteTODOS DE EXPANSIOacuteN DEL CONTRASTE

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

lineal

expansioacuten lineal

lo maacutes simple transformacioacuten en liacutenea llevando el valor miacutenimo a 0 y maacuteximo a 255 o se usa un rango por encima y por debajo de miacutenimo y maacuteximo

EXPANSIOacuteN I

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

lineal

EXPANSIOacuteN I expansioacuten

logariacutetmico exponencial

gamma

curvas de transferencia en lugar de rectas gamma es la curvatura de dicha curva se expanden maacutes el contraste de los extremos o del centro

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

frecuencial

EXPANSIOacuteN II

frecuencial ecualizacioacuten del

histograma

cuando los valores de ND no estaacuten distribuidos uniformemente intentar en la medida de lo posible que los valores de salida de los ND tengan el mismo de pixeles con dicho valor

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CONTRASTE EN UNA IMAGEN

ENTENDIENDO LAS IMAacuteGENES

compresioacuten del contraste

Ya sabemos que el contraste mide el rango dinaacutemico de los colores en la imagen es decir una imagen muy contrastada tiene un amplio abanico de colores (o tonos de gris) desde valores muy bajos a valores muy altos Para una imagen con poco contraste los colores estaacuten muy juntos el margen dinaacutemico es pequentildeo La variacioacuten en el contraste aparece como una compresioacuten del histograma en caso de una reduccioacuten a la inversa de lo visto en el caso de una expansioacuten

Compresioacuten si el rango excede de las capacidades del sistema

Se ha de comparar el nuacutemero de niveles digitales (ND) de la imagen con los niveles de visualizacioacuten (NV) o grises del sistema Es de menos aplicacioacuten Al igual que el brillo variando el contraste se puede provocar una peacuterdida de informacioacuten de la imagen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

MAYOR APLICABILIDAD DEL REALCE

ENTENDIENDO LAS IMAacuteGENES

realce oacuteptimo

realce frecuencial

realce lineal

laquo r e a l c e oacute p t i m o raquo optimiza interpretacioacuten de la imagen

mejor esteacutetica de la imagen NO COINCIDE CON NINGUacuteN CORTE PREDETERMINADO

Y SE LOGRA INTERACTIVAMENTE EN PANTALLA Y PARA CADA BANDA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

image1png

image1png

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

COMPOSICIONES COLOR

ENTENDIENDO LAS IMAacuteGENES

formatos de composiciones

CON LA CRECIENTE APARICIOacuteN DE LOS SENSORES HIPERESPECTRALES LAS POSIBILIDADES DE COMPOSICIONES

COLOREADAS DE BANDAS SON CASI ILIMITADAS

LA ELECCIOacuteN DE LAS BANDAS PARA REALIZAR LA COMPOSICIOacuteN Y EL ORDEN DE LAS BANDAS ASIGANADAS A LOS COLORES

PRIMARIOS DEPENDERAacute DE

Sensor Aplicacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EL SEUDO - COLOR

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm formatos de

composiciones

Ya hemos afirmado de que el ojo humano es maacutes capaz de distinguir tonos de color que intensidades de brillo

Por ello el empleo del color ayuda a la interpretacioacuten incluso cuando podamos tener una sola imagen de una banda

Es aquiacute que hablamos del SEUDO COLOR por no contar con tres bandas

El seudo color implica la creacioacuten de una CLUT que asocie el ND de una sola banda a distintos componentes del R V y A APLICACIONES 1 Para tener una leyenda de colores para una img clasificada 2 Para realzar el anaacutelisis de una determinada banda y sustituir los tonos de gris por una paleta de colores

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CLUT COLOUR LOOK-UP TABLE TABLA DE CONSULTA DE COLOR

ENTENDIENDO LAS IMAacuteGENES

httpsenwikipediaorgwikiColour_look-up_table

creacioacuten del seudo color

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Filtros espaciales Concepto de kernel Filtros paso bajo y paso alto Filtros direccionales Anomaliacuteas y correccioacuten atmosfeacuterica Correcciones radiomeacutetricas Anomaliacuteas radiomeacutetricas Fallos en el sensorCorreccioacuten atmosfeacuterica concepto Meacutetodo valores miacutenimos Regresioacuten entre bandas Dispersioacuten por aerosolesCalibracioacuten Caso misioacuten Landsat

47 Interpretacioacuten de Imaacutegenes

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

conceptos de que es un filtro

espacial

FUNCIONES PARA MEJORAR ASPECTO DE LAS IMAacuteGENES

REALZAN O DISMINUYEN ELEMENTOS VISUALES DE LA IMG

BASADOS EN LA FRECUENCIA ESPACIAL

FRECUENCIAS ESPACIALES ALTAS Variaciones que se producen en pocos piacutexeles TENDENCIA GENERAL FRECUENCIAS ESPACIALES BAJAS

Variaciones que se producen en muchos piacutexeles CONTRASTES LOCALES

FILTROS Figura - CCRS CCT

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

conceptos de kernel

FILTRADO ESPACIAL Figura - CCRS CCT FILTRADO EN EL DOMINIO

ESPACIAL Lo mas comuacuten es la aplicacioacuten de una ventana deslizante con valores que son coeficientes fijos de una matriz La MATRIZ se suele llamar KERNEL o nuacutecleo del filtro

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DIGITAL

ENTENDIENDO LAS IMAacuteGENES

aplicacioacuten del kernel

3 x 3 5 x 5 7 x 7

1 1 1

1 2 1

1 1 1 matrices

LOS VALORES DEL KERNEL SE MULTIPLICAN POR EL PIacuteXEL QUE TIENEN DEBAJO Y LUEGO SE SUMAN TODOS LOS PRODUCTOS

Y PARA OBTENER EL VALOR DEL PIacuteXEL CENTRAL EN LA IMAGEN TRANSFORMADA SE LO DIVIDE POR LA SUMA DE LOS PONDERADOS O PESOS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO - PASO BAJO PASO ALTO

ENTENDIENDO LAS IMAacuteGENES

aplicacioacuten del kernel

26

FILTROS DE PASO BAJO SE FAVORECEN A LOS PIXELES

PERIFEacuteRICOS SE MINIMIZAN LAS DIFERENCIAS CON LOS VECINOS ES UNA ESPECIE DE SUAVIZADO

FILTRO DE PASO ALTO PONDERACIOacuteN DEL VALOR CENTRAL EN DETRIMENTO DE LOS CIRCUNDANTES

SE EXAGERAN DIFERENCIAS Y SE RESALTAN VARIACIONES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DE PASO BAJO

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm

simulacioacuten

IMAGEN ORIGINAL

FILTRO PASO BAJO 3x3 SE TRATA DE ASEMEJAR LOS VALORES DE ND DE UN PIXEL A LOS VALORES VECINOS EN TEacuteRMINOS VISUALES LA IMAGEN FILTRADA OFRECE PERFILES MENOS NIacuteTIDOS

FILTRO PASO BAJO 7x7 SIRVE PARA REDUCIR VARIABILIDAD ESPACIAL DE ALGUNA CATEGORIacuteA ANTES DE UN PROCESO DE CLASIFICACIOacuteN

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DE PASO ALTO

ENTENDIENDO LAS IMAacuteGENES

IMAGEN ORIGINAL

FILTRO PASO ALTO 3x3 SE TRATA DE AISLAR LOS COMPONENTES DE ALTA FRECUENCIA Y REMARCAR DIGITALMENTE CONTRASTES EN TEacuteRMINOS VISUALES LA IMAGEN FILTRADA REFUERZA LOS CONTORNOS EN AacuteREAS HOMOGEacuteNEAS

FILTRO PASO ALTO 7x7 SIRVE PARA LOGRAR REALCES DE RASGOS LINEALES COMO PUEDEN SER EN AacuteREAS URBANAS O RASGOS GEOLOacuteGICOS

simulacioacuten

httpgeograuahesrtm

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

Figura - Landsat USGS

IMAGEN ORIGINAL

FILTRO DIRECCIONAL PERMITEN IDENTIFICAR LOS RASGOS FRONTERIZOS EN LAS IMAacuteGENES COMO LOS FILTROS ANTERIORES PERO AHORA CONSIDERANDO LA ORIENTACIOacuteN

se tiene en cuenta la

orientacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

matrices con direccioacuten

NORTE

1 1 1

1 -2 1

-1 -1 -1

SUR

-1 -1 -1

1 -2 1

1 1 1

ESTE

-1 1 1

-1 -2 1

-1 1 1

OESTE

1 1 -1

1 -2 -1

1 1 -1

SURESTE

-1 -1 1

-1 -2 1

1 1 1

NOROESTE

1 1 1

1 -2 -1

1 -1 -1

SUROESTE

1 -1 -1

1 -2 -1

1 1 1

NORESTE

1 1 1

-1 -2 1

-1 -1 1

OBSERVACIOacuteN

LOS NOMBRES OBEDECEN A LA DIRECCIOacuteN DEL CONTRASTE QUE SENtildeALAN

LA DIRECCIOacuteN QUE REALZAN ES JUSTAMENTE LA PERPENDICULAR

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

48 Interpretacioacuten de Imaacutegenes

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Correcciones geomeacutetricas Georreferenciacioacuten Uso de puntos de control Fuentes de error Procesamiento geomeacutetrico Correccioacuten Transformacioacuten geomeacutetrica Calidad y ajuste Generacioacuten de la nueva imagen Transferencia de ND

INSTITUTO DE AGRIMENSURA - DEPARTAMENTO DE GEOMAacuteTICA PROF ADJUNTO GRADO 3 EDISON J ROSAS BERTON

El tratamiento de una imagen de sateacutelite Georreferenciacioacuten

(paso de un sistema de filas y columnas a un sistema de coordenadas estandard)

Para ello debe obtenerse una muestra de puntos de control de los que conozcamos tanto sus coordenadas reales como sus coordenadas en

la imagen deben ser por tanto objetos de un tamantildeo adecuado para resultar identificables tanto en la imagen como sobre el terreno el tamantildeo

dependeraacute loacutegicamente de la resolucioacuten de la imagen A partir de estos puntos de control se obtendraacuten por regresioacuten unas ecuaciones que permitiraacuten a cada par filacolumna un par de coordenadas

XY

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

GEORREFERENCIACIOacuteN

ENTENDIENDO LAS IMAacuteGENES

georreferenciacioacuten porqueacute

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PUNTOS DE CONTROL

ENTENDIENDO LAS IMAacuteGENES

uso de puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

DISTORSIONES POR LA PLATAFORMA ALTITUD DE LA OacuteRBITA ndash Cambio de escala

VELOCIDAD ndash Cambios de escala ORIENTACIOacuteN DE LOS TRES EJES ndash Distorsiones en la geometriacutea

NO SISTEMAacuteTICOS Y COMPLEJOS DE MODELAR

DISTORSIONES POR ROTACIOacuteN TERRESTRE

CONSIDERANDO ALTITUD (800 Km) y TAMANtildeO DE LA IMAGEN (180 Km)ndashEn latitudes medias tarda en adquirir unos 30 segundos la Tierra se desplaza unos 8 Km

ORIENTACIOacuteN NE SW

DISTORSIONES POR EL SENSOR ANOMALIacuteAS SENSOR y MOVIMIENTO ESPEJO ndash Barrido no lineal o cambio en intervalos

AacuteNGULO DE BARRIDO ndash Variacioacuten en el tamantildeo de pixel

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ERROR EN UNA IMAGEN ESPACIAL

ENTENDIENDO LAS IMAacuteGENES

fuentes de error

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Una correccioacuten geomeacutetrica incluye CUALQUIER CAMBIO EN LA POSICIOacuteN DE LOS PIXELES que

conforman la imagen f (c`) = f1 (c l) f (x y) f (l`) = f2 (c l) f (x y)

COORDENADAS DE IMAGEN CORREGIDA SON FUNCIOacuteN DE COORDENADAS COLUMNA Y LIacuteNEA DE LA

IMAGEN DE ENTRADA O DE LAS COORDENADAS DE MAPA AL QUE SUPERPONDREMOS LA IMAGEN

1 CON OBJETIVO DE REALIZAR UNA TRANSFORMACIOacuteN GEOMEacuteTRICA QUE PERMITA AJUSTARLA A OTRA IMAGEN REFERENCIA NORMALMENTE PARA REALIZAR ESTUDIOS MULTITEMPORALES O MOSAICOS CON EL FIN DE AMPLIAR LOS DATOS E INFORMACIOacuteN DE UNA ZONA

2 ESTO PERMITIRAacute QUE LA NUEVA IMAGEN LA PUEDA INTEGRAR CON INFORMACIOacuteN DE OTRAS FUENTES POR EJEMPLO EN UN AMBIENTE SIG

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

correccioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

asumimos que

NO SE CONOCE EL ORIGEN DE LOS ERRORES

modelamos

ECUACIONES EMPIacuteRICAS

aplicadas a un conjunto de puntos

COORDENADAS CONOCIDAS IMAGEN INPUT e IMAGEN OUTPUT

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

1 ndash SELECCIOacuteN DE REFERENCIAS 2 ndash ECUACIONES DE AJUSTE

3 ndash GENERACIOacuteN DE LA IMAGEN CORREGIDA

ES OBVIO CALIDAD DEL AJUSTE DEPENDERAacute DE PRECISIOacuteN CON QUE SE

LOCALICEN LOS PUNTOS DE CONTROL INEXACTA LOCALIZACIOacuteN

DISTRIBUCIOacuteN MUY SECTORIZADA NUacuteMERO DE PUNTOS DE CONTROL INADECUADO

ESTABLECER LOS PUNTOS DE CONTROL FASE MAS CRUCIAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

procesamiento de la correccioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Resaltamos la importancia de

NUacuteMERO LOCALIZACIOacuteN DISTRIBUCIOacuteN

Que debemos atender Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

que considero UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash Croquis ilustrativos de apoyo

TERRENO O ZONAS PLANAS CON IMG OBTENIDAS POR UN SENSOR DE ESTRECHA VISIOacuteN DE CAMPO

TRANSFORMACIOacuteN

BASADO EN ECUACIONES LINEALES SIMPLES

TERRENO ESCARPADO O RUGOSO O UTILIZACIOacuteN DE IMG OBTENIDAS EN UN SENSOR CON VARIACIONES EN LAS CONDICIONES DE OBSERVACIOacuteN

TRANSFORMACIOacuteN MAacuteS COMPLEJA

POLINOMIOS DE SEGUNDO O TERCER ORDEN

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Desde un punto de vista matemaacutetico

GRADO 1 ndash 3 puntos GRADO 2 ndash 6 puntos GRADO 3 ndash 10 puntos

Seguacuten mis objetivos del trabajo no es conveniente utilizar esos miacutenimos

14 a 20 puntos (Landsat 5 MMS ndash seguacuten Bernstein R y D G Ferneyhough Jr 1978)

100 a 120 puntos (Landsat 7 TM ndash seguacuten el National Remote Sensing Center de Inglaterra)

10 o 12 puntos (Pequentildea zona de 512 x 512 pixeles ndash seguacuten Emilio Chuvieco 2010)

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

matemaacuteticamente UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

QUE DEBEMOS DE CONSIDERAR EN CUANTO A LA LOCALIZACIOacuteN

CLARAMENTE IDENTIFICABLES EN IMAGEN Y MAPA RASGOS HUMANOS DEL PAISAJE NO SUJETOS A DINAMISMO TEMPORAL

CRUCE DE CARRETERAS

CAMINOS VIacuteA FEacuteRREAS

NO CONSIDERAR ELEMENTOS ASOCIADOS AL AGUA

COSTA CURSOS DE AGUA

EMBALSES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

localizacioacuten TCP UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la correccioacuten digital de la geometriacutea de una imagen se realiza a partir de establecer unas funciones que relacionen las coordenadas de la imagen

y las coordenadas del mapa

EJ CASO MAS SIMPLE REGRESIOacuteN LINEAL MUacuteLTIPLE

ci = a0 + a1 Xi + a2 Yi li = b0 + b1 Xi + b2 Yi

EN LA PRAacuteCTICA BASTA UNA FUNCIOacuteN LINEAL PARA ABORDAR UN GRAN NUacuteMERO DE

TRANSFORMACIONES Y SON SUFICIENTES SI LAS IMAacuteGENES NO SON MUY GRANDES ANTE LA NECESIDAD DE OTRAS TRANSFORMACIONES SE UTILIZAN DE 2ordm y 3ordm ORDEN CONSIDERANDO ALTERACIONES GEOMEacuteTRICAS NO LINEALES (FUNCIONES QUE NO SE DEFINEN EN UN PLANO

CON EJES LINEALES SINO QUE SUPERFICIES CON EJES CURVILIacuteNEOS)

LOS COEFICIENTES DE LAS FUNCIONES DE TRANSFORMACIOacuteN SE CALCULAN A PARTIR DE UN AJUSTE POR MIacuteNIMOS CUADRADOS

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

funciones de transformacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash ejemplos de funciones de transformacioacuten geomeacutetrica con el efecto causado

TRASLACIOacuteN

CAMBIO DE ESCALA

INCLINACIOacuteN

PERSPECTIVA

ROTACIOacuteN

x = a0 + xacute y = b0 + yacute

x = xacute + a2 yacute y = yacute

x = a1 xacute y = b1 yacute

x = a3xacute yacute y = yacute

x = a4xacute + a5yacute y = b4xacute + b5yacute a4 = b5 = cos Ɵ a5 = -b4 = sen Ɵ

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

transformacioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

comparacioacuten coordenadas reales y las estimadas por la regresioacuten

el promedio de los residuales se conoce como error medio cuadraacutetico

la calidad del ajuste lo da el RMSE (root mean squared error)

(error medio cuadraacutetico)

RMSE es la raiacutez cuadrada de las desviaciones entre los valores reales y los

calculados

RMSE para cada punto es la raiacutez de los residuales al cuadrado que es la distancia entre ellos

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

RMSE UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la praacutectica hace que fijemos una TOLERANCIA y es que si ese promedio supera un valor fijado previamente haya que rever

el valor fijado previamente generalmente es igual o menor a un PIXEL

una correcta verificacioacuten

NECESITA introducir PUNTOS de VERIFICACIOacuteN

que no hayan sido introducidos en el ajuste

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

tolerancias fijadas

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

traducimos coordenadas de un mapa a la imagen tambieacuten necesitamos a la nueva imagen

TRANSFERIR LOS VALORES DIGITALES no olvidar que lo que queremos es generar una nueva imagen que se

corresponda con las coordenadas y las funciones de ajuste

NO ORIGINAN NUEVA IMAGEN solo colocan a los pixeles en la posicioacuten correcta

en criollo las funciones de transformacioacuten generan una nueva matriz bien posicionada pero vaciacutea

DEBEMOS LLENAR LA MATRIZ problema maacutes complejo de lo que puede

pensarse Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

generacioacuten de la nueva imaacutegen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

cada pixel de la imagen corregida se corresponderiacutea con un pixel de la imagen original

LEJOS DE ESE IDEAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo I

vecino maacutes proacuteximo ( nearest neighbour )

a cada celda de la imagen corregida se asigna el ND del pixel maacutes cercano de la

imagen original

SOLUCIOacuteN RAacutePIDA MENOR DISTORSIOacuteN DE LOS ND

INTRODUCE RASGOS LINEALES QUE DISTORSIONAN

CORRECCIOacuteN DE IMAacuteGENES CLASIFICADAS

CONSERVAR LA RADIOMETRIacuteA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo II

interpolacioacuten bilineal ( bilinear interpolation )

supone promediar los ND de los cuatro pixeles mas cercanos

con ponderacioacuten seguacuten la distancia pixeles originalcorregido

REDUCE EL EFECTO DE DISTORSIOacuteN EN RASGOS LINEALES

TIENDE A DIFUMINAR LOS CONTRASTES ESPACIALES

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE IMAacuteGENES RECTIFICADAS MAPAS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo III

convolusioacuten cuacutebica ( cubic convolution )

supone considerar los ND de los 16 pixeles mas proacuteximos

media ponderada seguacuten la distancia pixeles originalcorregido

EFECTO VISUAL MAS CORRECTO

VOLUacuteMEN DE CAacuteLCULO MUY SUPERIOR TENDENCIA A AGUDIZAR BORDES DE LA IMAGEN

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE ORTOIMAacuteGENES IMPRESIONES DE CALIDAD

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

  • Nuacutemero de diapositiva 1
  • Nuacutemero de diapositiva 2
  • MOacuteDULO IV
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 5
  • Nuacutemero de diapositiva 6
  • Nuacutemero de diapositiva 7
  • Nuacutemero de diapositiva 8
  • Nuacutemero de diapositiva 9
  • Nuacutemero de diapositiva 10
  • Nuacutemero de diapositiva 11
  • Nuacutemero de diapositiva 12
  • Nuacutemero de diapositiva 13
  • Nuacutemero de diapositiva 14
  • Nuacutemero de diapositiva 15
  • Nuacutemero de diapositiva 16
  • Nuacutemero de diapositiva 17
  • Nuacutemero de diapositiva 18
  • Nuacutemero de diapositiva 19
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 21
  • Nuacutemero de diapositiva 22
  • Nuacutemero de diapositiva 23
  • Nuacutemero de diapositiva 24
  • Nuacutemero de diapositiva 25
  • Nuacutemero de diapositiva 26
  • Nuacutemero de diapositiva 27
  • Nuacutemero de diapositiva 28
  • Nuacutemero de diapositiva 29
  • Nuacutemero de diapositiva 30
  • Nuacutemero de diapositiva 31
  • Nuacutemero de diapositiva 32
  • Nuacutemero de diapositiva 33
  • Nuacutemero de diapositiva 34
  • Nuacutemero de diapositiva 35
  • Nuacutemero de diapositiva 36
  • Nuacutemero de diapositiva 37
  • Nuacutemero de diapositiva 38
  • Nuacutemero de diapositiva 39
  • Nuacutemero de diapositiva 40
  • 47 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 42
  • Nuacutemero de diapositiva 43
  • Nuacutemero de diapositiva 44
  • Nuacutemero de diapositiva 45
  • Nuacutemero de diapositiva 46
  • Nuacutemero de diapositiva 47
  • Nuacutemero de diapositiva 48
  • Nuacutemero de diapositiva 49
  • Nuacutemero de diapositiva 50
  • Nuacutemero de diapositiva 51
  • Nuacutemero de diapositiva 52
  • Nuacutemero de diapositiva 53
  • Nuacutemero de diapositiva 54
  • 48 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 56
  • Nuacutemero de diapositiva 57
  • Nuacutemero de diapositiva 58
  • Nuacutemero de diapositiva 59
  • Nuacutemero de diapositiva 60
  • Nuacutemero de diapositiva 61
  • Nuacutemero de diapositiva 62
  • Nuacutemero de diapositiva 63
  • Nuacutemero de diapositiva 64
  • Nuacutemero de diapositiva 65
  • Nuacutemero de diapositiva 66
  • Nuacutemero de diapositiva 67
  • Nuacutemero de diapositiva 68
  • Nuacutemero de diapositiva 69
  • Nuacutemero de diapositiva 70
  • Nuacutemero de diapositiva 71
  • Nuacutemero de diapositiva 72
  • Nuacutemero de diapositiva 73
  • Nuacutemero de diapositiva 74

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ESTADIacuteSTICAS E HISTOGRAMA DE UNA IMAGEN

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm que es un

histograma

IMAGEN DIGITAL SIMPLE DE 8 x 8 PIXELES EN NIVELES DE GRIS CON UNA PROFUNDIDAD DE 2 BITS

CUATRO VALORES POSIBLES DE BRILLO PASADOS A TONOS DE GRIS NEGRO GRIS OSCURO GRIS CLARO Y BLANCO

ND BRILLO

0 Negro

1 Gris oscuro

2 Gris claro

3 Blanco

veremos entonces que es un HISTOGRAMA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

HISTOGRAMA

ENTENDIENDO LAS IMAacuteGENES

conceptualidades

REPRESENTACIOacuteN GRAacuteFICA DE LOS NIVELES DE GRISES EN FUNCIOacuteN DE LA REPETICIOacuteN DE VECES EN QUE APARECE CADA UNO DE LOS NIVELES DE GRIS

deducciones

11

15

38

0

adaptado de El histograma de una Imagen Digital Universidad

Politeacutecnica de Valencia

La mayor parte de los piacutexeles son blancos por lo que probablemente la imagen tenga un fondo blanco uniforme

Hay un nuacutemero significativo de pixeles negros y pixeles blancos lo que hace que la imagen presente un aspecto bien contrastado

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

HISTOGRAMA IDEAL

ENTENDIENDO LAS IMAacuteGENES

elementos a considerar

Como regla general se considera que una imagen tiene un buen contraste si su histograma se extiende ocupando casi todo el rango

de tonos

adaptado de El histograma de una Imagen Digital Universidad Politeacutecnica de Valencia

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

HISTOGRAMA IDEAL

ENTENDIENDO LAS IMAacuteGENES

elementos a considerar

Por ejemplo en una imagen nocturna el histograma estaacute fuertemente desplazado al lado izquierdo (zona de tonos oscuros) y

evidencia que no hay apenas ninguna zona de la imagen muy brillante

adaptado de El histograma de una Imagen Digital Universidad Politeacutecnica de Valencia

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

HISTOGRAMA IDEAL

ENTENDIENDO LAS IMAacuteGENES

elementos a considerar

En este caso el histograma es marcadamente maacutes alto en la zona de grises claros y blancos y apareceraacute corrido a la derecha hacia el

lado de los valores altos de iluminacioacuten

adaptado de El histograma de una Imagen Digital Universidad Politeacutecnica de Valencia

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

HISTOGRAMA IDEAL

ENTENDIENDO LAS IMAacuteGENES

elementos a considerar

Se entiende por contraste la diferencia de brillo entre las zonas maacutes claras y maacutes oscuras en una imagen En este paisaje con niebla es

un ejemplo de bajo contraste Se traduce en un histograma estrecho Ademaacutes como la toacutenica dominante son los grises medios

se observa que estaacute bastante centrado

adaptado de El histograma de una Imagen Digital Universidad Politeacutecnica de Valencia

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

conjunto de datos

Frente a escenas con una iluminacioacuten maacutes normal y con una gran cantidad de elementos detectados los histogramas deberiacutean ser como en el primer caso que

hemos visto

Si no sucede

Histograma desplazado a la izquierda puede denotar falta de exposicioacuten

Histograma desplazado a la derecha puede ser un exceso de exposicioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

46 Interpretacioacuten de Imaacutegenes

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento digital Optimizacioacuten de las imaacutegenes Realces y mejoras visuales Contraste en una imagen Composiciones color El color verdadero el falso color el pseudo color

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

OPTIMIZACIOacuteN DE LAS IMAacuteGENES

ENTENDIENDO LAS IMAacuteGENES

mejorar visualmente las imaacutegenes

MANIPULAR DE FORMA FLEXIBLE Y SOFISTICADA EL ND DE LOS PIXELES

LUEGO DE CORRECCIONES LAS IMAacuteGENES HAY QUE OPTIMIZARLAS DESDE EL PUNTO DE VISTA VISUAL

diferentes tipos

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

REALCES Y MEJORAS VISUALES

ENTENDIENDO LAS IMAacuteGENES

httpamericalatina-nacblogspotcomuy2009_10_01_archivehtml

optimizacioacuten de las imaacutegenes

proceso destinado a facilitar la interpretacioacuten visual

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

ecualizacioacuten del histograma

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

gaussiano

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

lineal 2

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

lineal

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

raiacutez cuadrada

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

lineal 0 - 255

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PORQUEacute EL REALCE

ENTENDIENDO LAS IMAacuteGENES

LOS SENSORES SON CALIBRADOS PARA ABARCAR TODO EL RANGO POSIBLE DE RADIANCIAS

PARA CADA USO EN CONCRETO ES NECESIDAD IMPERIOSA

EXPANDIR EL HISTOGRAMA Y ASIacute CUBRIR EL RANGO COMPLETO DE NIVELES DE GRIS

histograma UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CONTRASTE EN UNA IMAGEN

ENTENDIENDO LAS IMAacuteGENES

expansioacuten del contraste

los datos uacutetiles solo ocupan pequentildea parte de los niveles de gris disponibles

expandir o estirar el histograma es cambiar los valores originales de ND para utilizar mayor rango

asiacute incrementar el contraste visual de diferentes objetos

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

ejemplos visuales

sin realce lineal

frecuencial gamma

MEacuteTODOS DE EXPANSIOacuteN DEL CONTRASTE

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

lineal

expansioacuten lineal

lo maacutes simple transformacioacuten en liacutenea llevando el valor miacutenimo a 0 y maacuteximo a 255 o se usa un rango por encima y por debajo de miacutenimo y maacuteximo

EXPANSIOacuteN I

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

lineal

EXPANSIOacuteN I expansioacuten

logariacutetmico exponencial

gamma

curvas de transferencia en lugar de rectas gamma es la curvatura de dicha curva se expanden maacutes el contraste de los extremos o del centro

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

frecuencial

EXPANSIOacuteN II

frecuencial ecualizacioacuten del

histograma

cuando los valores de ND no estaacuten distribuidos uniformemente intentar en la medida de lo posible que los valores de salida de los ND tengan el mismo de pixeles con dicho valor

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CONTRASTE EN UNA IMAGEN

ENTENDIENDO LAS IMAacuteGENES

compresioacuten del contraste

Ya sabemos que el contraste mide el rango dinaacutemico de los colores en la imagen es decir una imagen muy contrastada tiene un amplio abanico de colores (o tonos de gris) desde valores muy bajos a valores muy altos Para una imagen con poco contraste los colores estaacuten muy juntos el margen dinaacutemico es pequentildeo La variacioacuten en el contraste aparece como una compresioacuten del histograma en caso de una reduccioacuten a la inversa de lo visto en el caso de una expansioacuten

Compresioacuten si el rango excede de las capacidades del sistema

Se ha de comparar el nuacutemero de niveles digitales (ND) de la imagen con los niveles de visualizacioacuten (NV) o grises del sistema Es de menos aplicacioacuten Al igual que el brillo variando el contraste se puede provocar una peacuterdida de informacioacuten de la imagen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

MAYOR APLICABILIDAD DEL REALCE

ENTENDIENDO LAS IMAacuteGENES

realce oacuteptimo

realce frecuencial

realce lineal

laquo r e a l c e oacute p t i m o raquo optimiza interpretacioacuten de la imagen

mejor esteacutetica de la imagen NO COINCIDE CON NINGUacuteN CORTE PREDETERMINADO

Y SE LOGRA INTERACTIVAMENTE EN PANTALLA Y PARA CADA BANDA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

image1png

image1png

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

COMPOSICIONES COLOR

ENTENDIENDO LAS IMAacuteGENES

formatos de composiciones

CON LA CRECIENTE APARICIOacuteN DE LOS SENSORES HIPERESPECTRALES LAS POSIBILIDADES DE COMPOSICIONES

COLOREADAS DE BANDAS SON CASI ILIMITADAS

LA ELECCIOacuteN DE LAS BANDAS PARA REALIZAR LA COMPOSICIOacuteN Y EL ORDEN DE LAS BANDAS ASIGANADAS A LOS COLORES

PRIMARIOS DEPENDERAacute DE

Sensor Aplicacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EL SEUDO - COLOR

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm formatos de

composiciones

Ya hemos afirmado de que el ojo humano es maacutes capaz de distinguir tonos de color que intensidades de brillo

Por ello el empleo del color ayuda a la interpretacioacuten incluso cuando podamos tener una sola imagen de una banda

Es aquiacute que hablamos del SEUDO COLOR por no contar con tres bandas

El seudo color implica la creacioacuten de una CLUT que asocie el ND de una sola banda a distintos componentes del R V y A APLICACIONES 1 Para tener una leyenda de colores para una img clasificada 2 Para realzar el anaacutelisis de una determinada banda y sustituir los tonos de gris por una paleta de colores

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CLUT COLOUR LOOK-UP TABLE TABLA DE CONSULTA DE COLOR

ENTENDIENDO LAS IMAacuteGENES

httpsenwikipediaorgwikiColour_look-up_table

creacioacuten del seudo color

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Filtros espaciales Concepto de kernel Filtros paso bajo y paso alto Filtros direccionales Anomaliacuteas y correccioacuten atmosfeacuterica Correcciones radiomeacutetricas Anomaliacuteas radiomeacutetricas Fallos en el sensorCorreccioacuten atmosfeacuterica concepto Meacutetodo valores miacutenimos Regresioacuten entre bandas Dispersioacuten por aerosolesCalibracioacuten Caso misioacuten Landsat

47 Interpretacioacuten de Imaacutegenes

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

conceptos de que es un filtro

espacial

FUNCIONES PARA MEJORAR ASPECTO DE LAS IMAacuteGENES

REALZAN O DISMINUYEN ELEMENTOS VISUALES DE LA IMG

BASADOS EN LA FRECUENCIA ESPACIAL

FRECUENCIAS ESPACIALES ALTAS Variaciones que se producen en pocos piacutexeles TENDENCIA GENERAL FRECUENCIAS ESPACIALES BAJAS

Variaciones que se producen en muchos piacutexeles CONTRASTES LOCALES

FILTROS Figura - CCRS CCT

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

conceptos de kernel

FILTRADO ESPACIAL Figura - CCRS CCT FILTRADO EN EL DOMINIO

ESPACIAL Lo mas comuacuten es la aplicacioacuten de una ventana deslizante con valores que son coeficientes fijos de una matriz La MATRIZ se suele llamar KERNEL o nuacutecleo del filtro

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DIGITAL

ENTENDIENDO LAS IMAacuteGENES

aplicacioacuten del kernel

3 x 3 5 x 5 7 x 7

1 1 1

1 2 1

1 1 1 matrices

LOS VALORES DEL KERNEL SE MULTIPLICAN POR EL PIacuteXEL QUE TIENEN DEBAJO Y LUEGO SE SUMAN TODOS LOS PRODUCTOS

Y PARA OBTENER EL VALOR DEL PIacuteXEL CENTRAL EN LA IMAGEN TRANSFORMADA SE LO DIVIDE POR LA SUMA DE LOS PONDERADOS O PESOS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO - PASO BAJO PASO ALTO

ENTENDIENDO LAS IMAacuteGENES

aplicacioacuten del kernel

26

FILTROS DE PASO BAJO SE FAVORECEN A LOS PIXELES

PERIFEacuteRICOS SE MINIMIZAN LAS DIFERENCIAS CON LOS VECINOS ES UNA ESPECIE DE SUAVIZADO

FILTRO DE PASO ALTO PONDERACIOacuteN DEL VALOR CENTRAL EN DETRIMENTO DE LOS CIRCUNDANTES

SE EXAGERAN DIFERENCIAS Y SE RESALTAN VARIACIONES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DE PASO BAJO

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm

simulacioacuten

IMAGEN ORIGINAL

FILTRO PASO BAJO 3x3 SE TRATA DE ASEMEJAR LOS VALORES DE ND DE UN PIXEL A LOS VALORES VECINOS EN TEacuteRMINOS VISUALES LA IMAGEN FILTRADA OFRECE PERFILES MENOS NIacuteTIDOS

FILTRO PASO BAJO 7x7 SIRVE PARA REDUCIR VARIABILIDAD ESPACIAL DE ALGUNA CATEGORIacuteA ANTES DE UN PROCESO DE CLASIFICACIOacuteN

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DE PASO ALTO

ENTENDIENDO LAS IMAacuteGENES

IMAGEN ORIGINAL

FILTRO PASO ALTO 3x3 SE TRATA DE AISLAR LOS COMPONENTES DE ALTA FRECUENCIA Y REMARCAR DIGITALMENTE CONTRASTES EN TEacuteRMINOS VISUALES LA IMAGEN FILTRADA REFUERZA LOS CONTORNOS EN AacuteREAS HOMOGEacuteNEAS

FILTRO PASO ALTO 7x7 SIRVE PARA LOGRAR REALCES DE RASGOS LINEALES COMO PUEDEN SER EN AacuteREAS URBANAS O RASGOS GEOLOacuteGICOS

simulacioacuten

httpgeograuahesrtm

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

Figura - Landsat USGS

IMAGEN ORIGINAL

FILTRO DIRECCIONAL PERMITEN IDENTIFICAR LOS RASGOS FRONTERIZOS EN LAS IMAacuteGENES COMO LOS FILTROS ANTERIORES PERO AHORA CONSIDERANDO LA ORIENTACIOacuteN

se tiene en cuenta la

orientacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

matrices con direccioacuten

NORTE

1 1 1

1 -2 1

-1 -1 -1

SUR

-1 -1 -1

1 -2 1

1 1 1

ESTE

-1 1 1

-1 -2 1

-1 1 1

OESTE

1 1 -1

1 -2 -1

1 1 -1

SURESTE

-1 -1 1

-1 -2 1

1 1 1

NOROESTE

1 1 1

1 -2 -1

1 -1 -1

SUROESTE

1 -1 -1

1 -2 -1

1 1 1

NORESTE

1 1 1

-1 -2 1

-1 -1 1

OBSERVACIOacuteN

LOS NOMBRES OBEDECEN A LA DIRECCIOacuteN DEL CONTRASTE QUE SENtildeALAN

LA DIRECCIOacuteN QUE REALZAN ES JUSTAMENTE LA PERPENDICULAR

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

48 Interpretacioacuten de Imaacutegenes

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Correcciones geomeacutetricas Georreferenciacioacuten Uso de puntos de control Fuentes de error Procesamiento geomeacutetrico Correccioacuten Transformacioacuten geomeacutetrica Calidad y ajuste Generacioacuten de la nueva imagen Transferencia de ND

INSTITUTO DE AGRIMENSURA - DEPARTAMENTO DE GEOMAacuteTICA PROF ADJUNTO GRADO 3 EDISON J ROSAS BERTON

El tratamiento de una imagen de sateacutelite Georreferenciacioacuten

(paso de un sistema de filas y columnas a un sistema de coordenadas estandard)

Para ello debe obtenerse una muestra de puntos de control de los que conozcamos tanto sus coordenadas reales como sus coordenadas en

la imagen deben ser por tanto objetos de un tamantildeo adecuado para resultar identificables tanto en la imagen como sobre el terreno el tamantildeo

dependeraacute loacutegicamente de la resolucioacuten de la imagen A partir de estos puntos de control se obtendraacuten por regresioacuten unas ecuaciones que permitiraacuten a cada par filacolumna un par de coordenadas

XY

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

GEORREFERENCIACIOacuteN

ENTENDIENDO LAS IMAacuteGENES

georreferenciacioacuten porqueacute

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PUNTOS DE CONTROL

ENTENDIENDO LAS IMAacuteGENES

uso de puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

DISTORSIONES POR LA PLATAFORMA ALTITUD DE LA OacuteRBITA ndash Cambio de escala

VELOCIDAD ndash Cambios de escala ORIENTACIOacuteN DE LOS TRES EJES ndash Distorsiones en la geometriacutea

NO SISTEMAacuteTICOS Y COMPLEJOS DE MODELAR

DISTORSIONES POR ROTACIOacuteN TERRESTRE

CONSIDERANDO ALTITUD (800 Km) y TAMANtildeO DE LA IMAGEN (180 Km)ndashEn latitudes medias tarda en adquirir unos 30 segundos la Tierra se desplaza unos 8 Km

ORIENTACIOacuteN NE SW

DISTORSIONES POR EL SENSOR ANOMALIacuteAS SENSOR y MOVIMIENTO ESPEJO ndash Barrido no lineal o cambio en intervalos

AacuteNGULO DE BARRIDO ndash Variacioacuten en el tamantildeo de pixel

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ERROR EN UNA IMAGEN ESPACIAL

ENTENDIENDO LAS IMAacuteGENES

fuentes de error

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Una correccioacuten geomeacutetrica incluye CUALQUIER CAMBIO EN LA POSICIOacuteN DE LOS PIXELES que

conforman la imagen f (c`) = f1 (c l) f (x y) f (l`) = f2 (c l) f (x y)

COORDENADAS DE IMAGEN CORREGIDA SON FUNCIOacuteN DE COORDENADAS COLUMNA Y LIacuteNEA DE LA

IMAGEN DE ENTRADA O DE LAS COORDENADAS DE MAPA AL QUE SUPERPONDREMOS LA IMAGEN

1 CON OBJETIVO DE REALIZAR UNA TRANSFORMACIOacuteN GEOMEacuteTRICA QUE PERMITA AJUSTARLA A OTRA IMAGEN REFERENCIA NORMALMENTE PARA REALIZAR ESTUDIOS MULTITEMPORALES O MOSAICOS CON EL FIN DE AMPLIAR LOS DATOS E INFORMACIOacuteN DE UNA ZONA

2 ESTO PERMITIRAacute QUE LA NUEVA IMAGEN LA PUEDA INTEGRAR CON INFORMACIOacuteN DE OTRAS FUENTES POR EJEMPLO EN UN AMBIENTE SIG

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

correccioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

asumimos que

NO SE CONOCE EL ORIGEN DE LOS ERRORES

modelamos

ECUACIONES EMPIacuteRICAS

aplicadas a un conjunto de puntos

COORDENADAS CONOCIDAS IMAGEN INPUT e IMAGEN OUTPUT

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

1 ndash SELECCIOacuteN DE REFERENCIAS 2 ndash ECUACIONES DE AJUSTE

3 ndash GENERACIOacuteN DE LA IMAGEN CORREGIDA

ES OBVIO CALIDAD DEL AJUSTE DEPENDERAacute DE PRECISIOacuteN CON QUE SE

LOCALICEN LOS PUNTOS DE CONTROL INEXACTA LOCALIZACIOacuteN

DISTRIBUCIOacuteN MUY SECTORIZADA NUacuteMERO DE PUNTOS DE CONTROL INADECUADO

ESTABLECER LOS PUNTOS DE CONTROL FASE MAS CRUCIAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

procesamiento de la correccioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Resaltamos la importancia de

NUacuteMERO LOCALIZACIOacuteN DISTRIBUCIOacuteN

Que debemos atender Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

que considero UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash Croquis ilustrativos de apoyo

TERRENO O ZONAS PLANAS CON IMG OBTENIDAS POR UN SENSOR DE ESTRECHA VISIOacuteN DE CAMPO

TRANSFORMACIOacuteN

BASADO EN ECUACIONES LINEALES SIMPLES

TERRENO ESCARPADO O RUGOSO O UTILIZACIOacuteN DE IMG OBTENIDAS EN UN SENSOR CON VARIACIONES EN LAS CONDICIONES DE OBSERVACIOacuteN

TRANSFORMACIOacuteN MAacuteS COMPLEJA

POLINOMIOS DE SEGUNDO O TERCER ORDEN

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Desde un punto de vista matemaacutetico

GRADO 1 ndash 3 puntos GRADO 2 ndash 6 puntos GRADO 3 ndash 10 puntos

Seguacuten mis objetivos del trabajo no es conveniente utilizar esos miacutenimos

14 a 20 puntos (Landsat 5 MMS ndash seguacuten Bernstein R y D G Ferneyhough Jr 1978)

100 a 120 puntos (Landsat 7 TM ndash seguacuten el National Remote Sensing Center de Inglaterra)

10 o 12 puntos (Pequentildea zona de 512 x 512 pixeles ndash seguacuten Emilio Chuvieco 2010)

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

matemaacuteticamente UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

QUE DEBEMOS DE CONSIDERAR EN CUANTO A LA LOCALIZACIOacuteN

CLARAMENTE IDENTIFICABLES EN IMAGEN Y MAPA RASGOS HUMANOS DEL PAISAJE NO SUJETOS A DINAMISMO TEMPORAL

CRUCE DE CARRETERAS

CAMINOS VIacuteA FEacuteRREAS

NO CONSIDERAR ELEMENTOS ASOCIADOS AL AGUA

COSTA CURSOS DE AGUA

EMBALSES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

localizacioacuten TCP UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la correccioacuten digital de la geometriacutea de una imagen se realiza a partir de establecer unas funciones que relacionen las coordenadas de la imagen

y las coordenadas del mapa

EJ CASO MAS SIMPLE REGRESIOacuteN LINEAL MUacuteLTIPLE

ci = a0 + a1 Xi + a2 Yi li = b0 + b1 Xi + b2 Yi

EN LA PRAacuteCTICA BASTA UNA FUNCIOacuteN LINEAL PARA ABORDAR UN GRAN NUacuteMERO DE

TRANSFORMACIONES Y SON SUFICIENTES SI LAS IMAacuteGENES NO SON MUY GRANDES ANTE LA NECESIDAD DE OTRAS TRANSFORMACIONES SE UTILIZAN DE 2ordm y 3ordm ORDEN CONSIDERANDO ALTERACIONES GEOMEacuteTRICAS NO LINEALES (FUNCIONES QUE NO SE DEFINEN EN UN PLANO

CON EJES LINEALES SINO QUE SUPERFICIES CON EJES CURVILIacuteNEOS)

LOS COEFICIENTES DE LAS FUNCIONES DE TRANSFORMACIOacuteN SE CALCULAN A PARTIR DE UN AJUSTE POR MIacuteNIMOS CUADRADOS

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

funciones de transformacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash ejemplos de funciones de transformacioacuten geomeacutetrica con el efecto causado

TRASLACIOacuteN

CAMBIO DE ESCALA

INCLINACIOacuteN

PERSPECTIVA

ROTACIOacuteN

x = a0 + xacute y = b0 + yacute

x = xacute + a2 yacute y = yacute

x = a1 xacute y = b1 yacute

x = a3xacute yacute y = yacute

x = a4xacute + a5yacute y = b4xacute + b5yacute a4 = b5 = cos Ɵ a5 = -b4 = sen Ɵ

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

transformacioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

comparacioacuten coordenadas reales y las estimadas por la regresioacuten

el promedio de los residuales se conoce como error medio cuadraacutetico

la calidad del ajuste lo da el RMSE (root mean squared error)

(error medio cuadraacutetico)

RMSE es la raiacutez cuadrada de las desviaciones entre los valores reales y los

calculados

RMSE para cada punto es la raiacutez de los residuales al cuadrado que es la distancia entre ellos

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

RMSE UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la praacutectica hace que fijemos una TOLERANCIA y es que si ese promedio supera un valor fijado previamente haya que rever

el valor fijado previamente generalmente es igual o menor a un PIXEL

una correcta verificacioacuten

NECESITA introducir PUNTOS de VERIFICACIOacuteN

que no hayan sido introducidos en el ajuste

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

tolerancias fijadas

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

traducimos coordenadas de un mapa a la imagen tambieacuten necesitamos a la nueva imagen

TRANSFERIR LOS VALORES DIGITALES no olvidar que lo que queremos es generar una nueva imagen que se

corresponda con las coordenadas y las funciones de ajuste

NO ORIGINAN NUEVA IMAGEN solo colocan a los pixeles en la posicioacuten correcta

en criollo las funciones de transformacioacuten generan una nueva matriz bien posicionada pero vaciacutea

DEBEMOS LLENAR LA MATRIZ problema maacutes complejo de lo que puede

pensarse Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

generacioacuten de la nueva imaacutegen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

cada pixel de la imagen corregida se corresponderiacutea con un pixel de la imagen original

LEJOS DE ESE IDEAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo I

vecino maacutes proacuteximo ( nearest neighbour )

a cada celda de la imagen corregida se asigna el ND del pixel maacutes cercano de la

imagen original

SOLUCIOacuteN RAacutePIDA MENOR DISTORSIOacuteN DE LOS ND

INTRODUCE RASGOS LINEALES QUE DISTORSIONAN

CORRECCIOacuteN DE IMAacuteGENES CLASIFICADAS

CONSERVAR LA RADIOMETRIacuteA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo II

interpolacioacuten bilineal ( bilinear interpolation )

supone promediar los ND de los cuatro pixeles mas cercanos

con ponderacioacuten seguacuten la distancia pixeles originalcorregido

REDUCE EL EFECTO DE DISTORSIOacuteN EN RASGOS LINEALES

TIENDE A DIFUMINAR LOS CONTRASTES ESPACIALES

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE IMAacuteGENES RECTIFICADAS MAPAS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo III

convolusioacuten cuacutebica ( cubic convolution )

supone considerar los ND de los 16 pixeles mas proacuteximos

media ponderada seguacuten la distancia pixeles originalcorregido

EFECTO VISUAL MAS CORRECTO

VOLUacuteMEN DE CAacuteLCULO MUY SUPERIOR TENDENCIA A AGUDIZAR BORDES DE LA IMAGEN

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE ORTOIMAacuteGENES IMPRESIONES DE CALIDAD

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

  • Nuacutemero de diapositiva 1
  • Nuacutemero de diapositiva 2
  • MOacuteDULO IV
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 5
  • Nuacutemero de diapositiva 6
  • Nuacutemero de diapositiva 7
  • Nuacutemero de diapositiva 8
  • Nuacutemero de diapositiva 9
  • Nuacutemero de diapositiva 10
  • Nuacutemero de diapositiva 11
  • Nuacutemero de diapositiva 12
  • Nuacutemero de diapositiva 13
  • Nuacutemero de diapositiva 14
  • Nuacutemero de diapositiva 15
  • Nuacutemero de diapositiva 16
  • Nuacutemero de diapositiva 17
  • Nuacutemero de diapositiva 18
  • Nuacutemero de diapositiva 19
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 21
  • Nuacutemero de diapositiva 22
  • Nuacutemero de diapositiva 23
  • Nuacutemero de diapositiva 24
  • Nuacutemero de diapositiva 25
  • Nuacutemero de diapositiva 26
  • Nuacutemero de diapositiva 27
  • Nuacutemero de diapositiva 28
  • Nuacutemero de diapositiva 29
  • Nuacutemero de diapositiva 30
  • Nuacutemero de diapositiva 31
  • Nuacutemero de diapositiva 32
  • Nuacutemero de diapositiva 33
  • Nuacutemero de diapositiva 34
  • Nuacutemero de diapositiva 35
  • Nuacutemero de diapositiva 36
  • Nuacutemero de diapositiva 37
  • Nuacutemero de diapositiva 38
  • Nuacutemero de diapositiva 39
  • Nuacutemero de diapositiva 40
  • 47 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 42
  • Nuacutemero de diapositiva 43
  • Nuacutemero de diapositiva 44
  • Nuacutemero de diapositiva 45
  • Nuacutemero de diapositiva 46
  • Nuacutemero de diapositiva 47
  • Nuacutemero de diapositiva 48
  • Nuacutemero de diapositiva 49
  • Nuacutemero de diapositiva 50
  • Nuacutemero de diapositiva 51
  • Nuacutemero de diapositiva 52
  • Nuacutemero de diapositiva 53
  • Nuacutemero de diapositiva 54
  • 48 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 56
  • Nuacutemero de diapositiva 57
  • Nuacutemero de diapositiva 58
  • Nuacutemero de diapositiva 59
  • Nuacutemero de diapositiva 60
  • Nuacutemero de diapositiva 61
  • Nuacutemero de diapositiva 62
  • Nuacutemero de diapositiva 63
  • Nuacutemero de diapositiva 64
  • Nuacutemero de diapositiva 65
  • Nuacutemero de diapositiva 66
  • Nuacutemero de diapositiva 67
  • Nuacutemero de diapositiva 68
  • Nuacutemero de diapositiva 69
  • Nuacutemero de diapositiva 70
  • Nuacutemero de diapositiva 71
  • Nuacutemero de diapositiva 72
  • Nuacutemero de diapositiva 73
  • Nuacutemero de diapositiva 74

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

HISTOGRAMA

ENTENDIENDO LAS IMAacuteGENES

conceptualidades

REPRESENTACIOacuteN GRAacuteFICA DE LOS NIVELES DE GRISES EN FUNCIOacuteN DE LA REPETICIOacuteN DE VECES EN QUE APARECE CADA UNO DE LOS NIVELES DE GRIS

deducciones

11

15

38

0

adaptado de El histograma de una Imagen Digital Universidad

Politeacutecnica de Valencia

La mayor parte de los piacutexeles son blancos por lo que probablemente la imagen tenga un fondo blanco uniforme

Hay un nuacutemero significativo de pixeles negros y pixeles blancos lo que hace que la imagen presente un aspecto bien contrastado

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

HISTOGRAMA IDEAL

ENTENDIENDO LAS IMAacuteGENES

elementos a considerar

Como regla general se considera que una imagen tiene un buen contraste si su histograma se extiende ocupando casi todo el rango

de tonos

adaptado de El histograma de una Imagen Digital Universidad Politeacutecnica de Valencia

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

HISTOGRAMA IDEAL

ENTENDIENDO LAS IMAacuteGENES

elementos a considerar

Por ejemplo en una imagen nocturna el histograma estaacute fuertemente desplazado al lado izquierdo (zona de tonos oscuros) y

evidencia que no hay apenas ninguna zona de la imagen muy brillante

adaptado de El histograma de una Imagen Digital Universidad Politeacutecnica de Valencia

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

HISTOGRAMA IDEAL

ENTENDIENDO LAS IMAacuteGENES

elementos a considerar

En este caso el histograma es marcadamente maacutes alto en la zona de grises claros y blancos y apareceraacute corrido a la derecha hacia el

lado de los valores altos de iluminacioacuten

adaptado de El histograma de una Imagen Digital Universidad Politeacutecnica de Valencia

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

HISTOGRAMA IDEAL

ENTENDIENDO LAS IMAacuteGENES

elementos a considerar

Se entiende por contraste la diferencia de brillo entre las zonas maacutes claras y maacutes oscuras en una imagen En este paisaje con niebla es

un ejemplo de bajo contraste Se traduce en un histograma estrecho Ademaacutes como la toacutenica dominante son los grises medios

se observa que estaacute bastante centrado

adaptado de El histograma de una Imagen Digital Universidad Politeacutecnica de Valencia

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

conjunto de datos

Frente a escenas con una iluminacioacuten maacutes normal y con una gran cantidad de elementos detectados los histogramas deberiacutean ser como en el primer caso que

hemos visto

Si no sucede

Histograma desplazado a la izquierda puede denotar falta de exposicioacuten

Histograma desplazado a la derecha puede ser un exceso de exposicioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

46 Interpretacioacuten de Imaacutegenes

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento digital Optimizacioacuten de las imaacutegenes Realces y mejoras visuales Contraste en una imagen Composiciones color El color verdadero el falso color el pseudo color

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

OPTIMIZACIOacuteN DE LAS IMAacuteGENES

ENTENDIENDO LAS IMAacuteGENES

mejorar visualmente las imaacutegenes

MANIPULAR DE FORMA FLEXIBLE Y SOFISTICADA EL ND DE LOS PIXELES

LUEGO DE CORRECCIONES LAS IMAacuteGENES HAY QUE OPTIMIZARLAS DESDE EL PUNTO DE VISTA VISUAL

diferentes tipos

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

REALCES Y MEJORAS VISUALES

ENTENDIENDO LAS IMAacuteGENES

httpamericalatina-nacblogspotcomuy2009_10_01_archivehtml

optimizacioacuten de las imaacutegenes

proceso destinado a facilitar la interpretacioacuten visual

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

ecualizacioacuten del histograma

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

gaussiano

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

lineal 2

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

lineal

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

raiacutez cuadrada

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

lineal 0 - 255

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PORQUEacute EL REALCE

ENTENDIENDO LAS IMAacuteGENES

LOS SENSORES SON CALIBRADOS PARA ABARCAR TODO EL RANGO POSIBLE DE RADIANCIAS

PARA CADA USO EN CONCRETO ES NECESIDAD IMPERIOSA

EXPANDIR EL HISTOGRAMA Y ASIacute CUBRIR EL RANGO COMPLETO DE NIVELES DE GRIS

histograma UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CONTRASTE EN UNA IMAGEN

ENTENDIENDO LAS IMAacuteGENES

expansioacuten del contraste

los datos uacutetiles solo ocupan pequentildea parte de los niveles de gris disponibles

expandir o estirar el histograma es cambiar los valores originales de ND para utilizar mayor rango

asiacute incrementar el contraste visual de diferentes objetos

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

ejemplos visuales

sin realce lineal

frecuencial gamma

MEacuteTODOS DE EXPANSIOacuteN DEL CONTRASTE

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

lineal

expansioacuten lineal

lo maacutes simple transformacioacuten en liacutenea llevando el valor miacutenimo a 0 y maacuteximo a 255 o se usa un rango por encima y por debajo de miacutenimo y maacuteximo

EXPANSIOacuteN I

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

lineal

EXPANSIOacuteN I expansioacuten

logariacutetmico exponencial

gamma

curvas de transferencia en lugar de rectas gamma es la curvatura de dicha curva se expanden maacutes el contraste de los extremos o del centro

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

frecuencial

EXPANSIOacuteN II

frecuencial ecualizacioacuten del

histograma

cuando los valores de ND no estaacuten distribuidos uniformemente intentar en la medida de lo posible que los valores de salida de los ND tengan el mismo de pixeles con dicho valor

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CONTRASTE EN UNA IMAGEN

ENTENDIENDO LAS IMAacuteGENES

compresioacuten del contraste

Ya sabemos que el contraste mide el rango dinaacutemico de los colores en la imagen es decir una imagen muy contrastada tiene un amplio abanico de colores (o tonos de gris) desde valores muy bajos a valores muy altos Para una imagen con poco contraste los colores estaacuten muy juntos el margen dinaacutemico es pequentildeo La variacioacuten en el contraste aparece como una compresioacuten del histograma en caso de una reduccioacuten a la inversa de lo visto en el caso de una expansioacuten

Compresioacuten si el rango excede de las capacidades del sistema

Se ha de comparar el nuacutemero de niveles digitales (ND) de la imagen con los niveles de visualizacioacuten (NV) o grises del sistema Es de menos aplicacioacuten Al igual que el brillo variando el contraste se puede provocar una peacuterdida de informacioacuten de la imagen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

MAYOR APLICABILIDAD DEL REALCE

ENTENDIENDO LAS IMAacuteGENES

realce oacuteptimo

realce frecuencial

realce lineal

laquo r e a l c e oacute p t i m o raquo optimiza interpretacioacuten de la imagen

mejor esteacutetica de la imagen NO COINCIDE CON NINGUacuteN CORTE PREDETERMINADO

Y SE LOGRA INTERACTIVAMENTE EN PANTALLA Y PARA CADA BANDA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

image1png

image1png

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

COMPOSICIONES COLOR

ENTENDIENDO LAS IMAacuteGENES

formatos de composiciones

CON LA CRECIENTE APARICIOacuteN DE LOS SENSORES HIPERESPECTRALES LAS POSIBILIDADES DE COMPOSICIONES

COLOREADAS DE BANDAS SON CASI ILIMITADAS

LA ELECCIOacuteN DE LAS BANDAS PARA REALIZAR LA COMPOSICIOacuteN Y EL ORDEN DE LAS BANDAS ASIGANADAS A LOS COLORES

PRIMARIOS DEPENDERAacute DE

Sensor Aplicacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EL SEUDO - COLOR

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm formatos de

composiciones

Ya hemos afirmado de que el ojo humano es maacutes capaz de distinguir tonos de color que intensidades de brillo

Por ello el empleo del color ayuda a la interpretacioacuten incluso cuando podamos tener una sola imagen de una banda

Es aquiacute que hablamos del SEUDO COLOR por no contar con tres bandas

El seudo color implica la creacioacuten de una CLUT que asocie el ND de una sola banda a distintos componentes del R V y A APLICACIONES 1 Para tener una leyenda de colores para una img clasificada 2 Para realzar el anaacutelisis de una determinada banda y sustituir los tonos de gris por una paleta de colores

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CLUT COLOUR LOOK-UP TABLE TABLA DE CONSULTA DE COLOR

ENTENDIENDO LAS IMAacuteGENES

httpsenwikipediaorgwikiColour_look-up_table

creacioacuten del seudo color

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Filtros espaciales Concepto de kernel Filtros paso bajo y paso alto Filtros direccionales Anomaliacuteas y correccioacuten atmosfeacuterica Correcciones radiomeacutetricas Anomaliacuteas radiomeacutetricas Fallos en el sensorCorreccioacuten atmosfeacuterica concepto Meacutetodo valores miacutenimos Regresioacuten entre bandas Dispersioacuten por aerosolesCalibracioacuten Caso misioacuten Landsat

47 Interpretacioacuten de Imaacutegenes

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

conceptos de que es un filtro

espacial

FUNCIONES PARA MEJORAR ASPECTO DE LAS IMAacuteGENES

REALZAN O DISMINUYEN ELEMENTOS VISUALES DE LA IMG

BASADOS EN LA FRECUENCIA ESPACIAL

FRECUENCIAS ESPACIALES ALTAS Variaciones que se producen en pocos piacutexeles TENDENCIA GENERAL FRECUENCIAS ESPACIALES BAJAS

Variaciones que se producen en muchos piacutexeles CONTRASTES LOCALES

FILTROS Figura - CCRS CCT

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

conceptos de kernel

FILTRADO ESPACIAL Figura - CCRS CCT FILTRADO EN EL DOMINIO

ESPACIAL Lo mas comuacuten es la aplicacioacuten de una ventana deslizante con valores que son coeficientes fijos de una matriz La MATRIZ se suele llamar KERNEL o nuacutecleo del filtro

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DIGITAL

ENTENDIENDO LAS IMAacuteGENES

aplicacioacuten del kernel

3 x 3 5 x 5 7 x 7

1 1 1

1 2 1

1 1 1 matrices

LOS VALORES DEL KERNEL SE MULTIPLICAN POR EL PIacuteXEL QUE TIENEN DEBAJO Y LUEGO SE SUMAN TODOS LOS PRODUCTOS

Y PARA OBTENER EL VALOR DEL PIacuteXEL CENTRAL EN LA IMAGEN TRANSFORMADA SE LO DIVIDE POR LA SUMA DE LOS PONDERADOS O PESOS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO - PASO BAJO PASO ALTO

ENTENDIENDO LAS IMAacuteGENES

aplicacioacuten del kernel

26

FILTROS DE PASO BAJO SE FAVORECEN A LOS PIXELES

PERIFEacuteRICOS SE MINIMIZAN LAS DIFERENCIAS CON LOS VECINOS ES UNA ESPECIE DE SUAVIZADO

FILTRO DE PASO ALTO PONDERACIOacuteN DEL VALOR CENTRAL EN DETRIMENTO DE LOS CIRCUNDANTES

SE EXAGERAN DIFERENCIAS Y SE RESALTAN VARIACIONES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DE PASO BAJO

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm

simulacioacuten

IMAGEN ORIGINAL

FILTRO PASO BAJO 3x3 SE TRATA DE ASEMEJAR LOS VALORES DE ND DE UN PIXEL A LOS VALORES VECINOS EN TEacuteRMINOS VISUALES LA IMAGEN FILTRADA OFRECE PERFILES MENOS NIacuteTIDOS

FILTRO PASO BAJO 7x7 SIRVE PARA REDUCIR VARIABILIDAD ESPACIAL DE ALGUNA CATEGORIacuteA ANTES DE UN PROCESO DE CLASIFICACIOacuteN

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DE PASO ALTO

ENTENDIENDO LAS IMAacuteGENES

IMAGEN ORIGINAL

FILTRO PASO ALTO 3x3 SE TRATA DE AISLAR LOS COMPONENTES DE ALTA FRECUENCIA Y REMARCAR DIGITALMENTE CONTRASTES EN TEacuteRMINOS VISUALES LA IMAGEN FILTRADA REFUERZA LOS CONTORNOS EN AacuteREAS HOMOGEacuteNEAS

FILTRO PASO ALTO 7x7 SIRVE PARA LOGRAR REALCES DE RASGOS LINEALES COMO PUEDEN SER EN AacuteREAS URBANAS O RASGOS GEOLOacuteGICOS

simulacioacuten

httpgeograuahesrtm

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

Figura - Landsat USGS

IMAGEN ORIGINAL

FILTRO DIRECCIONAL PERMITEN IDENTIFICAR LOS RASGOS FRONTERIZOS EN LAS IMAacuteGENES COMO LOS FILTROS ANTERIORES PERO AHORA CONSIDERANDO LA ORIENTACIOacuteN

se tiene en cuenta la

orientacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

matrices con direccioacuten

NORTE

1 1 1

1 -2 1

-1 -1 -1

SUR

-1 -1 -1

1 -2 1

1 1 1

ESTE

-1 1 1

-1 -2 1

-1 1 1

OESTE

1 1 -1

1 -2 -1

1 1 -1

SURESTE

-1 -1 1

-1 -2 1

1 1 1

NOROESTE

1 1 1

1 -2 -1

1 -1 -1

SUROESTE

1 -1 -1

1 -2 -1

1 1 1

NORESTE

1 1 1

-1 -2 1

-1 -1 1

OBSERVACIOacuteN

LOS NOMBRES OBEDECEN A LA DIRECCIOacuteN DEL CONTRASTE QUE SENtildeALAN

LA DIRECCIOacuteN QUE REALZAN ES JUSTAMENTE LA PERPENDICULAR

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

48 Interpretacioacuten de Imaacutegenes

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Correcciones geomeacutetricas Georreferenciacioacuten Uso de puntos de control Fuentes de error Procesamiento geomeacutetrico Correccioacuten Transformacioacuten geomeacutetrica Calidad y ajuste Generacioacuten de la nueva imagen Transferencia de ND

INSTITUTO DE AGRIMENSURA - DEPARTAMENTO DE GEOMAacuteTICA PROF ADJUNTO GRADO 3 EDISON J ROSAS BERTON

El tratamiento de una imagen de sateacutelite Georreferenciacioacuten

(paso de un sistema de filas y columnas a un sistema de coordenadas estandard)

Para ello debe obtenerse una muestra de puntos de control de los que conozcamos tanto sus coordenadas reales como sus coordenadas en

la imagen deben ser por tanto objetos de un tamantildeo adecuado para resultar identificables tanto en la imagen como sobre el terreno el tamantildeo

dependeraacute loacutegicamente de la resolucioacuten de la imagen A partir de estos puntos de control se obtendraacuten por regresioacuten unas ecuaciones que permitiraacuten a cada par filacolumna un par de coordenadas

XY

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

GEORREFERENCIACIOacuteN

ENTENDIENDO LAS IMAacuteGENES

georreferenciacioacuten porqueacute

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PUNTOS DE CONTROL

ENTENDIENDO LAS IMAacuteGENES

uso de puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

DISTORSIONES POR LA PLATAFORMA ALTITUD DE LA OacuteRBITA ndash Cambio de escala

VELOCIDAD ndash Cambios de escala ORIENTACIOacuteN DE LOS TRES EJES ndash Distorsiones en la geometriacutea

NO SISTEMAacuteTICOS Y COMPLEJOS DE MODELAR

DISTORSIONES POR ROTACIOacuteN TERRESTRE

CONSIDERANDO ALTITUD (800 Km) y TAMANtildeO DE LA IMAGEN (180 Km)ndashEn latitudes medias tarda en adquirir unos 30 segundos la Tierra se desplaza unos 8 Km

ORIENTACIOacuteN NE SW

DISTORSIONES POR EL SENSOR ANOMALIacuteAS SENSOR y MOVIMIENTO ESPEJO ndash Barrido no lineal o cambio en intervalos

AacuteNGULO DE BARRIDO ndash Variacioacuten en el tamantildeo de pixel

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ERROR EN UNA IMAGEN ESPACIAL

ENTENDIENDO LAS IMAacuteGENES

fuentes de error

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Una correccioacuten geomeacutetrica incluye CUALQUIER CAMBIO EN LA POSICIOacuteN DE LOS PIXELES que

conforman la imagen f (c`) = f1 (c l) f (x y) f (l`) = f2 (c l) f (x y)

COORDENADAS DE IMAGEN CORREGIDA SON FUNCIOacuteN DE COORDENADAS COLUMNA Y LIacuteNEA DE LA

IMAGEN DE ENTRADA O DE LAS COORDENADAS DE MAPA AL QUE SUPERPONDREMOS LA IMAGEN

1 CON OBJETIVO DE REALIZAR UNA TRANSFORMACIOacuteN GEOMEacuteTRICA QUE PERMITA AJUSTARLA A OTRA IMAGEN REFERENCIA NORMALMENTE PARA REALIZAR ESTUDIOS MULTITEMPORALES O MOSAICOS CON EL FIN DE AMPLIAR LOS DATOS E INFORMACIOacuteN DE UNA ZONA

2 ESTO PERMITIRAacute QUE LA NUEVA IMAGEN LA PUEDA INTEGRAR CON INFORMACIOacuteN DE OTRAS FUENTES POR EJEMPLO EN UN AMBIENTE SIG

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

correccioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

asumimos que

NO SE CONOCE EL ORIGEN DE LOS ERRORES

modelamos

ECUACIONES EMPIacuteRICAS

aplicadas a un conjunto de puntos

COORDENADAS CONOCIDAS IMAGEN INPUT e IMAGEN OUTPUT

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

1 ndash SELECCIOacuteN DE REFERENCIAS 2 ndash ECUACIONES DE AJUSTE

3 ndash GENERACIOacuteN DE LA IMAGEN CORREGIDA

ES OBVIO CALIDAD DEL AJUSTE DEPENDERAacute DE PRECISIOacuteN CON QUE SE

LOCALICEN LOS PUNTOS DE CONTROL INEXACTA LOCALIZACIOacuteN

DISTRIBUCIOacuteN MUY SECTORIZADA NUacuteMERO DE PUNTOS DE CONTROL INADECUADO

ESTABLECER LOS PUNTOS DE CONTROL FASE MAS CRUCIAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

procesamiento de la correccioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Resaltamos la importancia de

NUacuteMERO LOCALIZACIOacuteN DISTRIBUCIOacuteN

Que debemos atender Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

que considero UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash Croquis ilustrativos de apoyo

TERRENO O ZONAS PLANAS CON IMG OBTENIDAS POR UN SENSOR DE ESTRECHA VISIOacuteN DE CAMPO

TRANSFORMACIOacuteN

BASADO EN ECUACIONES LINEALES SIMPLES

TERRENO ESCARPADO O RUGOSO O UTILIZACIOacuteN DE IMG OBTENIDAS EN UN SENSOR CON VARIACIONES EN LAS CONDICIONES DE OBSERVACIOacuteN

TRANSFORMACIOacuteN MAacuteS COMPLEJA

POLINOMIOS DE SEGUNDO O TERCER ORDEN

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Desde un punto de vista matemaacutetico

GRADO 1 ndash 3 puntos GRADO 2 ndash 6 puntos GRADO 3 ndash 10 puntos

Seguacuten mis objetivos del trabajo no es conveniente utilizar esos miacutenimos

14 a 20 puntos (Landsat 5 MMS ndash seguacuten Bernstein R y D G Ferneyhough Jr 1978)

100 a 120 puntos (Landsat 7 TM ndash seguacuten el National Remote Sensing Center de Inglaterra)

10 o 12 puntos (Pequentildea zona de 512 x 512 pixeles ndash seguacuten Emilio Chuvieco 2010)

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

matemaacuteticamente UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

QUE DEBEMOS DE CONSIDERAR EN CUANTO A LA LOCALIZACIOacuteN

CLARAMENTE IDENTIFICABLES EN IMAGEN Y MAPA RASGOS HUMANOS DEL PAISAJE NO SUJETOS A DINAMISMO TEMPORAL

CRUCE DE CARRETERAS

CAMINOS VIacuteA FEacuteRREAS

NO CONSIDERAR ELEMENTOS ASOCIADOS AL AGUA

COSTA CURSOS DE AGUA

EMBALSES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

localizacioacuten TCP UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la correccioacuten digital de la geometriacutea de una imagen se realiza a partir de establecer unas funciones que relacionen las coordenadas de la imagen

y las coordenadas del mapa

EJ CASO MAS SIMPLE REGRESIOacuteN LINEAL MUacuteLTIPLE

ci = a0 + a1 Xi + a2 Yi li = b0 + b1 Xi + b2 Yi

EN LA PRAacuteCTICA BASTA UNA FUNCIOacuteN LINEAL PARA ABORDAR UN GRAN NUacuteMERO DE

TRANSFORMACIONES Y SON SUFICIENTES SI LAS IMAacuteGENES NO SON MUY GRANDES ANTE LA NECESIDAD DE OTRAS TRANSFORMACIONES SE UTILIZAN DE 2ordm y 3ordm ORDEN CONSIDERANDO ALTERACIONES GEOMEacuteTRICAS NO LINEALES (FUNCIONES QUE NO SE DEFINEN EN UN PLANO

CON EJES LINEALES SINO QUE SUPERFICIES CON EJES CURVILIacuteNEOS)

LOS COEFICIENTES DE LAS FUNCIONES DE TRANSFORMACIOacuteN SE CALCULAN A PARTIR DE UN AJUSTE POR MIacuteNIMOS CUADRADOS

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

funciones de transformacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash ejemplos de funciones de transformacioacuten geomeacutetrica con el efecto causado

TRASLACIOacuteN

CAMBIO DE ESCALA

INCLINACIOacuteN

PERSPECTIVA

ROTACIOacuteN

x = a0 + xacute y = b0 + yacute

x = xacute + a2 yacute y = yacute

x = a1 xacute y = b1 yacute

x = a3xacute yacute y = yacute

x = a4xacute + a5yacute y = b4xacute + b5yacute a4 = b5 = cos Ɵ a5 = -b4 = sen Ɵ

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

transformacioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

comparacioacuten coordenadas reales y las estimadas por la regresioacuten

el promedio de los residuales se conoce como error medio cuadraacutetico

la calidad del ajuste lo da el RMSE (root mean squared error)

(error medio cuadraacutetico)

RMSE es la raiacutez cuadrada de las desviaciones entre los valores reales y los

calculados

RMSE para cada punto es la raiacutez de los residuales al cuadrado que es la distancia entre ellos

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

RMSE UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la praacutectica hace que fijemos una TOLERANCIA y es que si ese promedio supera un valor fijado previamente haya que rever

el valor fijado previamente generalmente es igual o menor a un PIXEL

una correcta verificacioacuten

NECESITA introducir PUNTOS de VERIFICACIOacuteN

que no hayan sido introducidos en el ajuste

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

tolerancias fijadas

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

traducimos coordenadas de un mapa a la imagen tambieacuten necesitamos a la nueva imagen

TRANSFERIR LOS VALORES DIGITALES no olvidar que lo que queremos es generar una nueva imagen que se

corresponda con las coordenadas y las funciones de ajuste

NO ORIGINAN NUEVA IMAGEN solo colocan a los pixeles en la posicioacuten correcta

en criollo las funciones de transformacioacuten generan una nueva matriz bien posicionada pero vaciacutea

DEBEMOS LLENAR LA MATRIZ problema maacutes complejo de lo que puede

pensarse Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

generacioacuten de la nueva imaacutegen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

cada pixel de la imagen corregida se corresponderiacutea con un pixel de la imagen original

LEJOS DE ESE IDEAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo I

vecino maacutes proacuteximo ( nearest neighbour )

a cada celda de la imagen corregida se asigna el ND del pixel maacutes cercano de la

imagen original

SOLUCIOacuteN RAacutePIDA MENOR DISTORSIOacuteN DE LOS ND

INTRODUCE RASGOS LINEALES QUE DISTORSIONAN

CORRECCIOacuteN DE IMAacuteGENES CLASIFICADAS

CONSERVAR LA RADIOMETRIacuteA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo II

interpolacioacuten bilineal ( bilinear interpolation )

supone promediar los ND de los cuatro pixeles mas cercanos

con ponderacioacuten seguacuten la distancia pixeles originalcorregido

REDUCE EL EFECTO DE DISTORSIOacuteN EN RASGOS LINEALES

TIENDE A DIFUMINAR LOS CONTRASTES ESPACIALES

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE IMAacuteGENES RECTIFICADAS MAPAS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo III

convolusioacuten cuacutebica ( cubic convolution )

supone considerar los ND de los 16 pixeles mas proacuteximos

media ponderada seguacuten la distancia pixeles originalcorregido

EFECTO VISUAL MAS CORRECTO

VOLUacuteMEN DE CAacuteLCULO MUY SUPERIOR TENDENCIA A AGUDIZAR BORDES DE LA IMAGEN

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE ORTOIMAacuteGENES IMPRESIONES DE CALIDAD

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

  • Nuacutemero de diapositiva 1
  • Nuacutemero de diapositiva 2
  • MOacuteDULO IV
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 5
  • Nuacutemero de diapositiva 6
  • Nuacutemero de diapositiva 7
  • Nuacutemero de diapositiva 8
  • Nuacutemero de diapositiva 9
  • Nuacutemero de diapositiva 10
  • Nuacutemero de diapositiva 11
  • Nuacutemero de diapositiva 12
  • Nuacutemero de diapositiva 13
  • Nuacutemero de diapositiva 14
  • Nuacutemero de diapositiva 15
  • Nuacutemero de diapositiva 16
  • Nuacutemero de diapositiva 17
  • Nuacutemero de diapositiva 18
  • Nuacutemero de diapositiva 19
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 21
  • Nuacutemero de diapositiva 22
  • Nuacutemero de diapositiva 23
  • Nuacutemero de diapositiva 24
  • Nuacutemero de diapositiva 25
  • Nuacutemero de diapositiva 26
  • Nuacutemero de diapositiva 27
  • Nuacutemero de diapositiva 28
  • Nuacutemero de diapositiva 29
  • Nuacutemero de diapositiva 30
  • Nuacutemero de diapositiva 31
  • Nuacutemero de diapositiva 32
  • Nuacutemero de diapositiva 33
  • Nuacutemero de diapositiva 34
  • Nuacutemero de diapositiva 35
  • Nuacutemero de diapositiva 36
  • Nuacutemero de diapositiva 37
  • Nuacutemero de diapositiva 38
  • Nuacutemero de diapositiva 39
  • Nuacutemero de diapositiva 40
  • 47 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 42
  • Nuacutemero de diapositiva 43
  • Nuacutemero de diapositiva 44
  • Nuacutemero de diapositiva 45
  • Nuacutemero de diapositiva 46
  • Nuacutemero de diapositiva 47
  • Nuacutemero de diapositiva 48
  • Nuacutemero de diapositiva 49
  • Nuacutemero de diapositiva 50
  • Nuacutemero de diapositiva 51
  • Nuacutemero de diapositiva 52
  • Nuacutemero de diapositiva 53
  • Nuacutemero de diapositiva 54
  • 48 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 56
  • Nuacutemero de diapositiva 57
  • Nuacutemero de diapositiva 58
  • Nuacutemero de diapositiva 59
  • Nuacutemero de diapositiva 60
  • Nuacutemero de diapositiva 61
  • Nuacutemero de diapositiva 62
  • Nuacutemero de diapositiva 63
  • Nuacutemero de diapositiva 64
  • Nuacutemero de diapositiva 65
  • Nuacutemero de diapositiva 66
  • Nuacutemero de diapositiva 67
  • Nuacutemero de diapositiva 68
  • Nuacutemero de diapositiva 69
  • Nuacutemero de diapositiva 70
  • Nuacutemero de diapositiva 71
  • Nuacutemero de diapositiva 72
  • Nuacutemero de diapositiva 73
  • Nuacutemero de diapositiva 74

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

HISTOGRAMA IDEAL

ENTENDIENDO LAS IMAacuteGENES

elementos a considerar

Como regla general se considera que una imagen tiene un buen contraste si su histograma se extiende ocupando casi todo el rango

de tonos

adaptado de El histograma de una Imagen Digital Universidad Politeacutecnica de Valencia

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

HISTOGRAMA IDEAL

ENTENDIENDO LAS IMAacuteGENES

elementos a considerar

Por ejemplo en una imagen nocturna el histograma estaacute fuertemente desplazado al lado izquierdo (zona de tonos oscuros) y

evidencia que no hay apenas ninguna zona de la imagen muy brillante

adaptado de El histograma de una Imagen Digital Universidad Politeacutecnica de Valencia

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

HISTOGRAMA IDEAL

ENTENDIENDO LAS IMAacuteGENES

elementos a considerar

En este caso el histograma es marcadamente maacutes alto en la zona de grises claros y blancos y apareceraacute corrido a la derecha hacia el

lado de los valores altos de iluminacioacuten

adaptado de El histograma de una Imagen Digital Universidad Politeacutecnica de Valencia

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

HISTOGRAMA IDEAL

ENTENDIENDO LAS IMAacuteGENES

elementos a considerar

Se entiende por contraste la diferencia de brillo entre las zonas maacutes claras y maacutes oscuras en una imagen En este paisaje con niebla es

un ejemplo de bajo contraste Se traduce en un histograma estrecho Ademaacutes como la toacutenica dominante son los grises medios

se observa que estaacute bastante centrado

adaptado de El histograma de una Imagen Digital Universidad Politeacutecnica de Valencia

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

conjunto de datos

Frente a escenas con una iluminacioacuten maacutes normal y con una gran cantidad de elementos detectados los histogramas deberiacutean ser como en el primer caso que

hemos visto

Si no sucede

Histograma desplazado a la izquierda puede denotar falta de exposicioacuten

Histograma desplazado a la derecha puede ser un exceso de exposicioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

46 Interpretacioacuten de Imaacutegenes

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento digital Optimizacioacuten de las imaacutegenes Realces y mejoras visuales Contraste en una imagen Composiciones color El color verdadero el falso color el pseudo color

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

OPTIMIZACIOacuteN DE LAS IMAacuteGENES

ENTENDIENDO LAS IMAacuteGENES

mejorar visualmente las imaacutegenes

MANIPULAR DE FORMA FLEXIBLE Y SOFISTICADA EL ND DE LOS PIXELES

LUEGO DE CORRECCIONES LAS IMAacuteGENES HAY QUE OPTIMIZARLAS DESDE EL PUNTO DE VISTA VISUAL

diferentes tipos

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

REALCES Y MEJORAS VISUALES

ENTENDIENDO LAS IMAacuteGENES

httpamericalatina-nacblogspotcomuy2009_10_01_archivehtml

optimizacioacuten de las imaacutegenes

proceso destinado a facilitar la interpretacioacuten visual

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

ecualizacioacuten del histograma

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

gaussiano

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

lineal 2

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

lineal

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

raiacutez cuadrada

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

lineal 0 - 255

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PORQUEacute EL REALCE

ENTENDIENDO LAS IMAacuteGENES

LOS SENSORES SON CALIBRADOS PARA ABARCAR TODO EL RANGO POSIBLE DE RADIANCIAS

PARA CADA USO EN CONCRETO ES NECESIDAD IMPERIOSA

EXPANDIR EL HISTOGRAMA Y ASIacute CUBRIR EL RANGO COMPLETO DE NIVELES DE GRIS

histograma UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CONTRASTE EN UNA IMAGEN

ENTENDIENDO LAS IMAacuteGENES

expansioacuten del contraste

los datos uacutetiles solo ocupan pequentildea parte de los niveles de gris disponibles

expandir o estirar el histograma es cambiar los valores originales de ND para utilizar mayor rango

asiacute incrementar el contraste visual de diferentes objetos

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

ejemplos visuales

sin realce lineal

frecuencial gamma

MEacuteTODOS DE EXPANSIOacuteN DEL CONTRASTE

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

lineal

expansioacuten lineal

lo maacutes simple transformacioacuten en liacutenea llevando el valor miacutenimo a 0 y maacuteximo a 255 o se usa un rango por encima y por debajo de miacutenimo y maacuteximo

EXPANSIOacuteN I

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

lineal

EXPANSIOacuteN I expansioacuten

logariacutetmico exponencial

gamma

curvas de transferencia en lugar de rectas gamma es la curvatura de dicha curva se expanden maacutes el contraste de los extremos o del centro

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

frecuencial

EXPANSIOacuteN II

frecuencial ecualizacioacuten del

histograma

cuando los valores de ND no estaacuten distribuidos uniformemente intentar en la medida de lo posible que los valores de salida de los ND tengan el mismo de pixeles con dicho valor

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CONTRASTE EN UNA IMAGEN

ENTENDIENDO LAS IMAacuteGENES

compresioacuten del contraste

Ya sabemos que el contraste mide el rango dinaacutemico de los colores en la imagen es decir una imagen muy contrastada tiene un amplio abanico de colores (o tonos de gris) desde valores muy bajos a valores muy altos Para una imagen con poco contraste los colores estaacuten muy juntos el margen dinaacutemico es pequentildeo La variacioacuten en el contraste aparece como una compresioacuten del histograma en caso de una reduccioacuten a la inversa de lo visto en el caso de una expansioacuten

Compresioacuten si el rango excede de las capacidades del sistema

Se ha de comparar el nuacutemero de niveles digitales (ND) de la imagen con los niveles de visualizacioacuten (NV) o grises del sistema Es de menos aplicacioacuten Al igual que el brillo variando el contraste se puede provocar una peacuterdida de informacioacuten de la imagen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

MAYOR APLICABILIDAD DEL REALCE

ENTENDIENDO LAS IMAacuteGENES

realce oacuteptimo

realce frecuencial

realce lineal

laquo r e a l c e oacute p t i m o raquo optimiza interpretacioacuten de la imagen

mejor esteacutetica de la imagen NO COINCIDE CON NINGUacuteN CORTE PREDETERMINADO

Y SE LOGRA INTERACTIVAMENTE EN PANTALLA Y PARA CADA BANDA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

image1png

image1png

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

COMPOSICIONES COLOR

ENTENDIENDO LAS IMAacuteGENES

formatos de composiciones

CON LA CRECIENTE APARICIOacuteN DE LOS SENSORES HIPERESPECTRALES LAS POSIBILIDADES DE COMPOSICIONES

COLOREADAS DE BANDAS SON CASI ILIMITADAS

LA ELECCIOacuteN DE LAS BANDAS PARA REALIZAR LA COMPOSICIOacuteN Y EL ORDEN DE LAS BANDAS ASIGANADAS A LOS COLORES

PRIMARIOS DEPENDERAacute DE

Sensor Aplicacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EL SEUDO - COLOR

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm formatos de

composiciones

Ya hemos afirmado de que el ojo humano es maacutes capaz de distinguir tonos de color que intensidades de brillo

Por ello el empleo del color ayuda a la interpretacioacuten incluso cuando podamos tener una sola imagen de una banda

Es aquiacute que hablamos del SEUDO COLOR por no contar con tres bandas

El seudo color implica la creacioacuten de una CLUT que asocie el ND de una sola banda a distintos componentes del R V y A APLICACIONES 1 Para tener una leyenda de colores para una img clasificada 2 Para realzar el anaacutelisis de una determinada banda y sustituir los tonos de gris por una paleta de colores

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CLUT COLOUR LOOK-UP TABLE TABLA DE CONSULTA DE COLOR

ENTENDIENDO LAS IMAacuteGENES

httpsenwikipediaorgwikiColour_look-up_table

creacioacuten del seudo color

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Filtros espaciales Concepto de kernel Filtros paso bajo y paso alto Filtros direccionales Anomaliacuteas y correccioacuten atmosfeacuterica Correcciones radiomeacutetricas Anomaliacuteas radiomeacutetricas Fallos en el sensorCorreccioacuten atmosfeacuterica concepto Meacutetodo valores miacutenimos Regresioacuten entre bandas Dispersioacuten por aerosolesCalibracioacuten Caso misioacuten Landsat

47 Interpretacioacuten de Imaacutegenes

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

conceptos de que es un filtro

espacial

FUNCIONES PARA MEJORAR ASPECTO DE LAS IMAacuteGENES

REALZAN O DISMINUYEN ELEMENTOS VISUALES DE LA IMG

BASADOS EN LA FRECUENCIA ESPACIAL

FRECUENCIAS ESPACIALES ALTAS Variaciones que se producen en pocos piacutexeles TENDENCIA GENERAL FRECUENCIAS ESPACIALES BAJAS

Variaciones que se producen en muchos piacutexeles CONTRASTES LOCALES

FILTROS Figura - CCRS CCT

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

conceptos de kernel

FILTRADO ESPACIAL Figura - CCRS CCT FILTRADO EN EL DOMINIO

ESPACIAL Lo mas comuacuten es la aplicacioacuten de una ventana deslizante con valores que son coeficientes fijos de una matriz La MATRIZ se suele llamar KERNEL o nuacutecleo del filtro

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DIGITAL

ENTENDIENDO LAS IMAacuteGENES

aplicacioacuten del kernel

3 x 3 5 x 5 7 x 7

1 1 1

1 2 1

1 1 1 matrices

LOS VALORES DEL KERNEL SE MULTIPLICAN POR EL PIacuteXEL QUE TIENEN DEBAJO Y LUEGO SE SUMAN TODOS LOS PRODUCTOS

Y PARA OBTENER EL VALOR DEL PIacuteXEL CENTRAL EN LA IMAGEN TRANSFORMADA SE LO DIVIDE POR LA SUMA DE LOS PONDERADOS O PESOS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO - PASO BAJO PASO ALTO

ENTENDIENDO LAS IMAacuteGENES

aplicacioacuten del kernel

26

FILTROS DE PASO BAJO SE FAVORECEN A LOS PIXELES

PERIFEacuteRICOS SE MINIMIZAN LAS DIFERENCIAS CON LOS VECINOS ES UNA ESPECIE DE SUAVIZADO

FILTRO DE PASO ALTO PONDERACIOacuteN DEL VALOR CENTRAL EN DETRIMENTO DE LOS CIRCUNDANTES

SE EXAGERAN DIFERENCIAS Y SE RESALTAN VARIACIONES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DE PASO BAJO

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm

simulacioacuten

IMAGEN ORIGINAL

FILTRO PASO BAJO 3x3 SE TRATA DE ASEMEJAR LOS VALORES DE ND DE UN PIXEL A LOS VALORES VECINOS EN TEacuteRMINOS VISUALES LA IMAGEN FILTRADA OFRECE PERFILES MENOS NIacuteTIDOS

FILTRO PASO BAJO 7x7 SIRVE PARA REDUCIR VARIABILIDAD ESPACIAL DE ALGUNA CATEGORIacuteA ANTES DE UN PROCESO DE CLASIFICACIOacuteN

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DE PASO ALTO

ENTENDIENDO LAS IMAacuteGENES

IMAGEN ORIGINAL

FILTRO PASO ALTO 3x3 SE TRATA DE AISLAR LOS COMPONENTES DE ALTA FRECUENCIA Y REMARCAR DIGITALMENTE CONTRASTES EN TEacuteRMINOS VISUALES LA IMAGEN FILTRADA REFUERZA LOS CONTORNOS EN AacuteREAS HOMOGEacuteNEAS

FILTRO PASO ALTO 7x7 SIRVE PARA LOGRAR REALCES DE RASGOS LINEALES COMO PUEDEN SER EN AacuteREAS URBANAS O RASGOS GEOLOacuteGICOS

simulacioacuten

httpgeograuahesrtm

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

Figura - Landsat USGS

IMAGEN ORIGINAL

FILTRO DIRECCIONAL PERMITEN IDENTIFICAR LOS RASGOS FRONTERIZOS EN LAS IMAacuteGENES COMO LOS FILTROS ANTERIORES PERO AHORA CONSIDERANDO LA ORIENTACIOacuteN

se tiene en cuenta la

orientacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

matrices con direccioacuten

NORTE

1 1 1

1 -2 1

-1 -1 -1

SUR

-1 -1 -1

1 -2 1

1 1 1

ESTE

-1 1 1

-1 -2 1

-1 1 1

OESTE

1 1 -1

1 -2 -1

1 1 -1

SURESTE

-1 -1 1

-1 -2 1

1 1 1

NOROESTE

1 1 1

1 -2 -1

1 -1 -1

SUROESTE

1 -1 -1

1 -2 -1

1 1 1

NORESTE

1 1 1

-1 -2 1

-1 -1 1

OBSERVACIOacuteN

LOS NOMBRES OBEDECEN A LA DIRECCIOacuteN DEL CONTRASTE QUE SENtildeALAN

LA DIRECCIOacuteN QUE REALZAN ES JUSTAMENTE LA PERPENDICULAR

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

48 Interpretacioacuten de Imaacutegenes

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Correcciones geomeacutetricas Georreferenciacioacuten Uso de puntos de control Fuentes de error Procesamiento geomeacutetrico Correccioacuten Transformacioacuten geomeacutetrica Calidad y ajuste Generacioacuten de la nueva imagen Transferencia de ND

INSTITUTO DE AGRIMENSURA - DEPARTAMENTO DE GEOMAacuteTICA PROF ADJUNTO GRADO 3 EDISON J ROSAS BERTON

El tratamiento de una imagen de sateacutelite Georreferenciacioacuten

(paso de un sistema de filas y columnas a un sistema de coordenadas estandard)

Para ello debe obtenerse una muestra de puntos de control de los que conozcamos tanto sus coordenadas reales como sus coordenadas en

la imagen deben ser por tanto objetos de un tamantildeo adecuado para resultar identificables tanto en la imagen como sobre el terreno el tamantildeo

dependeraacute loacutegicamente de la resolucioacuten de la imagen A partir de estos puntos de control se obtendraacuten por regresioacuten unas ecuaciones que permitiraacuten a cada par filacolumna un par de coordenadas

XY

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

GEORREFERENCIACIOacuteN

ENTENDIENDO LAS IMAacuteGENES

georreferenciacioacuten porqueacute

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PUNTOS DE CONTROL

ENTENDIENDO LAS IMAacuteGENES

uso de puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

DISTORSIONES POR LA PLATAFORMA ALTITUD DE LA OacuteRBITA ndash Cambio de escala

VELOCIDAD ndash Cambios de escala ORIENTACIOacuteN DE LOS TRES EJES ndash Distorsiones en la geometriacutea

NO SISTEMAacuteTICOS Y COMPLEJOS DE MODELAR

DISTORSIONES POR ROTACIOacuteN TERRESTRE

CONSIDERANDO ALTITUD (800 Km) y TAMANtildeO DE LA IMAGEN (180 Km)ndashEn latitudes medias tarda en adquirir unos 30 segundos la Tierra se desplaza unos 8 Km

ORIENTACIOacuteN NE SW

DISTORSIONES POR EL SENSOR ANOMALIacuteAS SENSOR y MOVIMIENTO ESPEJO ndash Barrido no lineal o cambio en intervalos

AacuteNGULO DE BARRIDO ndash Variacioacuten en el tamantildeo de pixel

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ERROR EN UNA IMAGEN ESPACIAL

ENTENDIENDO LAS IMAacuteGENES

fuentes de error

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Una correccioacuten geomeacutetrica incluye CUALQUIER CAMBIO EN LA POSICIOacuteN DE LOS PIXELES que

conforman la imagen f (c`) = f1 (c l) f (x y) f (l`) = f2 (c l) f (x y)

COORDENADAS DE IMAGEN CORREGIDA SON FUNCIOacuteN DE COORDENADAS COLUMNA Y LIacuteNEA DE LA

IMAGEN DE ENTRADA O DE LAS COORDENADAS DE MAPA AL QUE SUPERPONDREMOS LA IMAGEN

1 CON OBJETIVO DE REALIZAR UNA TRANSFORMACIOacuteN GEOMEacuteTRICA QUE PERMITA AJUSTARLA A OTRA IMAGEN REFERENCIA NORMALMENTE PARA REALIZAR ESTUDIOS MULTITEMPORALES O MOSAICOS CON EL FIN DE AMPLIAR LOS DATOS E INFORMACIOacuteN DE UNA ZONA

2 ESTO PERMITIRAacute QUE LA NUEVA IMAGEN LA PUEDA INTEGRAR CON INFORMACIOacuteN DE OTRAS FUENTES POR EJEMPLO EN UN AMBIENTE SIG

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

correccioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

asumimos que

NO SE CONOCE EL ORIGEN DE LOS ERRORES

modelamos

ECUACIONES EMPIacuteRICAS

aplicadas a un conjunto de puntos

COORDENADAS CONOCIDAS IMAGEN INPUT e IMAGEN OUTPUT

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

1 ndash SELECCIOacuteN DE REFERENCIAS 2 ndash ECUACIONES DE AJUSTE

3 ndash GENERACIOacuteN DE LA IMAGEN CORREGIDA

ES OBVIO CALIDAD DEL AJUSTE DEPENDERAacute DE PRECISIOacuteN CON QUE SE

LOCALICEN LOS PUNTOS DE CONTROL INEXACTA LOCALIZACIOacuteN

DISTRIBUCIOacuteN MUY SECTORIZADA NUacuteMERO DE PUNTOS DE CONTROL INADECUADO

ESTABLECER LOS PUNTOS DE CONTROL FASE MAS CRUCIAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

procesamiento de la correccioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Resaltamos la importancia de

NUacuteMERO LOCALIZACIOacuteN DISTRIBUCIOacuteN

Que debemos atender Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

que considero UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash Croquis ilustrativos de apoyo

TERRENO O ZONAS PLANAS CON IMG OBTENIDAS POR UN SENSOR DE ESTRECHA VISIOacuteN DE CAMPO

TRANSFORMACIOacuteN

BASADO EN ECUACIONES LINEALES SIMPLES

TERRENO ESCARPADO O RUGOSO O UTILIZACIOacuteN DE IMG OBTENIDAS EN UN SENSOR CON VARIACIONES EN LAS CONDICIONES DE OBSERVACIOacuteN

TRANSFORMACIOacuteN MAacuteS COMPLEJA

POLINOMIOS DE SEGUNDO O TERCER ORDEN

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Desde un punto de vista matemaacutetico

GRADO 1 ndash 3 puntos GRADO 2 ndash 6 puntos GRADO 3 ndash 10 puntos

Seguacuten mis objetivos del trabajo no es conveniente utilizar esos miacutenimos

14 a 20 puntos (Landsat 5 MMS ndash seguacuten Bernstein R y D G Ferneyhough Jr 1978)

100 a 120 puntos (Landsat 7 TM ndash seguacuten el National Remote Sensing Center de Inglaterra)

10 o 12 puntos (Pequentildea zona de 512 x 512 pixeles ndash seguacuten Emilio Chuvieco 2010)

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

matemaacuteticamente UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

QUE DEBEMOS DE CONSIDERAR EN CUANTO A LA LOCALIZACIOacuteN

CLARAMENTE IDENTIFICABLES EN IMAGEN Y MAPA RASGOS HUMANOS DEL PAISAJE NO SUJETOS A DINAMISMO TEMPORAL

CRUCE DE CARRETERAS

CAMINOS VIacuteA FEacuteRREAS

NO CONSIDERAR ELEMENTOS ASOCIADOS AL AGUA

COSTA CURSOS DE AGUA

EMBALSES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

localizacioacuten TCP UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la correccioacuten digital de la geometriacutea de una imagen se realiza a partir de establecer unas funciones que relacionen las coordenadas de la imagen

y las coordenadas del mapa

EJ CASO MAS SIMPLE REGRESIOacuteN LINEAL MUacuteLTIPLE

ci = a0 + a1 Xi + a2 Yi li = b0 + b1 Xi + b2 Yi

EN LA PRAacuteCTICA BASTA UNA FUNCIOacuteN LINEAL PARA ABORDAR UN GRAN NUacuteMERO DE

TRANSFORMACIONES Y SON SUFICIENTES SI LAS IMAacuteGENES NO SON MUY GRANDES ANTE LA NECESIDAD DE OTRAS TRANSFORMACIONES SE UTILIZAN DE 2ordm y 3ordm ORDEN CONSIDERANDO ALTERACIONES GEOMEacuteTRICAS NO LINEALES (FUNCIONES QUE NO SE DEFINEN EN UN PLANO

CON EJES LINEALES SINO QUE SUPERFICIES CON EJES CURVILIacuteNEOS)

LOS COEFICIENTES DE LAS FUNCIONES DE TRANSFORMACIOacuteN SE CALCULAN A PARTIR DE UN AJUSTE POR MIacuteNIMOS CUADRADOS

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

funciones de transformacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash ejemplos de funciones de transformacioacuten geomeacutetrica con el efecto causado

TRASLACIOacuteN

CAMBIO DE ESCALA

INCLINACIOacuteN

PERSPECTIVA

ROTACIOacuteN

x = a0 + xacute y = b0 + yacute

x = xacute + a2 yacute y = yacute

x = a1 xacute y = b1 yacute

x = a3xacute yacute y = yacute

x = a4xacute + a5yacute y = b4xacute + b5yacute a4 = b5 = cos Ɵ a5 = -b4 = sen Ɵ

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

transformacioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

comparacioacuten coordenadas reales y las estimadas por la regresioacuten

el promedio de los residuales se conoce como error medio cuadraacutetico

la calidad del ajuste lo da el RMSE (root mean squared error)

(error medio cuadraacutetico)

RMSE es la raiacutez cuadrada de las desviaciones entre los valores reales y los

calculados

RMSE para cada punto es la raiacutez de los residuales al cuadrado que es la distancia entre ellos

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

RMSE UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la praacutectica hace que fijemos una TOLERANCIA y es que si ese promedio supera un valor fijado previamente haya que rever

el valor fijado previamente generalmente es igual o menor a un PIXEL

una correcta verificacioacuten

NECESITA introducir PUNTOS de VERIFICACIOacuteN

que no hayan sido introducidos en el ajuste

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

tolerancias fijadas

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

traducimos coordenadas de un mapa a la imagen tambieacuten necesitamos a la nueva imagen

TRANSFERIR LOS VALORES DIGITALES no olvidar que lo que queremos es generar una nueva imagen que se

corresponda con las coordenadas y las funciones de ajuste

NO ORIGINAN NUEVA IMAGEN solo colocan a los pixeles en la posicioacuten correcta

en criollo las funciones de transformacioacuten generan una nueva matriz bien posicionada pero vaciacutea

DEBEMOS LLENAR LA MATRIZ problema maacutes complejo de lo que puede

pensarse Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

generacioacuten de la nueva imaacutegen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

cada pixel de la imagen corregida se corresponderiacutea con un pixel de la imagen original

LEJOS DE ESE IDEAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo I

vecino maacutes proacuteximo ( nearest neighbour )

a cada celda de la imagen corregida se asigna el ND del pixel maacutes cercano de la

imagen original

SOLUCIOacuteN RAacutePIDA MENOR DISTORSIOacuteN DE LOS ND

INTRODUCE RASGOS LINEALES QUE DISTORSIONAN

CORRECCIOacuteN DE IMAacuteGENES CLASIFICADAS

CONSERVAR LA RADIOMETRIacuteA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo II

interpolacioacuten bilineal ( bilinear interpolation )

supone promediar los ND de los cuatro pixeles mas cercanos

con ponderacioacuten seguacuten la distancia pixeles originalcorregido

REDUCE EL EFECTO DE DISTORSIOacuteN EN RASGOS LINEALES

TIENDE A DIFUMINAR LOS CONTRASTES ESPACIALES

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE IMAacuteGENES RECTIFICADAS MAPAS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo III

convolusioacuten cuacutebica ( cubic convolution )

supone considerar los ND de los 16 pixeles mas proacuteximos

media ponderada seguacuten la distancia pixeles originalcorregido

EFECTO VISUAL MAS CORRECTO

VOLUacuteMEN DE CAacuteLCULO MUY SUPERIOR TENDENCIA A AGUDIZAR BORDES DE LA IMAGEN

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE ORTOIMAacuteGENES IMPRESIONES DE CALIDAD

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

  • Nuacutemero de diapositiva 1
  • Nuacutemero de diapositiva 2
  • MOacuteDULO IV
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 5
  • Nuacutemero de diapositiva 6
  • Nuacutemero de diapositiva 7
  • Nuacutemero de diapositiva 8
  • Nuacutemero de diapositiva 9
  • Nuacutemero de diapositiva 10
  • Nuacutemero de diapositiva 11
  • Nuacutemero de diapositiva 12
  • Nuacutemero de diapositiva 13
  • Nuacutemero de diapositiva 14
  • Nuacutemero de diapositiva 15
  • Nuacutemero de diapositiva 16
  • Nuacutemero de diapositiva 17
  • Nuacutemero de diapositiva 18
  • Nuacutemero de diapositiva 19
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 21
  • Nuacutemero de diapositiva 22
  • Nuacutemero de diapositiva 23
  • Nuacutemero de diapositiva 24
  • Nuacutemero de diapositiva 25
  • Nuacutemero de diapositiva 26
  • Nuacutemero de diapositiva 27
  • Nuacutemero de diapositiva 28
  • Nuacutemero de diapositiva 29
  • Nuacutemero de diapositiva 30
  • Nuacutemero de diapositiva 31
  • Nuacutemero de diapositiva 32
  • Nuacutemero de diapositiva 33
  • Nuacutemero de diapositiva 34
  • Nuacutemero de diapositiva 35
  • Nuacutemero de diapositiva 36
  • Nuacutemero de diapositiva 37
  • Nuacutemero de diapositiva 38
  • Nuacutemero de diapositiva 39
  • Nuacutemero de diapositiva 40
  • 47 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 42
  • Nuacutemero de diapositiva 43
  • Nuacutemero de diapositiva 44
  • Nuacutemero de diapositiva 45
  • Nuacutemero de diapositiva 46
  • Nuacutemero de diapositiva 47
  • Nuacutemero de diapositiva 48
  • Nuacutemero de diapositiva 49
  • Nuacutemero de diapositiva 50
  • Nuacutemero de diapositiva 51
  • Nuacutemero de diapositiva 52
  • Nuacutemero de diapositiva 53
  • Nuacutemero de diapositiva 54
  • 48 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 56
  • Nuacutemero de diapositiva 57
  • Nuacutemero de diapositiva 58
  • Nuacutemero de diapositiva 59
  • Nuacutemero de diapositiva 60
  • Nuacutemero de diapositiva 61
  • Nuacutemero de diapositiva 62
  • Nuacutemero de diapositiva 63
  • Nuacutemero de diapositiva 64
  • Nuacutemero de diapositiva 65
  • Nuacutemero de diapositiva 66
  • Nuacutemero de diapositiva 67
  • Nuacutemero de diapositiva 68
  • Nuacutemero de diapositiva 69
  • Nuacutemero de diapositiva 70
  • Nuacutemero de diapositiva 71
  • Nuacutemero de diapositiva 72
  • Nuacutemero de diapositiva 73
  • Nuacutemero de diapositiva 74

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

HISTOGRAMA IDEAL

ENTENDIENDO LAS IMAacuteGENES

elementos a considerar

Por ejemplo en una imagen nocturna el histograma estaacute fuertemente desplazado al lado izquierdo (zona de tonos oscuros) y

evidencia que no hay apenas ninguna zona de la imagen muy brillante

adaptado de El histograma de una Imagen Digital Universidad Politeacutecnica de Valencia

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

HISTOGRAMA IDEAL

ENTENDIENDO LAS IMAacuteGENES

elementos a considerar

En este caso el histograma es marcadamente maacutes alto en la zona de grises claros y blancos y apareceraacute corrido a la derecha hacia el

lado de los valores altos de iluminacioacuten

adaptado de El histograma de una Imagen Digital Universidad Politeacutecnica de Valencia

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

HISTOGRAMA IDEAL

ENTENDIENDO LAS IMAacuteGENES

elementos a considerar

Se entiende por contraste la diferencia de brillo entre las zonas maacutes claras y maacutes oscuras en una imagen En este paisaje con niebla es

un ejemplo de bajo contraste Se traduce en un histograma estrecho Ademaacutes como la toacutenica dominante son los grises medios

se observa que estaacute bastante centrado

adaptado de El histograma de una Imagen Digital Universidad Politeacutecnica de Valencia

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

conjunto de datos

Frente a escenas con una iluminacioacuten maacutes normal y con una gran cantidad de elementos detectados los histogramas deberiacutean ser como en el primer caso que

hemos visto

Si no sucede

Histograma desplazado a la izquierda puede denotar falta de exposicioacuten

Histograma desplazado a la derecha puede ser un exceso de exposicioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

46 Interpretacioacuten de Imaacutegenes

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento digital Optimizacioacuten de las imaacutegenes Realces y mejoras visuales Contraste en una imagen Composiciones color El color verdadero el falso color el pseudo color

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

OPTIMIZACIOacuteN DE LAS IMAacuteGENES

ENTENDIENDO LAS IMAacuteGENES

mejorar visualmente las imaacutegenes

MANIPULAR DE FORMA FLEXIBLE Y SOFISTICADA EL ND DE LOS PIXELES

LUEGO DE CORRECCIONES LAS IMAacuteGENES HAY QUE OPTIMIZARLAS DESDE EL PUNTO DE VISTA VISUAL

diferentes tipos

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

REALCES Y MEJORAS VISUALES

ENTENDIENDO LAS IMAacuteGENES

httpamericalatina-nacblogspotcomuy2009_10_01_archivehtml

optimizacioacuten de las imaacutegenes

proceso destinado a facilitar la interpretacioacuten visual

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

ecualizacioacuten del histograma

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

gaussiano

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

lineal 2

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

lineal

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

raiacutez cuadrada

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

lineal 0 - 255

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PORQUEacute EL REALCE

ENTENDIENDO LAS IMAacuteGENES

LOS SENSORES SON CALIBRADOS PARA ABARCAR TODO EL RANGO POSIBLE DE RADIANCIAS

PARA CADA USO EN CONCRETO ES NECESIDAD IMPERIOSA

EXPANDIR EL HISTOGRAMA Y ASIacute CUBRIR EL RANGO COMPLETO DE NIVELES DE GRIS

histograma UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CONTRASTE EN UNA IMAGEN

ENTENDIENDO LAS IMAacuteGENES

expansioacuten del contraste

los datos uacutetiles solo ocupan pequentildea parte de los niveles de gris disponibles

expandir o estirar el histograma es cambiar los valores originales de ND para utilizar mayor rango

asiacute incrementar el contraste visual de diferentes objetos

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

ejemplos visuales

sin realce lineal

frecuencial gamma

MEacuteTODOS DE EXPANSIOacuteN DEL CONTRASTE

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

lineal

expansioacuten lineal

lo maacutes simple transformacioacuten en liacutenea llevando el valor miacutenimo a 0 y maacuteximo a 255 o se usa un rango por encima y por debajo de miacutenimo y maacuteximo

EXPANSIOacuteN I

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

lineal

EXPANSIOacuteN I expansioacuten

logariacutetmico exponencial

gamma

curvas de transferencia en lugar de rectas gamma es la curvatura de dicha curva se expanden maacutes el contraste de los extremos o del centro

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

frecuencial

EXPANSIOacuteN II

frecuencial ecualizacioacuten del

histograma

cuando los valores de ND no estaacuten distribuidos uniformemente intentar en la medida de lo posible que los valores de salida de los ND tengan el mismo de pixeles con dicho valor

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CONTRASTE EN UNA IMAGEN

ENTENDIENDO LAS IMAacuteGENES

compresioacuten del contraste

Ya sabemos que el contraste mide el rango dinaacutemico de los colores en la imagen es decir una imagen muy contrastada tiene un amplio abanico de colores (o tonos de gris) desde valores muy bajos a valores muy altos Para una imagen con poco contraste los colores estaacuten muy juntos el margen dinaacutemico es pequentildeo La variacioacuten en el contraste aparece como una compresioacuten del histograma en caso de una reduccioacuten a la inversa de lo visto en el caso de una expansioacuten

Compresioacuten si el rango excede de las capacidades del sistema

Se ha de comparar el nuacutemero de niveles digitales (ND) de la imagen con los niveles de visualizacioacuten (NV) o grises del sistema Es de menos aplicacioacuten Al igual que el brillo variando el contraste se puede provocar una peacuterdida de informacioacuten de la imagen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

MAYOR APLICABILIDAD DEL REALCE

ENTENDIENDO LAS IMAacuteGENES

realce oacuteptimo

realce frecuencial

realce lineal

laquo r e a l c e oacute p t i m o raquo optimiza interpretacioacuten de la imagen

mejor esteacutetica de la imagen NO COINCIDE CON NINGUacuteN CORTE PREDETERMINADO

Y SE LOGRA INTERACTIVAMENTE EN PANTALLA Y PARA CADA BANDA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

image1png

image1png

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

COMPOSICIONES COLOR

ENTENDIENDO LAS IMAacuteGENES

formatos de composiciones

CON LA CRECIENTE APARICIOacuteN DE LOS SENSORES HIPERESPECTRALES LAS POSIBILIDADES DE COMPOSICIONES

COLOREADAS DE BANDAS SON CASI ILIMITADAS

LA ELECCIOacuteN DE LAS BANDAS PARA REALIZAR LA COMPOSICIOacuteN Y EL ORDEN DE LAS BANDAS ASIGANADAS A LOS COLORES

PRIMARIOS DEPENDERAacute DE

Sensor Aplicacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EL SEUDO - COLOR

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm formatos de

composiciones

Ya hemos afirmado de que el ojo humano es maacutes capaz de distinguir tonos de color que intensidades de brillo

Por ello el empleo del color ayuda a la interpretacioacuten incluso cuando podamos tener una sola imagen de una banda

Es aquiacute que hablamos del SEUDO COLOR por no contar con tres bandas

El seudo color implica la creacioacuten de una CLUT que asocie el ND de una sola banda a distintos componentes del R V y A APLICACIONES 1 Para tener una leyenda de colores para una img clasificada 2 Para realzar el anaacutelisis de una determinada banda y sustituir los tonos de gris por una paleta de colores

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CLUT COLOUR LOOK-UP TABLE TABLA DE CONSULTA DE COLOR

ENTENDIENDO LAS IMAacuteGENES

httpsenwikipediaorgwikiColour_look-up_table

creacioacuten del seudo color

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Filtros espaciales Concepto de kernel Filtros paso bajo y paso alto Filtros direccionales Anomaliacuteas y correccioacuten atmosfeacuterica Correcciones radiomeacutetricas Anomaliacuteas radiomeacutetricas Fallos en el sensorCorreccioacuten atmosfeacuterica concepto Meacutetodo valores miacutenimos Regresioacuten entre bandas Dispersioacuten por aerosolesCalibracioacuten Caso misioacuten Landsat

47 Interpretacioacuten de Imaacutegenes

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

conceptos de que es un filtro

espacial

FUNCIONES PARA MEJORAR ASPECTO DE LAS IMAacuteGENES

REALZAN O DISMINUYEN ELEMENTOS VISUALES DE LA IMG

BASADOS EN LA FRECUENCIA ESPACIAL

FRECUENCIAS ESPACIALES ALTAS Variaciones que se producen en pocos piacutexeles TENDENCIA GENERAL FRECUENCIAS ESPACIALES BAJAS

Variaciones que se producen en muchos piacutexeles CONTRASTES LOCALES

FILTROS Figura - CCRS CCT

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

conceptos de kernel

FILTRADO ESPACIAL Figura - CCRS CCT FILTRADO EN EL DOMINIO

ESPACIAL Lo mas comuacuten es la aplicacioacuten de una ventana deslizante con valores que son coeficientes fijos de una matriz La MATRIZ se suele llamar KERNEL o nuacutecleo del filtro

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DIGITAL

ENTENDIENDO LAS IMAacuteGENES

aplicacioacuten del kernel

3 x 3 5 x 5 7 x 7

1 1 1

1 2 1

1 1 1 matrices

LOS VALORES DEL KERNEL SE MULTIPLICAN POR EL PIacuteXEL QUE TIENEN DEBAJO Y LUEGO SE SUMAN TODOS LOS PRODUCTOS

Y PARA OBTENER EL VALOR DEL PIacuteXEL CENTRAL EN LA IMAGEN TRANSFORMADA SE LO DIVIDE POR LA SUMA DE LOS PONDERADOS O PESOS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO - PASO BAJO PASO ALTO

ENTENDIENDO LAS IMAacuteGENES

aplicacioacuten del kernel

26

FILTROS DE PASO BAJO SE FAVORECEN A LOS PIXELES

PERIFEacuteRICOS SE MINIMIZAN LAS DIFERENCIAS CON LOS VECINOS ES UNA ESPECIE DE SUAVIZADO

FILTRO DE PASO ALTO PONDERACIOacuteN DEL VALOR CENTRAL EN DETRIMENTO DE LOS CIRCUNDANTES

SE EXAGERAN DIFERENCIAS Y SE RESALTAN VARIACIONES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DE PASO BAJO

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm

simulacioacuten

IMAGEN ORIGINAL

FILTRO PASO BAJO 3x3 SE TRATA DE ASEMEJAR LOS VALORES DE ND DE UN PIXEL A LOS VALORES VECINOS EN TEacuteRMINOS VISUALES LA IMAGEN FILTRADA OFRECE PERFILES MENOS NIacuteTIDOS

FILTRO PASO BAJO 7x7 SIRVE PARA REDUCIR VARIABILIDAD ESPACIAL DE ALGUNA CATEGORIacuteA ANTES DE UN PROCESO DE CLASIFICACIOacuteN

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DE PASO ALTO

ENTENDIENDO LAS IMAacuteGENES

IMAGEN ORIGINAL

FILTRO PASO ALTO 3x3 SE TRATA DE AISLAR LOS COMPONENTES DE ALTA FRECUENCIA Y REMARCAR DIGITALMENTE CONTRASTES EN TEacuteRMINOS VISUALES LA IMAGEN FILTRADA REFUERZA LOS CONTORNOS EN AacuteREAS HOMOGEacuteNEAS

FILTRO PASO ALTO 7x7 SIRVE PARA LOGRAR REALCES DE RASGOS LINEALES COMO PUEDEN SER EN AacuteREAS URBANAS O RASGOS GEOLOacuteGICOS

simulacioacuten

httpgeograuahesrtm

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

Figura - Landsat USGS

IMAGEN ORIGINAL

FILTRO DIRECCIONAL PERMITEN IDENTIFICAR LOS RASGOS FRONTERIZOS EN LAS IMAacuteGENES COMO LOS FILTROS ANTERIORES PERO AHORA CONSIDERANDO LA ORIENTACIOacuteN

se tiene en cuenta la

orientacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

matrices con direccioacuten

NORTE

1 1 1

1 -2 1

-1 -1 -1

SUR

-1 -1 -1

1 -2 1

1 1 1

ESTE

-1 1 1

-1 -2 1

-1 1 1

OESTE

1 1 -1

1 -2 -1

1 1 -1

SURESTE

-1 -1 1

-1 -2 1

1 1 1

NOROESTE

1 1 1

1 -2 -1

1 -1 -1

SUROESTE

1 -1 -1

1 -2 -1

1 1 1

NORESTE

1 1 1

-1 -2 1

-1 -1 1

OBSERVACIOacuteN

LOS NOMBRES OBEDECEN A LA DIRECCIOacuteN DEL CONTRASTE QUE SENtildeALAN

LA DIRECCIOacuteN QUE REALZAN ES JUSTAMENTE LA PERPENDICULAR

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

48 Interpretacioacuten de Imaacutegenes

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Correcciones geomeacutetricas Georreferenciacioacuten Uso de puntos de control Fuentes de error Procesamiento geomeacutetrico Correccioacuten Transformacioacuten geomeacutetrica Calidad y ajuste Generacioacuten de la nueva imagen Transferencia de ND

INSTITUTO DE AGRIMENSURA - DEPARTAMENTO DE GEOMAacuteTICA PROF ADJUNTO GRADO 3 EDISON J ROSAS BERTON

El tratamiento de una imagen de sateacutelite Georreferenciacioacuten

(paso de un sistema de filas y columnas a un sistema de coordenadas estandard)

Para ello debe obtenerse una muestra de puntos de control de los que conozcamos tanto sus coordenadas reales como sus coordenadas en

la imagen deben ser por tanto objetos de un tamantildeo adecuado para resultar identificables tanto en la imagen como sobre el terreno el tamantildeo

dependeraacute loacutegicamente de la resolucioacuten de la imagen A partir de estos puntos de control se obtendraacuten por regresioacuten unas ecuaciones que permitiraacuten a cada par filacolumna un par de coordenadas

XY

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

GEORREFERENCIACIOacuteN

ENTENDIENDO LAS IMAacuteGENES

georreferenciacioacuten porqueacute

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PUNTOS DE CONTROL

ENTENDIENDO LAS IMAacuteGENES

uso de puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

DISTORSIONES POR LA PLATAFORMA ALTITUD DE LA OacuteRBITA ndash Cambio de escala

VELOCIDAD ndash Cambios de escala ORIENTACIOacuteN DE LOS TRES EJES ndash Distorsiones en la geometriacutea

NO SISTEMAacuteTICOS Y COMPLEJOS DE MODELAR

DISTORSIONES POR ROTACIOacuteN TERRESTRE

CONSIDERANDO ALTITUD (800 Km) y TAMANtildeO DE LA IMAGEN (180 Km)ndashEn latitudes medias tarda en adquirir unos 30 segundos la Tierra se desplaza unos 8 Km

ORIENTACIOacuteN NE SW

DISTORSIONES POR EL SENSOR ANOMALIacuteAS SENSOR y MOVIMIENTO ESPEJO ndash Barrido no lineal o cambio en intervalos

AacuteNGULO DE BARRIDO ndash Variacioacuten en el tamantildeo de pixel

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ERROR EN UNA IMAGEN ESPACIAL

ENTENDIENDO LAS IMAacuteGENES

fuentes de error

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Una correccioacuten geomeacutetrica incluye CUALQUIER CAMBIO EN LA POSICIOacuteN DE LOS PIXELES que

conforman la imagen f (c`) = f1 (c l) f (x y) f (l`) = f2 (c l) f (x y)

COORDENADAS DE IMAGEN CORREGIDA SON FUNCIOacuteN DE COORDENADAS COLUMNA Y LIacuteNEA DE LA

IMAGEN DE ENTRADA O DE LAS COORDENADAS DE MAPA AL QUE SUPERPONDREMOS LA IMAGEN

1 CON OBJETIVO DE REALIZAR UNA TRANSFORMACIOacuteN GEOMEacuteTRICA QUE PERMITA AJUSTARLA A OTRA IMAGEN REFERENCIA NORMALMENTE PARA REALIZAR ESTUDIOS MULTITEMPORALES O MOSAICOS CON EL FIN DE AMPLIAR LOS DATOS E INFORMACIOacuteN DE UNA ZONA

2 ESTO PERMITIRAacute QUE LA NUEVA IMAGEN LA PUEDA INTEGRAR CON INFORMACIOacuteN DE OTRAS FUENTES POR EJEMPLO EN UN AMBIENTE SIG

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

correccioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

asumimos que

NO SE CONOCE EL ORIGEN DE LOS ERRORES

modelamos

ECUACIONES EMPIacuteRICAS

aplicadas a un conjunto de puntos

COORDENADAS CONOCIDAS IMAGEN INPUT e IMAGEN OUTPUT

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

1 ndash SELECCIOacuteN DE REFERENCIAS 2 ndash ECUACIONES DE AJUSTE

3 ndash GENERACIOacuteN DE LA IMAGEN CORREGIDA

ES OBVIO CALIDAD DEL AJUSTE DEPENDERAacute DE PRECISIOacuteN CON QUE SE

LOCALICEN LOS PUNTOS DE CONTROL INEXACTA LOCALIZACIOacuteN

DISTRIBUCIOacuteN MUY SECTORIZADA NUacuteMERO DE PUNTOS DE CONTROL INADECUADO

ESTABLECER LOS PUNTOS DE CONTROL FASE MAS CRUCIAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

procesamiento de la correccioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Resaltamos la importancia de

NUacuteMERO LOCALIZACIOacuteN DISTRIBUCIOacuteN

Que debemos atender Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

que considero UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash Croquis ilustrativos de apoyo

TERRENO O ZONAS PLANAS CON IMG OBTENIDAS POR UN SENSOR DE ESTRECHA VISIOacuteN DE CAMPO

TRANSFORMACIOacuteN

BASADO EN ECUACIONES LINEALES SIMPLES

TERRENO ESCARPADO O RUGOSO O UTILIZACIOacuteN DE IMG OBTENIDAS EN UN SENSOR CON VARIACIONES EN LAS CONDICIONES DE OBSERVACIOacuteN

TRANSFORMACIOacuteN MAacuteS COMPLEJA

POLINOMIOS DE SEGUNDO O TERCER ORDEN

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Desde un punto de vista matemaacutetico

GRADO 1 ndash 3 puntos GRADO 2 ndash 6 puntos GRADO 3 ndash 10 puntos

Seguacuten mis objetivos del trabajo no es conveniente utilizar esos miacutenimos

14 a 20 puntos (Landsat 5 MMS ndash seguacuten Bernstein R y D G Ferneyhough Jr 1978)

100 a 120 puntos (Landsat 7 TM ndash seguacuten el National Remote Sensing Center de Inglaterra)

10 o 12 puntos (Pequentildea zona de 512 x 512 pixeles ndash seguacuten Emilio Chuvieco 2010)

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

matemaacuteticamente UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

QUE DEBEMOS DE CONSIDERAR EN CUANTO A LA LOCALIZACIOacuteN

CLARAMENTE IDENTIFICABLES EN IMAGEN Y MAPA RASGOS HUMANOS DEL PAISAJE NO SUJETOS A DINAMISMO TEMPORAL

CRUCE DE CARRETERAS

CAMINOS VIacuteA FEacuteRREAS

NO CONSIDERAR ELEMENTOS ASOCIADOS AL AGUA

COSTA CURSOS DE AGUA

EMBALSES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

localizacioacuten TCP UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la correccioacuten digital de la geometriacutea de una imagen se realiza a partir de establecer unas funciones que relacionen las coordenadas de la imagen

y las coordenadas del mapa

EJ CASO MAS SIMPLE REGRESIOacuteN LINEAL MUacuteLTIPLE

ci = a0 + a1 Xi + a2 Yi li = b0 + b1 Xi + b2 Yi

EN LA PRAacuteCTICA BASTA UNA FUNCIOacuteN LINEAL PARA ABORDAR UN GRAN NUacuteMERO DE

TRANSFORMACIONES Y SON SUFICIENTES SI LAS IMAacuteGENES NO SON MUY GRANDES ANTE LA NECESIDAD DE OTRAS TRANSFORMACIONES SE UTILIZAN DE 2ordm y 3ordm ORDEN CONSIDERANDO ALTERACIONES GEOMEacuteTRICAS NO LINEALES (FUNCIONES QUE NO SE DEFINEN EN UN PLANO

CON EJES LINEALES SINO QUE SUPERFICIES CON EJES CURVILIacuteNEOS)

LOS COEFICIENTES DE LAS FUNCIONES DE TRANSFORMACIOacuteN SE CALCULAN A PARTIR DE UN AJUSTE POR MIacuteNIMOS CUADRADOS

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

funciones de transformacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash ejemplos de funciones de transformacioacuten geomeacutetrica con el efecto causado

TRASLACIOacuteN

CAMBIO DE ESCALA

INCLINACIOacuteN

PERSPECTIVA

ROTACIOacuteN

x = a0 + xacute y = b0 + yacute

x = xacute + a2 yacute y = yacute

x = a1 xacute y = b1 yacute

x = a3xacute yacute y = yacute

x = a4xacute + a5yacute y = b4xacute + b5yacute a4 = b5 = cos Ɵ a5 = -b4 = sen Ɵ

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

transformacioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

comparacioacuten coordenadas reales y las estimadas por la regresioacuten

el promedio de los residuales se conoce como error medio cuadraacutetico

la calidad del ajuste lo da el RMSE (root mean squared error)

(error medio cuadraacutetico)

RMSE es la raiacutez cuadrada de las desviaciones entre los valores reales y los

calculados

RMSE para cada punto es la raiacutez de los residuales al cuadrado que es la distancia entre ellos

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

RMSE UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la praacutectica hace que fijemos una TOLERANCIA y es que si ese promedio supera un valor fijado previamente haya que rever

el valor fijado previamente generalmente es igual o menor a un PIXEL

una correcta verificacioacuten

NECESITA introducir PUNTOS de VERIFICACIOacuteN

que no hayan sido introducidos en el ajuste

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

tolerancias fijadas

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

traducimos coordenadas de un mapa a la imagen tambieacuten necesitamos a la nueva imagen

TRANSFERIR LOS VALORES DIGITALES no olvidar que lo que queremos es generar una nueva imagen que se

corresponda con las coordenadas y las funciones de ajuste

NO ORIGINAN NUEVA IMAGEN solo colocan a los pixeles en la posicioacuten correcta

en criollo las funciones de transformacioacuten generan una nueva matriz bien posicionada pero vaciacutea

DEBEMOS LLENAR LA MATRIZ problema maacutes complejo de lo que puede

pensarse Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

generacioacuten de la nueva imaacutegen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

cada pixel de la imagen corregida se corresponderiacutea con un pixel de la imagen original

LEJOS DE ESE IDEAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo I

vecino maacutes proacuteximo ( nearest neighbour )

a cada celda de la imagen corregida se asigna el ND del pixel maacutes cercano de la

imagen original

SOLUCIOacuteN RAacutePIDA MENOR DISTORSIOacuteN DE LOS ND

INTRODUCE RASGOS LINEALES QUE DISTORSIONAN

CORRECCIOacuteN DE IMAacuteGENES CLASIFICADAS

CONSERVAR LA RADIOMETRIacuteA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo II

interpolacioacuten bilineal ( bilinear interpolation )

supone promediar los ND de los cuatro pixeles mas cercanos

con ponderacioacuten seguacuten la distancia pixeles originalcorregido

REDUCE EL EFECTO DE DISTORSIOacuteN EN RASGOS LINEALES

TIENDE A DIFUMINAR LOS CONTRASTES ESPACIALES

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE IMAacuteGENES RECTIFICADAS MAPAS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo III

convolusioacuten cuacutebica ( cubic convolution )

supone considerar los ND de los 16 pixeles mas proacuteximos

media ponderada seguacuten la distancia pixeles originalcorregido

EFECTO VISUAL MAS CORRECTO

VOLUacuteMEN DE CAacuteLCULO MUY SUPERIOR TENDENCIA A AGUDIZAR BORDES DE LA IMAGEN

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE ORTOIMAacuteGENES IMPRESIONES DE CALIDAD

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

  • Nuacutemero de diapositiva 1
  • Nuacutemero de diapositiva 2
  • MOacuteDULO IV
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 5
  • Nuacutemero de diapositiva 6
  • Nuacutemero de diapositiva 7
  • Nuacutemero de diapositiva 8
  • Nuacutemero de diapositiva 9
  • Nuacutemero de diapositiva 10
  • Nuacutemero de diapositiva 11
  • Nuacutemero de diapositiva 12
  • Nuacutemero de diapositiva 13
  • Nuacutemero de diapositiva 14
  • Nuacutemero de diapositiva 15
  • Nuacutemero de diapositiva 16
  • Nuacutemero de diapositiva 17
  • Nuacutemero de diapositiva 18
  • Nuacutemero de diapositiva 19
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 21
  • Nuacutemero de diapositiva 22
  • Nuacutemero de diapositiva 23
  • Nuacutemero de diapositiva 24
  • Nuacutemero de diapositiva 25
  • Nuacutemero de diapositiva 26
  • Nuacutemero de diapositiva 27
  • Nuacutemero de diapositiva 28
  • Nuacutemero de diapositiva 29
  • Nuacutemero de diapositiva 30
  • Nuacutemero de diapositiva 31
  • Nuacutemero de diapositiva 32
  • Nuacutemero de diapositiva 33
  • Nuacutemero de diapositiva 34
  • Nuacutemero de diapositiva 35
  • Nuacutemero de diapositiva 36
  • Nuacutemero de diapositiva 37
  • Nuacutemero de diapositiva 38
  • Nuacutemero de diapositiva 39
  • Nuacutemero de diapositiva 40
  • 47 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 42
  • Nuacutemero de diapositiva 43
  • Nuacutemero de diapositiva 44
  • Nuacutemero de diapositiva 45
  • Nuacutemero de diapositiva 46
  • Nuacutemero de diapositiva 47
  • Nuacutemero de diapositiva 48
  • Nuacutemero de diapositiva 49
  • Nuacutemero de diapositiva 50
  • Nuacutemero de diapositiva 51
  • Nuacutemero de diapositiva 52
  • Nuacutemero de diapositiva 53
  • Nuacutemero de diapositiva 54
  • 48 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 56
  • Nuacutemero de diapositiva 57
  • Nuacutemero de diapositiva 58
  • Nuacutemero de diapositiva 59
  • Nuacutemero de diapositiva 60
  • Nuacutemero de diapositiva 61
  • Nuacutemero de diapositiva 62
  • Nuacutemero de diapositiva 63
  • Nuacutemero de diapositiva 64
  • Nuacutemero de diapositiva 65
  • Nuacutemero de diapositiva 66
  • Nuacutemero de diapositiva 67
  • Nuacutemero de diapositiva 68
  • Nuacutemero de diapositiva 69
  • Nuacutemero de diapositiva 70
  • Nuacutemero de diapositiva 71
  • Nuacutemero de diapositiva 72
  • Nuacutemero de diapositiva 73
  • Nuacutemero de diapositiva 74

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

HISTOGRAMA IDEAL

ENTENDIENDO LAS IMAacuteGENES

elementos a considerar

En este caso el histograma es marcadamente maacutes alto en la zona de grises claros y blancos y apareceraacute corrido a la derecha hacia el

lado de los valores altos de iluminacioacuten

adaptado de El histograma de una Imagen Digital Universidad Politeacutecnica de Valencia

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

HISTOGRAMA IDEAL

ENTENDIENDO LAS IMAacuteGENES

elementos a considerar

Se entiende por contraste la diferencia de brillo entre las zonas maacutes claras y maacutes oscuras en una imagen En este paisaje con niebla es

un ejemplo de bajo contraste Se traduce en un histograma estrecho Ademaacutes como la toacutenica dominante son los grises medios

se observa que estaacute bastante centrado

adaptado de El histograma de una Imagen Digital Universidad Politeacutecnica de Valencia

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

conjunto de datos

Frente a escenas con una iluminacioacuten maacutes normal y con una gran cantidad de elementos detectados los histogramas deberiacutean ser como en el primer caso que

hemos visto

Si no sucede

Histograma desplazado a la izquierda puede denotar falta de exposicioacuten

Histograma desplazado a la derecha puede ser un exceso de exposicioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

46 Interpretacioacuten de Imaacutegenes

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento digital Optimizacioacuten de las imaacutegenes Realces y mejoras visuales Contraste en una imagen Composiciones color El color verdadero el falso color el pseudo color

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

OPTIMIZACIOacuteN DE LAS IMAacuteGENES

ENTENDIENDO LAS IMAacuteGENES

mejorar visualmente las imaacutegenes

MANIPULAR DE FORMA FLEXIBLE Y SOFISTICADA EL ND DE LOS PIXELES

LUEGO DE CORRECCIONES LAS IMAacuteGENES HAY QUE OPTIMIZARLAS DESDE EL PUNTO DE VISTA VISUAL

diferentes tipos

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

REALCES Y MEJORAS VISUALES

ENTENDIENDO LAS IMAacuteGENES

httpamericalatina-nacblogspotcomuy2009_10_01_archivehtml

optimizacioacuten de las imaacutegenes

proceso destinado a facilitar la interpretacioacuten visual

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

ecualizacioacuten del histograma

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

gaussiano

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

lineal 2

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

lineal

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

raiacutez cuadrada

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

lineal 0 - 255

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PORQUEacute EL REALCE

ENTENDIENDO LAS IMAacuteGENES

LOS SENSORES SON CALIBRADOS PARA ABARCAR TODO EL RANGO POSIBLE DE RADIANCIAS

PARA CADA USO EN CONCRETO ES NECESIDAD IMPERIOSA

EXPANDIR EL HISTOGRAMA Y ASIacute CUBRIR EL RANGO COMPLETO DE NIVELES DE GRIS

histograma UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CONTRASTE EN UNA IMAGEN

ENTENDIENDO LAS IMAacuteGENES

expansioacuten del contraste

los datos uacutetiles solo ocupan pequentildea parte de los niveles de gris disponibles

expandir o estirar el histograma es cambiar los valores originales de ND para utilizar mayor rango

asiacute incrementar el contraste visual de diferentes objetos

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

ejemplos visuales

sin realce lineal

frecuencial gamma

MEacuteTODOS DE EXPANSIOacuteN DEL CONTRASTE

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

lineal

expansioacuten lineal

lo maacutes simple transformacioacuten en liacutenea llevando el valor miacutenimo a 0 y maacuteximo a 255 o se usa un rango por encima y por debajo de miacutenimo y maacuteximo

EXPANSIOacuteN I

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

lineal

EXPANSIOacuteN I expansioacuten

logariacutetmico exponencial

gamma

curvas de transferencia en lugar de rectas gamma es la curvatura de dicha curva se expanden maacutes el contraste de los extremos o del centro

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

frecuencial

EXPANSIOacuteN II

frecuencial ecualizacioacuten del

histograma

cuando los valores de ND no estaacuten distribuidos uniformemente intentar en la medida de lo posible que los valores de salida de los ND tengan el mismo de pixeles con dicho valor

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CONTRASTE EN UNA IMAGEN

ENTENDIENDO LAS IMAacuteGENES

compresioacuten del contraste

Ya sabemos que el contraste mide el rango dinaacutemico de los colores en la imagen es decir una imagen muy contrastada tiene un amplio abanico de colores (o tonos de gris) desde valores muy bajos a valores muy altos Para una imagen con poco contraste los colores estaacuten muy juntos el margen dinaacutemico es pequentildeo La variacioacuten en el contraste aparece como una compresioacuten del histograma en caso de una reduccioacuten a la inversa de lo visto en el caso de una expansioacuten

Compresioacuten si el rango excede de las capacidades del sistema

Se ha de comparar el nuacutemero de niveles digitales (ND) de la imagen con los niveles de visualizacioacuten (NV) o grises del sistema Es de menos aplicacioacuten Al igual que el brillo variando el contraste se puede provocar una peacuterdida de informacioacuten de la imagen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

MAYOR APLICABILIDAD DEL REALCE

ENTENDIENDO LAS IMAacuteGENES

realce oacuteptimo

realce frecuencial

realce lineal

laquo r e a l c e oacute p t i m o raquo optimiza interpretacioacuten de la imagen

mejor esteacutetica de la imagen NO COINCIDE CON NINGUacuteN CORTE PREDETERMINADO

Y SE LOGRA INTERACTIVAMENTE EN PANTALLA Y PARA CADA BANDA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

image1png

image1png

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

COMPOSICIONES COLOR

ENTENDIENDO LAS IMAacuteGENES

formatos de composiciones

CON LA CRECIENTE APARICIOacuteN DE LOS SENSORES HIPERESPECTRALES LAS POSIBILIDADES DE COMPOSICIONES

COLOREADAS DE BANDAS SON CASI ILIMITADAS

LA ELECCIOacuteN DE LAS BANDAS PARA REALIZAR LA COMPOSICIOacuteN Y EL ORDEN DE LAS BANDAS ASIGANADAS A LOS COLORES

PRIMARIOS DEPENDERAacute DE

Sensor Aplicacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EL SEUDO - COLOR

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm formatos de

composiciones

Ya hemos afirmado de que el ojo humano es maacutes capaz de distinguir tonos de color que intensidades de brillo

Por ello el empleo del color ayuda a la interpretacioacuten incluso cuando podamos tener una sola imagen de una banda

Es aquiacute que hablamos del SEUDO COLOR por no contar con tres bandas

El seudo color implica la creacioacuten de una CLUT que asocie el ND de una sola banda a distintos componentes del R V y A APLICACIONES 1 Para tener una leyenda de colores para una img clasificada 2 Para realzar el anaacutelisis de una determinada banda y sustituir los tonos de gris por una paleta de colores

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CLUT COLOUR LOOK-UP TABLE TABLA DE CONSULTA DE COLOR

ENTENDIENDO LAS IMAacuteGENES

httpsenwikipediaorgwikiColour_look-up_table

creacioacuten del seudo color

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Filtros espaciales Concepto de kernel Filtros paso bajo y paso alto Filtros direccionales Anomaliacuteas y correccioacuten atmosfeacuterica Correcciones radiomeacutetricas Anomaliacuteas radiomeacutetricas Fallos en el sensorCorreccioacuten atmosfeacuterica concepto Meacutetodo valores miacutenimos Regresioacuten entre bandas Dispersioacuten por aerosolesCalibracioacuten Caso misioacuten Landsat

47 Interpretacioacuten de Imaacutegenes

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

conceptos de que es un filtro

espacial

FUNCIONES PARA MEJORAR ASPECTO DE LAS IMAacuteGENES

REALZAN O DISMINUYEN ELEMENTOS VISUALES DE LA IMG

BASADOS EN LA FRECUENCIA ESPACIAL

FRECUENCIAS ESPACIALES ALTAS Variaciones que se producen en pocos piacutexeles TENDENCIA GENERAL FRECUENCIAS ESPACIALES BAJAS

Variaciones que se producen en muchos piacutexeles CONTRASTES LOCALES

FILTROS Figura - CCRS CCT

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

conceptos de kernel

FILTRADO ESPACIAL Figura - CCRS CCT FILTRADO EN EL DOMINIO

ESPACIAL Lo mas comuacuten es la aplicacioacuten de una ventana deslizante con valores que son coeficientes fijos de una matriz La MATRIZ se suele llamar KERNEL o nuacutecleo del filtro

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DIGITAL

ENTENDIENDO LAS IMAacuteGENES

aplicacioacuten del kernel

3 x 3 5 x 5 7 x 7

1 1 1

1 2 1

1 1 1 matrices

LOS VALORES DEL KERNEL SE MULTIPLICAN POR EL PIacuteXEL QUE TIENEN DEBAJO Y LUEGO SE SUMAN TODOS LOS PRODUCTOS

Y PARA OBTENER EL VALOR DEL PIacuteXEL CENTRAL EN LA IMAGEN TRANSFORMADA SE LO DIVIDE POR LA SUMA DE LOS PONDERADOS O PESOS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO - PASO BAJO PASO ALTO

ENTENDIENDO LAS IMAacuteGENES

aplicacioacuten del kernel

26

FILTROS DE PASO BAJO SE FAVORECEN A LOS PIXELES

PERIFEacuteRICOS SE MINIMIZAN LAS DIFERENCIAS CON LOS VECINOS ES UNA ESPECIE DE SUAVIZADO

FILTRO DE PASO ALTO PONDERACIOacuteN DEL VALOR CENTRAL EN DETRIMENTO DE LOS CIRCUNDANTES

SE EXAGERAN DIFERENCIAS Y SE RESALTAN VARIACIONES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DE PASO BAJO

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm

simulacioacuten

IMAGEN ORIGINAL

FILTRO PASO BAJO 3x3 SE TRATA DE ASEMEJAR LOS VALORES DE ND DE UN PIXEL A LOS VALORES VECINOS EN TEacuteRMINOS VISUALES LA IMAGEN FILTRADA OFRECE PERFILES MENOS NIacuteTIDOS

FILTRO PASO BAJO 7x7 SIRVE PARA REDUCIR VARIABILIDAD ESPACIAL DE ALGUNA CATEGORIacuteA ANTES DE UN PROCESO DE CLASIFICACIOacuteN

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DE PASO ALTO

ENTENDIENDO LAS IMAacuteGENES

IMAGEN ORIGINAL

FILTRO PASO ALTO 3x3 SE TRATA DE AISLAR LOS COMPONENTES DE ALTA FRECUENCIA Y REMARCAR DIGITALMENTE CONTRASTES EN TEacuteRMINOS VISUALES LA IMAGEN FILTRADA REFUERZA LOS CONTORNOS EN AacuteREAS HOMOGEacuteNEAS

FILTRO PASO ALTO 7x7 SIRVE PARA LOGRAR REALCES DE RASGOS LINEALES COMO PUEDEN SER EN AacuteREAS URBANAS O RASGOS GEOLOacuteGICOS

simulacioacuten

httpgeograuahesrtm

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

Figura - Landsat USGS

IMAGEN ORIGINAL

FILTRO DIRECCIONAL PERMITEN IDENTIFICAR LOS RASGOS FRONTERIZOS EN LAS IMAacuteGENES COMO LOS FILTROS ANTERIORES PERO AHORA CONSIDERANDO LA ORIENTACIOacuteN

se tiene en cuenta la

orientacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

matrices con direccioacuten

NORTE

1 1 1

1 -2 1

-1 -1 -1

SUR

-1 -1 -1

1 -2 1

1 1 1

ESTE

-1 1 1

-1 -2 1

-1 1 1

OESTE

1 1 -1

1 -2 -1

1 1 -1

SURESTE

-1 -1 1

-1 -2 1

1 1 1

NOROESTE

1 1 1

1 -2 -1

1 -1 -1

SUROESTE

1 -1 -1

1 -2 -1

1 1 1

NORESTE

1 1 1

-1 -2 1

-1 -1 1

OBSERVACIOacuteN

LOS NOMBRES OBEDECEN A LA DIRECCIOacuteN DEL CONTRASTE QUE SENtildeALAN

LA DIRECCIOacuteN QUE REALZAN ES JUSTAMENTE LA PERPENDICULAR

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

48 Interpretacioacuten de Imaacutegenes

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Correcciones geomeacutetricas Georreferenciacioacuten Uso de puntos de control Fuentes de error Procesamiento geomeacutetrico Correccioacuten Transformacioacuten geomeacutetrica Calidad y ajuste Generacioacuten de la nueva imagen Transferencia de ND

INSTITUTO DE AGRIMENSURA - DEPARTAMENTO DE GEOMAacuteTICA PROF ADJUNTO GRADO 3 EDISON J ROSAS BERTON

El tratamiento de una imagen de sateacutelite Georreferenciacioacuten

(paso de un sistema de filas y columnas a un sistema de coordenadas estandard)

Para ello debe obtenerse una muestra de puntos de control de los que conozcamos tanto sus coordenadas reales como sus coordenadas en

la imagen deben ser por tanto objetos de un tamantildeo adecuado para resultar identificables tanto en la imagen como sobre el terreno el tamantildeo

dependeraacute loacutegicamente de la resolucioacuten de la imagen A partir de estos puntos de control se obtendraacuten por regresioacuten unas ecuaciones que permitiraacuten a cada par filacolumna un par de coordenadas

XY

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

GEORREFERENCIACIOacuteN

ENTENDIENDO LAS IMAacuteGENES

georreferenciacioacuten porqueacute

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PUNTOS DE CONTROL

ENTENDIENDO LAS IMAacuteGENES

uso de puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

DISTORSIONES POR LA PLATAFORMA ALTITUD DE LA OacuteRBITA ndash Cambio de escala

VELOCIDAD ndash Cambios de escala ORIENTACIOacuteN DE LOS TRES EJES ndash Distorsiones en la geometriacutea

NO SISTEMAacuteTICOS Y COMPLEJOS DE MODELAR

DISTORSIONES POR ROTACIOacuteN TERRESTRE

CONSIDERANDO ALTITUD (800 Km) y TAMANtildeO DE LA IMAGEN (180 Km)ndashEn latitudes medias tarda en adquirir unos 30 segundos la Tierra se desplaza unos 8 Km

ORIENTACIOacuteN NE SW

DISTORSIONES POR EL SENSOR ANOMALIacuteAS SENSOR y MOVIMIENTO ESPEJO ndash Barrido no lineal o cambio en intervalos

AacuteNGULO DE BARRIDO ndash Variacioacuten en el tamantildeo de pixel

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ERROR EN UNA IMAGEN ESPACIAL

ENTENDIENDO LAS IMAacuteGENES

fuentes de error

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Una correccioacuten geomeacutetrica incluye CUALQUIER CAMBIO EN LA POSICIOacuteN DE LOS PIXELES que

conforman la imagen f (c`) = f1 (c l) f (x y) f (l`) = f2 (c l) f (x y)

COORDENADAS DE IMAGEN CORREGIDA SON FUNCIOacuteN DE COORDENADAS COLUMNA Y LIacuteNEA DE LA

IMAGEN DE ENTRADA O DE LAS COORDENADAS DE MAPA AL QUE SUPERPONDREMOS LA IMAGEN

1 CON OBJETIVO DE REALIZAR UNA TRANSFORMACIOacuteN GEOMEacuteTRICA QUE PERMITA AJUSTARLA A OTRA IMAGEN REFERENCIA NORMALMENTE PARA REALIZAR ESTUDIOS MULTITEMPORALES O MOSAICOS CON EL FIN DE AMPLIAR LOS DATOS E INFORMACIOacuteN DE UNA ZONA

2 ESTO PERMITIRAacute QUE LA NUEVA IMAGEN LA PUEDA INTEGRAR CON INFORMACIOacuteN DE OTRAS FUENTES POR EJEMPLO EN UN AMBIENTE SIG

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

correccioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

asumimos que

NO SE CONOCE EL ORIGEN DE LOS ERRORES

modelamos

ECUACIONES EMPIacuteRICAS

aplicadas a un conjunto de puntos

COORDENADAS CONOCIDAS IMAGEN INPUT e IMAGEN OUTPUT

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

1 ndash SELECCIOacuteN DE REFERENCIAS 2 ndash ECUACIONES DE AJUSTE

3 ndash GENERACIOacuteN DE LA IMAGEN CORREGIDA

ES OBVIO CALIDAD DEL AJUSTE DEPENDERAacute DE PRECISIOacuteN CON QUE SE

LOCALICEN LOS PUNTOS DE CONTROL INEXACTA LOCALIZACIOacuteN

DISTRIBUCIOacuteN MUY SECTORIZADA NUacuteMERO DE PUNTOS DE CONTROL INADECUADO

ESTABLECER LOS PUNTOS DE CONTROL FASE MAS CRUCIAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

procesamiento de la correccioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Resaltamos la importancia de

NUacuteMERO LOCALIZACIOacuteN DISTRIBUCIOacuteN

Que debemos atender Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

que considero UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash Croquis ilustrativos de apoyo

TERRENO O ZONAS PLANAS CON IMG OBTENIDAS POR UN SENSOR DE ESTRECHA VISIOacuteN DE CAMPO

TRANSFORMACIOacuteN

BASADO EN ECUACIONES LINEALES SIMPLES

TERRENO ESCARPADO O RUGOSO O UTILIZACIOacuteN DE IMG OBTENIDAS EN UN SENSOR CON VARIACIONES EN LAS CONDICIONES DE OBSERVACIOacuteN

TRANSFORMACIOacuteN MAacuteS COMPLEJA

POLINOMIOS DE SEGUNDO O TERCER ORDEN

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Desde un punto de vista matemaacutetico

GRADO 1 ndash 3 puntos GRADO 2 ndash 6 puntos GRADO 3 ndash 10 puntos

Seguacuten mis objetivos del trabajo no es conveniente utilizar esos miacutenimos

14 a 20 puntos (Landsat 5 MMS ndash seguacuten Bernstein R y D G Ferneyhough Jr 1978)

100 a 120 puntos (Landsat 7 TM ndash seguacuten el National Remote Sensing Center de Inglaterra)

10 o 12 puntos (Pequentildea zona de 512 x 512 pixeles ndash seguacuten Emilio Chuvieco 2010)

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

matemaacuteticamente UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

QUE DEBEMOS DE CONSIDERAR EN CUANTO A LA LOCALIZACIOacuteN

CLARAMENTE IDENTIFICABLES EN IMAGEN Y MAPA RASGOS HUMANOS DEL PAISAJE NO SUJETOS A DINAMISMO TEMPORAL

CRUCE DE CARRETERAS

CAMINOS VIacuteA FEacuteRREAS

NO CONSIDERAR ELEMENTOS ASOCIADOS AL AGUA

COSTA CURSOS DE AGUA

EMBALSES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

localizacioacuten TCP UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la correccioacuten digital de la geometriacutea de una imagen se realiza a partir de establecer unas funciones que relacionen las coordenadas de la imagen

y las coordenadas del mapa

EJ CASO MAS SIMPLE REGRESIOacuteN LINEAL MUacuteLTIPLE

ci = a0 + a1 Xi + a2 Yi li = b0 + b1 Xi + b2 Yi

EN LA PRAacuteCTICA BASTA UNA FUNCIOacuteN LINEAL PARA ABORDAR UN GRAN NUacuteMERO DE

TRANSFORMACIONES Y SON SUFICIENTES SI LAS IMAacuteGENES NO SON MUY GRANDES ANTE LA NECESIDAD DE OTRAS TRANSFORMACIONES SE UTILIZAN DE 2ordm y 3ordm ORDEN CONSIDERANDO ALTERACIONES GEOMEacuteTRICAS NO LINEALES (FUNCIONES QUE NO SE DEFINEN EN UN PLANO

CON EJES LINEALES SINO QUE SUPERFICIES CON EJES CURVILIacuteNEOS)

LOS COEFICIENTES DE LAS FUNCIONES DE TRANSFORMACIOacuteN SE CALCULAN A PARTIR DE UN AJUSTE POR MIacuteNIMOS CUADRADOS

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

funciones de transformacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash ejemplos de funciones de transformacioacuten geomeacutetrica con el efecto causado

TRASLACIOacuteN

CAMBIO DE ESCALA

INCLINACIOacuteN

PERSPECTIVA

ROTACIOacuteN

x = a0 + xacute y = b0 + yacute

x = xacute + a2 yacute y = yacute

x = a1 xacute y = b1 yacute

x = a3xacute yacute y = yacute

x = a4xacute + a5yacute y = b4xacute + b5yacute a4 = b5 = cos Ɵ a5 = -b4 = sen Ɵ

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

transformacioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

comparacioacuten coordenadas reales y las estimadas por la regresioacuten

el promedio de los residuales se conoce como error medio cuadraacutetico

la calidad del ajuste lo da el RMSE (root mean squared error)

(error medio cuadraacutetico)

RMSE es la raiacutez cuadrada de las desviaciones entre los valores reales y los

calculados

RMSE para cada punto es la raiacutez de los residuales al cuadrado que es la distancia entre ellos

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

RMSE UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la praacutectica hace que fijemos una TOLERANCIA y es que si ese promedio supera un valor fijado previamente haya que rever

el valor fijado previamente generalmente es igual o menor a un PIXEL

una correcta verificacioacuten

NECESITA introducir PUNTOS de VERIFICACIOacuteN

que no hayan sido introducidos en el ajuste

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

tolerancias fijadas

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

traducimos coordenadas de un mapa a la imagen tambieacuten necesitamos a la nueva imagen

TRANSFERIR LOS VALORES DIGITALES no olvidar que lo que queremos es generar una nueva imagen que se

corresponda con las coordenadas y las funciones de ajuste

NO ORIGINAN NUEVA IMAGEN solo colocan a los pixeles en la posicioacuten correcta

en criollo las funciones de transformacioacuten generan una nueva matriz bien posicionada pero vaciacutea

DEBEMOS LLENAR LA MATRIZ problema maacutes complejo de lo que puede

pensarse Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

generacioacuten de la nueva imaacutegen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

cada pixel de la imagen corregida se corresponderiacutea con un pixel de la imagen original

LEJOS DE ESE IDEAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo I

vecino maacutes proacuteximo ( nearest neighbour )

a cada celda de la imagen corregida se asigna el ND del pixel maacutes cercano de la

imagen original

SOLUCIOacuteN RAacutePIDA MENOR DISTORSIOacuteN DE LOS ND

INTRODUCE RASGOS LINEALES QUE DISTORSIONAN

CORRECCIOacuteN DE IMAacuteGENES CLASIFICADAS

CONSERVAR LA RADIOMETRIacuteA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo II

interpolacioacuten bilineal ( bilinear interpolation )

supone promediar los ND de los cuatro pixeles mas cercanos

con ponderacioacuten seguacuten la distancia pixeles originalcorregido

REDUCE EL EFECTO DE DISTORSIOacuteN EN RASGOS LINEALES

TIENDE A DIFUMINAR LOS CONTRASTES ESPACIALES

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE IMAacuteGENES RECTIFICADAS MAPAS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo III

convolusioacuten cuacutebica ( cubic convolution )

supone considerar los ND de los 16 pixeles mas proacuteximos

media ponderada seguacuten la distancia pixeles originalcorregido

EFECTO VISUAL MAS CORRECTO

VOLUacuteMEN DE CAacuteLCULO MUY SUPERIOR TENDENCIA A AGUDIZAR BORDES DE LA IMAGEN

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE ORTOIMAacuteGENES IMPRESIONES DE CALIDAD

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

  • Nuacutemero de diapositiva 1
  • Nuacutemero de diapositiva 2
  • MOacuteDULO IV
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 5
  • Nuacutemero de diapositiva 6
  • Nuacutemero de diapositiva 7
  • Nuacutemero de diapositiva 8
  • Nuacutemero de diapositiva 9
  • Nuacutemero de diapositiva 10
  • Nuacutemero de diapositiva 11
  • Nuacutemero de diapositiva 12
  • Nuacutemero de diapositiva 13
  • Nuacutemero de diapositiva 14
  • Nuacutemero de diapositiva 15
  • Nuacutemero de diapositiva 16
  • Nuacutemero de diapositiva 17
  • Nuacutemero de diapositiva 18
  • Nuacutemero de diapositiva 19
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 21
  • Nuacutemero de diapositiva 22
  • Nuacutemero de diapositiva 23
  • Nuacutemero de diapositiva 24
  • Nuacutemero de diapositiva 25
  • Nuacutemero de diapositiva 26
  • Nuacutemero de diapositiva 27
  • Nuacutemero de diapositiva 28
  • Nuacutemero de diapositiva 29
  • Nuacutemero de diapositiva 30
  • Nuacutemero de diapositiva 31
  • Nuacutemero de diapositiva 32
  • Nuacutemero de diapositiva 33
  • Nuacutemero de diapositiva 34
  • Nuacutemero de diapositiva 35
  • Nuacutemero de diapositiva 36
  • Nuacutemero de diapositiva 37
  • Nuacutemero de diapositiva 38
  • Nuacutemero de diapositiva 39
  • Nuacutemero de diapositiva 40
  • 47 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 42
  • Nuacutemero de diapositiva 43
  • Nuacutemero de diapositiva 44
  • Nuacutemero de diapositiva 45
  • Nuacutemero de diapositiva 46
  • Nuacutemero de diapositiva 47
  • Nuacutemero de diapositiva 48
  • Nuacutemero de diapositiva 49
  • Nuacutemero de diapositiva 50
  • Nuacutemero de diapositiva 51
  • Nuacutemero de diapositiva 52
  • Nuacutemero de diapositiva 53
  • Nuacutemero de diapositiva 54
  • 48 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 56
  • Nuacutemero de diapositiva 57
  • Nuacutemero de diapositiva 58
  • Nuacutemero de diapositiva 59
  • Nuacutemero de diapositiva 60
  • Nuacutemero de diapositiva 61
  • Nuacutemero de diapositiva 62
  • Nuacutemero de diapositiva 63
  • Nuacutemero de diapositiva 64
  • Nuacutemero de diapositiva 65
  • Nuacutemero de diapositiva 66
  • Nuacutemero de diapositiva 67
  • Nuacutemero de diapositiva 68
  • Nuacutemero de diapositiva 69
  • Nuacutemero de diapositiva 70
  • Nuacutemero de diapositiva 71
  • Nuacutemero de diapositiva 72
  • Nuacutemero de diapositiva 73
  • Nuacutemero de diapositiva 74

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

HISTOGRAMA IDEAL

ENTENDIENDO LAS IMAacuteGENES

elementos a considerar

Se entiende por contraste la diferencia de brillo entre las zonas maacutes claras y maacutes oscuras en una imagen En este paisaje con niebla es

un ejemplo de bajo contraste Se traduce en un histograma estrecho Ademaacutes como la toacutenica dominante son los grises medios

se observa que estaacute bastante centrado

adaptado de El histograma de una Imagen Digital Universidad Politeacutecnica de Valencia

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

conjunto de datos

Frente a escenas con una iluminacioacuten maacutes normal y con una gran cantidad de elementos detectados los histogramas deberiacutean ser como en el primer caso que

hemos visto

Si no sucede

Histograma desplazado a la izquierda puede denotar falta de exposicioacuten

Histograma desplazado a la derecha puede ser un exceso de exposicioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

46 Interpretacioacuten de Imaacutegenes

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento digital Optimizacioacuten de las imaacutegenes Realces y mejoras visuales Contraste en una imagen Composiciones color El color verdadero el falso color el pseudo color

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

OPTIMIZACIOacuteN DE LAS IMAacuteGENES

ENTENDIENDO LAS IMAacuteGENES

mejorar visualmente las imaacutegenes

MANIPULAR DE FORMA FLEXIBLE Y SOFISTICADA EL ND DE LOS PIXELES

LUEGO DE CORRECCIONES LAS IMAacuteGENES HAY QUE OPTIMIZARLAS DESDE EL PUNTO DE VISTA VISUAL

diferentes tipos

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

REALCES Y MEJORAS VISUALES

ENTENDIENDO LAS IMAacuteGENES

httpamericalatina-nacblogspotcomuy2009_10_01_archivehtml

optimizacioacuten de las imaacutegenes

proceso destinado a facilitar la interpretacioacuten visual

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

ecualizacioacuten del histograma

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

gaussiano

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

lineal 2

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

lineal

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

raiacutez cuadrada

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

lineal 0 - 255

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PORQUEacute EL REALCE

ENTENDIENDO LAS IMAacuteGENES

LOS SENSORES SON CALIBRADOS PARA ABARCAR TODO EL RANGO POSIBLE DE RADIANCIAS

PARA CADA USO EN CONCRETO ES NECESIDAD IMPERIOSA

EXPANDIR EL HISTOGRAMA Y ASIacute CUBRIR EL RANGO COMPLETO DE NIVELES DE GRIS

histograma UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CONTRASTE EN UNA IMAGEN

ENTENDIENDO LAS IMAacuteGENES

expansioacuten del contraste

los datos uacutetiles solo ocupan pequentildea parte de los niveles de gris disponibles

expandir o estirar el histograma es cambiar los valores originales de ND para utilizar mayor rango

asiacute incrementar el contraste visual de diferentes objetos

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

ejemplos visuales

sin realce lineal

frecuencial gamma

MEacuteTODOS DE EXPANSIOacuteN DEL CONTRASTE

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

lineal

expansioacuten lineal

lo maacutes simple transformacioacuten en liacutenea llevando el valor miacutenimo a 0 y maacuteximo a 255 o se usa un rango por encima y por debajo de miacutenimo y maacuteximo

EXPANSIOacuteN I

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

lineal

EXPANSIOacuteN I expansioacuten

logariacutetmico exponencial

gamma

curvas de transferencia en lugar de rectas gamma es la curvatura de dicha curva se expanden maacutes el contraste de los extremos o del centro

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

frecuencial

EXPANSIOacuteN II

frecuencial ecualizacioacuten del

histograma

cuando los valores de ND no estaacuten distribuidos uniformemente intentar en la medida de lo posible que los valores de salida de los ND tengan el mismo de pixeles con dicho valor

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CONTRASTE EN UNA IMAGEN

ENTENDIENDO LAS IMAacuteGENES

compresioacuten del contraste

Ya sabemos que el contraste mide el rango dinaacutemico de los colores en la imagen es decir una imagen muy contrastada tiene un amplio abanico de colores (o tonos de gris) desde valores muy bajos a valores muy altos Para una imagen con poco contraste los colores estaacuten muy juntos el margen dinaacutemico es pequentildeo La variacioacuten en el contraste aparece como una compresioacuten del histograma en caso de una reduccioacuten a la inversa de lo visto en el caso de una expansioacuten

Compresioacuten si el rango excede de las capacidades del sistema

Se ha de comparar el nuacutemero de niveles digitales (ND) de la imagen con los niveles de visualizacioacuten (NV) o grises del sistema Es de menos aplicacioacuten Al igual que el brillo variando el contraste se puede provocar una peacuterdida de informacioacuten de la imagen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

MAYOR APLICABILIDAD DEL REALCE

ENTENDIENDO LAS IMAacuteGENES

realce oacuteptimo

realce frecuencial

realce lineal

laquo r e a l c e oacute p t i m o raquo optimiza interpretacioacuten de la imagen

mejor esteacutetica de la imagen NO COINCIDE CON NINGUacuteN CORTE PREDETERMINADO

Y SE LOGRA INTERACTIVAMENTE EN PANTALLA Y PARA CADA BANDA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

image1png

image1png

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

COMPOSICIONES COLOR

ENTENDIENDO LAS IMAacuteGENES

formatos de composiciones

CON LA CRECIENTE APARICIOacuteN DE LOS SENSORES HIPERESPECTRALES LAS POSIBILIDADES DE COMPOSICIONES

COLOREADAS DE BANDAS SON CASI ILIMITADAS

LA ELECCIOacuteN DE LAS BANDAS PARA REALIZAR LA COMPOSICIOacuteN Y EL ORDEN DE LAS BANDAS ASIGANADAS A LOS COLORES

PRIMARIOS DEPENDERAacute DE

Sensor Aplicacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EL SEUDO - COLOR

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm formatos de

composiciones

Ya hemos afirmado de que el ojo humano es maacutes capaz de distinguir tonos de color que intensidades de brillo

Por ello el empleo del color ayuda a la interpretacioacuten incluso cuando podamos tener una sola imagen de una banda

Es aquiacute que hablamos del SEUDO COLOR por no contar con tres bandas

El seudo color implica la creacioacuten de una CLUT que asocie el ND de una sola banda a distintos componentes del R V y A APLICACIONES 1 Para tener una leyenda de colores para una img clasificada 2 Para realzar el anaacutelisis de una determinada banda y sustituir los tonos de gris por una paleta de colores

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CLUT COLOUR LOOK-UP TABLE TABLA DE CONSULTA DE COLOR

ENTENDIENDO LAS IMAacuteGENES

httpsenwikipediaorgwikiColour_look-up_table

creacioacuten del seudo color

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Filtros espaciales Concepto de kernel Filtros paso bajo y paso alto Filtros direccionales Anomaliacuteas y correccioacuten atmosfeacuterica Correcciones radiomeacutetricas Anomaliacuteas radiomeacutetricas Fallos en el sensorCorreccioacuten atmosfeacuterica concepto Meacutetodo valores miacutenimos Regresioacuten entre bandas Dispersioacuten por aerosolesCalibracioacuten Caso misioacuten Landsat

47 Interpretacioacuten de Imaacutegenes

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

conceptos de que es un filtro

espacial

FUNCIONES PARA MEJORAR ASPECTO DE LAS IMAacuteGENES

REALZAN O DISMINUYEN ELEMENTOS VISUALES DE LA IMG

BASADOS EN LA FRECUENCIA ESPACIAL

FRECUENCIAS ESPACIALES ALTAS Variaciones que se producen en pocos piacutexeles TENDENCIA GENERAL FRECUENCIAS ESPACIALES BAJAS

Variaciones que se producen en muchos piacutexeles CONTRASTES LOCALES

FILTROS Figura - CCRS CCT

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

conceptos de kernel

FILTRADO ESPACIAL Figura - CCRS CCT FILTRADO EN EL DOMINIO

ESPACIAL Lo mas comuacuten es la aplicacioacuten de una ventana deslizante con valores que son coeficientes fijos de una matriz La MATRIZ se suele llamar KERNEL o nuacutecleo del filtro

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DIGITAL

ENTENDIENDO LAS IMAacuteGENES

aplicacioacuten del kernel

3 x 3 5 x 5 7 x 7

1 1 1

1 2 1

1 1 1 matrices

LOS VALORES DEL KERNEL SE MULTIPLICAN POR EL PIacuteXEL QUE TIENEN DEBAJO Y LUEGO SE SUMAN TODOS LOS PRODUCTOS

Y PARA OBTENER EL VALOR DEL PIacuteXEL CENTRAL EN LA IMAGEN TRANSFORMADA SE LO DIVIDE POR LA SUMA DE LOS PONDERADOS O PESOS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO - PASO BAJO PASO ALTO

ENTENDIENDO LAS IMAacuteGENES

aplicacioacuten del kernel

26

FILTROS DE PASO BAJO SE FAVORECEN A LOS PIXELES

PERIFEacuteRICOS SE MINIMIZAN LAS DIFERENCIAS CON LOS VECINOS ES UNA ESPECIE DE SUAVIZADO

FILTRO DE PASO ALTO PONDERACIOacuteN DEL VALOR CENTRAL EN DETRIMENTO DE LOS CIRCUNDANTES

SE EXAGERAN DIFERENCIAS Y SE RESALTAN VARIACIONES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DE PASO BAJO

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm

simulacioacuten

IMAGEN ORIGINAL

FILTRO PASO BAJO 3x3 SE TRATA DE ASEMEJAR LOS VALORES DE ND DE UN PIXEL A LOS VALORES VECINOS EN TEacuteRMINOS VISUALES LA IMAGEN FILTRADA OFRECE PERFILES MENOS NIacuteTIDOS

FILTRO PASO BAJO 7x7 SIRVE PARA REDUCIR VARIABILIDAD ESPACIAL DE ALGUNA CATEGORIacuteA ANTES DE UN PROCESO DE CLASIFICACIOacuteN

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DE PASO ALTO

ENTENDIENDO LAS IMAacuteGENES

IMAGEN ORIGINAL

FILTRO PASO ALTO 3x3 SE TRATA DE AISLAR LOS COMPONENTES DE ALTA FRECUENCIA Y REMARCAR DIGITALMENTE CONTRASTES EN TEacuteRMINOS VISUALES LA IMAGEN FILTRADA REFUERZA LOS CONTORNOS EN AacuteREAS HOMOGEacuteNEAS

FILTRO PASO ALTO 7x7 SIRVE PARA LOGRAR REALCES DE RASGOS LINEALES COMO PUEDEN SER EN AacuteREAS URBANAS O RASGOS GEOLOacuteGICOS

simulacioacuten

httpgeograuahesrtm

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

Figura - Landsat USGS

IMAGEN ORIGINAL

FILTRO DIRECCIONAL PERMITEN IDENTIFICAR LOS RASGOS FRONTERIZOS EN LAS IMAacuteGENES COMO LOS FILTROS ANTERIORES PERO AHORA CONSIDERANDO LA ORIENTACIOacuteN

se tiene en cuenta la

orientacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

matrices con direccioacuten

NORTE

1 1 1

1 -2 1

-1 -1 -1

SUR

-1 -1 -1

1 -2 1

1 1 1

ESTE

-1 1 1

-1 -2 1

-1 1 1

OESTE

1 1 -1

1 -2 -1

1 1 -1

SURESTE

-1 -1 1

-1 -2 1

1 1 1

NOROESTE

1 1 1

1 -2 -1

1 -1 -1

SUROESTE

1 -1 -1

1 -2 -1

1 1 1

NORESTE

1 1 1

-1 -2 1

-1 -1 1

OBSERVACIOacuteN

LOS NOMBRES OBEDECEN A LA DIRECCIOacuteN DEL CONTRASTE QUE SENtildeALAN

LA DIRECCIOacuteN QUE REALZAN ES JUSTAMENTE LA PERPENDICULAR

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

48 Interpretacioacuten de Imaacutegenes

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Correcciones geomeacutetricas Georreferenciacioacuten Uso de puntos de control Fuentes de error Procesamiento geomeacutetrico Correccioacuten Transformacioacuten geomeacutetrica Calidad y ajuste Generacioacuten de la nueva imagen Transferencia de ND

INSTITUTO DE AGRIMENSURA - DEPARTAMENTO DE GEOMAacuteTICA PROF ADJUNTO GRADO 3 EDISON J ROSAS BERTON

El tratamiento de una imagen de sateacutelite Georreferenciacioacuten

(paso de un sistema de filas y columnas a un sistema de coordenadas estandard)

Para ello debe obtenerse una muestra de puntos de control de los que conozcamos tanto sus coordenadas reales como sus coordenadas en

la imagen deben ser por tanto objetos de un tamantildeo adecuado para resultar identificables tanto en la imagen como sobre el terreno el tamantildeo

dependeraacute loacutegicamente de la resolucioacuten de la imagen A partir de estos puntos de control se obtendraacuten por regresioacuten unas ecuaciones que permitiraacuten a cada par filacolumna un par de coordenadas

XY

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

GEORREFERENCIACIOacuteN

ENTENDIENDO LAS IMAacuteGENES

georreferenciacioacuten porqueacute

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PUNTOS DE CONTROL

ENTENDIENDO LAS IMAacuteGENES

uso de puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

DISTORSIONES POR LA PLATAFORMA ALTITUD DE LA OacuteRBITA ndash Cambio de escala

VELOCIDAD ndash Cambios de escala ORIENTACIOacuteN DE LOS TRES EJES ndash Distorsiones en la geometriacutea

NO SISTEMAacuteTICOS Y COMPLEJOS DE MODELAR

DISTORSIONES POR ROTACIOacuteN TERRESTRE

CONSIDERANDO ALTITUD (800 Km) y TAMANtildeO DE LA IMAGEN (180 Km)ndashEn latitudes medias tarda en adquirir unos 30 segundos la Tierra se desplaza unos 8 Km

ORIENTACIOacuteN NE SW

DISTORSIONES POR EL SENSOR ANOMALIacuteAS SENSOR y MOVIMIENTO ESPEJO ndash Barrido no lineal o cambio en intervalos

AacuteNGULO DE BARRIDO ndash Variacioacuten en el tamantildeo de pixel

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ERROR EN UNA IMAGEN ESPACIAL

ENTENDIENDO LAS IMAacuteGENES

fuentes de error

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Una correccioacuten geomeacutetrica incluye CUALQUIER CAMBIO EN LA POSICIOacuteN DE LOS PIXELES que

conforman la imagen f (c`) = f1 (c l) f (x y) f (l`) = f2 (c l) f (x y)

COORDENADAS DE IMAGEN CORREGIDA SON FUNCIOacuteN DE COORDENADAS COLUMNA Y LIacuteNEA DE LA

IMAGEN DE ENTRADA O DE LAS COORDENADAS DE MAPA AL QUE SUPERPONDREMOS LA IMAGEN

1 CON OBJETIVO DE REALIZAR UNA TRANSFORMACIOacuteN GEOMEacuteTRICA QUE PERMITA AJUSTARLA A OTRA IMAGEN REFERENCIA NORMALMENTE PARA REALIZAR ESTUDIOS MULTITEMPORALES O MOSAICOS CON EL FIN DE AMPLIAR LOS DATOS E INFORMACIOacuteN DE UNA ZONA

2 ESTO PERMITIRAacute QUE LA NUEVA IMAGEN LA PUEDA INTEGRAR CON INFORMACIOacuteN DE OTRAS FUENTES POR EJEMPLO EN UN AMBIENTE SIG

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

correccioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

asumimos que

NO SE CONOCE EL ORIGEN DE LOS ERRORES

modelamos

ECUACIONES EMPIacuteRICAS

aplicadas a un conjunto de puntos

COORDENADAS CONOCIDAS IMAGEN INPUT e IMAGEN OUTPUT

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

1 ndash SELECCIOacuteN DE REFERENCIAS 2 ndash ECUACIONES DE AJUSTE

3 ndash GENERACIOacuteN DE LA IMAGEN CORREGIDA

ES OBVIO CALIDAD DEL AJUSTE DEPENDERAacute DE PRECISIOacuteN CON QUE SE

LOCALICEN LOS PUNTOS DE CONTROL INEXACTA LOCALIZACIOacuteN

DISTRIBUCIOacuteN MUY SECTORIZADA NUacuteMERO DE PUNTOS DE CONTROL INADECUADO

ESTABLECER LOS PUNTOS DE CONTROL FASE MAS CRUCIAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

procesamiento de la correccioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Resaltamos la importancia de

NUacuteMERO LOCALIZACIOacuteN DISTRIBUCIOacuteN

Que debemos atender Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

que considero UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash Croquis ilustrativos de apoyo

TERRENO O ZONAS PLANAS CON IMG OBTENIDAS POR UN SENSOR DE ESTRECHA VISIOacuteN DE CAMPO

TRANSFORMACIOacuteN

BASADO EN ECUACIONES LINEALES SIMPLES

TERRENO ESCARPADO O RUGOSO O UTILIZACIOacuteN DE IMG OBTENIDAS EN UN SENSOR CON VARIACIONES EN LAS CONDICIONES DE OBSERVACIOacuteN

TRANSFORMACIOacuteN MAacuteS COMPLEJA

POLINOMIOS DE SEGUNDO O TERCER ORDEN

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Desde un punto de vista matemaacutetico

GRADO 1 ndash 3 puntos GRADO 2 ndash 6 puntos GRADO 3 ndash 10 puntos

Seguacuten mis objetivos del trabajo no es conveniente utilizar esos miacutenimos

14 a 20 puntos (Landsat 5 MMS ndash seguacuten Bernstein R y D G Ferneyhough Jr 1978)

100 a 120 puntos (Landsat 7 TM ndash seguacuten el National Remote Sensing Center de Inglaterra)

10 o 12 puntos (Pequentildea zona de 512 x 512 pixeles ndash seguacuten Emilio Chuvieco 2010)

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

matemaacuteticamente UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

QUE DEBEMOS DE CONSIDERAR EN CUANTO A LA LOCALIZACIOacuteN

CLARAMENTE IDENTIFICABLES EN IMAGEN Y MAPA RASGOS HUMANOS DEL PAISAJE NO SUJETOS A DINAMISMO TEMPORAL

CRUCE DE CARRETERAS

CAMINOS VIacuteA FEacuteRREAS

NO CONSIDERAR ELEMENTOS ASOCIADOS AL AGUA

COSTA CURSOS DE AGUA

EMBALSES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

localizacioacuten TCP UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la correccioacuten digital de la geometriacutea de una imagen se realiza a partir de establecer unas funciones que relacionen las coordenadas de la imagen

y las coordenadas del mapa

EJ CASO MAS SIMPLE REGRESIOacuteN LINEAL MUacuteLTIPLE

ci = a0 + a1 Xi + a2 Yi li = b0 + b1 Xi + b2 Yi

EN LA PRAacuteCTICA BASTA UNA FUNCIOacuteN LINEAL PARA ABORDAR UN GRAN NUacuteMERO DE

TRANSFORMACIONES Y SON SUFICIENTES SI LAS IMAacuteGENES NO SON MUY GRANDES ANTE LA NECESIDAD DE OTRAS TRANSFORMACIONES SE UTILIZAN DE 2ordm y 3ordm ORDEN CONSIDERANDO ALTERACIONES GEOMEacuteTRICAS NO LINEALES (FUNCIONES QUE NO SE DEFINEN EN UN PLANO

CON EJES LINEALES SINO QUE SUPERFICIES CON EJES CURVILIacuteNEOS)

LOS COEFICIENTES DE LAS FUNCIONES DE TRANSFORMACIOacuteN SE CALCULAN A PARTIR DE UN AJUSTE POR MIacuteNIMOS CUADRADOS

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

funciones de transformacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash ejemplos de funciones de transformacioacuten geomeacutetrica con el efecto causado

TRASLACIOacuteN

CAMBIO DE ESCALA

INCLINACIOacuteN

PERSPECTIVA

ROTACIOacuteN

x = a0 + xacute y = b0 + yacute

x = xacute + a2 yacute y = yacute

x = a1 xacute y = b1 yacute

x = a3xacute yacute y = yacute

x = a4xacute + a5yacute y = b4xacute + b5yacute a4 = b5 = cos Ɵ a5 = -b4 = sen Ɵ

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

transformacioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

comparacioacuten coordenadas reales y las estimadas por la regresioacuten

el promedio de los residuales se conoce como error medio cuadraacutetico

la calidad del ajuste lo da el RMSE (root mean squared error)

(error medio cuadraacutetico)

RMSE es la raiacutez cuadrada de las desviaciones entre los valores reales y los

calculados

RMSE para cada punto es la raiacutez de los residuales al cuadrado que es la distancia entre ellos

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

RMSE UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la praacutectica hace que fijemos una TOLERANCIA y es que si ese promedio supera un valor fijado previamente haya que rever

el valor fijado previamente generalmente es igual o menor a un PIXEL

una correcta verificacioacuten

NECESITA introducir PUNTOS de VERIFICACIOacuteN

que no hayan sido introducidos en el ajuste

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

tolerancias fijadas

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

traducimos coordenadas de un mapa a la imagen tambieacuten necesitamos a la nueva imagen

TRANSFERIR LOS VALORES DIGITALES no olvidar que lo que queremos es generar una nueva imagen que se

corresponda con las coordenadas y las funciones de ajuste

NO ORIGINAN NUEVA IMAGEN solo colocan a los pixeles en la posicioacuten correcta

en criollo las funciones de transformacioacuten generan una nueva matriz bien posicionada pero vaciacutea

DEBEMOS LLENAR LA MATRIZ problema maacutes complejo de lo que puede

pensarse Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

generacioacuten de la nueva imaacutegen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

cada pixel de la imagen corregida se corresponderiacutea con un pixel de la imagen original

LEJOS DE ESE IDEAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo I

vecino maacutes proacuteximo ( nearest neighbour )

a cada celda de la imagen corregida se asigna el ND del pixel maacutes cercano de la

imagen original

SOLUCIOacuteN RAacutePIDA MENOR DISTORSIOacuteN DE LOS ND

INTRODUCE RASGOS LINEALES QUE DISTORSIONAN

CORRECCIOacuteN DE IMAacuteGENES CLASIFICADAS

CONSERVAR LA RADIOMETRIacuteA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo II

interpolacioacuten bilineal ( bilinear interpolation )

supone promediar los ND de los cuatro pixeles mas cercanos

con ponderacioacuten seguacuten la distancia pixeles originalcorregido

REDUCE EL EFECTO DE DISTORSIOacuteN EN RASGOS LINEALES

TIENDE A DIFUMINAR LOS CONTRASTES ESPACIALES

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE IMAacuteGENES RECTIFICADAS MAPAS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo III

convolusioacuten cuacutebica ( cubic convolution )

supone considerar los ND de los 16 pixeles mas proacuteximos

media ponderada seguacuten la distancia pixeles originalcorregido

EFECTO VISUAL MAS CORRECTO

VOLUacuteMEN DE CAacuteLCULO MUY SUPERIOR TENDENCIA A AGUDIZAR BORDES DE LA IMAGEN

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE ORTOIMAacuteGENES IMPRESIONES DE CALIDAD

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

  • Nuacutemero de diapositiva 1
  • Nuacutemero de diapositiva 2
  • MOacuteDULO IV
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 5
  • Nuacutemero de diapositiva 6
  • Nuacutemero de diapositiva 7
  • Nuacutemero de diapositiva 8
  • Nuacutemero de diapositiva 9
  • Nuacutemero de diapositiva 10
  • Nuacutemero de diapositiva 11
  • Nuacutemero de diapositiva 12
  • Nuacutemero de diapositiva 13
  • Nuacutemero de diapositiva 14
  • Nuacutemero de diapositiva 15
  • Nuacutemero de diapositiva 16
  • Nuacutemero de diapositiva 17
  • Nuacutemero de diapositiva 18
  • Nuacutemero de diapositiva 19
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 21
  • Nuacutemero de diapositiva 22
  • Nuacutemero de diapositiva 23
  • Nuacutemero de diapositiva 24
  • Nuacutemero de diapositiva 25
  • Nuacutemero de diapositiva 26
  • Nuacutemero de diapositiva 27
  • Nuacutemero de diapositiva 28
  • Nuacutemero de diapositiva 29
  • Nuacutemero de diapositiva 30
  • Nuacutemero de diapositiva 31
  • Nuacutemero de diapositiva 32
  • Nuacutemero de diapositiva 33
  • Nuacutemero de diapositiva 34
  • Nuacutemero de diapositiva 35
  • Nuacutemero de diapositiva 36
  • Nuacutemero de diapositiva 37
  • Nuacutemero de diapositiva 38
  • Nuacutemero de diapositiva 39
  • Nuacutemero de diapositiva 40
  • 47 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 42
  • Nuacutemero de diapositiva 43
  • Nuacutemero de diapositiva 44
  • Nuacutemero de diapositiva 45
  • Nuacutemero de diapositiva 46
  • Nuacutemero de diapositiva 47
  • Nuacutemero de diapositiva 48
  • Nuacutemero de diapositiva 49
  • Nuacutemero de diapositiva 50
  • Nuacutemero de diapositiva 51
  • Nuacutemero de diapositiva 52
  • Nuacutemero de diapositiva 53
  • Nuacutemero de diapositiva 54
  • 48 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 56
  • Nuacutemero de diapositiva 57
  • Nuacutemero de diapositiva 58
  • Nuacutemero de diapositiva 59
  • Nuacutemero de diapositiva 60
  • Nuacutemero de diapositiva 61
  • Nuacutemero de diapositiva 62
  • Nuacutemero de diapositiva 63
  • Nuacutemero de diapositiva 64
  • Nuacutemero de diapositiva 65
  • Nuacutemero de diapositiva 66
  • Nuacutemero de diapositiva 67
  • Nuacutemero de diapositiva 68
  • Nuacutemero de diapositiva 69
  • Nuacutemero de diapositiva 70
  • Nuacutemero de diapositiva 71
  • Nuacutemero de diapositiva 72
  • Nuacutemero de diapositiva 73
  • Nuacutemero de diapositiva 74

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

conjunto de datos

Frente a escenas con una iluminacioacuten maacutes normal y con una gran cantidad de elementos detectados los histogramas deberiacutean ser como en el primer caso que

hemos visto

Si no sucede

Histograma desplazado a la izquierda puede denotar falta de exposicioacuten

Histograma desplazado a la derecha puede ser un exceso de exposicioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

46 Interpretacioacuten de Imaacutegenes

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento digital Optimizacioacuten de las imaacutegenes Realces y mejoras visuales Contraste en una imagen Composiciones color El color verdadero el falso color el pseudo color

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

OPTIMIZACIOacuteN DE LAS IMAacuteGENES

ENTENDIENDO LAS IMAacuteGENES

mejorar visualmente las imaacutegenes

MANIPULAR DE FORMA FLEXIBLE Y SOFISTICADA EL ND DE LOS PIXELES

LUEGO DE CORRECCIONES LAS IMAacuteGENES HAY QUE OPTIMIZARLAS DESDE EL PUNTO DE VISTA VISUAL

diferentes tipos

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

REALCES Y MEJORAS VISUALES

ENTENDIENDO LAS IMAacuteGENES

httpamericalatina-nacblogspotcomuy2009_10_01_archivehtml

optimizacioacuten de las imaacutegenes

proceso destinado a facilitar la interpretacioacuten visual

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

ecualizacioacuten del histograma

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

gaussiano

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

lineal 2

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

lineal

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

raiacutez cuadrada

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

lineal 0 - 255

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PORQUEacute EL REALCE

ENTENDIENDO LAS IMAacuteGENES

LOS SENSORES SON CALIBRADOS PARA ABARCAR TODO EL RANGO POSIBLE DE RADIANCIAS

PARA CADA USO EN CONCRETO ES NECESIDAD IMPERIOSA

EXPANDIR EL HISTOGRAMA Y ASIacute CUBRIR EL RANGO COMPLETO DE NIVELES DE GRIS

histograma UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CONTRASTE EN UNA IMAGEN

ENTENDIENDO LAS IMAacuteGENES

expansioacuten del contraste

los datos uacutetiles solo ocupan pequentildea parte de los niveles de gris disponibles

expandir o estirar el histograma es cambiar los valores originales de ND para utilizar mayor rango

asiacute incrementar el contraste visual de diferentes objetos

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

ejemplos visuales

sin realce lineal

frecuencial gamma

MEacuteTODOS DE EXPANSIOacuteN DEL CONTRASTE

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

lineal

expansioacuten lineal

lo maacutes simple transformacioacuten en liacutenea llevando el valor miacutenimo a 0 y maacuteximo a 255 o se usa un rango por encima y por debajo de miacutenimo y maacuteximo

EXPANSIOacuteN I

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

lineal

EXPANSIOacuteN I expansioacuten

logariacutetmico exponencial

gamma

curvas de transferencia en lugar de rectas gamma es la curvatura de dicha curva se expanden maacutes el contraste de los extremos o del centro

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

frecuencial

EXPANSIOacuteN II

frecuencial ecualizacioacuten del

histograma

cuando los valores de ND no estaacuten distribuidos uniformemente intentar en la medida de lo posible que los valores de salida de los ND tengan el mismo de pixeles con dicho valor

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CONTRASTE EN UNA IMAGEN

ENTENDIENDO LAS IMAacuteGENES

compresioacuten del contraste

Ya sabemos que el contraste mide el rango dinaacutemico de los colores en la imagen es decir una imagen muy contrastada tiene un amplio abanico de colores (o tonos de gris) desde valores muy bajos a valores muy altos Para una imagen con poco contraste los colores estaacuten muy juntos el margen dinaacutemico es pequentildeo La variacioacuten en el contraste aparece como una compresioacuten del histograma en caso de una reduccioacuten a la inversa de lo visto en el caso de una expansioacuten

Compresioacuten si el rango excede de las capacidades del sistema

Se ha de comparar el nuacutemero de niveles digitales (ND) de la imagen con los niveles de visualizacioacuten (NV) o grises del sistema Es de menos aplicacioacuten Al igual que el brillo variando el contraste se puede provocar una peacuterdida de informacioacuten de la imagen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

MAYOR APLICABILIDAD DEL REALCE

ENTENDIENDO LAS IMAacuteGENES

realce oacuteptimo

realce frecuencial

realce lineal

laquo r e a l c e oacute p t i m o raquo optimiza interpretacioacuten de la imagen

mejor esteacutetica de la imagen NO COINCIDE CON NINGUacuteN CORTE PREDETERMINADO

Y SE LOGRA INTERACTIVAMENTE EN PANTALLA Y PARA CADA BANDA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

image1png

image1png

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

COMPOSICIONES COLOR

ENTENDIENDO LAS IMAacuteGENES

formatos de composiciones

CON LA CRECIENTE APARICIOacuteN DE LOS SENSORES HIPERESPECTRALES LAS POSIBILIDADES DE COMPOSICIONES

COLOREADAS DE BANDAS SON CASI ILIMITADAS

LA ELECCIOacuteN DE LAS BANDAS PARA REALIZAR LA COMPOSICIOacuteN Y EL ORDEN DE LAS BANDAS ASIGANADAS A LOS COLORES

PRIMARIOS DEPENDERAacute DE

Sensor Aplicacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EL SEUDO - COLOR

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm formatos de

composiciones

Ya hemos afirmado de que el ojo humano es maacutes capaz de distinguir tonos de color que intensidades de brillo

Por ello el empleo del color ayuda a la interpretacioacuten incluso cuando podamos tener una sola imagen de una banda

Es aquiacute que hablamos del SEUDO COLOR por no contar con tres bandas

El seudo color implica la creacioacuten de una CLUT que asocie el ND de una sola banda a distintos componentes del R V y A APLICACIONES 1 Para tener una leyenda de colores para una img clasificada 2 Para realzar el anaacutelisis de una determinada banda y sustituir los tonos de gris por una paleta de colores

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CLUT COLOUR LOOK-UP TABLE TABLA DE CONSULTA DE COLOR

ENTENDIENDO LAS IMAacuteGENES

httpsenwikipediaorgwikiColour_look-up_table

creacioacuten del seudo color

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Filtros espaciales Concepto de kernel Filtros paso bajo y paso alto Filtros direccionales Anomaliacuteas y correccioacuten atmosfeacuterica Correcciones radiomeacutetricas Anomaliacuteas radiomeacutetricas Fallos en el sensorCorreccioacuten atmosfeacuterica concepto Meacutetodo valores miacutenimos Regresioacuten entre bandas Dispersioacuten por aerosolesCalibracioacuten Caso misioacuten Landsat

47 Interpretacioacuten de Imaacutegenes

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

conceptos de que es un filtro

espacial

FUNCIONES PARA MEJORAR ASPECTO DE LAS IMAacuteGENES

REALZAN O DISMINUYEN ELEMENTOS VISUALES DE LA IMG

BASADOS EN LA FRECUENCIA ESPACIAL

FRECUENCIAS ESPACIALES ALTAS Variaciones que se producen en pocos piacutexeles TENDENCIA GENERAL FRECUENCIAS ESPACIALES BAJAS

Variaciones que se producen en muchos piacutexeles CONTRASTES LOCALES

FILTROS Figura - CCRS CCT

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

conceptos de kernel

FILTRADO ESPACIAL Figura - CCRS CCT FILTRADO EN EL DOMINIO

ESPACIAL Lo mas comuacuten es la aplicacioacuten de una ventana deslizante con valores que son coeficientes fijos de una matriz La MATRIZ se suele llamar KERNEL o nuacutecleo del filtro

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DIGITAL

ENTENDIENDO LAS IMAacuteGENES

aplicacioacuten del kernel

3 x 3 5 x 5 7 x 7

1 1 1

1 2 1

1 1 1 matrices

LOS VALORES DEL KERNEL SE MULTIPLICAN POR EL PIacuteXEL QUE TIENEN DEBAJO Y LUEGO SE SUMAN TODOS LOS PRODUCTOS

Y PARA OBTENER EL VALOR DEL PIacuteXEL CENTRAL EN LA IMAGEN TRANSFORMADA SE LO DIVIDE POR LA SUMA DE LOS PONDERADOS O PESOS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO - PASO BAJO PASO ALTO

ENTENDIENDO LAS IMAacuteGENES

aplicacioacuten del kernel

26

FILTROS DE PASO BAJO SE FAVORECEN A LOS PIXELES

PERIFEacuteRICOS SE MINIMIZAN LAS DIFERENCIAS CON LOS VECINOS ES UNA ESPECIE DE SUAVIZADO

FILTRO DE PASO ALTO PONDERACIOacuteN DEL VALOR CENTRAL EN DETRIMENTO DE LOS CIRCUNDANTES

SE EXAGERAN DIFERENCIAS Y SE RESALTAN VARIACIONES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DE PASO BAJO

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm

simulacioacuten

IMAGEN ORIGINAL

FILTRO PASO BAJO 3x3 SE TRATA DE ASEMEJAR LOS VALORES DE ND DE UN PIXEL A LOS VALORES VECINOS EN TEacuteRMINOS VISUALES LA IMAGEN FILTRADA OFRECE PERFILES MENOS NIacuteTIDOS

FILTRO PASO BAJO 7x7 SIRVE PARA REDUCIR VARIABILIDAD ESPACIAL DE ALGUNA CATEGORIacuteA ANTES DE UN PROCESO DE CLASIFICACIOacuteN

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DE PASO ALTO

ENTENDIENDO LAS IMAacuteGENES

IMAGEN ORIGINAL

FILTRO PASO ALTO 3x3 SE TRATA DE AISLAR LOS COMPONENTES DE ALTA FRECUENCIA Y REMARCAR DIGITALMENTE CONTRASTES EN TEacuteRMINOS VISUALES LA IMAGEN FILTRADA REFUERZA LOS CONTORNOS EN AacuteREAS HOMOGEacuteNEAS

FILTRO PASO ALTO 7x7 SIRVE PARA LOGRAR REALCES DE RASGOS LINEALES COMO PUEDEN SER EN AacuteREAS URBANAS O RASGOS GEOLOacuteGICOS

simulacioacuten

httpgeograuahesrtm

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

Figura - Landsat USGS

IMAGEN ORIGINAL

FILTRO DIRECCIONAL PERMITEN IDENTIFICAR LOS RASGOS FRONTERIZOS EN LAS IMAacuteGENES COMO LOS FILTROS ANTERIORES PERO AHORA CONSIDERANDO LA ORIENTACIOacuteN

se tiene en cuenta la

orientacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

matrices con direccioacuten

NORTE

1 1 1

1 -2 1

-1 -1 -1

SUR

-1 -1 -1

1 -2 1

1 1 1

ESTE

-1 1 1

-1 -2 1

-1 1 1

OESTE

1 1 -1

1 -2 -1

1 1 -1

SURESTE

-1 -1 1

-1 -2 1

1 1 1

NOROESTE

1 1 1

1 -2 -1

1 -1 -1

SUROESTE

1 -1 -1

1 -2 -1

1 1 1

NORESTE

1 1 1

-1 -2 1

-1 -1 1

OBSERVACIOacuteN

LOS NOMBRES OBEDECEN A LA DIRECCIOacuteN DEL CONTRASTE QUE SENtildeALAN

LA DIRECCIOacuteN QUE REALZAN ES JUSTAMENTE LA PERPENDICULAR

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

48 Interpretacioacuten de Imaacutegenes

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Correcciones geomeacutetricas Georreferenciacioacuten Uso de puntos de control Fuentes de error Procesamiento geomeacutetrico Correccioacuten Transformacioacuten geomeacutetrica Calidad y ajuste Generacioacuten de la nueva imagen Transferencia de ND

INSTITUTO DE AGRIMENSURA - DEPARTAMENTO DE GEOMAacuteTICA PROF ADJUNTO GRADO 3 EDISON J ROSAS BERTON

El tratamiento de una imagen de sateacutelite Georreferenciacioacuten

(paso de un sistema de filas y columnas a un sistema de coordenadas estandard)

Para ello debe obtenerse una muestra de puntos de control de los que conozcamos tanto sus coordenadas reales como sus coordenadas en

la imagen deben ser por tanto objetos de un tamantildeo adecuado para resultar identificables tanto en la imagen como sobre el terreno el tamantildeo

dependeraacute loacutegicamente de la resolucioacuten de la imagen A partir de estos puntos de control se obtendraacuten por regresioacuten unas ecuaciones que permitiraacuten a cada par filacolumna un par de coordenadas

XY

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

GEORREFERENCIACIOacuteN

ENTENDIENDO LAS IMAacuteGENES

georreferenciacioacuten porqueacute

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PUNTOS DE CONTROL

ENTENDIENDO LAS IMAacuteGENES

uso de puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

DISTORSIONES POR LA PLATAFORMA ALTITUD DE LA OacuteRBITA ndash Cambio de escala

VELOCIDAD ndash Cambios de escala ORIENTACIOacuteN DE LOS TRES EJES ndash Distorsiones en la geometriacutea

NO SISTEMAacuteTICOS Y COMPLEJOS DE MODELAR

DISTORSIONES POR ROTACIOacuteN TERRESTRE

CONSIDERANDO ALTITUD (800 Km) y TAMANtildeO DE LA IMAGEN (180 Km)ndashEn latitudes medias tarda en adquirir unos 30 segundos la Tierra se desplaza unos 8 Km

ORIENTACIOacuteN NE SW

DISTORSIONES POR EL SENSOR ANOMALIacuteAS SENSOR y MOVIMIENTO ESPEJO ndash Barrido no lineal o cambio en intervalos

AacuteNGULO DE BARRIDO ndash Variacioacuten en el tamantildeo de pixel

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ERROR EN UNA IMAGEN ESPACIAL

ENTENDIENDO LAS IMAacuteGENES

fuentes de error

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Una correccioacuten geomeacutetrica incluye CUALQUIER CAMBIO EN LA POSICIOacuteN DE LOS PIXELES que

conforman la imagen f (c`) = f1 (c l) f (x y) f (l`) = f2 (c l) f (x y)

COORDENADAS DE IMAGEN CORREGIDA SON FUNCIOacuteN DE COORDENADAS COLUMNA Y LIacuteNEA DE LA

IMAGEN DE ENTRADA O DE LAS COORDENADAS DE MAPA AL QUE SUPERPONDREMOS LA IMAGEN

1 CON OBJETIVO DE REALIZAR UNA TRANSFORMACIOacuteN GEOMEacuteTRICA QUE PERMITA AJUSTARLA A OTRA IMAGEN REFERENCIA NORMALMENTE PARA REALIZAR ESTUDIOS MULTITEMPORALES O MOSAICOS CON EL FIN DE AMPLIAR LOS DATOS E INFORMACIOacuteN DE UNA ZONA

2 ESTO PERMITIRAacute QUE LA NUEVA IMAGEN LA PUEDA INTEGRAR CON INFORMACIOacuteN DE OTRAS FUENTES POR EJEMPLO EN UN AMBIENTE SIG

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

correccioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

asumimos que

NO SE CONOCE EL ORIGEN DE LOS ERRORES

modelamos

ECUACIONES EMPIacuteRICAS

aplicadas a un conjunto de puntos

COORDENADAS CONOCIDAS IMAGEN INPUT e IMAGEN OUTPUT

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

1 ndash SELECCIOacuteN DE REFERENCIAS 2 ndash ECUACIONES DE AJUSTE

3 ndash GENERACIOacuteN DE LA IMAGEN CORREGIDA

ES OBVIO CALIDAD DEL AJUSTE DEPENDERAacute DE PRECISIOacuteN CON QUE SE

LOCALICEN LOS PUNTOS DE CONTROL INEXACTA LOCALIZACIOacuteN

DISTRIBUCIOacuteN MUY SECTORIZADA NUacuteMERO DE PUNTOS DE CONTROL INADECUADO

ESTABLECER LOS PUNTOS DE CONTROL FASE MAS CRUCIAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

procesamiento de la correccioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Resaltamos la importancia de

NUacuteMERO LOCALIZACIOacuteN DISTRIBUCIOacuteN

Que debemos atender Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

que considero UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash Croquis ilustrativos de apoyo

TERRENO O ZONAS PLANAS CON IMG OBTENIDAS POR UN SENSOR DE ESTRECHA VISIOacuteN DE CAMPO

TRANSFORMACIOacuteN

BASADO EN ECUACIONES LINEALES SIMPLES

TERRENO ESCARPADO O RUGOSO O UTILIZACIOacuteN DE IMG OBTENIDAS EN UN SENSOR CON VARIACIONES EN LAS CONDICIONES DE OBSERVACIOacuteN

TRANSFORMACIOacuteN MAacuteS COMPLEJA

POLINOMIOS DE SEGUNDO O TERCER ORDEN

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Desde un punto de vista matemaacutetico

GRADO 1 ndash 3 puntos GRADO 2 ndash 6 puntos GRADO 3 ndash 10 puntos

Seguacuten mis objetivos del trabajo no es conveniente utilizar esos miacutenimos

14 a 20 puntos (Landsat 5 MMS ndash seguacuten Bernstein R y D G Ferneyhough Jr 1978)

100 a 120 puntos (Landsat 7 TM ndash seguacuten el National Remote Sensing Center de Inglaterra)

10 o 12 puntos (Pequentildea zona de 512 x 512 pixeles ndash seguacuten Emilio Chuvieco 2010)

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

matemaacuteticamente UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

QUE DEBEMOS DE CONSIDERAR EN CUANTO A LA LOCALIZACIOacuteN

CLARAMENTE IDENTIFICABLES EN IMAGEN Y MAPA RASGOS HUMANOS DEL PAISAJE NO SUJETOS A DINAMISMO TEMPORAL

CRUCE DE CARRETERAS

CAMINOS VIacuteA FEacuteRREAS

NO CONSIDERAR ELEMENTOS ASOCIADOS AL AGUA

COSTA CURSOS DE AGUA

EMBALSES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

localizacioacuten TCP UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la correccioacuten digital de la geometriacutea de una imagen se realiza a partir de establecer unas funciones que relacionen las coordenadas de la imagen

y las coordenadas del mapa

EJ CASO MAS SIMPLE REGRESIOacuteN LINEAL MUacuteLTIPLE

ci = a0 + a1 Xi + a2 Yi li = b0 + b1 Xi + b2 Yi

EN LA PRAacuteCTICA BASTA UNA FUNCIOacuteN LINEAL PARA ABORDAR UN GRAN NUacuteMERO DE

TRANSFORMACIONES Y SON SUFICIENTES SI LAS IMAacuteGENES NO SON MUY GRANDES ANTE LA NECESIDAD DE OTRAS TRANSFORMACIONES SE UTILIZAN DE 2ordm y 3ordm ORDEN CONSIDERANDO ALTERACIONES GEOMEacuteTRICAS NO LINEALES (FUNCIONES QUE NO SE DEFINEN EN UN PLANO

CON EJES LINEALES SINO QUE SUPERFICIES CON EJES CURVILIacuteNEOS)

LOS COEFICIENTES DE LAS FUNCIONES DE TRANSFORMACIOacuteN SE CALCULAN A PARTIR DE UN AJUSTE POR MIacuteNIMOS CUADRADOS

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

funciones de transformacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash ejemplos de funciones de transformacioacuten geomeacutetrica con el efecto causado

TRASLACIOacuteN

CAMBIO DE ESCALA

INCLINACIOacuteN

PERSPECTIVA

ROTACIOacuteN

x = a0 + xacute y = b0 + yacute

x = xacute + a2 yacute y = yacute

x = a1 xacute y = b1 yacute

x = a3xacute yacute y = yacute

x = a4xacute + a5yacute y = b4xacute + b5yacute a4 = b5 = cos Ɵ a5 = -b4 = sen Ɵ

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

transformacioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

comparacioacuten coordenadas reales y las estimadas por la regresioacuten

el promedio de los residuales se conoce como error medio cuadraacutetico

la calidad del ajuste lo da el RMSE (root mean squared error)

(error medio cuadraacutetico)

RMSE es la raiacutez cuadrada de las desviaciones entre los valores reales y los

calculados

RMSE para cada punto es la raiacutez de los residuales al cuadrado que es la distancia entre ellos

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

RMSE UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la praacutectica hace que fijemos una TOLERANCIA y es que si ese promedio supera un valor fijado previamente haya que rever

el valor fijado previamente generalmente es igual o menor a un PIXEL

una correcta verificacioacuten

NECESITA introducir PUNTOS de VERIFICACIOacuteN

que no hayan sido introducidos en el ajuste

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

tolerancias fijadas

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

traducimos coordenadas de un mapa a la imagen tambieacuten necesitamos a la nueva imagen

TRANSFERIR LOS VALORES DIGITALES no olvidar que lo que queremos es generar una nueva imagen que se

corresponda con las coordenadas y las funciones de ajuste

NO ORIGINAN NUEVA IMAGEN solo colocan a los pixeles en la posicioacuten correcta

en criollo las funciones de transformacioacuten generan una nueva matriz bien posicionada pero vaciacutea

DEBEMOS LLENAR LA MATRIZ problema maacutes complejo de lo que puede

pensarse Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

generacioacuten de la nueva imaacutegen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

cada pixel de la imagen corregida se corresponderiacutea con un pixel de la imagen original

LEJOS DE ESE IDEAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo I

vecino maacutes proacuteximo ( nearest neighbour )

a cada celda de la imagen corregida se asigna el ND del pixel maacutes cercano de la

imagen original

SOLUCIOacuteN RAacutePIDA MENOR DISTORSIOacuteN DE LOS ND

INTRODUCE RASGOS LINEALES QUE DISTORSIONAN

CORRECCIOacuteN DE IMAacuteGENES CLASIFICADAS

CONSERVAR LA RADIOMETRIacuteA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo II

interpolacioacuten bilineal ( bilinear interpolation )

supone promediar los ND de los cuatro pixeles mas cercanos

con ponderacioacuten seguacuten la distancia pixeles originalcorregido

REDUCE EL EFECTO DE DISTORSIOacuteN EN RASGOS LINEALES

TIENDE A DIFUMINAR LOS CONTRASTES ESPACIALES

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE IMAacuteGENES RECTIFICADAS MAPAS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo III

convolusioacuten cuacutebica ( cubic convolution )

supone considerar los ND de los 16 pixeles mas proacuteximos

media ponderada seguacuten la distancia pixeles originalcorregido

EFECTO VISUAL MAS CORRECTO

VOLUacuteMEN DE CAacuteLCULO MUY SUPERIOR TENDENCIA A AGUDIZAR BORDES DE LA IMAGEN

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE ORTOIMAacuteGENES IMPRESIONES DE CALIDAD

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

  • Nuacutemero de diapositiva 1
  • Nuacutemero de diapositiva 2
  • MOacuteDULO IV
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 5
  • Nuacutemero de diapositiva 6
  • Nuacutemero de diapositiva 7
  • Nuacutemero de diapositiva 8
  • Nuacutemero de diapositiva 9
  • Nuacutemero de diapositiva 10
  • Nuacutemero de diapositiva 11
  • Nuacutemero de diapositiva 12
  • Nuacutemero de diapositiva 13
  • Nuacutemero de diapositiva 14
  • Nuacutemero de diapositiva 15
  • Nuacutemero de diapositiva 16
  • Nuacutemero de diapositiva 17
  • Nuacutemero de diapositiva 18
  • Nuacutemero de diapositiva 19
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 21
  • Nuacutemero de diapositiva 22
  • Nuacutemero de diapositiva 23
  • Nuacutemero de diapositiva 24
  • Nuacutemero de diapositiva 25
  • Nuacutemero de diapositiva 26
  • Nuacutemero de diapositiva 27
  • Nuacutemero de diapositiva 28
  • Nuacutemero de diapositiva 29
  • Nuacutemero de diapositiva 30
  • Nuacutemero de diapositiva 31
  • Nuacutemero de diapositiva 32
  • Nuacutemero de diapositiva 33
  • Nuacutemero de diapositiva 34
  • Nuacutemero de diapositiva 35
  • Nuacutemero de diapositiva 36
  • Nuacutemero de diapositiva 37
  • Nuacutemero de diapositiva 38
  • Nuacutemero de diapositiva 39
  • Nuacutemero de diapositiva 40
  • 47 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 42
  • Nuacutemero de diapositiva 43
  • Nuacutemero de diapositiva 44
  • Nuacutemero de diapositiva 45
  • Nuacutemero de diapositiva 46
  • Nuacutemero de diapositiva 47
  • Nuacutemero de diapositiva 48
  • Nuacutemero de diapositiva 49
  • Nuacutemero de diapositiva 50
  • Nuacutemero de diapositiva 51
  • Nuacutemero de diapositiva 52
  • Nuacutemero de diapositiva 53
  • Nuacutemero de diapositiva 54
  • 48 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 56
  • Nuacutemero de diapositiva 57
  • Nuacutemero de diapositiva 58
  • Nuacutemero de diapositiva 59
  • Nuacutemero de diapositiva 60
  • Nuacutemero de diapositiva 61
  • Nuacutemero de diapositiva 62
  • Nuacutemero de diapositiva 63
  • Nuacutemero de diapositiva 64
  • Nuacutemero de diapositiva 65
  • Nuacutemero de diapositiva 66
  • Nuacutemero de diapositiva 67
  • Nuacutemero de diapositiva 68
  • Nuacutemero de diapositiva 69
  • Nuacutemero de diapositiva 70
  • Nuacutemero de diapositiva 71
  • Nuacutemero de diapositiva 72
  • Nuacutemero de diapositiva 73
  • Nuacutemero de diapositiva 74

46 Interpretacioacuten de Imaacutegenes

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento digital Optimizacioacuten de las imaacutegenes Realces y mejoras visuales Contraste en una imagen Composiciones color El color verdadero el falso color el pseudo color

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

OPTIMIZACIOacuteN DE LAS IMAacuteGENES

ENTENDIENDO LAS IMAacuteGENES

mejorar visualmente las imaacutegenes

MANIPULAR DE FORMA FLEXIBLE Y SOFISTICADA EL ND DE LOS PIXELES

LUEGO DE CORRECCIONES LAS IMAacuteGENES HAY QUE OPTIMIZARLAS DESDE EL PUNTO DE VISTA VISUAL

diferentes tipos

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

REALCES Y MEJORAS VISUALES

ENTENDIENDO LAS IMAacuteGENES

httpamericalatina-nacblogspotcomuy2009_10_01_archivehtml

optimizacioacuten de las imaacutegenes

proceso destinado a facilitar la interpretacioacuten visual

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

ecualizacioacuten del histograma

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

gaussiano

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

lineal 2

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

lineal

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

raiacutez cuadrada

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

lineal 0 - 255

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PORQUEacute EL REALCE

ENTENDIENDO LAS IMAacuteGENES

LOS SENSORES SON CALIBRADOS PARA ABARCAR TODO EL RANGO POSIBLE DE RADIANCIAS

PARA CADA USO EN CONCRETO ES NECESIDAD IMPERIOSA

EXPANDIR EL HISTOGRAMA Y ASIacute CUBRIR EL RANGO COMPLETO DE NIVELES DE GRIS

histograma UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CONTRASTE EN UNA IMAGEN

ENTENDIENDO LAS IMAacuteGENES

expansioacuten del contraste

los datos uacutetiles solo ocupan pequentildea parte de los niveles de gris disponibles

expandir o estirar el histograma es cambiar los valores originales de ND para utilizar mayor rango

asiacute incrementar el contraste visual de diferentes objetos

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

ejemplos visuales

sin realce lineal

frecuencial gamma

MEacuteTODOS DE EXPANSIOacuteN DEL CONTRASTE

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

lineal

expansioacuten lineal

lo maacutes simple transformacioacuten en liacutenea llevando el valor miacutenimo a 0 y maacuteximo a 255 o se usa un rango por encima y por debajo de miacutenimo y maacuteximo

EXPANSIOacuteN I

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

lineal

EXPANSIOacuteN I expansioacuten

logariacutetmico exponencial

gamma

curvas de transferencia en lugar de rectas gamma es la curvatura de dicha curva se expanden maacutes el contraste de los extremos o del centro

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

frecuencial

EXPANSIOacuteN II

frecuencial ecualizacioacuten del

histograma

cuando los valores de ND no estaacuten distribuidos uniformemente intentar en la medida de lo posible que los valores de salida de los ND tengan el mismo de pixeles con dicho valor

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CONTRASTE EN UNA IMAGEN

ENTENDIENDO LAS IMAacuteGENES

compresioacuten del contraste

Ya sabemos que el contraste mide el rango dinaacutemico de los colores en la imagen es decir una imagen muy contrastada tiene un amplio abanico de colores (o tonos de gris) desde valores muy bajos a valores muy altos Para una imagen con poco contraste los colores estaacuten muy juntos el margen dinaacutemico es pequentildeo La variacioacuten en el contraste aparece como una compresioacuten del histograma en caso de una reduccioacuten a la inversa de lo visto en el caso de una expansioacuten

Compresioacuten si el rango excede de las capacidades del sistema

Se ha de comparar el nuacutemero de niveles digitales (ND) de la imagen con los niveles de visualizacioacuten (NV) o grises del sistema Es de menos aplicacioacuten Al igual que el brillo variando el contraste se puede provocar una peacuterdida de informacioacuten de la imagen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

MAYOR APLICABILIDAD DEL REALCE

ENTENDIENDO LAS IMAacuteGENES

realce oacuteptimo

realce frecuencial

realce lineal

laquo r e a l c e oacute p t i m o raquo optimiza interpretacioacuten de la imagen

mejor esteacutetica de la imagen NO COINCIDE CON NINGUacuteN CORTE PREDETERMINADO

Y SE LOGRA INTERACTIVAMENTE EN PANTALLA Y PARA CADA BANDA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

image1png

image1png

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

COMPOSICIONES COLOR

ENTENDIENDO LAS IMAacuteGENES

formatos de composiciones

CON LA CRECIENTE APARICIOacuteN DE LOS SENSORES HIPERESPECTRALES LAS POSIBILIDADES DE COMPOSICIONES

COLOREADAS DE BANDAS SON CASI ILIMITADAS

LA ELECCIOacuteN DE LAS BANDAS PARA REALIZAR LA COMPOSICIOacuteN Y EL ORDEN DE LAS BANDAS ASIGANADAS A LOS COLORES

PRIMARIOS DEPENDERAacute DE

Sensor Aplicacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EL SEUDO - COLOR

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm formatos de

composiciones

Ya hemos afirmado de que el ojo humano es maacutes capaz de distinguir tonos de color que intensidades de brillo

Por ello el empleo del color ayuda a la interpretacioacuten incluso cuando podamos tener una sola imagen de una banda

Es aquiacute que hablamos del SEUDO COLOR por no contar con tres bandas

El seudo color implica la creacioacuten de una CLUT que asocie el ND de una sola banda a distintos componentes del R V y A APLICACIONES 1 Para tener una leyenda de colores para una img clasificada 2 Para realzar el anaacutelisis de una determinada banda y sustituir los tonos de gris por una paleta de colores

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CLUT COLOUR LOOK-UP TABLE TABLA DE CONSULTA DE COLOR

ENTENDIENDO LAS IMAacuteGENES

httpsenwikipediaorgwikiColour_look-up_table

creacioacuten del seudo color

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Filtros espaciales Concepto de kernel Filtros paso bajo y paso alto Filtros direccionales Anomaliacuteas y correccioacuten atmosfeacuterica Correcciones radiomeacutetricas Anomaliacuteas radiomeacutetricas Fallos en el sensorCorreccioacuten atmosfeacuterica concepto Meacutetodo valores miacutenimos Regresioacuten entre bandas Dispersioacuten por aerosolesCalibracioacuten Caso misioacuten Landsat

47 Interpretacioacuten de Imaacutegenes

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

conceptos de que es un filtro

espacial

FUNCIONES PARA MEJORAR ASPECTO DE LAS IMAacuteGENES

REALZAN O DISMINUYEN ELEMENTOS VISUALES DE LA IMG

BASADOS EN LA FRECUENCIA ESPACIAL

FRECUENCIAS ESPACIALES ALTAS Variaciones que se producen en pocos piacutexeles TENDENCIA GENERAL FRECUENCIAS ESPACIALES BAJAS

Variaciones que se producen en muchos piacutexeles CONTRASTES LOCALES

FILTROS Figura - CCRS CCT

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

conceptos de kernel

FILTRADO ESPACIAL Figura - CCRS CCT FILTRADO EN EL DOMINIO

ESPACIAL Lo mas comuacuten es la aplicacioacuten de una ventana deslizante con valores que son coeficientes fijos de una matriz La MATRIZ se suele llamar KERNEL o nuacutecleo del filtro

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DIGITAL

ENTENDIENDO LAS IMAacuteGENES

aplicacioacuten del kernel

3 x 3 5 x 5 7 x 7

1 1 1

1 2 1

1 1 1 matrices

LOS VALORES DEL KERNEL SE MULTIPLICAN POR EL PIacuteXEL QUE TIENEN DEBAJO Y LUEGO SE SUMAN TODOS LOS PRODUCTOS

Y PARA OBTENER EL VALOR DEL PIacuteXEL CENTRAL EN LA IMAGEN TRANSFORMADA SE LO DIVIDE POR LA SUMA DE LOS PONDERADOS O PESOS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO - PASO BAJO PASO ALTO

ENTENDIENDO LAS IMAacuteGENES

aplicacioacuten del kernel

26

FILTROS DE PASO BAJO SE FAVORECEN A LOS PIXELES

PERIFEacuteRICOS SE MINIMIZAN LAS DIFERENCIAS CON LOS VECINOS ES UNA ESPECIE DE SUAVIZADO

FILTRO DE PASO ALTO PONDERACIOacuteN DEL VALOR CENTRAL EN DETRIMENTO DE LOS CIRCUNDANTES

SE EXAGERAN DIFERENCIAS Y SE RESALTAN VARIACIONES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DE PASO BAJO

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm

simulacioacuten

IMAGEN ORIGINAL

FILTRO PASO BAJO 3x3 SE TRATA DE ASEMEJAR LOS VALORES DE ND DE UN PIXEL A LOS VALORES VECINOS EN TEacuteRMINOS VISUALES LA IMAGEN FILTRADA OFRECE PERFILES MENOS NIacuteTIDOS

FILTRO PASO BAJO 7x7 SIRVE PARA REDUCIR VARIABILIDAD ESPACIAL DE ALGUNA CATEGORIacuteA ANTES DE UN PROCESO DE CLASIFICACIOacuteN

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DE PASO ALTO

ENTENDIENDO LAS IMAacuteGENES

IMAGEN ORIGINAL

FILTRO PASO ALTO 3x3 SE TRATA DE AISLAR LOS COMPONENTES DE ALTA FRECUENCIA Y REMARCAR DIGITALMENTE CONTRASTES EN TEacuteRMINOS VISUALES LA IMAGEN FILTRADA REFUERZA LOS CONTORNOS EN AacuteREAS HOMOGEacuteNEAS

FILTRO PASO ALTO 7x7 SIRVE PARA LOGRAR REALCES DE RASGOS LINEALES COMO PUEDEN SER EN AacuteREAS URBANAS O RASGOS GEOLOacuteGICOS

simulacioacuten

httpgeograuahesrtm

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

Figura - Landsat USGS

IMAGEN ORIGINAL

FILTRO DIRECCIONAL PERMITEN IDENTIFICAR LOS RASGOS FRONTERIZOS EN LAS IMAacuteGENES COMO LOS FILTROS ANTERIORES PERO AHORA CONSIDERANDO LA ORIENTACIOacuteN

se tiene en cuenta la

orientacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

matrices con direccioacuten

NORTE

1 1 1

1 -2 1

-1 -1 -1

SUR

-1 -1 -1

1 -2 1

1 1 1

ESTE

-1 1 1

-1 -2 1

-1 1 1

OESTE

1 1 -1

1 -2 -1

1 1 -1

SURESTE

-1 -1 1

-1 -2 1

1 1 1

NOROESTE

1 1 1

1 -2 -1

1 -1 -1

SUROESTE

1 -1 -1

1 -2 -1

1 1 1

NORESTE

1 1 1

-1 -2 1

-1 -1 1

OBSERVACIOacuteN

LOS NOMBRES OBEDECEN A LA DIRECCIOacuteN DEL CONTRASTE QUE SENtildeALAN

LA DIRECCIOacuteN QUE REALZAN ES JUSTAMENTE LA PERPENDICULAR

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

48 Interpretacioacuten de Imaacutegenes

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Correcciones geomeacutetricas Georreferenciacioacuten Uso de puntos de control Fuentes de error Procesamiento geomeacutetrico Correccioacuten Transformacioacuten geomeacutetrica Calidad y ajuste Generacioacuten de la nueva imagen Transferencia de ND

INSTITUTO DE AGRIMENSURA - DEPARTAMENTO DE GEOMAacuteTICA PROF ADJUNTO GRADO 3 EDISON J ROSAS BERTON

El tratamiento de una imagen de sateacutelite Georreferenciacioacuten

(paso de un sistema de filas y columnas a un sistema de coordenadas estandard)

Para ello debe obtenerse una muestra de puntos de control de los que conozcamos tanto sus coordenadas reales como sus coordenadas en

la imagen deben ser por tanto objetos de un tamantildeo adecuado para resultar identificables tanto en la imagen como sobre el terreno el tamantildeo

dependeraacute loacutegicamente de la resolucioacuten de la imagen A partir de estos puntos de control se obtendraacuten por regresioacuten unas ecuaciones que permitiraacuten a cada par filacolumna un par de coordenadas

XY

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

GEORREFERENCIACIOacuteN

ENTENDIENDO LAS IMAacuteGENES

georreferenciacioacuten porqueacute

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PUNTOS DE CONTROL

ENTENDIENDO LAS IMAacuteGENES

uso de puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

DISTORSIONES POR LA PLATAFORMA ALTITUD DE LA OacuteRBITA ndash Cambio de escala

VELOCIDAD ndash Cambios de escala ORIENTACIOacuteN DE LOS TRES EJES ndash Distorsiones en la geometriacutea

NO SISTEMAacuteTICOS Y COMPLEJOS DE MODELAR

DISTORSIONES POR ROTACIOacuteN TERRESTRE

CONSIDERANDO ALTITUD (800 Km) y TAMANtildeO DE LA IMAGEN (180 Km)ndashEn latitudes medias tarda en adquirir unos 30 segundos la Tierra se desplaza unos 8 Km

ORIENTACIOacuteN NE SW

DISTORSIONES POR EL SENSOR ANOMALIacuteAS SENSOR y MOVIMIENTO ESPEJO ndash Barrido no lineal o cambio en intervalos

AacuteNGULO DE BARRIDO ndash Variacioacuten en el tamantildeo de pixel

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ERROR EN UNA IMAGEN ESPACIAL

ENTENDIENDO LAS IMAacuteGENES

fuentes de error

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Una correccioacuten geomeacutetrica incluye CUALQUIER CAMBIO EN LA POSICIOacuteN DE LOS PIXELES que

conforman la imagen f (c`) = f1 (c l) f (x y) f (l`) = f2 (c l) f (x y)

COORDENADAS DE IMAGEN CORREGIDA SON FUNCIOacuteN DE COORDENADAS COLUMNA Y LIacuteNEA DE LA

IMAGEN DE ENTRADA O DE LAS COORDENADAS DE MAPA AL QUE SUPERPONDREMOS LA IMAGEN

1 CON OBJETIVO DE REALIZAR UNA TRANSFORMACIOacuteN GEOMEacuteTRICA QUE PERMITA AJUSTARLA A OTRA IMAGEN REFERENCIA NORMALMENTE PARA REALIZAR ESTUDIOS MULTITEMPORALES O MOSAICOS CON EL FIN DE AMPLIAR LOS DATOS E INFORMACIOacuteN DE UNA ZONA

2 ESTO PERMITIRAacute QUE LA NUEVA IMAGEN LA PUEDA INTEGRAR CON INFORMACIOacuteN DE OTRAS FUENTES POR EJEMPLO EN UN AMBIENTE SIG

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

correccioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

asumimos que

NO SE CONOCE EL ORIGEN DE LOS ERRORES

modelamos

ECUACIONES EMPIacuteRICAS

aplicadas a un conjunto de puntos

COORDENADAS CONOCIDAS IMAGEN INPUT e IMAGEN OUTPUT

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

1 ndash SELECCIOacuteN DE REFERENCIAS 2 ndash ECUACIONES DE AJUSTE

3 ndash GENERACIOacuteN DE LA IMAGEN CORREGIDA

ES OBVIO CALIDAD DEL AJUSTE DEPENDERAacute DE PRECISIOacuteN CON QUE SE

LOCALICEN LOS PUNTOS DE CONTROL INEXACTA LOCALIZACIOacuteN

DISTRIBUCIOacuteN MUY SECTORIZADA NUacuteMERO DE PUNTOS DE CONTROL INADECUADO

ESTABLECER LOS PUNTOS DE CONTROL FASE MAS CRUCIAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

procesamiento de la correccioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Resaltamos la importancia de

NUacuteMERO LOCALIZACIOacuteN DISTRIBUCIOacuteN

Que debemos atender Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

que considero UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash Croquis ilustrativos de apoyo

TERRENO O ZONAS PLANAS CON IMG OBTENIDAS POR UN SENSOR DE ESTRECHA VISIOacuteN DE CAMPO

TRANSFORMACIOacuteN

BASADO EN ECUACIONES LINEALES SIMPLES

TERRENO ESCARPADO O RUGOSO O UTILIZACIOacuteN DE IMG OBTENIDAS EN UN SENSOR CON VARIACIONES EN LAS CONDICIONES DE OBSERVACIOacuteN

TRANSFORMACIOacuteN MAacuteS COMPLEJA

POLINOMIOS DE SEGUNDO O TERCER ORDEN

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Desde un punto de vista matemaacutetico

GRADO 1 ndash 3 puntos GRADO 2 ndash 6 puntos GRADO 3 ndash 10 puntos

Seguacuten mis objetivos del trabajo no es conveniente utilizar esos miacutenimos

14 a 20 puntos (Landsat 5 MMS ndash seguacuten Bernstein R y D G Ferneyhough Jr 1978)

100 a 120 puntos (Landsat 7 TM ndash seguacuten el National Remote Sensing Center de Inglaterra)

10 o 12 puntos (Pequentildea zona de 512 x 512 pixeles ndash seguacuten Emilio Chuvieco 2010)

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

matemaacuteticamente UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

QUE DEBEMOS DE CONSIDERAR EN CUANTO A LA LOCALIZACIOacuteN

CLARAMENTE IDENTIFICABLES EN IMAGEN Y MAPA RASGOS HUMANOS DEL PAISAJE NO SUJETOS A DINAMISMO TEMPORAL

CRUCE DE CARRETERAS

CAMINOS VIacuteA FEacuteRREAS

NO CONSIDERAR ELEMENTOS ASOCIADOS AL AGUA

COSTA CURSOS DE AGUA

EMBALSES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

localizacioacuten TCP UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la correccioacuten digital de la geometriacutea de una imagen se realiza a partir de establecer unas funciones que relacionen las coordenadas de la imagen

y las coordenadas del mapa

EJ CASO MAS SIMPLE REGRESIOacuteN LINEAL MUacuteLTIPLE

ci = a0 + a1 Xi + a2 Yi li = b0 + b1 Xi + b2 Yi

EN LA PRAacuteCTICA BASTA UNA FUNCIOacuteN LINEAL PARA ABORDAR UN GRAN NUacuteMERO DE

TRANSFORMACIONES Y SON SUFICIENTES SI LAS IMAacuteGENES NO SON MUY GRANDES ANTE LA NECESIDAD DE OTRAS TRANSFORMACIONES SE UTILIZAN DE 2ordm y 3ordm ORDEN CONSIDERANDO ALTERACIONES GEOMEacuteTRICAS NO LINEALES (FUNCIONES QUE NO SE DEFINEN EN UN PLANO

CON EJES LINEALES SINO QUE SUPERFICIES CON EJES CURVILIacuteNEOS)

LOS COEFICIENTES DE LAS FUNCIONES DE TRANSFORMACIOacuteN SE CALCULAN A PARTIR DE UN AJUSTE POR MIacuteNIMOS CUADRADOS

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

funciones de transformacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash ejemplos de funciones de transformacioacuten geomeacutetrica con el efecto causado

TRASLACIOacuteN

CAMBIO DE ESCALA

INCLINACIOacuteN

PERSPECTIVA

ROTACIOacuteN

x = a0 + xacute y = b0 + yacute

x = xacute + a2 yacute y = yacute

x = a1 xacute y = b1 yacute

x = a3xacute yacute y = yacute

x = a4xacute + a5yacute y = b4xacute + b5yacute a4 = b5 = cos Ɵ a5 = -b4 = sen Ɵ

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

transformacioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

comparacioacuten coordenadas reales y las estimadas por la regresioacuten

el promedio de los residuales se conoce como error medio cuadraacutetico

la calidad del ajuste lo da el RMSE (root mean squared error)

(error medio cuadraacutetico)

RMSE es la raiacutez cuadrada de las desviaciones entre los valores reales y los

calculados

RMSE para cada punto es la raiacutez de los residuales al cuadrado que es la distancia entre ellos

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

RMSE UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la praacutectica hace que fijemos una TOLERANCIA y es que si ese promedio supera un valor fijado previamente haya que rever

el valor fijado previamente generalmente es igual o menor a un PIXEL

una correcta verificacioacuten

NECESITA introducir PUNTOS de VERIFICACIOacuteN

que no hayan sido introducidos en el ajuste

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

tolerancias fijadas

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

traducimos coordenadas de un mapa a la imagen tambieacuten necesitamos a la nueva imagen

TRANSFERIR LOS VALORES DIGITALES no olvidar que lo que queremos es generar una nueva imagen que se

corresponda con las coordenadas y las funciones de ajuste

NO ORIGINAN NUEVA IMAGEN solo colocan a los pixeles en la posicioacuten correcta

en criollo las funciones de transformacioacuten generan una nueva matriz bien posicionada pero vaciacutea

DEBEMOS LLENAR LA MATRIZ problema maacutes complejo de lo que puede

pensarse Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

generacioacuten de la nueva imaacutegen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

cada pixel de la imagen corregida se corresponderiacutea con un pixel de la imagen original

LEJOS DE ESE IDEAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo I

vecino maacutes proacuteximo ( nearest neighbour )

a cada celda de la imagen corregida se asigna el ND del pixel maacutes cercano de la

imagen original

SOLUCIOacuteN RAacutePIDA MENOR DISTORSIOacuteN DE LOS ND

INTRODUCE RASGOS LINEALES QUE DISTORSIONAN

CORRECCIOacuteN DE IMAacuteGENES CLASIFICADAS

CONSERVAR LA RADIOMETRIacuteA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo II

interpolacioacuten bilineal ( bilinear interpolation )

supone promediar los ND de los cuatro pixeles mas cercanos

con ponderacioacuten seguacuten la distancia pixeles originalcorregido

REDUCE EL EFECTO DE DISTORSIOacuteN EN RASGOS LINEALES

TIENDE A DIFUMINAR LOS CONTRASTES ESPACIALES

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE IMAacuteGENES RECTIFICADAS MAPAS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo III

convolusioacuten cuacutebica ( cubic convolution )

supone considerar los ND de los 16 pixeles mas proacuteximos

media ponderada seguacuten la distancia pixeles originalcorregido

EFECTO VISUAL MAS CORRECTO

VOLUacuteMEN DE CAacuteLCULO MUY SUPERIOR TENDENCIA A AGUDIZAR BORDES DE LA IMAGEN

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE ORTOIMAacuteGENES IMPRESIONES DE CALIDAD

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

  • Nuacutemero de diapositiva 1
  • Nuacutemero de diapositiva 2
  • MOacuteDULO IV
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 5
  • Nuacutemero de diapositiva 6
  • Nuacutemero de diapositiva 7
  • Nuacutemero de diapositiva 8
  • Nuacutemero de diapositiva 9
  • Nuacutemero de diapositiva 10
  • Nuacutemero de diapositiva 11
  • Nuacutemero de diapositiva 12
  • Nuacutemero de diapositiva 13
  • Nuacutemero de diapositiva 14
  • Nuacutemero de diapositiva 15
  • Nuacutemero de diapositiva 16
  • Nuacutemero de diapositiva 17
  • Nuacutemero de diapositiva 18
  • Nuacutemero de diapositiva 19
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 21
  • Nuacutemero de diapositiva 22
  • Nuacutemero de diapositiva 23
  • Nuacutemero de diapositiva 24
  • Nuacutemero de diapositiva 25
  • Nuacutemero de diapositiva 26
  • Nuacutemero de diapositiva 27
  • Nuacutemero de diapositiva 28
  • Nuacutemero de diapositiva 29
  • Nuacutemero de diapositiva 30
  • Nuacutemero de diapositiva 31
  • Nuacutemero de diapositiva 32
  • Nuacutemero de diapositiva 33
  • Nuacutemero de diapositiva 34
  • Nuacutemero de diapositiva 35
  • Nuacutemero de diapositiva 36
  • Nuacutemero de diapositiva 37
  • Nuacutemero de diapositiva 38
  • Nuacutemero de diapositiva 39
  • Nuacutemero de diapositiva 40
  • 47 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 42
  • Nuacutemero de diapositiva 43
  • Nuacutemero de diapositiva 44
  • Nuacutemero de diapositiva 45
  • Nuacutemero de diapositiva 46
  • Nuacutemero de diapositiva 47
  • Nuacutemero de diapositiva 48
  • Nuacutemero de diapositiva 49
  • Nuacutemero de diapositiva 50
  • Nuacutemero de diapositiva 51
  • Nuacutemero de diapositiva 52
  • Nuacutemero de diapositiva 53
  • Nuacutemero de diapositiva 54
  • 48 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 56
  • Nuacutemero de diapositiva 57
  • Nuacutemero de diapositiva 58
  • Nuacutemero de diapositiva 59
  • Nuacutemero de diapositiva 60
  • Nuacutemero de diapositiva 61
  • Nuacutemero de diapositiva 62
  • Nuacutemero de diapositiva 63
  • Nuacutemero de diapositiva 64
  • Nuacutemero de diapositiva 65
  • Nuacutemero de diapositiva 66
  • Nuacutemero de diapositiva 67
  • Nuacutemero de diapositiva 68
  • Nuacutemero de diapositiva 69
  • Nuacutemero de diapositiva 70
  • Nuacutemero de diapositiva 71
  • Nuacutemero de diapositiva 72
  • Nuacutemero de diapositiva 73
  • Nuacutemero de diapositiva 74

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

OPTIMIZACIOacuteN DE LAS IMAacuteGENES

ENTENDIENDO LAS IMAacuteGENES

mejorar visualmente las imaacutegenes

MANIPULAR DE FORMA FLEXIBLE Y SOFISTICADA EL ND DE LOS PIXELES

LUEGO DE CORRECCIONES LAS IMAacuteGENES HAY QUE OPTIMIZARLAS DESDE EL PUNTO DE VISTA VISUAL

diferentes tipos

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

REALCES Y MEJORAS VISUALES

ENTENDIENDO LAS IMAacuteGENES

httpamericalatina-nacblogspotcomuy2009_10_01_archivehtml

optimizacioacuten de las imaacutegenes

proceso destinado a facilitar la interpretacioacuten visual

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

ecualizacioacuten del histograma

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

gaussiano

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

lineal 2

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

lineal

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

raiacutez cuadrada

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

lineal 0 - 255

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PORQUEacute EL REALCE

ENTENDIENDO LAS IMAacuteGENES

LOS SENSORES SON CALIBRADOS PARA ABARCAR TODO EL RANGO POSIBLE DE RADIANCIAS

PARA CADA USO EN CONCRETO ES NECESIDAD IMPERIOSA

EXPANDIR EL HISTOGRAMA Y ASIacute CUBRIR EL RANGO COMPLETO DE NIVELES DE GRIS

histograma UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CONTRASTE EN UNA IMAGEN

ENTENDIENDO LAS IMAacuteGENES

expansioacuten del contraste

los datos uacutetiles solo ocupan pequentildea parte de los niveles de gris disponibles

expandir o estirar el histograma es cambiar los valores originales de ND para utilizar mayor rango

asiacute incrementar el contraste visual de diferentes objetos

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

ejemplos visuales

sin realce lineal

frecuencial gamma

MEacuteTODOS DE EXPANSIOacuteN DEL CONTRASTE

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

lineal

expansioacuten lineal

lo maacutes simple transformacioacuten en liacutenea llevando el valor miacutenimo a 0 y maacuteximo a 255 o se usa un rango por encima y por debajo de miacutenimo y maacuteximo

EXPANSIOacuteN I

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

lineal

EXPANSIOacuteN I expansioacuten

logariacutetmico exponencial

gamma

curvas de transferencia en lugar de rectas gamma es la curvatura de dicha curva se expanden maacutes el contraste de los extremos o del centro

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

frecuencial

EXPANSIOacuteN II

frecuencial ecualizacioacuten del

histograma

cuando los valores de ND no estaacuten distribuidos uniformemente intentar en la medida de lo posible que los valores de salida de los ND tengan el mismo de pixeles con dicho valor

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CONTRASTE EN UNA IMAGEN

ENTENDIENDO LAS IMAacuteGENES

compresioacuten del contraste

Ya sabemos que el contraste mide el rango dinaacutemico de los colores en la imagen es decir una imagen muy contrastada tiene un amplio abanico de colores (o tonos de gris) desde valores muy bajos a valores muy altos Para una imagen con poco contraste los colores estaacuten muy juntos el margen dinaacutemico es pequentildeo La variacioacuten en el contraste aparece como una compresioacuten del histograma en caso de una reduccioacuten a la inversa de lo visto en el caso de una expansioacuten

Compresioacuten si el rango excede de las capacidades del sistema

Se ha de comparar el nuacutemero de niveles digitales (ND) de la imagen con los niveles de visualizacioacuten (NV) o grises del sistema Es de menos aplicacioacuten Al igual que el brillo variando el contraste se puede provocar una peacuterdida de informacioacuten de la imagen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

MAYOR APLICABILIDAD DEL REALCE

ENTENDIENDO LAS IMAacuteGENES

realce oacuteptimo

realce frecuencial

realce lineal

laquo r e a l c e oacute p t i m o raquo optimiza interpretacioacuten de la imagen

mejor esteacutetica de la imagen NO COINCIDE CON NINGUacuteN CORTE PREDETERMINADO

Y SE LOGRA INTERACTIVAMENTE EN PANTALLA Y PARA CADA BANDA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

image1png

image1png

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

COMPOSICIONES COLOR

ENTENDIENDO LAS IMAacuteGENES

formatos de composiciones

CON LA CRECIENTE APARICIOacuteN DE LOS SENSORES HIPERESPECTRALES LAS POSIBILIDADES DE COMPOSICIONES

COLOREADAS DE BANDAS SON CASI ILIMITADAS

LA ELECCIOacuteN DE LAS BANDAS PARA REALIZAR LA COMPOSICIOacuteN Y EL ORDEN DE LAS BANDAS ASIGANADAS A LOS COLORES

PRIMARIOS DEPENDERAacute DE

Sensor Aplicacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EL SEUDO - COLOR

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm formatos de

composiciones

Ya hemos afirmado de que el ojo humano es maacutes capaz de distinguir tonos de color que intensidades de brillo

Por ello el empleo del color ayuda a la interpretacioacuten incluso cuando podamos tener una sola imagen de una banda

Es aquiacute que hablamos del SEUDO COLOR por no contar con tres bandas

El seudo color implica la creacioacuten de una CLUT que asocie el ND de una sola banda a distintos componentes del R V y A APLICACIONES 1 Para tener una leyenda de colores para una img clasificada 2 Para realzar el anaacutelisis de una determinada banda y sustituir los tonos de gris por una paleta de colores

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CLUT COLOUR LOOK-UP TABLE TABLA DE CONSULTA DE COLOR

ENTENDIENDO LAS IMAacuteGENES

httpsenwikipediaorgwikiColour_look-up_table

creacioacuten del seudo color

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Filtros espaciales Concepto de kernel Filtros paso bajo y paso alto Filtros direccionales Anomaliacuteas y correccioacuten atmosfeacuterica Correcciones radiomeacutetricas Anomaliacuteas radiomeacutetricas Fallos en el sensorCorreccioacuten atmosfeacuterica concepto Meacutetodo valores miacutenimos Regresioacuten entre bandas Dispersioacuten por aerosolesCalibracioacuten Caso misioacuten Landsat

47 Interpretacioacuten de Imaacutegenes

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

conceptos de que es un filtro

espacial

FUNCIONES PARA MEJORAR ASPECTO DE LAS IMAacuteGENES

REALZAN O DISMINUYEN ELEMENTOS VISUALES DE LA IMG

BASADOS EN LA FRECUENCIA ESPACIAL

FRECUENCIAS ESPACIALES ALTAS Variaciones que se producen en pocos piacutexeles TENDENCIA GENERAL FRECUENCIAS ESPACIALES BAJAS

Variaciones que se producen en muchos piacutexeles CONTRASTES LOCALES

FILTROS Figura - CCRS CCT

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

conceptos de kernel

FILTRADO ESPACIAL Figura - CCRS CCT FILTRADO EN EL DOMINIO

ESPACIAL Lo mas comuacuten es la aplicacioacuten de una ventana deslizante con valores que son coeficientes fijos de una matriz La MATRIZ se suele llamar KERNEL o nuacutecleo del filtro

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DIGITAL

ENTENDIENDO LAS IMAacuteGENES

aplicacioacuten del kernel

3 x 3 5 x 5 7 x 7

1 1 1

1 2 1

1 1 1 matrices

LOS VALORES DEL KERNEL SE MULTIPLICAN POR EL PIacuteXEL QUE TIENEN DEBAJO Y LUEGO SE SUMAN TODOS LOS PRODUCTOS

Y PARA OBTENER EL VALOR DEL PIacuteXEL CENTRAL EN LA IMAGEN TRANSFORMADA SE LO DIVIDE POR LA SUMA DE LOS PONDERADOS O PESOS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO - PASO BAJO PASO ALTO

ENTENDIENDO LAS IMAacuteGENES

aplicacioacuten del kernel

26

FILTROS DE PASO BAJO SE FAVORECEN A LOS PIXELES

PERIFEacuteRICOS SE MINIMIZAN LAS DIFERENCIAS CON LOS VECINOS ES UNA ESPECIE DE SUAVIZADO

FILTRO DE PASO ALTO PONDERACIOacuteN DEL VALOR CENTRAL EN DETRIMENTO DE LOS CIRCUNDANTES

SE EXAGERAN DIFERENCIAS Y SE RESALTAN VARIACIONES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DE PASO BAJO

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm

simulacioacuten

IMAGEN ORIGINAL

FILTRO PASO BAJO 3x3 SE TRATA DE ASEMEJAR LOS VALORES DE ND DE UN PIXEL A LOS VALORES VECINOS EN TEacuteRMINOS VISUALES LA IMAGEN FILTRADA OFRECE PERFILES MENOS NIacuteTIDOS

FILTRO PASO BAJO 7x7 SIRVE PARA REDUCIR VARIABILIDAD ESPACIAL DE ALGUNA CATEGORIacuteA ANTES DE UN PROCESO DE CLASIFICACIOacuteN

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DE PASO ALTO

ENTENDIENDO LAS IMAacuteGENES

IMAGEN ORIGINAL

FILTRO PASO ALTO 3x3 SE TRATA DE AISLAR LOS COMPONENTES DE ALTA FRECUENCIA Y REMARCAR DIGITALMENTE CONTRASTES EN TEacuteRMINOS VISUALES LA IMAGEN FILTRADA REFUERZA LOS CONTORNOS EN AacuteREAS HOMOGEacuteNEAS

FILTRO PASO ALTO 7x7 SIRVE PARA LOGRAR REALCES DE RASGOS LINEALES COMO PUEDEN SER EN AacuteREAS URBANAS O RASGOS GEOLOacuteGICOS

simulacioacuten

httpgeograuahesrtm

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

Figura - Landsat USGS

IMAGEN ORIGINAL

FILTRO DIRECCIONAL PERMITEN IDENTIFICAR LOS RASGOS FRONTERIZOS EN LAS IMAacuteGENES COMO LOS FILTROS ANTERIORES PERO AHORA CONSIDERANDO LA ORIENTACIOacuteN

se tiene en cuenta la

orientacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

matrices con direccioacuten

NORTE

1 1 1

1 -2 1

-1 -1 -1

SUR

-1 -1 -1

1 -2 1

1 1 1

ESTE

-1 1 1

-1 -2 1

-1 1 1

OESTE

1 1 -1

1 -2 -1

1 1 -1

SURESTE

-1 -1 1

-1 -2 1

1 1 1

NOROESTE

1 1 1

1 -2 -1

1 -1 -1

SUROESTE

1 -1 -1

1 -2 -1

1 1 1

NORESTE

1 1 1

-1 -2 1

-1 -1 1

OBSERVACIOacuteN

LOS NOMBRES OBEDECEN A LA DIRECCIOacuteN DEL CONTRASTE QUE SENtildeALAN

LA DIRECCIOacuteN QUE REALZAN ES JUSTAMENTE LA PERPENDICULAR

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

48 Interpretacioacuten de Imaacutegenes

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Correcciones geomeacutetricas Georreferenciacioacuten Uso de puntos de control Fuentes de error Procesamiento geomeacutetrico Correccioacuten Transformacioacuten geomeacutetrica Calidad y ajuste Generacioacuten de la nueva imagen Transferencia de ND

INSTITUTO DE AGRIMENSURA - DEPARTAMENTO DE GEOMAacuteTICA PROF ADJUNTO GRADO 3 EDISON J ROSAS BERTON

El tratamiento de una imagen de sateacutelite Georreferenciacioacuten

(paso de un sistema de filas y columnas a un sistema de coordenadas estandard)

Para ello debe obtenerse una muestra de puntos de control de los que conozcamos tanto sus coordenadas reales como sus coordenadas en

la imagen deben ser por tanto objetos de un tamantildeo adecuado para resultar identificables tanto en la imagen como sobre el terreno el tamantildeo

dependeraacute loacutegicamente de la resolucioacuten de la imagen A partir de estos puntos de control se obtendraacuten por regresioacuten unas ecuaciones que permitiraacuten a cada par filacolumna un par de coordenadas

XY

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

GEORREFERENCIACIOacuteN

ENTENDIENDO LAS IMAacuteGENES

georreferenciacioacuten porqueacute

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PUNTOS DE CONTROL

ENTENDIENDO LAS IMAacuteGENES

uso de puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

DISTORSIONES POR LA PLATAFORMA ALTITUD DE LA OacuteRBITA ndash Cambio de escala

VELOCIDAD ndash Cambios de escala ORIENTACIOacuteN DE LOS TRES EJES ndash Distorsiones en la geometriacutea

NO SISTEMAacuteTICOS Y COMPLEJOS DE MODELAR

DISTORSIONES POR ROTACIOacuteN TERRESTRE

CONSIDERANDO ALTITUD (800 Km) y TAMANtildeO DE LA IMAGEN (180 Km)ndashEn latitudes medias tarda en adquirir unos 30 segundos la Tierra se desplaza unos 8 Km

ORIENTACIOacuteN NE SW

DISTORSIONES POR EL SENSOR ANOMALIacuteAS SENSOR y MOVIMIENTO ESPEJO ndash Barrido no lineal o cambio en intervalos

AacuteNGULO DE BARRIDO ndash Variacioacuten en el tamantildeo de pixel

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ERROR EN UNA IMAGEN ESPACIAL

ENTENDIENDO LAS IMAacuteGENES

fuentes de error

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Una correccioacuten geomeacutetrica incluye CUALQUIER CAMBIO EN LA POSICIOacuteN DE LOS PIXELES que

conforman la imagen f (c`) = f1 (c l) f (x y) f (l`) = f2 (c l) f (x y)

COORDENADAS DE IMAGEN CORREGIDA SON FUNCIOacuteN DE COORDENADAS COLUMNA Y LIacuteNEA DE LA

IMAGEN DE ENTRADA O DE LAS COORDENADAS DE MAPA AL QUE SUPERPONDREMOS LA IMAGEN

1 CON OBJETIVO DE REALIZAR UNA TRANSFORMACIOacuteN GEOMEacuteTRICA QUE PERMITA AJUSTARLA A OTRA IMAGEN REFERENCIA NORMALMENTE PARA REALIZAR ESTUDIOS MULTITEMPORALES O MOSAICOS CON EL FIN DE AMPLIAR LOS DATOS E INFORMACIOacuteN DE UNA ZONA

2 ESTO PERMITIRAacute QUE LA NUEVA IMAGEN LA PUEDA INTEGRAR CON INFORMACIOacuteN DE OTRAS FUENTES POR EJEMPLO EN UN AMBIENTE SIG

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

correccioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

asumimos que

NO SE CONOCE EL ORIGEN DE LOS ERRORES

modelamos

ECUACIONES EMPIacuteRICAS

aplicadas a un conjunto de puntos

COORDENADAS CONOCIDAS IMAGEN INPUT e IMAGEN OUTPUT

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

1 ndash SELECCIOacuteN DE REFERENCIAS 2 ndash ECUACIONES DE AJUSTE

3 ndash GENERACIOacuteN DE LA IMAGEN CORREGIDA

ES OBVIO CALIDAD DEL AJUSTE DEPENDERAacute DE PRECISIOacuteN CON QUE SE

LOCALICEN LOS PUNTOS DE CONTROL INEXACTA LOCALIZACIOacuteN

DISTRIBUCIOacuteN MUY SECTORIZADA NUacuteMERO DE PUNTOS DE CONTROL INADECUADO

ESTABLECER LOS PUNTOS DE CONTROL FASE MAS CRUCIAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

procesamiento de la correccioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Resaltamos la importancia de

NUacuteMERO LOCALIZACIOacuteN DISTRIBUCIOacuteN

Que debemos atender Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

que considero UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash Croquis ilustrativos de apoyo

TERRENO O ZONAS PLANAS CON IMG OBTENIDAS POR UN SENSOR DE ESTRECHA VISIOacuteN DE CAMPO

TRANSFORMACIOacuteN

BASADO EN ECUACIONES LINEALES SIMPLES

TERRENO ESCARPADO O RUGOSO O UTILIZACIOacuteN DE IMG OBTENIDAS EN UN SENSOR CON VARIACIONES EN LAS CONDICIONES DE OBSERVACIOacuteN

TRANSFORMACIOacuteN MAacuteS COMPLEJA

POLINOMIOS DE SEGUNDO O TERCER ORDEN

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Desde un punto de vista matemaacutetico

GRADO 1 ndash 3 puntos GRADO 2 ndash 6 puntos GRADO 3 ndash 10 puntos

Seguacuten mis objetivos del trabajo no es conveniente utilizar esos miacutenimos

14 a 20 puntos (Landsat 5 MMS ndash seguacuten Bernstein R y D G Ferneyhough Jr 1978)

100 a 120 puntos (Landsat 7 TM ndash seguacuten el National Remote Sensing Center de Inglaterra)

10 o 12 puntos (Pequentildea zona de 512 x 512 pixeles ndash seguacuten Emilio Chuvieco 2010)

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

matemaacuteticamente UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

QUE DEBEMOS DE CONSIDERAR EN CUANTO A LA LOCALIZACIOacuteN

CLARAMENTE IDENTIFICABLES EN IMAGEN Y MAPA RASGOS HUMANOS DEL PAISAJE NO SUJETOS A DINAMISMO TEMPORAL

CRUCE DE CARRETERAS

CAMINOS VIacuteA FEacuteRREAS

NO CONSIDERAR ELEMENTOS ASOCIADOS AL AGUA

COSTA CURSOS DE AGUA

EMBALSES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

localizacioacuten TCP UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la correccioacuten digital de la geometriacutea de una imagen se realiza a partir de establecer unas funciones que relacionen las coordenadas de la imagen

y las coordenadas del mapa

EJ CASO MAS SIMPLE REGRESIOacuteN LINEAL MUacuteLTIPLE

ci = a0 + a1 Xi + a2 Yi li = b0 + b1 Xi + b2 Yi

EN LA PRAacuteCTICA BASTA UNA FUNCIOacuteN LINEAL PARA ABORDAR UN GRAN NUacuteMERO DE

TRANSFORMACIONES Y SON SUFICIENTES SI LAS IMAacuteGENES NO SON MUY GRANDES ANTE LA NECESIDAD DE OTRAS TRANSFORMACIONES SE UTILIZAN DE 2ordm y 3ordm ORDEN CONSIDERANDO ALTERACIONES GEOMEacuteTRICAS NO LINEALES (FUNCIONES QUE NO SE DEFINEN EN UN PLANO

CON EJES LINEALES SINO QUE SUPERFICIES CON EJES CURVILIacuteNEOS)

LOS COEFICIENTES DE LAS FUNCIONES DE TRANSFORMACIOacuteN SE CALCULAN A PARTIR DE UN AJUSTE POR MIacuteNIMOS CUADRADOS

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

funciones de transformacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash ejemplos de funciones de transformacioacuten geomeacutetrica con el efecto causado

TRASLACIOacuteN

CAMBIO DE ESCALA

INCLINACIOacuteN

PERSPECTIVA

ROTACIOacuteN

x = a0 + xacute y = b0 + yacute

x = xacute + a2 yacute y = yacute

x = a1 xacute y = b1 yacute

x = a3xacute yacute y = yacute

x = a4xacute + a5yacute y = b4xacute + b5yacute a4 = b5 = cos Ɵ a5 = -b4 = sen Ɵ

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

transformacioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

comparacioacuten coordenadas reales y las estimadas por la regresioacuten

el promedio de los residuales se conoce como error medio cuadraacutetico

la calidad del ajuste lo da el RMSE (root mean squared error)

(error medio cuadraacutetico)

RMSE es la raiacutez cuadrada de las desviaciones entre los valores reales y los

calculados

RMSE para cada punto es la raiacutez de los residuales al cuadrado que es la distancia entre ellos

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

RMSE UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la praacutectica hace que fijemos una TOLERANCIA y es que si ese promedio supera un valor fijado previamente haya que rever

el valor fijado previamente generalmente es igual o menor a un PIXEL

una correcta verificacioacuten

NECESITA introducir PUNTOS de VERIFICACIOacuteN

que no hayan sido introducidos en el ajuste

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

tolerancias fijadas

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

traducimos coordenadas de un mapa a la imagen tambieacuten necesitamos a la nueva imagen

TRANSFERIR LOS VALORES DIGITALES no olvidar que lo que queremos es generar una nueva imagen que se

corresponda con las coordenadas y las funciones de ajuste

NO ORIGINAN NUEVA IMAGEN solo colocan a los pixeles en la posicioacuten correcta

en criollo las funciones de transformacioacuten generan una nueva matriz bien posicionada pero vaciacutea

DEBEMOS LLENAR LA MATRIZ problema maacutes complejo de lo que puede

pensarse Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

generacioacuten de la nueva imaacutegen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

cada pixel de la imagen corregida se corresponderiacutea con un pixel de la imagen original

LEJOS DE ESE IDEAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo I

vecino maacutes proacuteximo ( nearest neighbour )

a cada celda de la imagen corregida se asigna el ND del pixel maacutes cercano de la

imagen original

SOLUCIOacuteN RAacutePIDA MENOR DISTORSIOacuteN DE LOS ND

INTRODUCE RASGOS LINEALES QUE DISTORSIONAN

CORRECCIOacuteN DE IMAacuteGENES CLASIFICADAS

CONSERVAR LA RADIOMETRIacuteA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo II

interpolacioacuten bilineal ( bilinear interpolation )

supone promediar los ND de los cuatro pixeles mas cercanos

con ponderacioacuten seguacuten la distancia pixeles originalcorregido

REDUCE EL EFECTO DE DISTORSIOacuteN EN RASGOS LINEALES

TIENDE A DIFUMINAR LOS CONTRASTES ESPACIALES

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE IMAacuteGENES RECTIFICADAS MAPAS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo III

convolusioacuten cuacutebica ( cubic convolution )

supone considerar los ND de los 16 pixeles mas proacuteximos

media ponderada seguacuten la distancia pixeles originalcorregido

EFECTO VISUAL MAS CORRECTO

VOLUacuteMEN DE CAacuteLCULO MUY SUPERIOR TENDENCIA A AGUDIZAR BORDES DE LA IMAGEN

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE ORTOIMAacuteGENES IMPRESIONES DE CALIDAD

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

  • Nuacutemero de diapositiva 1
  • Nuacutemero de diapositiva 2
  • MOacuteDULO IV
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 5
  • Nuacutemero de diapositiva 6
  • Nuacutemero de diapositiva 7
  • Nuacutemero de diapositiva 8
  • Nuacutemero de diapositiva 9
  • Nuacutemero de diapositiva 10
  • Nuacutemero de diapositiva 11
  • Nuacutemero de diapositiva 12
  • Nuacutemero de diapositiva 13
  • Nuacutemero de diapositiva 14
  • Nuacutemero de diapositiva 15
  • Nuacutemero de diapositiva 16
  • Nuacutemero de diapositiva 17
  • Nuacutemero de diapositiva 18
  • Nuacutemero de diapositiva 19
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 21
  • Nuacutemero de diapositiva 22
  • Nuacutemero de diapositiva 23
  • Nuacutemero de diapositiva 24
  • Nuacutemero de diapositiva 25
  • Nuacutemero de diapositiva 26
  • Nuacutemero de diapositiva 27
  • Nuacutemero de diapositiva 28
  • Nuacutemero de diapositiva 29
  • Nuacutemero de diapositiva 30
  • Nuacutemero de diapositiva 31
  • Nuacutemero de diapositiva 32
  • Nuacutemero de diapositiva 33
  • Nuacutemero de diapositiva 34
  • Nuacutemero de diapositiva 35
  • Nuacutemero de diapositiva 36
  • Nuacutemero de diapositiva 37
  • Nuacutemero de diapositiva 38
  • Nuacutemero de diapositiva 39
  • Nuacutemero de diapositiva 40
  • 47 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 42
  • Nuacutemero de diapositiva 43
  • Nuacutemero de diapositiva 44
  • Nuacutemero de diapositiva 45
  • Nuacutemero de diapositiva 46
  • Nuacutemero de diapositiva 47
  • Nuacutemero de diapositiva 48
  • Nuacutemero de diapositiva 49
  • Nuacutemero de diapositiva 50
  • Nuacutemero de diapositiva 51
  • Nuacutemero de diapositiva 52
  • Nuacutemero de diapositiva 53
  • Nuacutemero de diapositiva 54
  • 48 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 56
  • Nuacutemero de diapositiva 57
  • Nuacutemero de diapositiva 58
  • Nuacutemero de diapositiva 59
  • Nuacutemero de diapositiva 60
  • Nuacutemero de diapositiva 61
  • Nuacutemero de diapositiva 62
  • Nuacutemero de diapositiva 63
  • Nuacutemero de diapositiva 64
  • Nuacutemero de diapositiva 65
  • Nuacutemero de diapositiva 66
  • Nuacutemero de diapositiva 67
  • Nuacutemero de diapositiva 68
  • Nuacutemero de diapositiva 69
  • Nuacutemero de diapositiva 70
  • Nuacutemero de diapositiva 71
  • Nuacutemero de diapositiva 72
  • Nuacutemero de diapositiva 73
  • Nuacutemero de diapositiva 74

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

REALCES Y MEJORAS VISUALES

ENTENDIENDO LAS IMAacuteGENES

httpamericalatina-nacblogspotcomuy2009_10_01_archivehtml

optimizacioacuten de las imaacutegenes

proceso destinado a facilitar la interpretacioacuten visual

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

ecualizacioacuten del histograma

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

gaussiano

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

lineal 2

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

lineal

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

raiacutez cuadrada

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

lineal 0 - 255

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PORQUEacute EL REALCE

ENTENDIENDO LAS IMAacuteGENES

LOS SENSORES SON CALIBRADOS PARA ABARCAR TODO EL RANGO POSIBLE DE RADIANCIAS

PARA CADA USO EN CONCRETO ES NECESIDAD IMPERIOSA

EXPANDIR EL HISTOGRAMA Y ASIacute CUBRIR EL RANGO COMPLETO DE NIVELES DE GRIS

histograma UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CONTRASTE EN UNA IMAGEN

ENTENDIENDO LAS IMAacuteGENES

expansioacuten del contraste

los datos uacutetiles solo ocupan pequentildea parte de los niveles de gris disponibles

expandir o estirar el histograma es cambiar los valores originales de ND para utilizar mayor rango

asiacute incrementar el contraste visual de diferentes objetos

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

ejemplos visuales

sin realce lineal

frecuencial gamma

MEacuteTODOS DE EXPANSIOacuteN DEL CONTRASTE

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

lineal

expansioacuten lineal

lo maacutes simple transformacioacuten en liacutenea llevando el valor miacutenimo a 0 y maacuteximo a 255 o se usa un rango por encima y por debajo de miacutenimo y maacuteximo

EXPANSIOacuteN I

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

lineal

EXPANSIOacuteN I expansioacuten

logariacutetmico exponencial

gamma

curvas de transferencia en lugar de rectas gamma es la curvatura de dicha curva se expanden maacutes el contraste de los extremos o del centro

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

frecuencial

EXPANSIOacuteN II

frecuencial ecualizacioacuten del

histograma

cuando los valores de ND no estaacuten distribuidos uniformemente intentar en la medida de lo posible que los valores de salida de los ND tengan el mismo de pixeles con dicho valor

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CONTRASTE EN UNA IMAGEN

ENTENDIENDO LAS IMAacuteGENES

compresioacuten del contraste

Ya sabemos que el contraste mide el rango dinaacutemico de los colores en la imagen es decir una imagen muy contrastada tiene un amplio abanico de colores (o tonos de gris) desde valores muy bajos a valores muy altos Para una imagen con poco contraste los colores estaacuten muy juntos el margen dinaacutemico es pequentildeo La variacioacuten en el contraste aparece como una compresioacuten del histograma en caso de una reduccioacuten a la inversa de lo visto en el caso de una expansioacuten

Compresioacuten si el rango excede de las capacidades del sistema

Se ha de comparar el nuacutemero de niveles digitales (ND) de la imagen con los niveles de visualizacioacuten (NV) o grises del sistema Es de menos aplicacioacuten Al igual que el brillo variando el contraste se puede provocar una peacuterdida de informacioacuten de la imagen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

MAYOR APLICABILIDAD DEL REALCE

ENTENDIENDO LAS IMAacuteGENES

realce oacuteptimo

realce frecuencial

realce lineal

laquo r e a l c e oacute p t i m o raquo optimiza interpretacioacuten de la imagen

mejor esteacutetica de la imagen NO COINCIDE CON NINGUacuteN CORTE PREDETERMINADO

Y SE LOGRA INTERACTIVAMENTE EN PANTALLA Y PARA CADA BANDA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

image1png

image1png

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

COMPOSICIONES COLOR

ENTENDIENDO LAS IMAacuteGENES

formatos de composiciones

CON LA CRECIENTE APARICIOacuteN DE LOS SENSORES HIPERESPECTRALES LAS POSIBILIDADES DE COMPOSICIONES

COLOREADAS DE BANDAS SON CASI ILIMITADAS

LA ELECCIOacuteN DE LAS BANDAS PARA REALIZAR LA COMPOSICIOacuteN Y EL ORDEN DE LAS BANDAS ASIGANADAS A LOS COLORES

PRIMARIOS DEPENDERAacute DE

Sensor Aplicacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EL SEUDO - COLOR

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm formatos de

composiciones

Ya hemos afirmado de que el ojo humano es maacutes capaz de distinguir tonos de color que intensidades de brillo

Por ello el empleo del color ayuda a la interpretacioacuten incluso cuando podamos tener una sola imagen de una banda

Es aquiacute que hablamos del SEUDO COLOR por no contar con tres bandas

El seudo color implica la creacioacuten de una CLUT que asocie el ND de una sola banda a distintos componentes del R V y A APLICACIONES 1 Para tener una leyenda de colores para una img clasificada 2 Para realzar el anaacutelisis de una determinada banda y sustituir los tonos de gris por una paleta de colores

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CLUT COLOUR LOOK-UP TABLE TABLA DE CONSULTA DE COLOR

ENTENDIENDO LAS IMAacuteGENES

httpsenwikipediaorgwikiColour_look-up_table

creacioacuten del seudo color

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Filtros espaciales Concepto de kernel Filtros paso bajo y paso alto Filtros direccionales Anomaliacuteas y correccioacuten atmosfeacuterica Correcciones radiomeacutetricas Anomaliacuteas radiomeacutetricas Fallos en el sensorCorreccioacuten atmosfeacuterica concepto Meacutetodo valores miacutenimos Regresioacuten entre bandas Dispersioacuten por aerosolesCalibracioacuten Caso misioacuten Landsat

47 Interpretacioacuten de Imaacutegenes

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

conceptos de que es un filtro

espacial

FUNCIONES PARA MEJORAR ASPECTO DE LAS IMAacuteGENES

REALZAN O DISMINUYEN ELEMENTOS VISUALES DE LA IMG

BASADOS EN LA FRECUENCIA ESPACIAL

FRECUENCIAS ESPACIALES ALTAS Variaciones que se producen en pocos piacutexeles TENDENCIA GENERAL FRECUENCIAS ESPACIALES BAJAS

Variaciones que se producen en muchos piacutexeles CONTRASTES LOCALES

FILTROS Figura - CCRS CCT

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

conceptos de kernel

FILTRADO ESPACIAL Figura - CCRS CCT FILTRADO EN EL DOMINIO

ESPACIAL Lo mas comuacuten es la aplicacioacuten de una ventana deslizante con valores que son coeficientes fijos de una matriz La MATRIZ se suele llamar KERNEL o nuacutecleo del filtro

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DIGITAL

ENTENDIENDO LAS IMAacuteGENES

aplicacioacuten del kernel

3 x 3 5 x 5 7 x 7

1 1 1

1 2 1

1 1 1 matrices

LOS VALORES DEL KERNEL SE MULTIPLICAN POR EL PIacuteXEL QUE TIENEN DEBAJO Y LUEGO SE SUMAN TODOS LOS PRODUCTOS

Y PARA OBTENER EL VALOR DEL PIacuteXEL CENTRAL EN LA IMAGEN TRANSFORMADA SE LO DIVIDE POR LA SUMA DE LOS PONDERADOS O PESOS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO - PASO BAJO PASO ALTO

ENTENDIENDO LAS IMAacuteGENES

aplicacioacuten del kernel

26

FILTROS DE PASO BAJO SE FAVORECEN A LOS PIXELES

PERIFEacuteRICOS SE MINIMIZAN LAS DIFERENCIAS CON LOS VECINOS ES UNA ESPECIE DE SUAVIZADO

FILTRO DE PASO ALTO PONDERACIOacuteN DEL VALOR CENTRAL EN DETRIMENTO DE LOS CIRCUNDANTES

SE EXAGERAN DIFERENCIAS Y SE RESALTAN VARIACIONES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DE PASO BAJO

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm

simulacioacuten

IMAGEN ORIGINAL

FILTRO PASO BAJO 3x3 SE TRATA DE ASEMEJAR LOS VALORES DE ND DE UN PIXEL A LOS VALORES VECINOS EN TEacuteRMINOS VISUALES LA IMAGEN FILTRADA OFRECE PERFILES MENOS NIacuteTIDOS

FILTRO PASO BAJO 7x7 SIRVE PARA REDUCIR VARIABILIDAD ESPACIAL DE ALGUNA CATEGORIacuteA ANTES DE UN PROCESO DE CLASIFICACIOacuteN

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DE PASO ALTO

ENTENDIENDO LAS IMAacuteGENES

IMAGEN ORIGINAL

FILTRO PASO ALTO 3x3 SE TRATA DE AISLAR LOS COMPONENTES DE ALTA FRECUENCIA Y REMARCAR DIGITALMENTE CONTRASTES EN TEacuteRMINOS VISUALES LA IMAGEN FILTRADA REFUERZA LOS CONTORNOS EN AacuteREAS HOMOGEacuteNEAS

FILTRO PASO ALTO 7x7 SIRVE PARA LOGRAR REALCES DE RASGOS LINEALES COMO PUEDEN SER EN AacuteREAS URBANAS O RASGOS GEOLOacuteGICOS

simulacioacuten

httpgeograuahesrtm

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

Figura - Landsat USGS

IMAGEN ORIGINAL

FILTRO DIRECCIONAL PERMITEN IDENTIFICAR LOS RASGOS FRONTERIZOS EN LAS IMAacuteGENES COMO LOS FILTROS ANTERIORES PERO AHORA CONSIDERANDO LA ORIENTACIOacuteN

se tiene en cuenta la

orientacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

matrices con direccioacuten

NORTE

1 1 1

1 -2 1

-1 -1 -1

SUR

-1 -1 -1

1 -2 1

1 1 1

ESTE

-1 1 1

-1 -2 1

-1 1 1

OESTE

1 1 -1

1 -2 -1

1 1 -1

SURESTE

-1 -1 1

-1 -2 1

1 1 1

NOROESTE

1 1 1

1 -2 -1

1 -1 -1

SUROESTE

1 -1 -1

1 -2 -1

1 1 1

NORESTE

1 1 1

-1 -2 1

-1 -1 1

OBSERVACIOacuteN

LOS NOMBRES OBEDECEN A LA DIRECCIOacuteN DEL CONTRASTE QUE SENtildeALAN

LA DIRECCIOacuteN QUE REALZAN ES JUSTAMENTE LA PERPENDICULAR

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

48 Interpretacioacuten de Imaacutegenes

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Correcciones geomeacutetricas Georreferenciacioacuten Uso de puntos de control Fuentes de error Procesamiento geomeacutetrico Correccioacuten Transformacioacuten geomeacutetrica Calidad y ajuste Generacioacuten de la nueva imagen Transferencia de ND

INSTITUTO DE AGRIMENSURA - DEPARTAMENTO DE GEOMAacuteTICA PROF ADJUNTO GRADO 3 EDISON J ROSAS BERTON

El tratamiento de una imagen de sateacutelite Georreferenciacioacuten

(paso de un sistema de filas y columnas a un sistema de coordenadas estandard)

Para ello debe obtenerse una muestra de puntos de control de los que conozcamos tanto sus coordenadas reales como sus coordenadas en

la imagen deben ser por tanto objetos de un tamantildeo adecuado para resultar identificables tanto en la imagen como sobre el terreno el tamantildeo

dependeraacute loacutegicamente de la resolucioacuten de la imagen A partir de estos puntos de control se obtendraacuten por regresioacuten unas ecuaciones que permitiraacuten a cada par filacolumna un par de coordenadas

XY

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

GEORREFERENCIACIOacuteN

ENTENDIENDO LAS IMAacuteGENES

georreferenciacioacuten porqueacute

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PUNTOS DE CONTROL

ENTENDIENDO LAS IMAacuteGENES

uso de puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

DISTORSIONES POR LA PLATAFORMA ALTITUD DE LA OacuteRBITA ndash Cambio de escala

VELOCIDAD ndash Cambios de escala ORIENTACIOacuteN DE LOS TRES EJES ndash Distorsiones en la geometriacutea

NO SISTEMAacuteTICOS Y COMPLEJOS DE MODELAR

DISTORSIONES POR ROTACIOacuteN TERRESTRE

CONSIDERANDO ALTITUD (800 Km) y TAMANtildeO DE LA IMAGEN (180 Km)ndashEn latitudes medias tarda en adquirir unos 30 segundos la Tierra se desplaza unos 8 Km

ORIENTACIOacuteN NE SW

DISTORSIONES POR EL SENSOR ANOMALIacuteAS SENSOR y MOVIMIENTO ESPEJO ndash Barrido no lineal o cambio en intervalos

AacuteNGULO DE BARRIDO ndash Variacioacuten en el tamantildeo de pixel

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ERROR EN UNA IMAGEN ESPACIAL

ENTENDIENDO LAS IMAacuteGENES

fuentes de error

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Una correccioacuten geomeacutetrica incluye CUALQUIER CAMBIO EN LA POSICIOacuteN DE LOS PIXELES que

conforman la imagen f (c`) = f1 (c l) f (x y) f (l`) = f2 (c l) f (x y)

COORDENADAS DE IMAGEN CORREGIDA SON FUNCIOacuteN DE COORDENADAS COLUMNA Y LIacuteNEA DE LA

IMAGEN DE ENTRADA O DE LAS COORDENADAS DE MAPA AL QUE SUPERPONDREMOS LA IMAGEN

1 CON OBJETIVO DE REALIZAR UNA TRANSFORMACIOacuteN GEOMEacuteTRICA QUE PERMITA AJUSTARLA A OTRA IMAGEN REFERENCIA NORMALMENTE PARA REALIZAR ESTUDIOS MULTITEMPORALES O MOSAICOS CON EL FIN DE AMPLIAR LOS DATOS E INFORMACIOacuteN DE UNA ZONA

2 ESTO PERMITIRAacute QUE LA NUEVA IMAGEN LA PUEDA INTEGRAR CON INFORMACIOacuteN DE OTRAS FUENTES POR EJEMPLO EN UN AMBIENTE SIG

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

correccioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

asumimos que

NO SE CONOCE EL ORIGEN DE LOS ERRORES

modelamos

ECUACIONES EMPIacuteRICAS

aplicadas a un conjunto de puntos

COORDENADAS CONOCIDAS IMAGEN INPUT e IMAGEN OUTPUT

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

1 ndash SELECCIOacuteN DE REFERENCIAS 2 ndash ECUACIONES DE AJUSTE

3 ndash GENERACIOacuteN DE LA IMAGEN CORREGIDA

ES OBVIO CALIDAD DEL AJUSTE DEPENDERAacute DE PRECISIOacuteN CON QUE SE

LOCALICEN LOS PUNTOS DE CONTROL INEXACTA LOCALIZACIOacuteN

DISTRIBUCIOacuteN MUY SECTORIZADA NUacuteMERO DE PUNTOS DE CONTROL INADECUADO

ESTABLECER LOS PUNTOS DE CONTROL FASE MAS CRUCIAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

procesamiento de la correccioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Resaltamos la importancia de

NUacuteMERO LOCALIZACIOacuteN DISTRIBUCIOacuteN

Que debemos atender Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

que considero UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash Croquis ilustrativos de apoyo

TERRENO O ZONAS PLANAS CON IMG OBTENIDAS POR UN SENSOR DE ESTRECHA VISIOacuteN DE CAMPO

TRANSFORMACIOacuteN

BASADO EN ECUACIONES LINEALES SIMPLES

TERRENO ESCARPADO O RUGOSO O UTILIZACIOacuteN DE IMG OBTENIDAS EN UN SENSOR CON VARIACIONES EN LAS CONDICIONES DE OBSERVACIOacuteN

TRANSFORMACIOacuteN MAacuteS COMPLEJA

POLINOMIOS DE SEGUNDO O TERCER ORDEN

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Desde un punto de vista matemaacutetico

GRADO 1 ndash 3 puntos GRADO 2 ndash 6 puntos GRADO 3 ndash 10 puntos

Seguacuten mis objetivos del trabajo no es conveniente utilizar esos miacutenimos

14 a 20 puntos (Landsat 5 MMS ndash seguacuten Bernstein R y D G Ferneyhough Jr 1978)

100 a 120 puntos (Landsat 7 TM ndash seguacuten el National Remote Sensing Center de Inglaterra)

10 o 12 puntos (Pequentildea zona de 512 x 512 pixeles ndash seguacuten Emilio Chuvieco 2010)

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

matemaacuteticamente UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

QUE DEBEMOS DE CONSIDERAR EN CUANTO A LA LOCALIZACIOacuteN

CLARAMENTE IDENTIFICABLES EN IMAGEN Y MAPA RASGOS HUMANOS DEL PAISAJE NO SUJETOS A DINAMISMO TEMPORAL

CRUCE DE CARRETERAS

CAMINOS VIacuteA FEacuteRREAS

NO CONSIDERAR ELEMENTOS ASOCIADOS AL AGUA

COSTA CURSOS DE AGUA

EMBALSES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

localizacioacuten TCP UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la correccioacuten digital de la geometriacutea de una imagen se realiza a partir de establecer unas funciones que relacionen las coordenadas de la imagen

y las coordenadas del mapa

EJ CASO MAS SIMPLE REGRESIOacuteN LINEAL MUacuteLTIPLE

ci = a0 + a1 Xi + a2 Yi li = b0 + b1 Xi + b2 Yi

EN LA PRAacuteCTICA BASTA UNA FUNCIOacuteN LINEAL PARA ABORDAR UN GRAN NUacuteMERO DE

TRANSFORMACIONES Y SON SUFICIENTES SI LAS IMAacuteGENES NO SON MUY GRANDES ANTE LA NECESIDAD DE OTRAS TRANSFORMACIONES SE UTILIZAN DE 2ordm y 3ordm ORDEN CONSIDERANDO ALTERACIONES GEOMEacuteTRICAS NO LINEALES (FUNCIONES QUE NO SE DEFINEN EN UN PLANO

CON EJES LINEALES SINO QUE SUPERFICIES CON EJES CURVILIacuteNEOS)

LOS COEFICIENTES DE LAS FUNCIONES DE TRANSFORMACIOacuteN SE CALCULAN A PARTIR DE UN AJUSTE POR MIacuteNIMOS CUADRADOS

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

funciones de transformacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash ejemplos de funciones de transformacioacuten geomeacutetrica con el efecto causado

TRASLACIOacuteN

CAMBIO DE ESCALA

INCLINACIOacuteN

PERSPECTIVA

ROTACIOacuteN

x = a0 + xacute y = b0 + yacute

x = xacute + a2 yacute y = yacute

x = a1 xacute y = b1 yacute

x = a3xacute yacute y = yacute

x = a4xacute + a5yacute y = b4xacute + b5yacute a4 = b5 = cos Ɵ a5 = -b4 = sen Ɵ

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

transformacioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

comparacioacuten coordenadas reales y las estimadas por la regresioacuten

el promedio de los residuales se conoce como error medio cuadraacutetico

la calidad del ajuste lo da el RMSE (root mean squared error)

(error medio cuadraacutetico)

RMSE es la raiacutez cuadrada de las desviaciones entre los valores reales y los

calculados

RMSE para cada punto es la raiacutez de los residuales al cuadrado que es la distancia entre ellos

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

RMSE UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la praacutectica hace que fijemos una TOLERANCIA y es que si ese promedio supera un valor fijado previamente haya que rever

el valor fijado previamente generalmente es igual o menor a un PIXEL

una correcta verificacioacuten

NECESITA introducir PUNTOS de VERIFICACIOacuteN

que no hayan sido introducidos en el ajuste

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

tolerancias fijadas

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

traducimos coordenadas de un mapa a la imagen tambieacuten necesitamos a la nueva imagen

TRANSFERIR LOS VALORES DIGITALES no olvidar que lo que queremos es generar una nueva imagen que se

corresponda con las coordenadas y las funciones de ajuste

NO ORIGINAN NUEVA IMAGEN solo colocan a los pixeles en la posicioacuten correcta

en criollo las funciones de transformacioacuten generan una nueva matriz bien posicionada pero vaciacutea

DEBEMOS LLENAR LA MATRIZ problema maacutes complejo de lo que puede

pensarse Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

generacioacuten de la nueva imaacutegen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

cada pixel de la imagen corregida se corresponderiacutea con un pixel de la imagen original

LEJOS DE ESE IDEAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo I

vecino maacutes proacuteximo ( nearest neighbour )

a cada celda de la imagen corregida se asigna el ND del pixel maacutes cercano de la

imagen original

SOLUCIOacuteN RAacutePIDA MENOR DISTORSIOacuteN DE LOS ND

INTRODUCE RASGOS LINEALES QUE DISTORSIONAN

CORRECCIOacuteN DE IMAacuteGENES CLASIFICADAS

CONSERVAR LA RADIOMETRIacuteA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo II

interpolacioacuten bilineal ( bilinear interpolation )

supone promediar los ND de los cuatro pixeles mas cercanos

con ponderacioacuten seguacuten la distancia pixeles originalcorregido

REDUCE EL EFECTO DE DISTORSIOacuteN EN RASGOS LINEALES

TIENDE A DIFUMINAR LOS CONTRASTES ESPACIALES

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE IMAacuteGENES RECTIFICADAS MAPAS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo III

convolusioacuten cuacutebica ( cubic convolution )

supone considerar los ND de los 16 pixeles mas proacuteximos

media ponderada seguacuten la distancia pixeles originalcorregido

EFECTO VISUAL MAS CORRECTO

VOLUacuteMEN DE CAacuteLCULO MUY SUPERIOR TENDENCIA A AGUDIZAR BORDES DE LA IMAGEN

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE ORTOIMAacuteGENES IMPRESIONES DE CALIDAD

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

  • Nuacutemero de diapositiva 1
  • Nuacutemero de diapositiva 2
  • MOacuteDULO IV
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 5
  • Nuacutemero de diapositiva 6
  • Nuacutemero de diapositiva 7
  • Nuacutemero de diapositiva 8
  • Nuacutemero de diapositiva 9
  • Nuacutemero de diapositiva 10
  • Nuacutemero de diapositiva 11
  • Nuacutemero de diapositiva 12
  • Nuacutemero de diapositiva 13
  • Nuacutemero de diapositiva 14
  • Nuacutemero de diapositiva 15
  • Nuacutemero de diapositiva 16
  • Nuacutemero de diapositiva 17
  • Nuacutemero de diapositiva 18
  • Nuacutemero de diapositiva 19
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 21
  • Nuacutemero de diapositiva 22
  • Nuacutemero de diapositiva 23
  • Nuacutemero de diapositiva 24
  • Nuacutemero de diapositiva 25
  • Nuacutemero de diapositiva 26
  • Nuacutemero de diapositiva 27
  • Nuacutemero de diapositiva 28
  • Nuacutemero de diapositiva 29
  • Nuacutemero de diapositiva 30
  • Nuacutemero de diapositiva 31
  • Nuacutemero de diapositiva 32
  • Nuacutemero de diapositiva 33
  • Nuacutemero de diapositiva 34
  • Nuacutemero de diapositiva 35
  • Nuacutemero de diapositiva 36
  • Nuacutemero de diapositiva 37
  • Nuacutemero de diapositiva 38
  • Nuacutemero de diapositiva 39
  • Nuacutemero de diapositiva 40
  • 47 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 42
  • Nuacutemero de diapositiva 43
  • Nuacutemero de diapositiva 44
  • Nuacutemero de diapositiva 45
  • Nuacutemero de diapositiva 46
  • Nuacutemero de diapositiva 47
  • Nuacutemero de diapositiva 48
  • Nuacutemero de diapositiva 49
  • Nuacutemero de diapositiva 50
  • Nuacutemero de diapositiva 51
  • Nuacutemero de diapositiva 52
  • Nuacutemero de diapositiva 53
  • Nuacutemero de diapositiva 54
  • 48 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 56
  • Nuacutemero de diapositiva 57
  • Nuacutemero de diapositiva 58
  • Nuacutemero de diapositiva 59
  • Nuacutemero de diapositiva 60
  • Nuacutemero de diapositiva 61
  • Nuacutemero de diapositiva 62
  • Nuacutemero de diapositiva 63
  • Nuacutemero de diapositiva 64
  • Nuacutemero de diapositiva 65
  • Nuacutemero de diapositiva 66
  • Nuacutemero de diapositiva 67
  • Nuacutemero de diapositiva 68
  • Nuacutemero de diapositiva 69
  • Nuacutemero de diapositiva 70
  • Nuacutemero de diapositiva 71
  • Nuacutemero de diapositiva 72
  • Nuacutemero de diapositiva 73
  • Nuacutemero de diapositiva 74

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

ecualizacioacuten del histograma

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

gaussiano

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

lineal 2

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

lineal

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

raiacutez cuadrada

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

lineal 0 - 255

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PORQUEacute EL REALCE

ENTENDIENDO LAS IMAacuteGENES

LOS SENSORES SON CALIBRADOS PARA ABARCAR TODO EL RANGO POSIBLE DE RADIANCIAS

PARA CADA USO EN CONCRETO ES NECESIDAD IMPERIOSA

EXPANDIR EL HISTOGRAMA Y ASIacute CUBRIR EL RANGO COMPLETO DE NIVELES DE GRIS

histograma UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CONTRASTE EN UNA IMAGEN

ENTENDIENDO LAS IMAacuteGENES

expansioacuten del contraste

los datos uacutetiles solo ocupan pequentildea parte de los niveles de gris disponibles

expandir o estirar el histograma es cambiar los valores originales de ND para utilizar mayor rango

asiacute incrementar el contraste visual de diferentes objetos

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

ejemplos visuales

sin realce lineal

frecuencial gamma

MEacuteTODOS DE EXPANSIOacuteN DEL CONTRASTE

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

lineal

expansioacuten lineal

lo maacutes simple transformacioacuten en liacutenea llevando el valor miacutenimo a 0 y maacuteximo a 255 o se usa un rango por encima y por debajo de miacutenimo y maacuteximo

EXPANSIOacuteN I

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

lineal

EXPANSIOacuteN I expansioacuten

logariacutetmico exponencial

gamma

curvas de transferencia en lugar de rectas gamma es la curvatura de dicha curva se expanden maacutes el contraste de los extremos o del centro

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

frecuencial

EXPANSIOacuteN II

frecuencial ecualizacioacuten del

histograma

cuando los valores de ND no estaacuten distribuidos uniformemente intentar en la medida de lo posible que los valores de salida de los ND tengan el mismo de pixeles con dicho valor

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CONTRASTE EN UNA IMAGEN

ENTENDIENDO LAS IMAacuteGENES

compresioacuten del contraste

Ya sabemos que el contraste mide el rango dinaacutemico de los colores en la imagen es decir una imagen muy contrastada tiene un amplio abanico de colores (o tonos de gris) desde valores muy bajos a valores muy altos Para una imagen con poco contraste los colores estaacuten muy juntos el margen dinaacutemico es pequentildeo La variacioacuten en el contraste aparece como una compresioacuten del histograma en caso de una reduccioacuten a la inversa de lo visto en el caso de una expansioacuten

Compresioacuten si el rango excede de las capacidades del sistema

Se ha de comparar el nuacutemero de niveles digitales (ND) de la imagen con los niveles de visualizacioacuten (NV) o grises del sistema Es de menos aplicacioacuten Al igual que el brillo variando el contraste se puede provocar una peacuterdida de informacioacuten de la imagen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

MAYOR APLICABILIDAD DEL REALCE

ENTENDIENDO LAS IMAacuteGENES

realce oacuteptimo

realce frecuencial

realce lineal

laquo r e a l c e oacute p t i m o raquo optimiza interpretacioacuten de la imagen

mejor esteacutetica de la imagen NO COINCIDE CON NINGUacuteN CORTE PREDETERMINADO

Y SE LOGRA INTERACTIVAMENTE EN PANTALLA Y PARA CADA BANDA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

image1png

image1png

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

COMPOSICIONES COLOR

ENTENDIENDO LAS IMAacuteGENES

formatos de composiciones

CON LA CRECIENTE APARICIOacuteN DE LOS SENSORES HIPERESPECTRALES LAS POSIBILIDADES DE COMPOSICIONES

COLOREADAS DE BANDAS SON CASI ILIMITADAS

LA ELECCIOacuteN DE LAS BANDAS PARA REALIZAR LA COMPOSICIOacuteN Y EL ORDEN DE LAS BANDAS ASIGANADAS A LOS COLORES

PRIMARIOS DEPENDERAacute DE

Sensor Aplicacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EL SEUDO - COLOR

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm formatos de

composiciones

Ya hemos afirmado de que el ojo humano es maacutes capaz de distinguir tonos de color que intensidades de brillo

Por ello el empleo del color ayuda a la interpretacioacuten incluso cuando podamos tener una sola imagen de una banda

Es aquiacute que hablamos del SEUDO COLOR por no contar con tres bandas

El seudo color implica la creacioacuten de una CLUT que asocie el ND de una sola banda a distintos componentes del R V y A APLICACIONES 1 Para tener una leyenda de colores para una img clasificada 2 Para realzar el anaacutelisis de una determinada banda y sustituir los tonos de gris por una paleta de colores

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CLUT COLOUR LOOK-UP TABLE TABLA DE CONSULTA DE COLOR

ENTENDIENDO LAS IMAacuteGENES

httpsenwikipediaorgwikiColour_look-up_table

creacioacuten del seudo color

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Filtros espaciales Concepto de kernel Filtros paso bajo y paso alto Filtros direccionales Anomaliacuteas y correccioacuten atmosfeacuterica Correcciones radiomeacutetricas Anomaliacuteas radiomeacutetricas Fallos en el sensorCorreccioacuten atmosfeacuterica concepto Meacutetodo valores miacutenimos Regresioacuten entre bandas Dispersioacuten por aerosolesCalibracioacuten Caso misioacuten Landsat

47 Interpretacioacuten de Imaacutegenes

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

conceptos de que es un filtro

espacial

FUNCIONES PARA MEJORAR ASPECTO DE LAS IMAacuteGENES

REALZAN O DISMINUYEN ELEMENTOS VISUALES DE LA IMG

BASADOS EN LA FRECUENCIA ESPACIAL

FRECUENCIAS ESPACIALES ALTAS Variaciones que se producen en pocos piacutexeles TENDENCIA GENERAL FRECUENCIAS ESPACIALES BAJAS

Variaciones que se producen en muchos piacutexeles CONTRASTES LOCALES

FILTROS Figura - CCRS CCT

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

conceptos de kernel

FILTRADO ESPACIAL Figura - CCRS CCT FILTRADO EN EL DOMINIO

ESPACIAL Lo mas comuacuten es la aplicacioacuten de una ventana deslizante con valores que son coeficientes fijos de una matriz La MATRIZ se suele llamar KERNEL o nuacutecleo del filtro

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DIGITAL

ENTENDIENDO LAS IMAacuteGENES

aplicacioacuten del kernel

3 x 3 5 x 5 7 x 7

1 1 1

1 2 1

1 1 1 matrices

LOS VALORES DEL KERNEL SE MULTIPLICAN POR EL PIacuteXEL QUE TIENEN DEBAJO Y LUEGO SE SUMAN TODOS LOS PRODUCTOS

Y PARA OBTENER EL VALOR DEL PIacuteXEL CENTRAL EN LA IMAGEN TRANSFORMADA SE LO DIVIDE POR LA SUMA DE LOS PONDERADOS O PESOS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO - PASO BAJO PASO ALTO

ENTENDIENDO LAS IMAacuteGENES

aplicacioacuten del kernel

26

FILTROS DE PASO BAJO SE FAVORECEN A LOS PIXELES

PERIFEacuteRICOS SE MINIMIZAN LAS DIFERENCIAS CON LOS VECINOS ES UNA ESPECIE DE SUAVIZADO

FILTRO DE PASO ALTO PONDERACIOacuteN DEL VALOR CENTRAL EN DETRIMENTO DE LOS CIRCUNDANTES

SE EXAGERAN DIFERENCIAS Y SE RESALTAN VARIACIONES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DE PASO BAJO

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm

simulacioacuten

IMAGEN ORIGINAL

FILTRO PASO BAJO 3x3 SE TRATA DE ASEMEJAR LOS VALORES DE ND DE UN PIXEL A LOS VALORES VECINOS EN TEacuteRMINOS VISUALES LA IMAGEN FILTRADA OFRECE PERFILES MENOS NIacuteTIDOS

FILTRO PASO BAJO 7x7 SIRVE PARA REDUCIR VARIABILIDAD ESPACIAL DE ALGUNA CATEGORIacuteA ANTES DE UN PROCESO DE CLASIFICACIOacuteN

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DE PASO ALTO

ENTENDIENDO LAS IMAacuteGENES

IMAGEN ORIGINAL

FILTRO PASO ALTO 3x3 SE TRATA DE AISLAR LOS COMPONENTES DE ALTA FRECUENCIA Y REMARCAR DIGITALMENTE CONTRASTES EN TEacuteRMINOS VISUALES LA IMAGEN FILTRADA REFUERZA LOS CONTORNOS EN AacuteREAS HOMOGEacuteNEAS

FILTRO PASO ALTO 7x7 SIRVE PARA LOGRAR REALCES DE RASGOS LINEALES COMO PUEDEN SER EN AacuteREAS URBANAS O RASGOS GEOLOacuteGICOS

simulacioacuten

httpgeograuahesrtm

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

Figura - Landsat USGS

IMAGEN ORIGINAL

FILTRO DIRECCIONAL PERMITEN IDENTIFICAR LOS RASGOS FRONTERIZOS EN LAS IMAacuteGENES COMO LOS FILTROS ANTERIORES PERO AHORA CONSIDERANDO LA ORIENTACIOacuteN

se tiene en cuenta la

orientacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

matrices con direccioacuten

NORTE

1 1 1

1 -2 1

-1 -1 -1

SUR

-1 -1 -1

1 -2 1

1 1 1

ESTE

-1 1 1

-1 -2 1

-1 1 1

OESTE

1 1 -1

1 -2 -1

1 1 -1

SURESTE

-1 -1 1

-1 -2 1

1 1 1

NOROESTE

1 1 1

1 -2 -1

1 -1 -1

SUROESTE

1 -1 -1

1 -2 -1

1 1 1

NORESTE

1 1 1

-1 -2 1

-1 -1 1

OBSERVACIOacuteN

LOS NOMBRES OBEDECEN A LA DIRECCIOacuteN DEL CONTRASTE QUE SENtildeALAN

LA DIRECCIOacuteN QUE REALZAN ES JUSTAMENTE LA PERPENDICULAR

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

48 Interpretacioacuten de Imaacutegenes

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Correcciones geomeacutetricas Georreferenciacioacuten Uso de puntos de control Fuentes de error Procesamiento geomeacutetrico Correccioacuten Transformacioacuten geomeacutetrica Calidad y ajuste Generacioacuten de la nueva imagen Transferencia de ND

INSTITUTO DE AGRIMENSURA - DEPARTAMENTO DE GEOMAacuteTICA PROF ADJUNTO GRADO 3 EDISON J ROSAS BERTON

El tratamiento de una imagen de sateacutelite Georreferenciacioacuten

(paso de un sistema de filas y columnas a un sistema de coordenadas estandard)

Para ello debe obtenerse una muestra de puntos de control de los que conozcamos tanto sus coordenadas reales como sus coordenadas en

la imagen deben ser por tanto objetos de un tamantildeo adecuado para resultar identificables tanto en la imagen como sobre el terreno el tamantildeo

dependeraacute loacutegicamente de la resolucioacuten de la imagen A partir de estos puntos de control se obtendraacuten por regresioacuten unas ecuaciones que permitiraacuten a cada par filacolumna un par de coordenadas

XY

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

GEORREFERENCIACIOacuteN

ENTENDIENDO LAS IMAacuteGENES

georreferenciacioacuten porqueacute

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PUNTOS DE CONTROL

ENTENDIENDO LAS IMAacuteGENES

uso de puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

DISTORSIONES POR LA PLATAFORMA ALTITUD DE LA OacuteRBITA ndash Cambio de escala

VELOCIDAD ndash Cambios de escala ORIENTACIOacuteN DE LOS TRES EJES ndash Distorsiones en la geometriacutea

NO SISTEMAacuteTICOS Y COMPLEJOS DE MODELAR

DISTORSIONES POR ROTACIOacuteN TERRESTRE

CONSIDERANDO ALTITUD (800 Km) y TAMANtildeO DE LA IMAGEN (180 Km)ndashEn latitudes medias tarda en adquirir unos 30 segundos la Tierra se desplaza unos 8 Km

ORIENTACIOacuteN NE SW

DISTORSIONES POR EL SENSOR ANOMALIacuteAS SENSOR y MOVIMIENTO ESPEJO ndash Barrido no lineal o cambio en intervalos

AacuteNGULO DE BARRIDO ndash Variacioacuten en el tamantildeo de pixel

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ERROR EN UNA IMAGEN ESPACIAL

ENTENDIENDO LAS IMAacuteGENES

fuentes de error

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Una correccioacuten geomeacutetrica incluye CUALQUIER CAMBIO EN LA POSICIOacuteN DE LOS PIXELES que

conforman la imagen f (c`) = f1 (c l) f (x y) f (l`) = f2 (c l) f (x y)

COORDENADAS DE IMAGEN CORREGIDA SON FUNCIOacuteN DE COORDENADAS COLUMNA Y LIacuteNEA DE LA

IMAGEN DE ENTRADA O DE LAS COORDENADAS DE MAPA AL QUE SUPERPONDREMOS LA IMAGEN

1 CON OBJETIVO DE REALIZAR UNA TRANSFORMACIOacuteN GEOMEacuteTRICA QUE PERMITA AJUSTARLA A OTRA IMAGEN REFERENCIA NORMALMENTE PARA REALIZAR ESTUDIOS MULTITEMPORALES O MOSAICOS CON EL FIN DE AMPLIAR LOS DATOS E INFORMACIOacuteN DE UNA ZONA

2 ESTO PERMITIRAacute QUE LA NUEVA IMAGEN LA PUEDA INTEGRAR CON INFORMACIOacuteN DE OTRAS FUENTES POR EJEMPLO EN UN AMBIENTE SIG

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

correccioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

asumimos que

NO SE CONOCE EL ORIGEN DE LOS ERRORES

modelamos

ECUACIONES EMPIacuteRICAS

aplicadas a un conjunto de puntos

COORDENADAS CONOCIDAS IMAGEN INPUT e IMAGEN OUTPUT

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

1 ndash SELECCIOacuteN DE REFERENCIAS 2 ndash ECUACIONES DE AJUSTE

3 ndash GENERACIOacuteN DE LA IMAGEN CORREGIDA

ES OBVIO CALIDAD DEL AJUSTE DEPENDERAacute DE PRECISIOacuteN CON QUE SE

LOCALICEN LOS PUNTOS DE CONTROL INEXACTA LOCALIZACIOacuteN

DISTRIBUCIOacuteN MUY SECTORIZADA NUacuteMERO DE PUNTOS DE CONTROL INADECUADO

ESTABLECER LOS PUNTOS DE CONTROL FASE MAS CRUCIAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

procesamiento de la correccioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Resaltamos la importancia de

NUacuteMERO LOCALIZACIOacuteN DISTRIBUCIOacuteN

Que debemos atender Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

que considero UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash Croquis ilustrativos de apoyo

TERRENO O ZONAS PLANAS CON IMG OBTENIDAS POR UN SENSOR DE ESTRECHA VISIOacuteN DE CAMPO

TRANSFORMACIOacuteN

BASADO EN ECUACIONES LINEALES SIMPLES

TERRENO ESCARPADO O RUGOSO O UTILIZACIOacuteN DE IMG OBTENIDAS EN UN SENSOR CON VARIACIONES EN LAS CONDICIONES DE OBSERVACIOacuteN

TRANSFORMACIOacuteN MAacuteS COMPLEJA

POLINOMIOS DE SEGUNDO O TERCER ORDEN

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Desde un punto de vista matemaacutetico

GRADO 1 ndash 3 puntos GRADO 2 ndash 6 puntos GRADO 3 ndash 10 puntos

Seguacuten mis objetivos del trabajo no es conveniente utilizar esos miacutenimos

14 a 20 puntos (Landsat 5 MMS ndash seguacuten Bernstein R y D G Ferneyhough Jr 1978)

100 a 120 puntos (Landsat 7 TM ndash seguacuten el National Remote Sensing Center de Inglaterra)

10 o 12 puntos (Pequentildea zona de 512 x 512 pixeles ndash seguacuten Emilio Chuvieco 2010)

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

matemaacuteticamente UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

QUE DEBEMOS DE CONSIDERAR EN CUANTO A LA LOCALIZACIOacuteN

CLARAMENTE IDENTIFICABLES EN IMAGEN Y MAPA RASGOS HUMANOS DEL PAISAJE NO SUJETOS A DINAMISMO TEMPORAL

CRUCE DE CARRETERAS

CAMINOS VIacuteA FEacuteRREAS

NO CONSIDERAR ELEMENTOS ASOCIADOS AL AGUA

COSTA CURSOS DE AGUA

EMBALSES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

localizacioacuten TCP UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la correccioacuten digital de la geometriacutea de una imagen se realiza a partir de establecer unas funciones que relacionen las coordenadas de la imagen

y las coordenadas del mapa

EJ CASO MAS SIMPLE REGRESIOacuteN LINEAL MUacuteLTIPLE

ci = a0 + a1 Xi + a2 Yi li = b0 + b1 Xi + b2 Yi

EN LA PRAacuteCTICA BASTA UNA FUNCIOacuteN LINEAL PARA ABORDAR UN GRAN NUacuteMERO DE

TRANSFORMACIONES Y SON SUFICIENTES SI LAS IMAacuteGENES NO SON MUY GRANDES ANTE LA NECESIDAD DE OTRAS TRANSFORMACIONES SE UTILIZAN DE 2ordm y 3ordm ORDEN CONSIDERANDO ALTERACIONES GEOMEacuteTRICAS NO LINEALES (FUNCIONES QUE NO SE DEFINEN EN UN PLANO

CON EJES LINEALES SINO QUE SUPERFICIES CON EJES CURVILIacuteNEOS)

LOS COEFICIENTES DE LAS FUNCIONES DE TRANSFORMACIOacuteN SE CALCULAN A PARTIR DE UN AJUSTE POR MIacuteNIMOS CUADRADOS

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

funciones de transformacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash ejemplos de funciones de transformacioacuten geomeacutetrica con el efecto causado

TRASLACIOacuteN

CAMBIO DE ESCALA

INCLINACIOacuteN

PERSPECTIVA

ROTACIOacuteN

x = a0 + xacute y = b0 + yacute

x = xacute + a2 yacute y = yacute

x = a1 xacute y = b1 yacute

x = a3xacute yacute y = yacute

x = a4xacute + a5yacute y = b4xacute + b5yacute a4 = b5 = cos Ɵ a5 = -b4 = sen Ɵ

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

transformacioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

comparacioacuten coordenadas reales y las estimadas por la regresioacuten

el promedio de los residuales se conoce como error medio cuadraacutetico

la calidad del ajuste lo da el RMSE (root mean squared error)

(error medio cuadraacutetico)

RMSE es la raiacutez cuadrada de las desviaciones entre los valores reales y los

calculados

RMSE para cada punto es la raiacutez de los residuales al cuadrado que es la distancia entre ellos

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

RMSE UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la praacutectica hace que fijemos una TOLERANCIA y es que si ese promedio supera un valor fijado previamente haya que rever

el valor fijado previamente generalmente es igual o menor a un PIXEL

una correcta verificacioacuten

NECESITA introducir PUNTOS de VERIFICACIOacuteN

que no hayan sido introducidos en el ajuste

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

tolerancias fijadas

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

traducimos coordenadas de un mapa a la imagen tambieacuten necesitamos a la nueva imagen

TRANSFERIR LOS VALORES DIGITALES no olvidar que lo que queremos es generar una nueva imagen que se

corresponda con las coordenadas y las funciones de ajuste

NO ORIGINAN NUEVA IMAGEN solo colocan a los pixeles en la posicioacuten correcta

en criollo las funciones de transformacioacuten generan una nueva matriz bien posicionada pero vaciacutea

DEBEMOS LLENAR LA MATRIZ problema maacutes complejo de lo que puede

pensarse Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

generacioacuten de la nueva imaacutegen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

cada pixel de la imagen corregida se corresponderiacutea con un pixel de la imagen original

LEJOS DE ESE IDEAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo I

vecino maacutes proacuteximo ( nearest neighbour )

a cada celda de la imagen corregida se asigna el ND del pixel maacutes cercano de la

imagen original

SOLUCIOacuteN RAacutePIDA MENOR DISTORSIOacuteN DE LOS ND

INTRODUCE RASGOS LINEALES QUE DISTORSIONAN

CORRECCIOacuteN DE IMAacuteGENES CLASIFICADAS

CONSERVAR LA RADIOMETRIacuteA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo II

interpolacioacuten bilineal ( bilinear interpolation )

supone promediar los ND de los cuatro pixeles mas cercanos

con ponderacioacuten seguacuten la distancia pixeles originalcorregido

REDUCE EL EFECTO DE DISTORSIOacuteN EN RASGOS LINEALES

TIENDE A DIFUMINAR LOS CONTRASTES ESPACIALES

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE IMAacuteGENES RECTIFICADAS MAPAS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo III

convolusioacuten cuacutebica ( cubic convolution )

supone considerar los ND de los 16 pixeles mas proacuteximos

media ponderada seguacuten la distancia pixeles originalcorregido

EFECTO VISUAL MAS CORRECTO

VOLUacuteMEN DE CAacuteLCULO MUY SUPERIOR TENDENCIA A AGUDIZAR BORDES DE LA IMAGEN

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE ORTOIMAacuteGENES IMPRESIONES DE CALIDAD

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

  • Nuacutemero de diapositiva 1
  • Nuacutemero de diapositiva 2
  • MOacuteDULO IV
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 5
  • Nuacutemero de diapositiva 6
  • Nuacutemero de diapositiva 7
  • Nuacutemero de diapositiva 8
  • Nuacutemero de diapositiva 9
  • Nuacutemero de diapositiva 10
  • Nuacutemero de diapositiva 11
  • Nuacutemero de diapositiva 12
  • Nuacutemero de diapositiva 13
  • Nuacutemero de diapositiva 14
  • Nuacutemero de diapositiva 15
  • Nuacutemero de diapositiva 16
  • Nuacutemero de diapositiva 17
  • Nuacutemero de diapositiva 18
  • Nuacutemero de diapositiva 19
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 21
  • Nuacutemero de diapositiva 22
  • Nuacutemero de diapositiva 23
  • Nuacutemero de diapositiva 24
  • Nuacutemero de diapositiva 25
  • Nuacutemero de diapositiva 26
  • Nuacutemero de diapositiva 27
  • Nuacutemero de diapositiva 28
  • Nuacutemero de diapositiva 29
  • Nuacutemero de diapositiva 30
  • Nuacutemero de diapositiva 31
  • Nuacutemero de diapositiva 32
  • Nuacutemero de diapositiva 33
  • Nuacutemero de diapositiva 34
  • Nuacutemero de diapositiva 35
  • Nuacutemero de diapositiva 36
  • Nuacutemero de diapositiva 37
  • Nuacutemero de diapositiva 38
  • Nuacutemero de diapositiva 39
  • Nuacutemero de diapositiva 40
  • 47 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 42
  • Nuacutemero de diapositiva 43
  • Nuacutemero de diapositiva 44
  • Nuacutemero de diapositiva 45
  • Nuacutemero de diapositiva 46
  • Nuacutemero de diapositiva 47
  • Nuacutemero de diapositiva 48
  • Nuacutemero de diapositiva 49
  • Nuacutemero de diapositiva 50
  • Nuacutemero de diapositiva 51
  • Nuacutemero de diapositiva 52
  • Nuacutemero de diapositiva 53
  • Nuacutemero de diapositiva 54
  • 48 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 56
  • Nuacutemero de diapositiva 57
  • Nuacutemero de diapositiva 58
  • Nuacutemero de diapositiva 59
  • Nuacutemero de diapositiva 60
  • Nuacutemero de diapositiva 61
  • Nuacutemero de diapositiva 62
  • Nuacutemero de diapositiva 63
  • Nuacutemero de diapositiva 64
  • Nuacutemero de diapositiva 65
  • Nuacutemero de diapositiva 66
  • Nuacutemero de diapositiva 67
  • Nuacutemero de diapositiva 68
  • Nuacutemero de diapositiva 69
  • Nuacutemero de diapositiva 70
  • Nuacutemero de diapositiva 71
  • Nuacutemero de diapositiva 72
  • Nuacutemero de diapositiva 73
  • Nuacutemero de diapositiva 74

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

gaussiano

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

lineal 2

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

lineal

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

raiacutez cuadrada

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

lineal 0 - 255

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PORQUEacute EL REALCE

ENTENDIENDO LAS IMAacuteGENES

LOS SENSORES SON CALIBRADOS PARA ABARCAR TODO EL RANGO POSIBLE DE RADIANCIAS

PARA CADA USO EN CONCRETO ES NECESIDAD IMPERIOSA

EXPANDIR EL HISTOGRAMA Y ASIacute CUBRIR EL RANGO COMPLETO DE NIVELES DE GRIS

histograma UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CONTRASTE EN UNA IMAGEN

ENTENDIENDO LAS IMAacuteGENES

expansioacuten del contraste

los datos uacutetiles solo ocupan pequentildea parte de los niveles de gris disponibles

expandir o estirar el histograma es cambiar los valores originales de ND para utilizar mayor rango

asiacute incrementar el contraste visual de diferentes objetos

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

ejemplos visuales

sin realce lineal

frecuencial gamma

MEacuteTODOS DE EXPANSIOacuteN DEL CONTRASTE

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

lineal

expansioacuten lineal

lo maacutes simple transformacioacuten en liacutenea llevando el valor miacutenimo a 0 y maacuteximo a 255 o se usa un rango por encima y por debajo de miacutenimo y maacuteximo

EXPANSIOacuteN I

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

lineal

EXPANSIOacuteN I expansioacuten

logariacutetmico exponencial

gamma

curvas de transferencia en lugar de rectas gamma es la curvatura de dicha curva se expanden maacutes el contraste de los extremos o del centro

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

frecuencial

EXPANSIOacuteN II

frecuencial ecualizacioacuten del

histograma

cuando los valores de ND no estaacuten distribuidos uniformemente intentar en la medida de lo posible que los valores de salida de los ND tengan el mismo de pixeles con dicho valor

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CONTRASTE EN UNA IMAGEN

ENTENDIENDO LAS IMAacuteGENES

compresioacuten del contraste

Ya sabemos que el contraste mide el rango dinaacutemico de los colores en la imagen es decir una imagen muy contrastada tiene un amplio abanico de colores (o tonos de gris) desde valores muy bajos a valores muy altos Para una imagen con poco contraste los colores estaacuten muy juntos el margen dinaacutemico es pequentildeo La variacioacuten en el contraste aparece como una compresioacuten del histograma en caso de una reduccioacuten a la inversa de lo visto en el caso de una expansioacuten

Compresioacuten si el rango excede de las capacidades del sistema

Se ha de comparar el nuacutemero de niveles digitales (ND) de la imagen con los niveles de visualizacioacuten (NV) o grises del sistema Es de menos aplicacioacuten Al igual que el brillo variando el contraste se puede provocar una peacuterdida de informacioacuten de la imagen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

MAYOR APLICABILIDAD DEL REALCE

ENTENDIENDO LAS IMAacuteGENES

realce oacuteptimo

realce frecuencial

realce lineal

laquo r e a l c e oacute p t i m o raquo optimiza interpretacioacuten de la imagen

mejor esteacutetica de la imagen NO COINCIDE CON NINGUacuteN CORTE PREDETERMINADO

Y SE LOGRA INTERACTIVAMENTE EN PANTALLA Y PARA CADA BANDA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

image1png

image1png

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

COMPOSICIONES COLOR

ENTENDIENDO LAS IMAacuteGENES

formatos de composiciones

CON LA CRECIENTE APARICIOacuteN DE LOS SENSORES HIPERESPECTRALES LAS POSIBILIDADES DE COMPOSICIONES

COLOREADAS DE BANDAS SON CASI ILIMITADAS

LA ELECCIOacuteN DE LAS BANDAS PARA REALIZAR LA COMPOSICIOacuteN Y EL ORDEN DE LAS BANDAS ASIGANADAS A LOS COLORES

PRIMARIOS DEPENDERAacute DE

Sensor Aplicacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EL SEUDO - COLOR

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm formatos de

composiciones

Ya hemos afirmado de que el ojo humano es maacutes capaz de distinguir tonos de color que intensidades de brillo

Por ello el empleo del color ayuda a la interpretacioacuten incluso cuando podamos tener una sola imagen de una banda

Es aquiacute que hablamos del SEUDO COLOR por no contar con tres bandas

El seudo color implica la creacioacuten de una CLUT que asocie el ND de una sola banda a distintos componentes del R V y A APLICACIONES 1 Para tener una leyenda de colores para una img clasificada 2 Para realzar el anaacutelisis de una determinada banda y sustituir los tonos de gris por una paleta de colores

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CLUT COLOUR LOOK-UP TABLE TABLA DE CONSULTA DE COLOR

ENTENDIENDO LAS IMAacuteGENES

httpsenwikipediaorgwikiColour_look-up_table

creacioacuten del seudo color

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Filtros espaciales Concepto de kernel Filtros paso bajo y paso alto Filtros direccionales Anomaliacuteas y correccioacuten atmosfeacuterica Correcciones radiomeacutetricas Anomaliacuteas radiomeacutetricas Fallos en el sensorCorreccioacuten atmosfeacuterica concepto Meacutetodo valores miacutenimos Regresioacuten entre bandas Dispersioacuten por aerosolesCalibracioacuten Caso misioacuten Landsat

47 Interpretacioacuten de Imaacutegenes

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

conceptos de que es un filtro

espacial

FUNCIONES PARA MEJORAR ASPECTO DE LAS IMAacuteGENES

REALZAN O DISMINUYEN ELEMENTOS VISUALES DE LA IMG

BASADOS EN LA FRECUENCIA ESPACIAL

FRECUENCIAS ESPACIALES ALTAS Variaciones que se producen en pocos piacutexeles TENDENCIA GENERAL FRECUENCIAS ESPACIALES BAJAS

Variaciones que se producen en muchos piacutexeles CONTRASTES LOCALES

FILTROS Figura - CCRS CCT

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

conceptos de kernel

FILTRADO ESPACIAL Figura - CCRS CCT FILTRADO EN EL DOMINIO

ESPACIAL Lo mas comuacuten es la aplicacioacuten de una ventana deslizante con valores que son coeficientes fijos de una matriz La MATRIZ se suele llamar KERNEL o nuacutecleo del filtro

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DIGITAL

ENTENDIENDO LAS IMAacuteGENES

aplicacioacuten del kernel

3 x 3 5 x 5 7 x 7

1 1 1

1 2 1

1 1 1 matrices

LOS VALORES DEL KERNEL SE MULTIPLICAN POR EL PIacuteXEL QUE TIENEN DEBAJO Y LUEGO SE SUMAN TODOS LOS PRODUCTOS

Y PARA OBTENER EL VALOR DEL PIacuteXEL CENTRAL EN LA IMAGEN TRANSFORMADA SE LO DIVIDE POR LA SUMA DE LOS PONDERADOS O PESOS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO - PASO BAJO PASO ALTO

ENTENDIENDO LAS IMAacuteGENES

aplicacioacuten del kernel

26

FILTROS DE PASO BAJO SE FAVORECEN A LOS PIXELES

PERIFEacuteRICOS SE MINIMIZAN LAS DIFERENCIAS CON LOS VECINOS ES UNA ESPECIE DE SUAVIZADO

FILTRO DE PASO ALTO PONDERACIOacuteN DEL VALOR CENTRAL EN DETRIMENTO DE LOS CIRCUNDANTES

SE EXAGERAN DIFERENCIAS Y SE RESALTAN VARIACIONES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DE PASO BAJO

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm

simulacioacuten

IMAGEN ORIGINAL

FILTRO PASO BAJO 3x3 SE TRATA DE ASEMEJAR LOS VALORES DE ND DE UN PIXEL A LOS VALORES VECINOS EN TEacuteRMINOS VISUALES LA IMAGEN FILTRADA OFRECE PERFILES MENOS NIacuteTIDOS

FILTRO PASO BAJO 7x7 SIRVE PARA REDUCIR VARIABILIDAD ESPACIAL DE ALGUNA CATEGORIacuteA ANTES DE UN PROCESO DE CLASIFICACIOacuteN

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DE PASO ALTO

ENTENDIENDO LAS IMAacuteGENES

IMAGEN ORIGINAL

FILTRO PASO ALTO 3x3 SE TRATA DE AISLAR LOS COMPONENTES DE ALTA FRECUENCIA Y REMARCAR DIGITALMENTE CONTRASTES EN TEacuteRMINOS VISUALES LA IMAGEN FILTRADA REFUERZA LOS CONTORNOS EN AacuteREAS HOMOGEacuteNEAS

FILTRO PASO ALTO 7x7 SIRVE PARA LOGRAR REALCES DE RASGOS LINEALES COMO PUEDEN SER EN AacuteREAS URBANAS O RASGOS GEOLOacuteGICOS

simulacioacuten

httpgeograuahesrtm

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

Figura - Landsat USGS

IMAGEN ORIGINAL

FILTRO DIRECCIONAL PERMITEN IDENTIFICAR LOS RASGOS FRONTERIZOS EN LAS IMAacuteGENES COMO LOS FILTROS ANTERIORES PERO AHORA CONSIDERANDO LA ORIENTACIOacuteN

se tiene en cuenta la

orientacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

matrices con direccioacuten

NORTE

1 1 1

1 -2 1

-1 -1 -1

SUR

-1 -1 -1

1 -2 1

1 1 1

ESTE

-1 1 1

-1 -2 1

-1 1 1

OESTE

1 1 -1

1 -2 -1

1 1 -1

SURESTE

-1 -1 1

-1 -2 1

1 1 1

NOROESTE

1 1 1

1 -2 -1

1 -1 -1

SUROESTE

1 -1 -1

1 -2 -1

1 1 1

NORESTE

1 1 1

-1 -2 1

-1 -1 1

OBSERVACIOacuteN

LOS NOMBRES OBEDECEN A LA DIRECCIOacuteN DEL CONTRASTE QUE SENtildeALAN

LA DIRECCIOacuteN QUE REALZAN ES JUSTAMENTE LA PERPENDICULAR

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

48 Interpretacioacuten de Imaacutegenes

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Correcciones geomeacutetricas Georreferenciacioacuten Uso de puntos de control Fuentes de error Procesamiento geomeacutetrico Correccioacuten Transformacioacuten geomeacutetrica Calidad y ajuste Generacioacuten de la nueva imagen Transferencia de ND

INSTITUTO DE AGRIMENSURA - DEPARTAMENTO DE GEOMAacuteTICA PROF ADJUNTO GRADO 3 EDISON J ROSAS BERTON

El tratamiento de una imagen de sateacutelite Georreferenciacioacuten

(paso de un sistema de filas y columnas a un sistema de coordenadas estandard)

Para ello debe obtenerse una muestra de puntos de control de los que conozcamos tanto sus coordenadas reales como sus coordenadas en

la imagen deben ser por tanto objetos de un tamantildeo adecuado para resultar identificables tanto en la imagen como sobre el terreno el tamantildeo

dependeraacute loacutegicamente de la resolucioacuten de la imagen A partir de estos puntos de control se obtendraacuten por regresioacuten unas ecuaciones que permitiraacuten a cada par filacolumna un par de coordenadas

XY

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

GEORREFERENCIACIOacuteN

ENTENDIENDO LAS IMAacuteGENES

georreferenciacioacuten porqueacute

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PUNTOS DE CONTROL

ENTENDIENDO LAS IMAacuteGENES

uso de puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

DISTORSIONES POR LA PLATAFORMA ALTITUD DE LA OacuteRBITA ndash Cambio de escala

VELOCIDAD ndash Cambios de escala ORIENTACIOacuteN DE LOS TRES EJES ndash Distorsiones en la geometriacutea

NO SISTEMAacuteTICOS Y COMPLEJOS DE MODELAR

DISTORSIONES POR ROTACIOacuteN TERRESTRE

CONSIDERANDO ALTITUD (800 Km) y TAMANtildeO DE LA IMAGEN (180 Km)ndashEn latitudes medias tarda en adquirir unos 30 segundos la Tierra se desplaza unos 8 Km

ORIENTACIOacuteN NE SW

DISTORSIONES POR EL SENSOR ANOMALIacuteAS SENSOR y MOVIMIENTO ESPEJO ndash Barrido no lineal o cambio en intervalos

AacuteNGULO DE BARRIDO ndash Variacioacuten en el tamantildeo de pixel

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ERROR EN UNA IMAGEN ESPACIAL

ENTENDIENDO LAS IMAacuteGENES

fuentes de error

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Una correccioacuten geomeacutetrica incluye CUALQUIER CAMBIO EN LA POSICIOacuteN DE LOS PIXELES que

conforman la imagen f (c`) = f1 (c l) f (x y) f (l`) = f2 (c l) f (x y)

COORDENADAS DE IMAGEN CORREGIDA SON FUNCIOacuteN DE COORDENADAS COLUMNA Y LIacuteNEA DE LA

IMAGEN DE ENTRADA O DE LAS COORDENADAS DE MAPA AL QUE SUPERPONDREMOS LA IMAGEN

1 CON OBJETIVO DE REALIZAR UNA TRANSFORMACIOacuteN GEOMEacuteTRICA QUE PERMITA AJUSTARLA A OTRA IMAGEN REFERENCIA NORMALMENTE PARA REALIZAR ESTUDIOS MULTITEMPORALES O MOSAICOS CON EL FIN DE AMPLIAR LOS DATOS E INFORMACIOacuteN DE UNA ZONA

2 ESTO PERMITIRAacute QUE LA NUEVA IMAGEN LA PUEDA INTEGRAR CON INFORMACIOacuteN DE OTRAS FUENTES POR EJEMPLO EN UN AMBIENTE SIG

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

correccioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

asumimos que

NO SE CONOCE EL ORIGEN DE LOS ERRORES

modelamos

ECUACIONES EMPIacuteRICAS

aplicadas a un conjunto de puntos

COORDENADAS CONOCIDAS IMAGEN INPUT e IMAGEN OUTPUT

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

1 ndash SELECCIOacuteN DE REFERENCIAS 2 ndash ECUACIONES DE AJUSTE

3 ndash GENERACIOacuteN DE LA IMAGEN CORREGIDA

ES OBVIO CALIDAD DEL AJUSTE DEPENDERAacute DE PRECISIOacuteN CON QUE SE

LOCALICEN LOS PUNTOS DE CONTROL INEXACTA LOCALIZACIOacuteN

DISTRIBUCIOacuteN MUY SECTORIZADA NUacuteMERO DE PUNTOS DE CONTROL INADECUADO

ESTABLECER LOS PUNTOS DE CONTROL FASE MAS CRUCIAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

procesamiento de la correccioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Resaltamos la importancia de

NUacuteMERO LOCALIZACIOacuteN DISTRIBUCIOacuteN

Que debemos atender Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

que considero UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash Croquis ilustrativos de apoyo

TERRENO O ZONAS PLANAS CON IMG OBTENIDAS POR UN SENSOR DE ESTRECHA VISIOacuteN DE CAMPO

TRANSFORMACIOacuteN

BASADO EN ECUACIONES LINEALES SIMPLES

TERRENO ESCARPADO O RUGOSO O UTILIZACIOacuteN DE IMG OBTENIDAS EN UN SENSOR CON VARIACIONES EN LAS CONDICIONES DE OBSERVACIOacuteN

TRANSFORMACIOacuteN MAacuteS COMPLEJA

POLINOMIOS DE SEGUNDO O TERCER ORDEN

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Desde un punto de vista matemaacutetico

GRADO 1 ndash 3 puntos GRADO 2 ndash 6 puntos GRADO 3 ndash 10 puntos

Seguacuten mis objetivos del trabajo no es conveniente utilizar esos miacutenimos

14 a 20 puntos (Landsat 5 MMS ndash seguacuten Bernstein R y D G Ferneyhough Jr 1978)

100 a 120 puntos (Landsat 7 TM ndash seguacuten el National Remote Sensing Center de Inglaterra)

10 o 12 puntos (Pequentildea zona de 512 x 512 pixeles ndash seguacuten Emilio Chuvieco 2010)

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

matemaacuteticamente UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

QUE DEBEMOS DE CONSIDERAR EN CUANTO A LA LOCALIZACIOacuteN

CLARAMENTE IDENTIFICABLES EN IMAGEN Y MAPA RASGOS HUMANOS DEL PAISAJE NO SUJETOS A DINAMISMO TEMPORAL

CRUCE DE CARRETERAS

CAMINOS VIacuteA FEacuteRREAS

NO CONSIDERAR ELEMENTOS ASOCIADOS AL AGUA

COSTA CURSOS DE AGUA

EMBALSES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

localizacioacuten TCP UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la correccioacuten digital de la geometriacutea de una imagen se realiza a partir de establecer unas funciones que relacionen las coordenadas de la imagen

y las coordenadas del mapa

EJ CASO MAS SIMPLE REGRESIOacuteN LINEAL MUacuteLTIPLE

ci = a0 + a1 Xi + a2 Yi li = b0 + b1 Xi + b2 Yi

EN LA PRAacuteCTICA BASTA UNA FUNCIOacuteN LINEAL PARA ABORDAR UN GRAN NUacuteMERO DE

TRANSFORMACIONES Y SON SUFICIENTES SI LAS IMAacuteGENES NO SON MUY GRANDES ANTE LA NECESIDAD DE OTRAS TRANSFORMACIONES SE UTILIZAN DE 2ordm y 3ordm ORDEN CONSIDERANDO ALTERACIONES GEOMEacuteTRICAS NO LINEALES (FUNCIONES QUE NO SE DEFINEN EN UN PLANO

CON EJES LINEALES SINO QUE SUPERFICIES CON EJES CURVILIacuteNEOS)

LOS COEFICIENTES DE LAS FUNCIONES DE TRANSFORMACIOacuteN SE CALCULAN A PARTIR DE UN AJUSTE POR MIacuteNIMOS CUADRADOS

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

funciones de transformacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash ejemplos de funciones de transformacioacuten geomeacutetrica con el efecto causado

TRASLACIOacuteN

CAMBIO DE ESCALA

INCLINACIOacuteN

PERSPECTIVA

ROTACIOacuteN

x = a0 + xacute y = b0 + yacute

x = xacute + a2 yacute y = yacute

x = a1 xacute y = b1 yacute

x = a3xacute yacute y = yacute

x = a4xacute + a5yacute y = b4xacute + b5yacute a4 = b5 = cos Ɵ a5 = -b4 = sen Ɵ

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

transformacioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

comparacioacuten coordenadas reales y las estimadas por la regresioacuten

el promedio de los residuales se conoce como error medio cuadraacutetico

la calidad del ajuste lo da el RMSE (root mean squared error)

(error medio cuadraacutetico)

RMSE es la raiacutez cuadrada de las desviaciones entre los valores reales y los

calculados

RMSE para cada punto es la raiacutez de los residuales al cuadrado que es la distancia entre ellos

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

RMSE UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la praacutectica hace que fijemos una TOLERANCIA y es que si ese promedio supera un valor fijado previamente haya que rever

el valor fijado previamente generalmente es igual o menor a un PIXEL

una correcta verificacioacuten

NECESITA introducir PUNTOS de VERIFICACIOacuteN

que no hayan sido introducidos en el ajuste

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

tolerancias fijadas

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

traducimos coordenadas de un mapa a la imagen tambieacuten necesitamos a la nueva imagen

TRANSFERIR LOS VALORES DIGITALES no olvidar que lo que queremos es generar una nueva imagen que se

corresponda con las coordenadas y las funciones de ajuste

NO ORIGINAN NUEVA IMAGEN solo colocan a los pixeles en la posicioacuten correcta

en criollo las funciones de transformacioacuten generan una nueva matriz bien posicionada pero vaciacutea

DEBEMOS LLENAR LA MATRIZ problema maacutes complejo de lo que puede

pensarse Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

generacioacuten de la nueva imaacutegen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

cada pixel de la imagen corregida se corresponderiacutea con un pixel de la imagen original

LEJOS DE ESE IDEAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo I

vecino maacutes proacuteximo ( nearest neighbour )

a cada celda de la imagen corregida se asigna el ND del pixel maacutes cercano de la

imagen original

SOLUCIOacuteN RAacutePIDA MENOR DISTORSIOacuteN DE LOS ND

INTRODUCE RASGOS LINEALES QUE DISTORSIONAN

CORRECCIOacuteN DE IMAacuteGENES CLASIFICADAS

CONSERVAR LA RADIOMETRIacuteA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo II

interpolacioacuten bilineal ( bilinear interpolation )

supone promediar los ND de los cuatro pixeles mas cercanos

con ponderacioacuten seguacuten la distancia pixeles originalcorregido

REDUCE EL EFECTO DE DISTORSIOacuteN EN RASGOS LINEALES

TIENDE A DIFUMINAR LOS CONTRASTES ESPACIALES

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE IMAacuteGENES RECTIFICADAS MAPAS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo III

convolusioacuten cuacutebica ( cubic convolution )

supone considerar los ND de los 16 pixeles mas proacuteximos

media ponderada seguacuten la distancia pixeles originalcorregido

EFECTO VISUAL MAS CORRECTO

VOLUacuteMEN DE CAacuteLCULO MUY SUPERIOR TENDENCIA A AGUDIZAR BORDES DE LA IMAGEN

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE ORTOIMAacuteGENES IMPRESIONES DE CALIDAD

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

  • Nuacutemero de diapositiva 1
  • Nuacutemero de diapositiva 2
  • MOacuteDULO IV
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 5
  • Nuacutemero de diapositiva 6
  • Nuacutemero de diapositiva 7
  • Nuacutemero de diapositiva 8
  • Nuacutemero de diapositiva 9
  • Nuacutemero de diapositiva 10
  • Nuacutemero de diapositiva 11
  • Nuacutemero de diapositiva 12
  • Nuacutemero de diapositiva 13
  • Nuacutemero de diapositiva 14
  • Nuacutemero de diapositiva 15
  • Nuacutemero de diapositiva 16
  • Nuacutemero de diapositiva 17
  • Nuacutemero de diapositiva 18
  • Nuacutemero de diapositiva 19
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 21
  • Nuacutemero de diapositiva 22
  • Nuacutemero de diapositiva 23
  • Nuacutemero de diapositiva 24
  • Nuacutemero de diapositiva 25
  • Nuacutemero de diapositiva 26
  • Nuacutemero de diapositiva 27
  • Nuacutemero de diapositiva 28
  • Nuacutemero de diapositiva 29
  • Nuacutemero de diapositiva 30
  • Nuacutemero de diapositiva 31
  • Nuacutemero de diapositiva 32
  • Nuacutemero de diapositiva 33
  • Nuacutemero de diapositiva 34
  • Nuacutemero de diapositiva 35
  • Nuacutemero de diapositiva 36
  • Nuacutemero de diapositiva 37
  • Nuacutemero de diapositiva 38
  • Nuacutemero de diapositiva 39
  • Nuacutemero de diapositiva 40
  • 47 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 42
  • Nuacutemero de diapositiva 43
  • Nuacutemero de diapositiva 44
  • Nuacutemero de diapositiva 45
  • Nuacutemero de diapositiva 46
  • Nuacutemero de diapositiva 47
  • Nuacutemero de diapositiva 48
  • Nuacutemero de diapositiva 49
  • Nuacutemero de diapositiva 50
  • Nuacutemero de diapositiva 51
  • Nuacutemero de diapositiva 52
  • Nuacutemero de diapositiva 53
  • Nuacutemero de diapositiva 54
  • 48 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 56
  • Nuacutemero de diapositiva 57
  • Nuacutemero de diapositiva 58
  • Nuacutemero de diapositiva 59
  • Nuacutemero de diapositiva 60
  • Nuacutemero de diapositiva 61
  • Nuacutemero de diapositiva 62
  • Nuacutemero de diapositiva 63
  • Nuacutemero de diapositiva 64
  • Nuacutemero de diapositiva 65
  • Nuacutemero de diapositiva 66
  • Nuacutemero de diapositiva 67
  • Nuacutemero de diapositiva 68
  • Nuacutemero de diapositiva 69
  • Nuacutemero de diapositiva 70
  • Nuacutemero de diapositiva 71
  • Nuacutemero de diapositiva 72
  • Nuacutemero de diapositiva 73
  • Nuacutemero de diapositiva 74

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

lineal 2

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

lineal

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

raiacutez cuadrada

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

lineal 0 - 255

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PORQUEacute EL REALCE

ENTENDIENDO LAS IMAacuteGENES

LOS SENSORES SON CALIBRADOS PARA ABARCAR TODO EL RANGO POSIBLE DE RADIANCIAS

PARA CADA USO EN CONCRETO ES NECESIDAD IMPERIOSA

EXPANDIR EL HISTOGRAMA Y ASIacute CUBRIR EL RANGO COMPLETO DE NIVELES DE GRIS

histograma UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CONTRASTE EN UNA IMAGEN

ENTENDIENDO LAS IMAacuteGENES

expansioacuten del contraste

los datos uacutetiles solo ocupan pequentildea parte de los niveles de gris disponibles

expandir o estirar el histograma es cambiar los valores originales de ND para utilizar mayor rango

asiacute incrementar el contraste visual de diferentes objetos

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

ejemplos visuales

sin realce lineal

frecuencial gamma

MEacuteTODOS DE EXPANSIOacuteN DEL CONTRASTE

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

lineal

expansioacuten lineal

lo maacutes simple transformacioacuten en liacutenea llevando el valor miacutenimo a 0 y maacuteximo a 255 o se usa un rango por encima y por debajo de miacutenimo y maacuteximo

EXPANSIOacuteN I

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

lineal

EXPANSIOacuteN I expansioacuten

logariacutetmico exponencial

gamma

curvas de transferencia en lugar de rectas gamma es la curvatura de dicha curva se expanden maacutes el contraste de los extremos o del centro

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

frecuencial

EXPANSIOacuteN II

frecuencial ecualizacioacuten del

histograma

cuando los valores de ND no estaacuten distribuidos uniformemente intentar en la medida de lo posible que los valores de salida de los ND tengan el mismo de pixeles con dicho valor

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CONTRASTE EN UNA IMAGEN

ENTENDIENDO LAS IMAacuteGENES

compresioacuten del contraste

Ya sabemos que el contraste mide el rango dinaacutemico de los colores en la imagen es decir una imagen muy contrastada tiene un amplio abanico de colores (o tonos de gris) desde valores muy bajos a valores muy altos Para una imagen con poco contraste los colores estaacuten muy juntos el margen dinaacutemico es pequentildeo La variacioacuten en el contraste aparece como una compresioacuten del histograma en caso de una reduccioacuten a la inversa de lo visto en el caso de una expansioacuten

Compresioacuten si el rango excede de las capacidades del sistema

Se ha de comparar el nuacutemero de niveles digitales (ND) de la imagen con los niveles de visualizacioacuten (NV) o grises del sistema Es de menos aplicacioacuten Al igual que el brillo variando el contraste se puede provocar una peacuterdida de informacioacuten de la imagen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

MAYOR APLICABILIDAD DEL REALCE

ENTENDIENDO LAS IMAacuteGENES

realce oacuteptimo

realce frecuencial

realce lineal

laquo r e a l c e oacute p t i m o raquo optimiza interpretacioacuten de la imagen

mejor esteacutetica de la imagen NO COINCIDE CON NINGUacuteN CORTE PREDETERMINADO

Y SE LOGRA INTERACTIVAMENTE EN PANTALLA Y PARA CADA BANDA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

image1png

image1png

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

COMPOSICIONES COLOR

ENTENDIENDO LAS IMAacuteGENES

formatos de composiciones

CON LA CRECIENTE APARICIOacuteN DE LOS SENSORES HIPERESPECTRALES LAS POSIBILIDADES DE COMPOSICIONES

COLOREADAS DE BANDAS SON CASI ILIMITADAS

LA ELECCIOacuteN DE LAS BANDAS PARA REALIZAR LA COMPOSICIOacuteN Y EL ORDEN DE LAS BANDAS ASIGANADAS A LOS COLORES

PRIMARIOS DEPENDERAacute DE

Sensor Aplicacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EL SEUDO - COLOR

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm formatos de

composiciones

Ya hemos afirmado de que el ojo humano es maacutes capaz de distinguir tonos de color que intensidades de brillo

Por ello el empleo del color ayuda a la interpretacioacuten incluso cuando podamos tener una sola imagen de una banda

Es aquiacute que hablamos del SEUDO COLOR por no contar con tres bandas

El seudo color implica la creacioacuten de una CLUT que asocie el ND de una sola banda a distintos componentes del R V y A APLICACIONES 1 Para tener una leyenda de colores para una img clasificada 2 Para realzar el anaacutelisis de una determinada banda y sustituir los tonos de gris por una paleta de colores

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CLUT COLOUR LOOK-UP TABLE TABLA DE CONSULTA DE COLOR

ENTENDIENDO LAS IMAacuteGENES

httpsenwikipediaorgwikiColour_look-up_table

creacioacuten del seudo color

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Filtros espaciales Concepto de kernel Filtros paso bajo y paso alto Filtros direccionales Anomaliacuteas y correccioacuten atmosfeacuterica Correcciones radiomeacutetricas Anomaliacuteas radiomeacutetricas Fallos en el sensorCorreccioacuten atmosfeacuterica concepto Meacutetodo valores miacutenimos Regresioacuten entre bandas Dispersioacuten por aerosolesCalibracioacuten Caso misioacuten Landsat

47 Interpretacioacuten de Imaacutegenes

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

conceptos de que es un filtro

espacial

FUNCIONES PARA MEJORAR ASPECTO DE LAS IMAacuteGENES

REALZAN O DISMINUYEN ELEMENTOS VISUALES DE LA IMG

BASADOS EN LA FRECUENCIA ESPACIAL

FRECUENCIAS ESPACIALES ALTAS Variaciones que se producen en pocos piacutexeles TENDENCIA GENERAL FRECUENCIAS ESPACIALES BAJAS

Variaciones que se producen en muchos piacutexeles CONTRASTES LOCALES

FILTROS Figura - CCRS CCT

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

conceptos de kernel

FILTRADO ESPACIAL Figura - CCRS CCT FILTRADO EN EL DOMINIO

ESPACIAL Lo mas comuacuten es la aplicacioacuten de una ventana deslizante con valores que son coeficientes fijos de una matriz La MATRIZ se suele llamar KERNEL o nuacutecleo del filtro

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DIGITAL

ENTENDIENDO LAS IMAacuteGENES

aplicacioacuten del kernel

3 x 3 5 x 5 7 x 7

1 1 1

1 2 1

1 1 1 matrices

LOS VALORES DEL KERNEL SE MULTIPLICAN POR EL PIacuteXEL QUE TIENEN DEBAJO Y LUEGO SE SUMAN TODOS LOS PRODUCTOS

Y PARA OBTENER EL VALOR DEL PIacuteXEL CENTRAL EN LA IMAGEN TRANSFORMADA SE LO DIVIDE POR LA SUMA DE LOS PONDERADOS O PESOS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO - PASO BAJO PASO ALTO

ENTENDIENDO LAS IMAacuteGENES

aplicacioacuten del kernel

26

FILTROS DE PASO BAJO SE FAVORECEN A LOS PIXELES

PERIFEacuteRICOS SE MINIMIZAN LAS DIFERENCIAS CON LOS VECINOS ES UNA ESPECIE DE SUAVIZADO

FILTRO DE PASO ALTO PONDERACIOacuteN DEL VALOR CENTRAL EN DETRIMENTO DE LOS CIRCUNDANTES

SE EXAGERAN DIFERENCIAS Y SE RESALTAN VARIACIONES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DE PASO BAJO

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm

simulacioacuten

IMAGEN ORIGINAL

FILTRO PASO BAJO 3x3 SE TRATA DE ASEMEJAR LOS VALORES DE ND DE UN PIXEL A LOS VALORES VECINOS EN TEacuteRMINOS VISUALES LA IMAGEN FILTRADA OFRECE PERFILES MENOS NIacuteTIDOS

FILTRO PASO BAJO 7x7 SIRVE PARA REDUCIR VARIABILIDAD ESPACIAL DE ALGUNA CATEGORIacuteA ANTES DE UN PROCESO DE CLASIFICACIOacuteN

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DE PASO ALTO

ENTENDIENDO LAS IMAacuteGENES

IMAGEN ORIGINAL

FILTRO PASO ALTO 3x3 SE TRATA DE AISLAR LOS COMPONENTES DE ALTA FRECUENCIA Y REMARCAR DIGITALMENTE CONTRASTES EN TEacuteRMINOS VISUALES LA IMAGEN FILTRADA REFUERZA LOS CONTORNOS EN AacuteREAS HOMOGEacuteNEAS

FILTRO PASO ALTO 7x7 SIRVE PARA LOGRAR REALCES DE RASGOS LINEALES COMO PUEDEN SER EN AacuteREAS URBANAS O RASGOS GEOLOacuteGICOS

simulacioacuten

httpgeograuahesrtm

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

Figura - Landsat USGS

IMAGEN ORIGINAL

FILTRO DIRECCIONAL PERMITEN IDENTIFICAR LOS RASGOS FRONTERIZOS EN LAS IMAacuteGENES COMO LOS FILTROS ANTERIORES PERO AHORA CONSIDERANDO LA ORIENTACIOacuteN

se tiene en cuenta la

orientacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

matrices con direccioacuten

NORTE

1 1 1

1 -2 1

-1 -1 -1

SUR

-1 -1 -1

1 -2 1

1 1 1

ESTE

-1 1 1

-1 -2 1

-1 1 1

OESTE

1 1 -1

1 -2 -1

1 1 -1

SURESTE

-1 -1 1

-1 -2 1

1 1 1

NOROESTE

1 1 1

1 -2 -1

1 -1 -1

SUROESTE

1 -1 -1

1 -2 -1

1 1 1

NORESTE

1 1 1

-1 -2 1

-1 -1 1

OBSERVACIOacuteN

LOS NOMBRES OBEDECEN A LA DIRECCIOacuteN DEL CONTRASTE QUE SENtildeALAN

LA DIRECCIOacuteN QUE REALZAN ES JUSTAMENTE LA PERPENDICULAR

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

48 Interpretacioacuten de Imaacutegenes

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Correcciones geomeacutetricas Georreferenciacioacuten Uso de puntos de control Fuentes de error Procesamiento geomeacutetrico Correccioacuten Transformacioacuten geomeacutetrica Calidad y ajuste Generacioacuten de la nueva imagen Transferencia de ND

INSTITUTO DE AGRIMENSURA - DEPARTAMENTO DE GEOMAacuteTICA PROF ADJUNTO GRADO 3 EDISON J ROSAS BERTON

El tratamiento de una imagen de sateacutelite Georreferenciacioacuten

(paso de un sistema de filas y columnas a un sistema de coordenadas estandard)

Para ello debe obtenerse una muestra de puntos de control de los que conozcamos tanto sus coordenadas reales como sus coordenadas en

la imagen deben ser por tanto objetos de un tamantildeo adecuado para resultar identificables tanto en la imagen como sobre el terreno el tamantildeo

dependeraacute loacutegicamente de la resolucioacuten de la imagen A partir de estos puntos de control se obtendraacuten por regresioacuten unas ecuaciones que permitiraacuten a cada par filacolumna un par de coordenadas

XY

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

GEORREFERENCIACIOacuteN

ENTENDIENDO LAS IMAacuteGENES

georreferenciacioacuten porqueacute

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PUNTOS DE CONTROL

ENTENDIENDO LAS IMAacuteGENES

uso de puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

DISTORSIONES POR LA PLATAFORMA ALTITUD DE LA OacuteRBITA ndash Cambio de escala

VELOCIDAD ndash Cambios de escala ORIENTACIOacuteN DE LOS TRES EJES ndash Distorsiones en la geometriacutea

NO SISTEMAacuteTICOS Y COMPLEJOS DE MODELAR

DISTORSIONES POR ROTACIOacuteN TERRESTRE

CONSIDERANDO ALTITUD (800 Km) y TAMANtildeO DE LA IMAGEN (180 Km)ndashEn latitudes medias tarda en adquirir unos 30 segundos la Tierra se desplaza unos 8 Km

ORIENTACIOacuteN NE SW

DISTORSIONES POR EL SENSOR ANOMALIacuteAS SENSOR y MOVIMIENTO ESPEJO ndash Barrido no lineal o cambio en intervalos

AacuteNGULO DE BARRIDO ndash Variacioacuten en el tamantildeo de pixel

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ERROR EN UNA IMAGEN ESPACIAL

ENTENDIENDO LAS IMAacuteGENES

fuentes de error

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Una correccioacuten geomeacutetrica incluye CUALQUIER CAMBIO EN LA POSICIOacuteN DE LOS PIXELES que

conforman la imagen f (c`) = f1 (c l) f (x y) f (l`) = f2 (c l) f (x y)

COORDENADAS DE IMAGEN CORREGIDA SON FUNCIOacuteN DE COORDENADAS COLUMNA Y LIacuteNEA DE LA

IMAGEN DE ENTRADA O DE LAS COORDENADAS DE MAPA AL QUE SUPERPONDREMOS LA IMAGEN

1 CON OBJETIVO DE REALIZAR UNA TRANSFORMACIOacuteN GEOMEacuteTRICA QUE PERMITA AJUSTARLA A OTRA IMAGEN REFERENCIA NORMALMENTE PARA REALIZAR ESTUDIOS MULTITEMPORALES O MOSAICOS CON EL FIN DE AMPLIAR LOS DATOS E INFORMACIOacuteN DE UNA ZONA

2 ESTO PERMITIRAacute QUE LA NUEVA IMAGEN LA PUEDA INTEGRAR CON INFORMACIOacuteN DE OTRAS FUENTES POR EJEMPLO EN UN AMBIENTE SIG

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

correccioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

asumimos que

NO SE CONOCE EL ORIGEN DE LOS ERRORES

modelamos

ECUACIONES EMPIacuteRICAS

aplicadas a un conjunto de puntos

COORDENADAS CONOCIDAS IMAGEN INPUT e IMAGEN OUTPUT

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

1 ndash SELECCIOacuteN DE REFERENCIAS 2 ndash ECUACIONES DE AJUSTE

3 ndash GENERACIOacuteN DE LA IMAGEN CORREGIDA

ES OBVIO CALIDAD DEL AJUSTE DEPENDERAacute DE PRECISIOacuteN CON QUE SE

LOCALICEN LOS PUNTOS DE CONTROL INEXACTA LOCALIZACIOacuteN

DISTRIBUCIOacuteN MUY SECTORIZADA NUacuteMERO DE PUNTOS DE CONTROL INADECUADO

ESTABLECER LOS PUNTOS DE CONTROL FASE MAS CRUCIAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

procesamiento de la correccioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Resaltamos la importancia de

NUacuteMERO LOCALIZACIOacuteN DISTRIBUCIOacuteN

Que debemos atender Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

que considero UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash Croquis ilustrativos de apoyo

TERRENO O ZONAS PLANAS CON IMG OBTENIDAS POR UN SENSOR DE ESTRECHA VISIOacuteN DE CAMPO

TRANSFORMACIOacuteN

BASADO EN ECUACIONES LINEALES SIMPLES

TERRENO ESCARPADO O RUGOSO O UTILIZACIOacuteN DE IMG OBTENIDAS EN UN SENSOR CON VARIACIONES EN LAS CONDICIONES DE OBSERVACIOacuteN

TRANSFORMACIOacuteN MAacuteS COMPLEJA

POLINOMIOS DE SEGUNDO O TERCER ORDEN

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Desde un punto de vista matemaacutetico

GRADO 1 ndash 3 puntos GRADO 2 ndash 6 puntos GRADO 3 ndash 10 puntos

Seguacuten mis objetivos del trabajo no es conveniente utilizar esos miacutenimos

14 a 20 puntos (Landsat 5 MMS ndash seguacuten Bernstein R y D G Ferneyhough Jr 1978)

100 a 120 puntos (Landsat 7 TM ndash seguacuten el National Remote Sensing Center de Inglaterra)

10 o 12 puntos (Pequentildea zona de 512 x 512 pixeles ndash seguacuten Emilio Chuvieco 2010)

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

matemaacuteticamente UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

QUE DEBEMOS DE CONSIDERAR EN CUANTO A LA LOCALIZACIOacuteN

CLARAMENTE IDENTIFICABLES EN IMAGEN Y MAPA RASGOS HUMANOS DEL PAISAJE NO SUJETOS A DINAMISMO TEMPORAL

CRUCE DE CARRETERAS

CAMINOS VIacuteA FEacuteRREAS

NO CONSIDERAR ELEMENTOS ASOCIADOS AL AGUA

COSTA CURSOS DE AGUA

EMBALSES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

localizacioacuten TCP UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la correccioacuten digital de la geometriacutea de una imagen se realiza a partir de establecer unas funciones que relacionen las coordenadas de la imagen

y las coordenadas del mapa

EJ CASO MAS SIMPLE REGRESIOacuteN LINEAL MUacuteLTIPLE

ci = a0 + a1 Xi + a2 Yi li = b0 + b1 Xi + b2 Yi

EN LA PRAacuteCTICA BASTA UNA FUNCIOacuteN LINEAL PARA ABORDAR UN GRAN NUacuteMERO DE

TRANSFORMACIONES Y SON SUFICIENTES SI LAS IMAacuteGENES NO SON MUY GRANDES ANTE LA NECESIDAD DE OTRAS TRANSFORMACIONES SE UTILIZAN DE 2ordm y 3ordm ORDEN CONSIDERANDO ALTERACIONES GEOMEacuteTRICAS NO LINEALES (FUNCIONES QUE NO SE DEFINEN EN UN PLANO

CON EJES LINEALES SINO QUE SUPERFICIES CON EJES CURVILIacuteNEOS)

LOS COEFICIENTES DE LAS FUNCIONES DE TRANSFORMACIOacuteN SE CALCULAN A PARTIR DE UN AJUSTE POR MIacuteNIMOS CUADRADOS

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

funciones de transformacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash ejemplos de funciones de transformacioacuten geomeacutetrica con el efecto causado

TRASLACIOacuteN

CAMBIO DE ESCALA

INCLINACIOacuteN

PERSPECTIVA

ROTACIOacuteN

x = a0 + xacute y = b0 + yacute

x = xacute + a2 yacute y = yacute

x = a1 xacute y = b1 yacute

x = a3xacute yacute y = yacute

x = a4xacute + a5yacute y = b4xacute + b5yacute a4 = b5 = cos Ɵ a5 = -b4 = sen Ɵ

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

transformacioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

comparacioacuten coordenadas reales y las estimadas por la regresioacuten

el promedio de los residuales se conoce como error medio cuadraacutetico

la calidad del ajuste lo da el RMSE (root mean squared error)

(error medio cuadraacutetico)

RMSE es la raiacutez cuadrada de las desviaciones entre los valores reales y los

calculados

RMSE para cada punto es la raiacutez de los residuales al cuadrado que es la distancia entre ellos

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

RMSE UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la praacutectica hace que fijemos una TOLERANCIA y es que si ese promedio supera un valor fijado previamente haya que rever

el valor fijado previamente generalmente es igual o menor a un PIXEL

una correcta verificacioacuten

NECESITA introducir PUNTOS de VERIFICACIOacuteN

que no hayan sido introducidos en el ajuste

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

tolerancias fijadas

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

traducimos coordenadas de un mapa a la imagen tambieacuten necesitamos a la nueva imagen

TRANSFERIR LOS VALORES DIGITALES no olvidar que lo que queremos es generar una nueva imagen que se

corresponda con las coordenadas y las funciones de ajuste

NO ORIGINAN NUEVA IMAGEN solo colocan a los pixeles en la posicioacuten correcta

en criollo las funciones de transformacioacuten generan una nueva matriz bien posicionada pero vaciacutea

DEBEMOS LLENAR LA MATRIZ problema maacutes complejo de lo que puede

pensarse Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

generacioacuten de la nueva imaacutegen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

cada pixel de la imagen corregida se corresponderiacutea con un pixel de la imagen original

LEJOS DE ESE IDEAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo I

vecino maacutes proacuteximo ( nearest neighbour )

a cada celda de la imagen corregida se asigna el ND del pixel maacutes cercano de la

imagen original

SOLUCIOacuteN RAacutePIDA MENOR DISTORSIOacuteN DE LOS ND

INTRODUCE RASGOS LINEALES QUE DISTORSIONAN

CORRECCIOacuteN DE IMAacuteGENES CLASIFICADAS

CONSERVAR LA RADIOMETRIacuteA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo II

interpolacioacuten bilineal ( bilinear interpolation )

supone promediar los ND de los cuatro pixeles mas cercanos

con ponderacioacuten seguacuten la distancia pixeles originalcorregido

REDUCE EL EFECTO DE DISTORSIOacuteN EN RASGOS LINEALES

TIENDE A DIFUMINAR LOS CONTRASTES ESPACIALES

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE IMAacuteGENES RECTIFICADAS MAPAS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo III

convolusioacuten cuacutebica ( cubic convolution )

supone considerar los ND de los 16 pixeles mas proacuteximos

media ponderada seguacuten la distancia pixeles originalcorregido

EFECTO VISUAL MAS CORRECTO

VOLUacuteMEN DE CAacuteLCULO MUY SUPERIOR TENDENCIA A AGUDIZAR BORDES DE LA IMAGEN

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE ORTOIMAacuteGENES IMPRESIONES DE CALIDAD

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

  • Nuacutemero de diapositiva 1
  • Nuacutemero de diapositiva 2
  • MOacuteDULO IV
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 5
  • Nuacutemero de diapositiva 6
  • Nuacutemero de diapositiva 7
  • Nuacutemero de diapositiva 8
  • Nuacutemero de diapositiva 9
  • Nuacutemero de diapositiva 10
  • Nuacutemero de diapositiva 11
  • Nuacutemero de diapositiva 12
  • Nuacutemero de diapositiva 13
  • Nuacutemero de diapositiva 14
  • Nuacutemero de diapositiva 15
  • Nuacutemero de diapositiva 16
  • Nuacutemero de diapositiva 17
  • Nuacutemero de diapositiva 18
  • Nuacutemero de diapositiva 19
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 21
  • Nuacutemero de diapositiva 22
  • Nuacutemero de diapositiva 23
  • Nuacutemero de diapositiva 24
  • Nuacutemero de diapositiva 25
  • Nuacutemero de diapositiva 26
  • Nuacutemero de diapositiva 27
  • Nuacutemero de diapositiva 28
  • Nuacutemero de diapositiva 29
  • Nuacutemero de diapositiva 30
  • Nuacutemero de diapositiva 31
  • Nuacutemero de diapositiva 32
  • Nuacutemero de diapositiva 33
  • Nuacutemero de diapositiva 34
  • Nuacutemero de diapositiva 35
  • Nuacutemero de diapositiva 36
  • Nuacutemero de diapositiva 37
  • Nuacutemero de diapositiva 38
  • Nuacutemero de diapositiva 39
  • Nuacutemero de diapositiva 40
  • 47 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 42
  • Nuacutemero de diapositiva 43
  • Nuacutemero de diapositiva 44
  • Nuacutemero de diapositiva 45
  • Nuacutemero de diapositiva 46
  • Nuacutemero de diapositiva 47
  • Nuacutemero de diapositiva 48
  • Nuacutemero de diapositiva 49
  • Nuacutemero de diapositiva 50
  • Nuacutemero de diapositiva 51
  • Nuacutemero de diapositiva 52
  • Nuacutemero de diapositiva 53
  • Nuacutemero de diapositiva 54
  • 48 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 56
  • Nuacutemero de diapositiva 57
  • Nuacutemero de diapositiva 58
  • Nuacutemero de diapositiva 59
  • Nuacutemero de diapositiva 60
  • Nuacutemero de diapositiva 61
  • Nuacutemero de diapositiva 62
  • Nuacutemero de diapositiva 63
  • Nuacutemero de diapositiva 64
  • Nuacutemero de diapositiva 65
  • Nuacutemero de diapositiva 66
  • Nuacutemero de diapositiva 67
  • Nuacutemero de diapositiva 68
  • Nuacutemero de diapositiva 69
  • Nuacutemero de diapositiva 70
  • Nuacutemero de diapositiva 71
  • Nuacutemero de diapositiva 72
  • Nuacutemero de diapositiva 73
  • Nuacutemero de diapositiva 74

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

lineal

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

raiacutez cuadrada

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

lineal 0 - 255

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PORQUEacute EL REALCE

ENTENDIENDO LAS IMAacuteGENES

LOS SENSORES SON CALIBRADOS PARA ABARCAR TODO EL RANGO POSIBLE DE RADIANCIAS

PARA CADA USO EN CONCRETO ES NECESIDAD IMPERIOSA

EXPANDIR EL HISTOGRAMA Y ASIacute CUBRIR EL RANGO COMPLETO DE NIVELES DE GRIS

histograma UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CONTRASTE EN UNA IMAGEN

ENTENDIENDO LAS IMAacuteGENES

expansioacuten del contraste

los datos uacutetiles solo ocupan pequentildea parte de los niveles de gris disponibles

expandir o estirar el histograma es cambiar los valores originales de ND para utilizar mayor rango

asiacute incrementar el contraste visual de diferentes objetos

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

ejemplos visuales

sin realce lineal

frecuencial gamma

MEacuteTODOS DE EXPANSIOacuteN DEL CONTRASTE

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

lineal

expansioacuten lineal

lo maacutes simple transformacioacuten en liacutenea llevando el valor miacutenimo a 0 y maacuteximo a 255 o se usa un rango por encima y por debajo de miacutenimo y maacuteximo

EXPANSIOacuteN I

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

lineal

EXPANSIOacuteN I expansioacuten

logariacutetmico exponencial

gamma

curvas de transferencia en lugar de rectas gamma es la curvatura de dicha curva se expanden maacutes el contraste de los extremos o del centro

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

frecuencial

EXPANSIOacuteN II

frecuencial ecualizacioacuten del

histograma

cuando los valores de ND no estaacuten distribuidos uniformemente intentar en la medida de lo posible que los valores de salida de los ND tengan el mismo de pixeles con dicho valor

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CONTRASTE EN UNA IMAGEN

ENTENDIENDO LAS IMAacuteGENES

compresioacuten del contraste

Ya sabemos que el contraste mide el rango dinaacutemico de los colores en la imagen es decir una imagen muy contrastada tiene un amplio abanico de colores (o tonos de gris) desde valores muy bajos a valores muy altos Para una imagen con poco contraste los colores estaacuten muy juntos el margen dinaacutemico es pequentildeo La variacioacuten en el contraste aparece como una compresioacuten del histograma en caso de una reduccioacuten a la inversa de lo visto en el caso de una expansioacuten

Compresioacuten si el rango excede de las capacidades del sistema

Se ha de comparar el nuacutemero de niveles digitales (ND) de la imagen con los niveles de visualizacioacuten (NV) o grises del sistema Es de menos aplicacioacuten Al igual que el brillo variando el contraste se puede provocar una peacuterdida de informacioacuten de la imagen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

MAYOR APLICABILIDAD DEL REALCE

ENTENDIENDO LAS IMAacuteGENES

realce oacuteptimo

realce frecuencial

realce lineal

laquo r e a l c e oacute p t i m o raquo optimiza interpretacioacuten de la imagen

mejor esteacutetica de la imagen NO COINCIDE CON NINGUacuteN CORTE PREDETERMINADO

Y SE LOGRA INTERACTIVAMENTE EN PANTALLA Y PARA CADA BANDA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

image1png

image1png

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

COMPOSICIONES COLOR

ENTENDIENDO LAS IMAacuteGENES

formatos de composiciones

CON LA CRECIENTE APARICIOacuteN DE LOS SENSORES HIPERESPECTRALES LAS POSIBILIDADES DE COMPOSICIONES

COLOREADAS DE BANDAS SON CASI ILIMITADAS

LA ELECCIOacuteN DE LAS BANDAS PARA REALIZAR LA COMPOSICIOacuteN Y EL ORDEN DE LAS BANDAS ASIGANADAS A LOS COLORES

PRIMARIOS DEPENDERAacute DE

Sensor Aplicacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EL SEUDO - COLOR

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm formatos de

composiciones

Ya hemos afirmado de que el ojo humano es maacutes capaz de distinguir tonos de color que intensidades de brillo

Por ello el empleo del color ayuda a la interpretacioacuten incluso cuando podamos tener una sola imagen de una banda

Es aquiacute que hablamos del SEUDO COLOR por no contar con tres bandas

El seudo color implica la creacioacuten de una CLUT que asocie el ND de una sola banda a distintos componentes del R V y A APLICACIONES 1 Para tener una leyenda de colores para una img clasificada 2 Para realzar el anaacutelisis de una determinada banda y sustituir los tonos de gris por una paleta de colores

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CLUT COLOUR LOOK-UP TABLE TABLA DE CONSULTA DE COLOR

ENTENDIENDO LAS IMAacuteGENES

httpsenwikipediaorgwikiColour_look-up_table

creacioacuten del seudo color

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Filtros espaciales Concepto de kernel Filtros paso bajo y paso alto Filtros direccionales Anomaliacuteas y correccioacuten atmosfeacuterica Correcciones radiomeacutetricas Anomaliacuteas radiomeacutetricas Fallos en el sensorCorreccioacuten atmosfeacuterica concepto Meacutetodo valores miacutenimos Regresioacuten entre bandas Dispersioacuten por aerosolesCalibracioacuten Caso misioacuten Landsat

47 Interpretacioacuten de Imaacutegenes

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

conceptos de que es un filtro

espacial

FUNCIONES PARA MEJORAR ASPECTO DE LAS IMAacuteGENES

REALZAN O DISMINUYEN ELEMENTOS VISUALES DE LA IMG

BASADOS EN LA FRECUENCIA ESPACIAL

FRECUENCIAS ESPACIALES ALTAS Variaciones que se producen en pocos piacutexeles TENDENCIA GENERAL FRECUENCIAS ESPACIALES BAJAS

Variaciones que se producen en muchos piacutexeles CONTRASTES LOCALES

FILTROS Figura - CCRS CCT

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

conceptos de kernel

FILTRADO ESPACIAL Figura - CCRS CCT FILTRADO EN EL DOMINIO

ESPACIAL Lo mas comuacuten es la aplicacioacuten de una ventana deslizante con valores que son coeficientes fijos de una matriz La MATRIZ se suele llamar KERNEL o nuacutecleo del filtro

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DIGITAL

ENTENDIENDO LAS IMAacuteGENES

aplicacioacuten del kernel

3 x 3 5 x 5 7 x 7

1 1 1

1 2 1

1 1 1 matrices

LOS VALORES DEL KERNEL SE MULTIPLICAN POR EL PIacuteXEL QUE TIENEN DEBAJO Y LUEGO SE SUMAN TODOS LOS PRODUCTOS

Y PARA OBTENER EL VALOR DEL PIacuteXEL CENTRAL EN LA IMAGEN TRANSFORMADA SE LO DIVIDE POR LA SUMA DE LOS PONDERADOS O PESOS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO - PASO BAJO PASO ALTO

ENTENDIENDO LAS IMAacuteGENES

aplicacioacuten del kernel

26

FILTROS DE PASO BAJO SE FAVORECEN A LOS PIXELES

PERIFEacuteRICOS SE MINIMIZAN LAS DIFERENCIAS CON LOS VECINOS ES UNA ESPECIE DE SUAVIZADO

FILTRO DE PASO ALTO PONDERACIOacuteN DEL VALOR CENTRAL EN DETRIMENTO DE LOS CIRCUNDANTES

SE EXAGERAN DIFERENCIAS Y SE RESALTAN VARIACIONES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DE PASO BAJO

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm

simulacioacuten

IMAGEN ORIGINAL

FILTRO PASO BAJO 3x3 SE TRATA DE ASEMEJAR LOS VALORES DE ND DE UN PIXEL A LOS VALORES VECINOS EN TEacuteRMINOS VISUALES LA IMAGEN FILTRADA OFRECE PERFILES MENOS NIacuteTIDOS

FILTRO PASO BAJO 7x7 SIRVE PARA REDUCIR VARIABILIDAD ESPACIAL DE ALGUNA CATEGORIacuteA ANTES DE UN PROCESO DE CLASIFICACIOacuteN

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DE PASO ALTO

ENTENDIENDO LAS IMAacuteGENES

IMAGEN ORIGINAL

FILTRO PASO ALTO 3x3 SE TRATA DE AISLAR LOS COMPONENTES DE ALTA FRECUENCIA Y REMARCAR DIGITALMENTE CONTRASTES EN TEacuteRMINOS VISUALES LA IMAGEN FILTRADA REFUERZA LOS CONTORNOS EN AacuteREAS HOMOGEacuteNEAS

FILTRO PASO ALTO 7x7 SIRVE PARA LOGRAR REALCES DE RASGOS LINEALES COMO PUEDEN SER EN AacuteREAS URBANAS O RASGOS GEOLOacuteGICOS

simulacioacuten

httpgeograuahesrtm

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

Figura - Landsat USGS

IMAGEN ORIGINAL

FILTRO DIRECCIONAL PERMITEN IDENTIFICAR LOS RASGOS FRONTERIZOS EN LAS IMAacuteGENES COMO LOS FILTROS ANTERIORES PERO AHORA CONSIDERANDO LA ORIENTACIOacuteN

se tiene en cuenta la

orientacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

matrices con direccioacuten

NORTE

1 1 1

1 -2 1

-1 -1 -1

SUR

-1 -1 -1

1 -2 1

1 1 1

ESTE

-1 1 1

-1 -2 1

-1 1 1

OESTE

1 1 -1

1 -2 -1

1 1 -1

SURESTE

-1 -1 1

-1 -2 1

1 1 1

NOROESTE

1 1 1

1 -2 -1

1 -1 -1

SUROESTE

1 -1 -1

1 -2 -1

1 1 1

NORESTE

1 1 1

-1 -2 1

-1 -1 1

OBSERVACIOacuteN

LOS NOMBRES OBEDECEN A LA DIRECCIOacuteN DEL CONTRASTE QUE SENtildeALAN

LA DIRECCIOacuteN QUE REALZAN ES JUSTAMENTE LA PERPENDICULAR

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

48 Interpretacioacuten de Imaacutegenes

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Correcciones geomeacutetricas Georreferenciacioacuten Uso de puntos de control Fuentes de error Procesamiento geomeacutetrico Correccioacuten Transformacioacuten geomeacutetrica Calidad y ajuste Generacioacuten de la nueva imagen Transferencia de ND

INSTITUTO DE AGRIMENSURA - DEPARTAMENTO DE GEOMAacuteTICA PROF ADJUNTO GRADO 3 EDISON J ROSAS BERTON

El tratamiento de una imagen de sateacutelite Georreferenciacioacuten

(paso de un sistema de filas y columnas a un sistema de coordenadas estandard)

Para ello debe obtenerse una muestra de puntos de control de los que conozcamos tanto sus coordenadas reales como sus coordenadas en

la imagen deben ser por tanto objetos de un tamantildeo adecuado para resultar identificables tanto en la imagen como sobre el terreno el tamantildeo

dependeraacute loacutegicamente de la resolucioacuten de la imagen A partir de estos puntos de control se obtendraacuten por regresioacuten unas ecuaciones que permitiraacuten a cada par filacolumna un par de coordenadas

XY

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

GEORREFERENCIACIOacuteN

ENTENDIENDO LAS IMAacuteGENES

georreferenciacioacuten porqueacute

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PUNTOS DE CONTROL

ENTENDIENDO LAS IMAacuteGENES

uso de puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

DISTORSIONES POR LA PLATAFORMA ALTITUD DE LA OacuteRBITA ndash Cambio de escala

VELOCIDAD ndash Cambios de escala ORIENTACIOacuteN DE LOS TRES EJES ndash Distorsiones en la geometriacutea

NO SISTEMAacuteTICOS Y COMPLEJOS DE MODELAR

DISTORSIONES POR ROTACIOacuteN TERRESTRE

CONSIDERANDO ALTITUD (800 Km) y TAMANtildeO DE LA IMAGEN (180 Km)ndashEn latitudes medias tarda en adquirir unos 30 segundos la Tierra se desplaza unos 8 Km

ORIENTACIOacuteN NE SW

DISTORSIONES POR EL SENSOR ANOMALIacuteAS SENSOR y MOVIMIENTO ESPEJO ndash Barrido no lineal o cambio en intervalos

AacuteNGULO DE BARRIDO ndash Variacioacuten en el tamantildeo de pixel

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ERROR EN UNA IMAGEN ESPACIAL

ENTENDIENDO LAS IMAacuteGENES

fuentes de error

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Una correccioacuten geomeacutetrica incluye CUALQUIER CAMBIO EN LA POSICIOacuteN DE LOS PIXELES que

conforman la imagen f (c`) = f1 (c l) f (x y) f (l`) = f2 (c l) f (x y)

COORDENADAS DE IMAGEN CORREGIDA SON FUNCIOacuteN DE COORDENADAS COLUMNA Y LIacuteNEA DE LA

IMAGEN DE ENTRADA O DE LAS COORDENADAS DE MAPA AL QUE SUPERPONDREMOS LA IMAGEN

1 CON OBJETIVO DE REALIZAR UNA TRANSFORMACIOacuteN GEOMEacuteTRICA QUE PERMITA AJUSTARLA A OTRA IMAGEN REFERENCIA NORMALMENTE PARA REALIZAR ESTUDIOS MULTITEMPORALES O MOSAICOS CON EL FIN DE AMPLIAR LOS DATOS E INFORMACIOacuteN DE UNA ZONA

2 ESTO PERMITIRAacute QUE LA NUEVA IMAGEN LA PUEDA INTEGRAR CON INFORMACIOacuteN DE OTRAS FUENTES POR EJEMPLO EN UN AMBIENTE SIG

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

correccioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

asumimos que

NO SE CONOCE EL ORIGEN DE LOS ERRORES

modelamos

ECUACIONES EMPIacuteRICAS

aplicadas a un conjunto de puntos

COORDENADAS CONOCIDAS IMAGEN INPUT e IMAGEN OUTPUT

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

1 ndash SELECCIOacuteN DE REFERENCIAS 2 ndash ECUACIONES DE AJUSTE

3 ndash GENERACIOacuteN DE LA IMAGEN CORREGIDA

ES OBVIO CALIDAD DEL AJUSTE DEPENDERAacute DE PRECISIOacuteN CON QUE SE

LOCALICEN LOS PUNTOS DE CONTROL INEXACTA LOCALIZACIOacuteN

DISTRIBUCIOacuteN MUY SECTORIZADA NUacuteMERO DE PUNTOS DE CONTROL INADECUADO

ESTABLECER LOS PUNTOS DE CONTROL FASE MAS CRUCIAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

procesamiento de la correccioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Resaltamos la importancia de

NUacuteMERO LOCALIZACIOacuteN DISTRIBUCIOacuteN

Que debemos atender Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

que considero UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash Croquis ilustrativos de apoyo

TERRENO O ZONAS PLANAS CON IMG OBTENIDAS POR UN SENSOR DE ESTRECHA VISIOacuteN DE CAMPO

TRANSFORMACIOacuteN

BASADO EN ECUACIONES LINEALES SIMPLES

TERRENO ESCARPADO O RUGOSO O UTILIZACIOacuteN DE IMG OBTENIDAS EN UN SENSOR CON VARIACIONES EN LAS CONDICIONES DE OBSERVACIOacuteN

TRANSFORMACIOacuteN MAacuteS COMPLEJA

POLINOMIOS DE SEGUNDO O TERCER ORDEN

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Desde un punto de vista matemaacutetico

GRADO 1 ndash 3 puntos GRADO 2 ndash 6 puntos GRADO 3 ndash 10 puntos

Seguacuten mis objetivos del trabajo no es conveniente utilizar esos miacutenimos

14 a 20 puntos (Landsat 5 MMS ndash seguacuten Bernstein R y D G Ferneyhough Jr 1978)

100 a 120 puntos (Landsat 7 TM ndash seguacuten el National Remote Sensing Center de Inglaterra)

10 o 12 puntos (Pequentildea zona de 512 x 512 pixeles ndash seguacuten Emilio Chuvieco 2010)

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

matemaacuteticamente UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

QUE DEBEMOS DE CONSIDERAR EN CUANTO A LA LOCALIZACIOacuteN

CLARAMENTE IDENTIFICABLES EN IMAGEN Y MAPA RASGOS HUMANOS DEL PAISAJE NO SUJETOS A DINAMISMO TEMPORAL

CRUCE DE CARRETERAS

CAMINOS VIacuteA FEacuteRREAS

NO CONSIDERAR ELEMENTOS ASOCIADOS AL AGUA

COSTA CURSOS DE AGUA

EMBALSES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

localizacioacuten TCP UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la correccioacuten digital de la geometriacutea de una imagen se realiza a partir de establecer unas funciones que relacionen las coordenadas de la imagen

y las coordenadas del mapa

EJ CASO MAS SIMPLE REGRESIOacuteN LINEAL MUacuteLTIPLE

ci = a0 + a1 Xi + a2 Yi li = b0 + b1 Xi + b2 Yi

EN LA PRAacuteCTICA BASTA UNA FUNCIOacuteN LINEAL PARA ABORDAR UN GRAN NUacuteMERO DE

TRANSFORMACIONES Y SON SUFICIENTES SI LAS IMAacuteGENES NO SON MUY GRANDES ANTE LA NECESIDAD DE OTRAS TRANSFORMACIONES SE UTILIZAN DE 2ordm y 3ordm ORDEN CONSIDERANDO ALTERACIONES GEOMEacuteTRICAS NO LINEALES (FUNCIONES QUE NO SE DEFINEN EN UN PLANO

CON EJES LINEALES SINO QUE SUPERFICIES CON EJES CURVILIacuteNEOS)

LOS COEFICIENTES DE LAS FUNCIONES DE TRANSFORMACIOacuteN SE CALCULAN A PARTIR DE UN AJUSTE POR MIacuteNIMOS CUADRADOS

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

funciones de transformacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash ejemplos de funciones de transformacioacuten geomeacutetrica con el efecto causado

TRASLACIOacuteN

CAMBIO DE ESCALA

INCLINACIOacuteN

PERSPECTIVA

ROTACIOacuteN

x = a0 + xacute y = b0 + yacute

x = xacute + a2 yacute y = yacute

x = a1 xacute y = b1 yacute

x = a3xacute yacute y = yacute

x = a4xacute + a5yacute y = b4xacute + b5yacute a4 = b5 = cos Ɵ a5 = -b4 = sen Ɵ

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

transformacioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

comparacioacuten coordenadas reales y las estimadas por la regresioacuten

el promedio de los residuales se conoce como error medio cuadraacutetico

la calidad del ajuste lo da el RMSE (root mean squared error)

(error medio cuadraacutetico)

RMSE es la raiacutez cuadrada de las desviaciones entre los valores reales y los

calculados

RMSE para cada punto es la raiacutez de los residuales al cuadrado que es la distancia entre ellos

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

RMSE UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la praacutectica hace que fijemos una TOLERANCIA y es que si ese promedio supera un valor fijado previamente haya que rever

el valor fijado previamente generalmente es igual o menor a un PIXEL

una correcta verificacioacuten

NECESITA introducir PUNTOS de VERIFICACIOacuteN

que no hayan sido introducidos en el ajuste

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

tolerancias fijadas

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

traducimos coordenadas de un mapa a la imagen tambieacuten necesitamos a la nueva imagen

TRANSFERIR LOS VALORES DIGITALES no olvidar que lo que queremos es generar una nueva imagen que se

corresponda con las coordenadas y las funciones de ajuste

NO ORIGINAN NUEVA IMAGEN solo colocan a los pixeles en la posicioacuten correcta

en criollo las funciones de transformacioacuten generan una nueva matriz bien posicionada pero vaciacutea

DEBEMOS LLENAR LA MATRIZ problema maacutes complejo de lo que puede

pensarse Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

generacioacuten de la nueva imaacutegen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

cada pixel de la imagen corregida se corresponderiacutea con un pixel de la imagen original

LEJOS DE ESE IDEAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo I

vecino maacutes proacuteximo ( nearest neighbour )

a cada celda de la imagen corregida se asigna el ND del pixel maacutes cercano de la

imagen original

SOLUCIOacuteN RAacutePIDA MENOR DISTORSIOacuteN DE LOS ND

INTRODUCE RASGOS LINEALES QUE DISTORSIONAN

CORRECCIOacuteN DE IMAacuteGENES CLASIFICADAS

CONSERVAR LA RADIOMETRIacuteA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo II

interpolacioacuten bilineal ( bilinear interpolation )

supone promediar los ND de los cuatro pixeles mas cercanos

con ponderacioacuten seguacuten la distancia pixeles originalcorregido

REDUCE EL EFECTO DE DISTORSIOacuteN EN RASGOS LINEALES

TIENDE A DIFUMINAR LOS CONTRASTES ESPACIALES

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE IMAacuteGENES RECTIFICADAS MAPAS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo III

convolusioacuten cuacutebica ( cubic convolution )

supone considerar los ND de los 16 pixeles mas proacuteximos

media ponderada seguacuten la distancia pixeles originalcorregido

EFECTO VISUAL MAS CORRECTO

VOLUacuteMEN DE CAacuteLCULO MUY SUPERIOR TENDENCIA A AGUDIZAR BORDES DE LA IMAGEN

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE ORTOIMAacuteGENES IMPRESIONES DE CALIDAD

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

  • Nuacutemero de diapositiva 1
  • Nuacutemero de diapositiva 2
  • MOacuteDULO IV
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 5
  • Nuacutemero de diapositiva 6
  • Nuacutemero de diapositiva 7
  • Nuacutemero de diapositiva 8
  • Nuacutemero de diapositiva 9
  • Nuacutemero de diapositiva 10
  • Nuacutemero de diapositiva 11
  • Nuacutemero de diapositiva 12
  • Nuacutemero de diapositiva 13
  • Nuacutemero de diapositiva 14
  • Nuacutemero de diapositiva 15
  • Nuacutemero de diapositiva 16
  • Nuacutemero de diapositiva 17
  • Nuacutemero de diapositiva 18
  • Nuacutemero de diapositiva 19
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 21
  • Nuacutemero de diapositiva 22
  • Nuacutemero de diapositiva 23
  • Nuacutemero de diapositiva 24
  • Nuacutemero de diapositiva 25
  • Nuacutemero de diapositiva 26
  • Nuacutemero de diapositiva 27
  • Nuacutemero de diapositiva 28
  • Nuacutemero de diapositiva 29
  • Nuacutemero de diapositiva 30
  • Nuacutemero de diapositiva 31
  • Nuacutemero de diapositiva 32
  • Nuacutemero de diapositiva 33
  • Nuacutemero de diapositiva 34
  • Nuacutemero de diapositiva 35
  • Nuacutemero de diapositiva 36
  • Nuacutemero de diapositiva 37
  • Nuacutemero de diapositiva 38
  • Nuacutemero de diapositiva 39
  • Nuacutemero de diapositiva 40
  • 47 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 42
  • Nuacutemero de diapositiva 43
  • Nuacutemero de diapositiva 44
  • Nuacutemero de diapositiva 45
  • Nuacutemero de diapositiva 46
  • Nuacutemero de diapositiva 47
  • Nuacutemero de diapositiva 48
  • Nuacutemero de diapositiva 49
  • Nuacutemero de diapositiva 50
  • Nuacutemero de diapositiva 51
  • Nuacutemero de diapositiva 52
  • Nuacutemero de diapositiva 53
  • Nuacutemero de diapositiva 54
  • 48 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 56
  • Nuacutemero de diapositiva 57
  • Nuacutemero de diapositiva 58
  • Nuacutemero de diapositiva 59
  • Nuacutemero de diapositiva 60
  • Nuacutemero de diapositiva 61
  • Nuacutemero de diapositiva 62
  • Nuacutemero de diapositiva 63
  • Nuacutemero de diapositiva 64
  • Nuacutemero de diapositiva 65
  • Nuacutemero de diapositiva 66
  • Nuacutemero de diapositiva 67
  • Nuacutemero de diapositiva 68
  • Nuacutemero de diapositiva 69
  • Nuacutemero de diapositiva 70
  • Nuacutemero de diapositiva 71
  • Nuacutemero de diapositiva 72
  • Nuacutemero de diapositiva 73
  • Nuacutemero de diapositiva 74

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

raiacutez cuadrada

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

lineal 0 - 255

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PORQUEacute EL REALCE

ENTENDIENDO LAS IMAacuteGENES

LOS SENSORES SON CALIBRADOS PARA ABARCAR TODO EL RANGO POSIBLE DE RADIANCIAS

PARA CADA USO EN CONCRETO ES NECESIDAD IMPERIOSA

EXPANDIR EL HISTOGRAMA Y ASIacute CUBRIR EL RANGO COMPLETO DE NIVELES DE GRIS

histograma UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CONTRASTE EN UNA IMAGEN

ENTENDIENDO LAS IMAacuteGENES

expansioacuten del contraste

los datos uacutetiles solo ocupan pequentildea parte de los niveles de gris disponibles

expandir o estirar el histograma es cambiar los valores originales de ND para utilizar mayor rango

asiacute incrementar el contraste visual de diferentes objetos

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

ejemplos visuales

sin realce lineal

frecuencial gamma

MEacuteTODOS DE EXPANSIOacuteN DEL CONTRASTE

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

lineal

expansioacuten lineal

lo maacutes simple transformacioacuten en liacutenea llevando el valor miacutenimo a 0 y maacuteximo a 255 o se usa un rango por encima y por debajo de miacutenimo y maacuteximo

EXPANSIOacuteN I

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

lineal

EXPANSIOacuteN I expansioacuten

logariacutetmico exponencial

gamma

curvas de transferencia en lugar de rectas gamma es la curvatura de dicha curva se expanden maacutes el contraste de los extremos o del centro

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

frecuencial

EXPANSIOacuteN II

frecuencial ecualizacioacuten del

histograma

cuando los valores de ND no estaacuten distribuidos uniformemente intentar en la medida de lo posible que los valores de salida de los ND tengan el mismo de pixeles con dicho valor

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CONTRASTE EN UNA IMAGEN

ENTENDIENDO LAS IMAacuteGENES

compresioacuten del contraste

Ya sabemos que el contraste mide el rango dinaacutemico de los colores en la imagen es decir una imagen muy contrastada tiene un amplio abanico de colores (o tonos de gris) desde valores muy bajos a valores muy altos Para una imagen con poco contraste los colores estaacuten muy juntos el margen dinaacutemico es pequentildeo La variacioacuten en el contraste aparece como una compresioacuten del histograma en caso de una reduccioacuten a la inversa de lo visto en el caso de una expansioacuten

Compresioacuten si el rango excede de las capacidades del sistema

Se ha de comparar el nuacutemero de niveles digitales (ND) de la imagen con los niveles de visualizacioacuten (NV) o grises del sistema Es de menos aplicacioacuten Al igual que el brillo variando el contraste se puede provocar una peacuterdida de informacioacuten de la imagen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

MAYOR APLICABILIDAD DEL REALCE

ENTENDIENDO LAS IMAacuteGENES

realce oacuteptimo

realce frecuencial

realce lineal

laquo r e a l c e oacute p t i m o raquo optimiza interpretacioacuten de la imagen

mejor esteacutetica de la imagen NO COINCIDE CON NINGUacuteN CORTE PREDETERMINADO

Y SE LOGRA INTERACTIVAMENTE EN PANTALLA Y PARA CADA BANDA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

image1png

image1png

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

COMPOSICIONES COLOR

ENTENDIENDO LAS IMAacuteGENES

formatos de composiciones

CON LA CRECIENTE APARICIOacuteN DE LOS SENSORES HIPERESPECTRALES LAS POSIBILIDADES DE COMPOSICIONES

COLOREADAS DE BANDAS SON CASI ILIMITADAS

LA ELECCIOacuteN DE LAS BANDAS PARA REALIZAR LA COMPOSICIOacuteN Y EL ORDEN DE LAS BANDAS ASIGANADAS A LOS COLORES

PRIMARIOS DEPENDERAacute DE

Sensor Aplicacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EL SEUDO - COLOR

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm formatos de

composiciones

Ya hemos afirmado de que el ojo humano es maacutes capaz de distinguir tonos de color que intensidades de brillo

Por ello el empleo del color ayuda a la interpretacioacuten incluso cuando podamos tener una sola imagen de una banda

Es aquiacute que hablamos del SEUDO COLOR por no contar con tres bandas

El seudo color implica la creacioacuten de una CLUT que asocie el ND de una sola banda a distintos componentes del R V y A APLICACIONES 1 Para tener una leyenda de colores para una img clasificada 2 Para realzar el anaacutelisis de una determinada banda y sustituir los tonos de gris por una paleta de colores

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CLUT COLOUR LOOK-UP TABLE TABLA DE CONSULTA DE COLOR

ENTENDIENDO LAS IMAacuteGENES

httpsenwikipediaorgwikiColour_look-up_table

creacioacuten del seudo color

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Filtros espaciales Concepto de kernel Filtros paso bajo y paso alto Filtros direccionales Anomaliacuteas y correccioacuten atmosfeacuterica Correcciones radiomeacutetricas Anomaliacuteas radiomeacutetricas Fallos en el sensorCorreccioacuten atmosfeacuterica concepto Meacutetodo valores miacutenimos Regresioacuten entre bandas Dispersioacuten por aerosolesCalibracioacuten Caso misioacuten Landsat

47 Interpretacioacuten de Imaacutegenes

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

conceptos de que es un filtro

espacial

FUNCIONES PARA MEJORAR ASPECTO DE LAS IMAacuteGENES

REALZAN O DISMINUYEN ELEMENTOS VISUALES DE LA IMG

BASADOS EN LA FRECUENCIA ESPACIAL

FRECUENCIAS ESPACIALES ALTAS Variaciones que se producen en pocos piacutexeles TENDENCIA GENERAL FRECUENCIAS ESPACIALES BAJAS

Variaciones que se producen en muchos piacutexeles CONTRASTES LOCALES

FILTROS Figura - CCRS CCT

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

conceptos de kernel

FILTRADO ESPACIAL Figura - CCRS CCT FILTRADO EN EL DOMINIO

ESPACIAL Lo mas comuacuten es la aplicacioacuten de una ventana deslizante con valores que son coeficientes fijos de una matriz La MATRIZ se suele llamar KERNEL o nuacutecleo del filtro

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DIGITAL

ENTENDIENDO LAS IMAacuteGENES

aplicacioacuten del kernel

3 x 3 5 x 5 7 x 7

1 1 1

1 2 1

1 1 1 matrices

LOS VALORES DEL KERNEL SE MULTIPLICAN POR EL PIacuteXEL QUE TIENEN DEBAJO Y LUEGO SE SUMAN TODOS LOS PRODUCTOS

Y PARA OBTENER EL VALOR DEL PIacuteXEL CENTRAL EN LA IMAGEN TRANSFORMADA SE LO DIVIDE POR LA SUMA DE LOS PONDERADOS O PESOS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO - PASO BAJO PASO ALTO

ENTENDIENDO LAS IMAacuteGENES

aplicacioacuten del kernel

26

FILTROS DE PASO BAJO SE FAVORECEN A LOS PIXELES

PERIFEacuteRICOS SE MINIMIZAN LAS DIFERENCIAS CON LOS VECINOS ES UNA ESPECIE DE SUAVIZADO

FILTRO DE PASO ALTO PONDERACIOacuteN DEL VALOR CENTRAL EN DETRIMENTO DE LOS CIRCUNDANTES

SE EXAGERAN DIFERENCIAS Y SE RESALTAN VARIACIONES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DE PASO BAJO

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm

simulacioacuten

IMAGEN ORIGINAL

FILTRO PASO BAJO 3x3 SE TRATA DE ASEMEJAR LOS VALORES DE ND DE UN PIXEL A LOS VALORES VECINOS EN TEacuteRMINOS VISUALES LA IMAGEN FILTRADA OFRECE PERFILES MENOS NIacuteTIDOS

FILTRO PASO BAJO 7x7 SIRVE PARA REDUCIR VARIABILIDAD ESPACIAL DE ALGUNA CATEGORIacuteA ANTES DE UN PROCESO DE CLASIFICACIOacuteN

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DE PASO ALTO

ENTENDIENDO LAS IMAacuteGENES

IMAGEN ORIGINAL

FILTRO PASO ALTO 3x3 SE TRATA DE AISLAR LOS COMPONENTES DE ALTA FRECUENCIA Y REMARCAR DIGITALMENTE CONTRASTES EN TEacuteRMINOS VISUALES LA IMAGEN FILTRADA REFUERZA LOS CONTORNOS EN AacuteREAS HOMOGEacuteNEAS

FILTRO PASO ALTO 7x7 SIRVE PARA LOGRAR REALCES DE RASGOS LINEALES COMO PUEDEN SER EN AacuteREAS URBANAS O RASGOS GEOLOacuteGICOS

simulacioacuten

httpgeograuahesrtm

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

Figura - Landsat USGS

IMAGEN ORIGINAL

FILTRO DIRECCIONAL PERMITEN IDENTIFICAR LOS RASGOS FRONTERIZOS EN LAS IMAacuteGENES COMO LOS FILTROS ANTERIORES PERO AHORA CONSIDERANDO LA ORIENTACIOacuteN

se tiene en cuenta la

orientacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

matrices con direccioacuten

NORTE

1 1 1

1 -2 1

-1 -1 -1

SUR

-1 -1 -1

1 -2 1

1 1 1

ESTE

-1 1 1

-1 -2 1

-1 1 1

OESTE

1 1 -1

1 -2 -1

1 1 -1

SURESTE

-1 -1 1

-1 -2 1

1 1 1

NOROESTE

1 1 1

1 -2 -1

1 -1 -1

SUROESTE

1 -1 -1

1 -2 -1

1 1 1

NORESTE

1 1 1

-1 -2 1

-1 -1 1

OBSERVACIOacuteN

LOS NOMBRES OBEDECEN A LA DIRECCIOacuteN DEL CONTRASTE QUE SENtildeALAN

LA DIRECCIOacuteN QUE REALZAN ES JUSTAMENTE LA PERPENDICULAR

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

48 Interpretacioacuten de Imaacutegenes

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Correcciones geomeacutetricas Georreferenciacioacuten Uso de puntos de control Fuentes de error Procesamiento geomeacutetrico Correccioacuten Transformacioacuten geomeacutetrica Calidad y ajuste Generacioacuten de la nueva imagen Transferencia de ND

INSTITUTO DE AGRIMENSURA - DEPARTAMENTO DE GEOMAacuteTICA PROF ADJUNTO GRADO 3 EDISON J ROSAS BERTON

El tratamiento de una imagen de sateacutelite Georreferenciacioacuten

(paso de un sistema de filas y columnas a un sistema de coordenadas estandard)

Para ello debe obtenerse una muestra de puntos de control de los que conozcamos tanto sus coordenadas reales como sus coordenadas en

la imagen deben ser por tanto objetos de un tamantildeo adecuado para resultar identificables tanto en la imagen como sobre el terreno el tamantildeo

dependeraacute loacutegicamente de la resolucioacuten de la imagen A partir de estos puntos de control se obtendraacuten por regresioacuten unas ecuaciones que permitiraacuten a cada par filacolumna un par de coordenadas

XY

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

GEORREFERENCIACIOacuteN

ENTENDIENDO LAS IMAacuteGENES

georreferenciacioacuten porqueacute

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PUNTOS DE CONTROL

ENTENDIENDO LAS IMAacuteGENES

uso de puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

DISTORSIONES POR LA PLATAFORMA ALTITUD DE LA OacuteRBITA ndash Cambio de escala

VELOCIDAD ndash Cambios de escala ORIENTACIOacuteN DE LOS TRES EJES ndash Distorsiones en la geometriacutea

NO SISTEMAacuteTICOS Y COMPLEJOS DE MODELAR

DISTORSIONES POR ROTACIOacuteN TERRESTRE

CONSIDERANDO ALTITUD (800 Km) y TAMANtildeO DE LA IMAGEN (180 Km)ndashEn latitudes medias tarda en adquirir unos 30 segundos la Tierra se desplaza unos 8 Km

ORIENTACIOacuteN NE SW

DISTORSIONES POR EL SENSOR ANOMALIacuteAS SENSOR y MOVIMIENTO ESPEJO ndash Barrido no lineal o cambio en intervalos

AacuteNGULO DE BARRIDO ndash Variacioacuten en el tamantildeo de pixel

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ERROR EN UNA IMAGEN ESPACIAL

ENTENDIENDO LAS IMAacuteGENES

fuentes de error

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Una correccioacuten geomeacutetrica incluye CUALQUIER CAMBIO EN LA POSICIOacuteN DE LOS PIXELES que

conforman la imagen f (c`) = f1 (c l) f (x y) f (l`) = f2 (c l) f (x y)

COORDENADAS DE IMAGEN CORREGIDA SON FUNCIOacuteN DE COORDENADAS COLUMNA Y LIacuteNEA DE LA

IMAGEN DE ENTRADA O DE LAS COORDENADAS DE MAPA AL QUE SUPERPONDREMOS LA IMAGEN

1 CON OBJETIVO DE REALIZAR UNA TRANSFORMACIOacuteN GEOMEacuteTRICA QUE PERMITA AJUSTARLA A OTRA IMAGEN REFERENCIA NORMALMENTE PARA REALIZAR ESTUDIOS MULTITEMPORALES O MOSAICOS CON EL FIN DE AMPLIAR LOS DATOS E INFORMACIOacuteN DE UNA ZONA

2 ESTO PERMITIRAacute QUE LA NUEVA IMAGEN LA PUEDA INTEGRAR CON INFORMACIOacuteN DE OTRAS FUENTES POR EJEMPLO EN UN AMBIENTE SIG

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

correccioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

asumimos que

NO SE CONOCE EL ORIGEN DE LOS ERRORES

modelamos

ECUACIONES EMPIacuteRICAS

aplicadas a un conjunto de puntos

COORDENADAS CONOCIDAS IMAGEN INPUT e IMAGEN OUTPUT

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

1 ndash SELECCIOacuteN DE REFERENCIAS 2 ndash ECUACIONES DE AJUSTE

3 ndash GENERACIOacuteN DE LA IMAGEN CORREGIDA

ES OBVIO CALIDAD DEL AJUSTE DEPENDERAacute DE PRECISIOacuteN CON QUE SE

LOCALICEN LOS PUNTOS DE CONTROL INEXACTA LOCALIZACIOacuteN

DISTRIBUCIOacuteN MUY SECTORIZADA NUacuteMERO DE PUNTOS DE CONTROL INADECUADO

ESTABLECER LOS PUNTOS DE CONTROL FASE MAS CRUCIAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

procesamiento de la correccioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Resaltamos la importancia de

NUacuteMERO LOCALIZACIOacuteN DISTRIBUCIOacuteN

Que debemos atender Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

que considero UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash Croquis ilustrativos de apoyo

TERRENO O ZONAS PLANAS CON IMG OBTENIDAS POR UN SENSOR DE ESTRECHA VISIOacuteN DE CAMPO

TRANSFORMACIOacuteN

BASADO EN ECUACIONES LINEALES SIMPLES

TERRENO ESCARPADO O RUGOSO O UTILIZACIOacuteN DE IMG OBTENIDAS EN UN SENSOR CON VARIACIONES EN LAS CONDICIONES DE OBSERVACIOacuteN

TRANSFORMACIOacuteN MAacuteS COMPLEJA

POLINOMIOS DE SEGUNDO O TERCER ORDEN

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Desde un punto de vista matemaacutetico

GRADO 1 ndash 3 puntos GRADO 2 ndash 6 puntos GRADO 3 ndash 10 puntos

Seguacuten mis objetivos del trabajo no es conveniente utilizar esos miacutenimos

14 a 20 puntos (Landsat 5 MMS ndash seguacuten Bernstein R y D G Ferneyhough Jr 1978)

100 a 120 puntos (Landsat 7 TM ndash seguacuten el National Remote Sensing Center de Inglaterra)

10 o 12 puntos (Pequentildea zona de 512 x 512 pixeles ndash seguacuten Emilio Chuvieco 2010)

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

matemaacuteticamente UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

QUE DEBEMOS DE CONSIDERAR EN CUANTO A LA LOCALIZACIOacuteN

CLARAMENTE IDENTIFICABLES EN IMAGEN Y MAPA RASGOS HUMANOS DEL PAISAJE NO SUJETOS A DINAMISMO TEMPORAL

CRUCE DE CARRETERAS

CAMINOS VIacuteA FEacuteRREAS

NO CONSIDERAR ELEMENTOS ASOCIADOS AL AGUA

COSTA CURSOS DE AGUA

EMBALSES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

localizacioacuten TCP UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la correccioacuten digital de la geometriacutea de una imagen se realiza a partir de establecer unas funciones que relacionen las coordenadas de la imagen

y las coordenadas del mapa

EJ CASO MAS SIMPLE REGRESIOacuteN LINEAL MUacuteLTIPLE

ci = a0 + a1 Xi + a2 Yi li = b0 + b1 Xi + b2 Yi

EN LA PRAacuteCTICA BASTA UNA FUNCIOacuteN LINEAL PARA ABORDAR UN GRAN NUacuteMERO DE

TRANSFORMACIONES Y SON SUFICIENTES SI LAS IMAacuteGENES NO SON MUY GRANDES ANTE LA NECESIDAD DE OTRAS TRANSFORMACIONES SE UTILIZAN DE 2ordm y 3ordm ORDEN CONSIDERANDO ALTERACIONES GEOMEacuteTRICAS NO LINEALES (FUNCIONES QUE NO SE DEFINEN EN UN PLANO

CON EJES LINEALES SINO QUE SUPERFICIES CON EJES CURVILIacuteNEOS)

LOS COEFICIENTES DE LAS FUNCIONES DE TRANSFORMACIOacuteN SE CALCULAN A PARTIR DE UN AJUSTE POR MIacuteNIMOS CUADRADOS

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

funciones de transformacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash ejemplos de funciones de transformacioacuten geomeacutetrica con el efecto causado

TRASLACIOacuteN

CAMBIO DE ESCALA

INCLINACIOacuteN

PERSPECTIVA

ROTACIOacuteN

x = a0 + xacute y = b0 + yacute

x = xacute + a2 yacute y = yacute

x = a1 xacute y = b1 yacute

x = a3xacute yacute y = yacute

x = a4xacute + a5yacute y = b4xacute + b5yacute a4 = b5 = cos Ɵ a5 = -b4 = sen Ɵ

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

transformacioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

comparacioacuten coordenadas reales y las estimadas por la regresioacuten

el promedio de los residuales se conoce como error medio cuadraacutetico

la calidad del ajuste lo da el RMSE (root mean squared error)

(error medio cuadraacutetico)

RMSE es la raiacutez cuadrada de las desviaciones entre los valores reales y los

calculados

RMSE para cada punto es la raiacutez de los residuales al cuadrado que es la distancia entre ellos

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

RMSE UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la praacutectica hace que fijemos una TOLERANCIA y es que si ese promedio supera un valor fijado previamente haya que rever

el valor fijado previamente generalmente es igual o menor a un PIXEL

una correcta verificacioacuten

NECESITA introducir PUNTOS de VERIFICACIOacuteN

que no hayan sido introducidos en el ajuste

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

tolerancias fijadas

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

traducimos coordenadas de un mapa a la imagen tambieacuten necesitamos a la nueva imagen

TRANSFERIR LOS VALORES DIGITALES no olvidar que lo que queremos es generar una nueva imagen que se

corresponda con las coordenadas y las funciones de ajuste

NO ORIGINAN NUEVA IMAGEN solo colocan a los pixeles en la posicioacuten correcta

en criollo las funciones de transformacioacuten generan una nueva matriz bien posicionada pero vaciacutea

DEBEMOS LLENAR LA MATRIZ problema maacutes complejo de lo que puede

pensarse Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

generacioacuten de la nueva imaacutegen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

cada pixel de la imagen corregida se corresponderiacutea con un pixel de la imagen original

LEJOS DE ESE IDEAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo I

vecino maacutes proacuteximo ( nearest neighbour )

a cada celda de la imagen corregida se asigna el ND del pixel maacutes cercano de la

imagen original

SOLUCIOacuteN RAacutePIDA MENOR DISTORSIOacuteN DE LOS ND

INTRODUCE RASGOS LINEALES QUE DISTORSIONAN

CORRECCIOacuteN DE IMAacuteGENES CLASIFICADAS

CONSERVAR LA RADIOMETRIacuteA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo II

interpolacioacuten bilineal ( bilinear interpolation )

supone promediar los ND de los cuatro pixeles mas cercanos

con ponderacioacuten seguacuten la distancia pixeles originalcorregido

REDUCE EL EFECTO DE DISTORSIOacuteN EN RASGOS LINEALES

TIENDE A DIFUMINAR LOS CONTRASTES ESPACIALES

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE IMAacuteGENES RECTIFICADAS MAPAS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo III

convolusioacuten cuacutebica ( cubic convolution )

supone considerar los ND de los 16 pixeles mas proacuteximos

media ponderada seguacuten la distancia pixeles originalcorregido

EFECTO VISUAL MAS CORRECTO

VOLUacuteMEN DE CAacuteLCULO MUY SUPERIOR TENDENCIA A AGUDIZAR BORDES DE LA IMAGEN

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE ORTOIMAacuteGENES IMPRESIONES DE CALIDAD

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

  • Nuacutemero de diapositiva 1
  • Nuacutemero de diapositiva 2
  • MOacuteDULO IV
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 5
  • Nuacutemero de diapositiva 6
  • Nuacutemero de diapositiva 7
  • Nuacutemero de diapositiva 8
  • Nuacutemero de diapositiva 9
  • Nuacutemero de diapositiva 10
  • Nuacutemero de diapositiva 11
  • Nuacutemero de diapositiva 12
  • Nuacutemero de diapositiva 13
  • Nuacutemero de diapositiva 14
  • Nuacutemero de diapositiva 15
  • Nuacutemero de diapositiva 16
  • Nuacutemero de diapositiva 17
  • Nuacutemero de diapositiva 18
  • Nuacutemero de diapositiva 19
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 21
  • Nuacutemero de diapositiva 22
  • Nuacutemero de diapositiva 23
  • Nuacutemero de diapositiva 24
  • Nuacutemero de diapositiva 25
  • Nuacutemero de diapositiva 26
  • Nuacutemero de diapositiva 27
  • Nuacutemero de diapositiva 28
  • Nuacutemero de diapositiva 29
  • Nuacutemero de diapositiva 30
  • Nuacutemero de diapositiva 31
  • Nuacutemero de diapositiva 32
  • Nuacutemero de diapositiva 33
  • Nuacutemero de diapositiva 34
  • Nuacutemero de diapositiva 35
  • Nuacutemero de diapositiva 36
  • Nuacutemero de diapositiva 37
  • Nuacutemero de diapositiva 38
  • Nuacutemero de diapositiva 39
  • Nuacutemero de diapositiva 40
  • 47 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 42
  • Nuacutemero de diapositiva 43
  • Nuacutemero de diapositiva 44
  • Nuacutemero de diapositiva 45
  • Nuacutemero de diapositiva 46
  • Nuacutemero de diapositiva 47
  • Nuacutemero de diapositiva 48
  • Nuacutemero de diapositiva 49
  • Nuacutemero de diapositiva 50
  • Nuacutemero de diapositiva 51
  • Nuacutemero de diapositiva 52
  • Nuacutemero de diapositiva 53
  • Nuacutemero de diapositiva 54
  • 48 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 56
  • Nuacutemero de diapositiva 57
  • Nuacutemero de diapositiva 58
  • Nuacutemero de diapositiva 59
  • Nuacutemero de diapositiva 60
  • Nuacutemero de diapositiva 61
  • Nuacutemero de diapositiva 62
  • Nuacutemero de diapositiva 63
  • Nuacutemero de diapositiva 64
  • Nuacutemero de diapositiva 65
  • Nuacutemero de diapositiva 66
  • Nuacutemero de diapositiva 67
  • Nuacutemero de diapositiva 68
  • Nuacutemero de diapositiva 69
  • Nuacutemero de diapositiva 70
  • Nuacutemero de diapositiva 71
  • Nuacutemero de diapositiva 72
  • Nuacutemero de diapositiva 73
  • Nuacutemero de diapositiva 74

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

anaacutelisis del histograma

lineal 0 - 255

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PORQUEacute EL REALCE

ENTENDIENDO LAS IMAacuteGENES

LOS SENSORES SON CALIBRADOS PARA ABARCAR TODO EL RANGO POSIBLE DE RADIANCIAS

PARA CADA USO EN CONCRETO ES NECESIDAD IMPERIOSA

EXPANDIR EL HISTOGRAMA Y ASIacute CUBRIR EL RANGO COMPLETO DE NIVELES DE GRIS

histograma UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CONTRASTE EN UNA IMAGEN

ENTENDIENDO LAS IMAacuteGENES

expansioacuten del contraste

los datos uacutetiles solo ocupan pequentildea parte de los niveles de gris disponibles

expandir o estirar el histograma es cambiar los valores originales de ND para utilizar mayor rango

asiacute incrementar el contraste visual de diferentes objetos

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

ejemplos visuales

sin realce lineal

frecuencial gamma

MEacuteTODOS DE EXPANSIOacuteN DEL CONTRASTE

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

lineal

expansioacuten lineal

lo maacutes simple transformacioacuten en liacutenea llevando el valor miacutenimo a 0 y maacuteximo a 255 o se usa un rango por encima y por debajo de miacutenimo y maacuteximo

EXPANSIOacuteN I

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

lineal

EXPANSIOacuteN I expansioacuten

logariacutetmico exponencial

gamma

curvas de transferencia en lugar de rectas gamma es la curvatura de dicha curva se expanden maacutes el contraste de los extremos o del centro

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

frecuencial

EXPANSIOacuteN II

frecuencial ecualizacioacuten del

histograma

cuando los valores de ND no estaacuten distribuidos uniformemente intentar en la medida de lo posible que los valores de salida de los ND tengan el mismo de pixeles con dicho valor

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CONTRASTE EN UNA IMAGEN

ENTENDIENDO LAS IMAacuteGENES

compresioacuten del contraste

Ya sabemos que el contraste mide el rango dinaacutemico de los colores en la imagen es decir una imagen muy contrastada tiene un amplio abanico de colores (o tonos de gris) desde valores muy bajos a valores muy altos Para una imagen con poco contraste los colores estaacuten muy juntos el margen dinaacutemico es pequentildeo La variacioacuten en el contraste aparece como una compresioacuten del histograma en caso de una reduccioacuten a la inversa de lo visto en el caso de una expansioacuten

Compresioacuten si el rango excede de las capacidades del sistema

Se ha de comparar el nuacutemero de niveles digitales (ND) de la imagen con los niveles de visualizacioacuten (NV) o grises del sistema Es de menos aplicacioacuten Al igual que el brillo variando el contraste se puede provocar una peacuterdida de informacioacuten de la imagen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

MAYOR APLICABILIDAD DEL REALCE

ENTENDIENDO LAS IMAacuteGENES

realce oacuteptimo

realce frecuencial

realce lineal

laquo r e a l c e oacute p t i m o raquo optimiza interpretacioacuten de la imagen

mejor esteacutetica de la imagen NO COINCIDE CON NINGUacuteN CORTE PREDETERMINADO

Y SE LOGRA INTERACTIVAMENTE EN PANTALLA Y PARA CADA BANDA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

image1png

image1png

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

COMPOSICIONES COLOR

ENTENDIENDO LAS IMAacuteGENES

formatos de composiciones

CON LA CRECIENTE APARICIOacuteN DE LOS SENSORES HIPERESPECTRALES LAS POSIBILIDADES DE COMPOSICIONES

COLOREADAS DE BANDAS SON CASI ILIMITADAS

LA ELECCIOacuteN DE LAS BANDAS PARA REALIZAR LA COMPOSICIOacuteN Y EL ORDEN DE LAS BANDAS ASIGANADAS A LOS COLORES

PRIMARIOS DEPENDERAacute DE

Sensor Aplicacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EL SEUDO - COLOR

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm formatos de

composiciones

Ya hemos afirmado de que el ojo humano es maacutes capaz de distinguir tonos de color que intensidades de brillo

Por ello el empleo del color ayuda a la interpretacioacuten incluso cuando podamos tener una sola imagen de una banda

Es aquiacute que hablamos del SEUDO COLOR por no contar con tres bandas

El seudo color implica la creacioacuten de una CLUT que asocie el ND de una sola banda a distintos componentes del R V y A APLICACIONES 1 Para tener una leyenda de colores para una img clasificada 2 Para realzar el anaacutelisis de una determinada banda y sustituir los tonos de gris por una paleta de colores

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CLUT COLOUR LOOK-UP TABLE TABLA DE CONSULTA DE COLOR

ENTENDIENDO LAS IMAacuteGENES

httpsenwikipediaorgwikiColour_look-up_table

creacioacuten del seudo color

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Filtros espaciales Concepto de kernel Filtros paso bajo y paso alto Filtros direccionales Anomaliacuteas y correccioacuten atmosfeacuterica Correcciones radiomeacutetricas Anomaliacuteas radiomeacutetricas Fallos en el sensorCorreccioacuten atmosfeacuterica concepto Meacutetodo valores miacutenimos Regresioacuten entre bandas Dispersioacuten por aerosolesCalibracioacuten Caso misioacuten Landsat

47 Interpretacioacuten de Imaacutegenes

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

conceptos de que es un filtro

espacial

FUNCIONES PARA MEJORAR ASPECTO DE LAS IMAacuteGENES

REALZAN O DISMINUYEN ELEMENTOS VISUALES DE LA IMG

BASADOS EN LA FRECUENCIA ESPACIAL

FRECUENCIAS ESPACIALES ALTAS Variaciones que se producen en pocos piacutexeles TENDENCIA GENERAL FRECUENCIAS ESPACIALES BAJAS

Variaciones que se producen en muchos piacutexeles CONTRASTES LOCALES

FILTROS Figura - CCRS CCT

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

conceptos de kernel

FILTRADO ESPACIAL Figura - CCRS CCT FILTRADO EN EL DOMINIO

ESPACIAL Lo mas comuacuten es la aplicacioacuten de una ventana deslizante con valores que son coeficientes fijos de una matriz La MATRIZ se suele llamar KERNEL o nuacutecleo del filtro

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DIGITAL

ENTENDIENDO LAS IMAacuteGENES

aplicacioacuten del kernel

3 x 3 5 x 5 7 x 7

1 1 1

1 2 1

1 1 1 matrices

LOS VALORES DEL KERNEL SE MULTIPLICAN POR EL PIacuteXEL QUE TIENEN DEBAJO Y LUEGO SE SUMAN TODOS LOS PRODUCTOS

Y PARA OBTENER EL VALOR DEL PIacuteXEL CENTRAL EN LA IMAGEN TRANSFORMADA SE LO DIVIDE POR LA SUMA DE LOS PONDERADOS O PESOS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO - PASO BAJO PASO ALTO

ENTENDIENDO LAS IMAacuteGENES

aplicacioacuten del kernel

26

FILTROS DE PASO BAJO SE FAVORECEN A LOS PIXELES

PERIFEacuteRICOS SE MINIMIZAN LAS DIFERENCIAS CON LOS VECINOS ES UNA ESPECIE DE SUAVIZADO

FILTRO DE PASO ALTO PONDERACIOacuteN DEL VALOR CENTRAL EN DETRIMENTO DE LOS CIRCUNDANTES

SE EXAGERAN DIFERENCIAS Y SE RESALTAN VARIACIONES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DE PASO BAJO

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm

simulacioacuten

IMAGEN ORIGINAL

FILTRO PASO BAJO 3x3 SE TRATA DE ASEMEJAR LOS VALORES DE ND DE UN PIXEL A LOS VALORES VECINOS EN TEacuteRMINOS VISUALES LA IMAGEN FILTRADA OFRECE PERFILES MENOS NIacuteTIDOS

FILTRO PASO BAJO 7x7 SIRVE PARA REDUCIR VARIABILIDAD ESPACIAL DE ALGUNA CATEGORIacuteA ANTES DE UN PROCESO DE CLASIFICACIOacuteN

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DE PASO ALTO

ENTENDIENDO LAS IMAacuteGENES

IMAGEN ORIGINAL

FILTRO PASO ALTO 3x3 SE TRATA DE AISLAR LOS COMPONENTES DE ALTA FRECUENCIA Y REMARCAR DIGITALMENTE CONTRASTES EN TEacuteRMINOS VISUALES LA IMAGEN FILTRADA REFUERZA LOS CONTORNOS EN AacuteREAS HOMOGEacuteNEAS

FILTRO PASO ALTO 7x7 SIRVE PARA LOGRAR REALCES DE RASGOS LINEALES COMO PUEDEN SER EN AacuteREAS URBANAS O RASGOS GEOLOacuteGICOS

simulacioacuten

httpgeograuahesrtm

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

Figura - Landsat USGS

IMAGEN ORIGINAL

FILTRO DIRECCIONAL PERMITEN IDENTIFICAR LOS RASGOS FRONTERIZOS EN LAS IMAacuteGENES COMO LOS FILTROS ANTERIORES PERO AHORA CONSIDERANDO LA ORIENTACIOacuteN

se tiene en cuenta la

orientacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

matrices con direccioacuten

NORTE

1 1 1

1 -2 1

-1 -1 -1

SUR

-1 -1 -1

1 -2 1

1 1 1

ESTE

-1 1 1

-1 -2 1

-1 1 1

OESTE

1 1 -1

1 -2 -1

1 1 -1

SURESTE

-1 -1 1

-1 -2 1

1 1 1

NOROESTE

1 1 1

1 -2 -1

1 -1 -1

SUROESTE

1 -1 -1

1 -2 -1

1 1 1

NORESTE

1 1 1

-1 -2 1

-1 -1 1

OBSERVACIOacuteN

LOS NOMBRES OBEDECEN A LA DIRECCIOacuteN DEL CONTRASTE QUE SENtildeALAN

LA DIRECCIOacuteN QUE REALZAN ES JUSTAMENTE LA PERPENDICULAR

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

48 Interpretacioacuten de Imaacutegenes

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Correcciones geomeacutetricas Georreferenciacioacuten Uso de puntos de control Fuentes de error Procesamiento geomeacutetrico Correccioacuten Transformacioacuten geomeacutetrica Calidad y ajuste Generacioacuten de la nueva imagen Transferencia de ND

INSTITUTO DE AGRIMENSURA - DEPARTAMENTO DE GEOMAacuteTICA PROF ADJUNTO GRADO 3 EDISON J ROSAS BERTON

El tratamiento de una imagen de sateacutelite Georreferenciacioacuten

(paso de un sistema de filas y columnas a un sistema de coordenadas estandard)

Para ello debe obtenerse una muestra de puntos de control de los que conozcamos tanto sus coordenadas reales como sus coordenadas en

la imagen deben ser por tanto objetos de un tamantildeo adecuado para resultar identificables tanto en la imagen como sobre el terreno el tamantildeo

dependeraacute loacutegicamente de la resolucioacuten de la imagen A partir de estos puntos de control se obtendraacuten por regresioacuten unas ecuaciones que permitiraacuten a cada par filacolumna un par de coordenadas

XY

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

GEORREFERENCIACIOacuteN

ENTENDIENDO LAS IMAacuteGENES

georreferenciacioacuten porqueacute

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PUNTOS DE CONTROL

ENTENDIENDO LAS IMAacuteGENES

uso de puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

DISTORSIONES POR LA PLATAFORMA ALTITUD DE LA OacuteRBITA ndash Cambio de escala

VELOCIDAD ndash Cambios de escala ORIENTACIOacuteN DE LOS TRES EJES ndash Distorsiones en la geometriacutea

NO SISTEMAacuteTICOS Y COMPLEJOS DE MODELAR

DISTORSIONES POR ROTACIOacuteN TERRESTRE

CONSIDERANDO ALTITUD (800 Km) y TAMANtildeO DE LA IMAGEN (180 Km)ndashEn latitudes medias tarda en adquirir unos 30 segundos la Tierra se desplaza unos 8 Km

ORIENTACIOacuteN NE SW

DISTORSIONES POR EL SENSOR ANOMALIacuteAS SENSOR y MOVIMIENTO ESPEJO ndash Barrido no lineal o cambio en intervalos

AacuteNGULO DE BARRIDO ndash Variacioacuten en el tamantildeo de pixel

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ERROR EN UNA IMAGEN ESPACIAL

ENTENDIENDO LAS IMAacuteGENES

fuentes de error

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Una correccioacuten geomeacutetrica incluye CUALQUIER CAMBIO EN LA POSICIOacuteN DE LOS PIXELES que

conforman la imagen f (c`) = f1 (c l) f (x y) f (l`) = f2 (c l) f (x y)

COORDENADAS DE IMAGEN CORREGIDA SON FUNCIOacuteN DE COORDENADAS COLUMNA Y LIacuteNEA DE LA

IMAGEN DE ENTRADA O DE LAS COORDENADAS DE MAPA AL QUE SUPERPONDREMOS LA IMAGEN

1 CON OBJETIVO DE REALIZAR UNA TRANSFORMACIOacuteN GEOMEacuteTRICA QUE PERMITA AJUSTARLA A OTRA IMAGEN REFERENCIA NORMALMENTE PARA REALIZAR ESTUDIOS MULTITEMPORALES O MOSAICOS CON EL FIN DE AMPLIAR LOS DATOS E INFORMACIOacuteN DE UNA ZONA

2 ESTO PERMITIRAacute QUE LA NUEVA IMAGEN LA PUEDA INTEGRAR CON INFORMACIOacuteN DE OTRAS FUENTES POR EJEMPLO EN UN AMBIENTE SIG

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

correccioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

asumimos que

NO SE CONOCE EL ORIGEN DE LOS ERRORES

modelamos

ECUACIONES EMPIacuteRICAS

aplicadas a un conjunto de puntos

COORDENADAS CONOCIDAS IMAGEN INPUT e IMAGEN OUTPUT

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

1 ndash SELECCIOacuteN DE REFERENCIAS 2 ndash ECUACIONES DE AJUSTE

3 ndash GENERACIOacuteN DE LA IMAGEN CORREGIDA

ES OBVIO CALIDAD DEL AJUSTE DEPENDERAacute DE PRECISIOacuteN CON QUE SE

LOCALICEN LOS PUNTOS DE CONTROL INEXACTA LOCALIZACIOacuteN

DISTRIBUCIOacuteN MUY SECTORIZADA NUacuteMERO DE PUNTOS DE CONTROL INADECUADO

ESTABLECER LOS PUNTOS DE CONTROL FASE MAS CRUCIAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

procesamiento de la correccioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Resaltamos la importancia de

NUacuteMERO LOCALIZACIOacuteN DISTRIBUCIOacuteN

Que debemos atender Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

que considero UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash Croquis ilustrativos de apoyo

TERRENO O ZONAS PLANAS CON IMG OBTENIDAS POR UN SENSOR DE ESTRECHA VISIOacuteN DE CAMPO

TRANSFORMACIOacuteN

BASADO EN ECUACIONES LINEALES SIMPLES

TERRENO ESCARPADO O RUGOSO O UTILIZACIOacuteN DE IMG OBTENIDAS EN UN SENSOR CON VARIACIONES EN LAS CONDICIONES DE OBSERVACIOacuteN

TRANSFORMACIOacuteN MAacuteS COMPLEJA

POLINOMIOS DE SEGUNDO O TERCER ORDEN

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Desde un punto de vista matemaacutetico

GRADO 1 ndash 3 puntos GRADO 2 ndash 6 puntos GRADO 3 ndash 10 puntos

Seguacuten mis objetivos del trabajo no es conveniente utilizar esos miacutenimos

14 a 20 puntos (Landsat 5 MMS ndash seguacuten Bernstein R y D G Ferneyhough Jr 1978)

100 a 120 puntos (Landsat 7 TM ndash seguacuten el National Remote Sensing Center de Inglaterra)

10 o 12 puntos (Pequentildea zona de 512 x 512 pixeles ndash seguacuten Emilio Chuvieco 2010)

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

matemaacuteticamente UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

QUE DEBEMOS DE CONSIDERAR EN CUANTO A LA LOCALIZACIOacuteN

CLARAMENTE IDENTIFICABLES EN IMAGEN Y MAPA RASGOS HUMANOS DEL PAISAJE NO SUJETOS A DINAMISMO TEMPORAL

CRUCE DE CARRETERAS

CAMINOS VIacuteA FEacuteRREAS

NO CONSIDERAR ELEMENTOS ASOCIADOS AL AGUA

COSTA CURSOS DE AGUA

EMBALSES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

localizacioacuten TCP UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la correccioacuten digital de la geometriacutea de una imagen se realiza a partir de establecer unas funciones que relacionen las coordenadas de la imagen

y las coordenadas del mapa

EJ CASO MAS SIMPLE REGRESIOacuteN LINEAL MUacuteLTIPLE

ci = a0 + a1 Xi + a2 Yi li = b0 + b1 Xi + b2 Yi

EN LA PRAacuteCTICA BASTA UNA FUNCIOacuteN LINEAL PARA ABORDAR UN GRAN NUacuteMERO DE

TRANSFORMACIONES Y SON SUFICIENTES SI LAS IMAacuteGENES NO SON MUY GRANDES ANTE LA NECESIDAD DE OTRAS TRANSFORMACIONES SE UTILIZAN DE 2ordm y 3ordm ORDEN CONSIDERANDO ALTERACIONES GEOMEacuteTRICAS NO LINEALES (FUNCIONES QUE NO SE DEFINEN EN UN PLANO

CON EJES LINEALES SINO QUE SUPERFICIES CON EJES CURVILIacuteNEOS)

LOS COEFICIENTES DE LAS FUNCIONES DE TRANSFORMACIOacuteN SE CALCULAN A PARTIR DE UN AJUSTE POR MIacuteNIMOS CUADRADOS

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

funciones de transformacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash ejemplos de funciones de transformacioacuten geomeacutetrica con el efecto causado

TRASLACIOacuteN

CAMBIO DE ESCALA

INCLINACIOacuteN

PERSPECTIVA

ROTACIOacuteN

x = a0 + xacute y = b0 + yacute

x = xacute + a2 yacute y = yacute

x = a1 xacute y = b1 yacute

x = a3xacute yacute y = yacute

x = a4xacute + a5yacute y = b4xacute + b5yacute a4 = b5 = cos Ɵ a5 = -b4 = sen Ɵ

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

transformacioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

comparacioacuten coordenadas reales y las estimadas por la regresioacuten

el promedio de los residuales se conoce como error medio cuadraacutetico

la calidad del ajuste lo da el RMSE (root mean squared error)

(error medio cuadraacutetico)

RMSE es la raiacutez cuadrada de las desviaciones entre los valores reales y los

calculados

RMSE para cada punto es la raiacutez de los residuales al cuadrado que es la distancia entre ellos

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

RMSE UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la praacutectica hace que fijemos una TOLERANCIA y es que si ese promedio supera un valor fijado previamente haya que rever

el valor fijado previamente generalmente es igual o menor a un PIXEL

una correcta verificacioacuten

NECESITA introducir PUNTOS de VERIFICACIOacuteN

que no hayan sido introducidos en el ajuste

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

tolerancias fijadas

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

traducimos coordenadas de un mapa a la imagen tambieacuten necesitamos a la nueva imagen

TRANSFERIR LOS VALORES DIGITALES no olvidar que lo que queremos es generar una nueva imagen que se

corresponda con las coordenadas y las funciones de ajuste

NO ORIGINAN NUEVA IMAGEN solo colocan a los pixeles en la posicioacuten correcta

en criollo las funciones de transformacioacuten generan una nueva matriz bien posicionada pero vaciacutea

DEBEMOS LLENAR LA MATRIZ problema maacutes complejo de lo que puede

pensarse Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

generacioacuten de la nueva imaacutegen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

cada pixel de la imagen corregida se corresponderiacutea con un pixel de la imagen original

LEJOS DE ESE IDEAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo I

vecino maacutes proacuteximo ( nearest neighbour )

a cada celda de la imagen corregida se asigna el ND del pixel maacutes cercano de la

imagen original

SOLUCIOacuteN RAacutePIDA MENOR DISTORSIOacuteN DE LOS ND

INTRODUCE RASGOS LINEALES QUE DISTORSIONAN

CORRECCIOacuteN DE IMAacuteGENES CLASIFICADAS

CONSERVAR LA RADIOMETRIacuteA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo II

interpolacioacuten bilineal ( bilinear interpolation )

supone promediar los ND de los cuatro pixeles mas cercanos

con ponderacioacuten seguacuten la distancia pixeles originalcorregido

REDUCE EL EFECTO DE DISTORSIOacuteN EN RASGOS LINEALES

TIENDE A DIFUMINAR LOS CONTRASTES ESPACIALES

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE IMAacuteGENES RECTIFICADAS MAPAS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo III

convolusioacuten cuacutebica ( cubic convolution )

supone considerar los ND de los 16 pixeles mas proacuteximos

media ponderada seguacuten la distancia pixeles originalcorregido

EFECTO VISUAL MAS CORRECTO

VOLUacuteMEN DE CAacuteLCULO MUY SUPERIOR TENDENCIA A AGUDIZAR BORDES DE LA IMAGEN

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE ORTOIMAacuteGENES IMPRESIONES DE CALIDAD

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

  • Nuacutemero de diapositiva 1
  • Nuacutemero de diapositiva 2
  • MOacuteDULO IV
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 5
  • Nuacutemero de diapositiva 6
  • Nuacutemero de diapositiva 7
  • Nuacutemero de diapositiva 8
  • Nuacutemero de diapositiva 9
  • Nuacutemero de diapositiva 10
  • Nuacutemero de diapositiva 11
  • Nuacutemero de diapositiva 12
  • Nuacutemero de diapositiva 13
  • Nuacutemero de diapositiva 14
  • Nuacutemero de diapositiva 15
  • Nuacutemero de diapositiva 16
  • Nuacutemero de diapositiva 17
  • Nuacutemero de diapositiva 18
  • Nuacutemero de diapositiva 19
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 21
  • Nuacutemero de diapositiva 22
  • Nuacutemero de diapositiva 23
  • Nuacutemero de diapositiva 24
  • Nuacutemero de diapositiva 25
  • Nuacutemero de diapositiva 26
  • Nuacutemero de diapositiva 27
  • Nuacutemero de diapositiva 28
  • Nuacutemero de diapositiva 29
  • Nuacutemero de diapositiva 30
  • Nuacutemero de diapositiva 31
  • Nuacutemero de diapositiva 32
  • Nuacutemero de diapositiva 33
  • Nuacutemero de diapositiva 34
  • Nuacutemero de diapositiva 35
  • Nuacutemero de diapositiva 36
  • Nuacutemero de diapositiva 37
  • Nuacutemero de diapositiva 38
  • Nuacutemero de diapositiva 39
  • Nuacutemero de diapositiva 40
  • 47 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 42
  • Nuacutemero de diapositiva 43
  • Nuacutemero de diapositiva 44
  • Nuacutemero de diapositiva 45
  • Nuacutemero de diapositiva 46
  • Nuacutemero de diapositiva 47
  • Nuacutemero de diapositiva 48
  • Nuacutemero de diapositiva 49
  • Nuacutemero de diapositiva 50
  • Nuacutemero de diapositiva 51
  • Nuacutemero de diapositiva 52
  • Nuacutemero de diapositiva 53
  • Nuacutemero de diapositiva 54
  • 48 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 56
  • Nuacutemero de diapositiva 57
  • Nuacutemero de diapositiva 58
  • Nuacutemero de diapositiva 59
  • Nuacutemero de diapositiva 60
  • Nuacutemero de diapositiva 61
  • Nuacutemero de diapositiva 62
  • Nuacutemero de diapositiva 63
  • Nuacutemero de diapositiva 64
  • Nuacutemero de diapositiva 65
  • Nuacutemero de diapositiva 66
  • Nuacutemero de diapositiva 67
  • Nuacutemero de diapositiva 68
  • Nuacutemero de diapositiva 69
  • Nuacutemero de diapositiva 70
  • Nuacutemero de diapositiva 71
  • Nuacutemero de diapositiva 72
  • Nuacutemero de diapositiva 73
  • Nuacutemero de diapositiva 74

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

QUE SUCEDE CON LAS IMAacuteGENES SATELITALES

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PORQUEacute EL REALCE

ENTENDIENDO LAS IMAacuteGENES

LOS SENSORES SON CALIBRADOS PARA ABARCAR TODO EL RANGO POSIBLE DE RADIANCIAS

PARA CADA USO EN CONCRETO ES NECESIDAD IMPERIOSA

EXPANDIR EL HISTOGRAMA Y ASIacute CUBRIR EL RANGO COMPLETO DE NIVELES DE GRIS

histograma UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CONTRASTE EN UNA IMAGEN

ENTENDIENDO LAS IMAacuteGENES

expansioacuten del contraste

los datos uacutetiles solo ocupan pequentildea parte de los niveles de gris disponibles

expandir o estirar el histograma es cambiar los valores originales de ND para utilizar mayor rango

asiacute incrementar el contraste visual de diferentes objetos

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

ejemplos visuales

sin realce lineal

frecuencial gamma

MEacuteTODOS DE EXPANSIOacuteN DEL CONTRASTE

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

lineal

expansioacuten lineal

lo maacutes simple transformacioacuten en liacutenea llevando el valor miacutenimo a 0 y maacuteximo a 255 o se usa un rango por encima y por debajo de miacutenimo y maacuteximo

EXPANSIOacuteN I

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

lineal

EXPANSIOacuteN I expansioacuten

logariacutetmico exponencial

gamma

curvas de transferencia en lugar de rectas gamma es la curvatura de dicha curva se expanden maacutes el contraste de los extremos o del centro

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

frecuencial

EXPANSIOacuteN II

frecuencial ecualizacioacuten del

histograma

cuando los valores de ND no estaacuten distribuidos uniformemente intentar en la medida de lo posible que los valores de salida de los ND tengan el mismo de pixeles con dicho valor

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CONTRASTE EN UNA IMAGEN

ENTENDIENDO LAS IMAacuteGENES

compresioacuten del contraste

Ya sabemos que el contraste mide el rango dinaacutemico de los colores en la imagen es decir una imagen muy contrastada tiene un amplio abanico de colores (o tonos de gris) desde valores muy bajos a valores muy altos Para una imagen con poco contraste los colores estaacuten muy juntos el margen dinaacutemico es pequentildeo La variacioacuten en el contraste aparece como una compresioacuten del histograma en caso de una reduccioacuten a la inversa de lo visto en el caso de una expansioacuten

Compresioacuten si el rango excede de las capacidades del sistema

Se ha de comparar el nuacutemero de niveles digitales (ND) de la imagen con los niveles de visualizacioacuten (NV) o grises del sistema Es de menos aplicacioacuten Al igual que el brillo variando el contraste se puede provocar una peacuterdida de informacioacuten de la imagen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

MAYOR APLICABILIDAD DEL REALCE

ENTENDIENDO LAS IMAacuteGENES

realce oacuteptimo

realce frecuencial

realce lineal

laquo r e a l c e oacute p t i m o raquo optimiza interpretacioacuten de la imagen

mejor esteacutetica de la imagen NO COINCIDE CON NINGUacuteN CORTE PREDETERMINADO

Y SE LOGRA INTERACTIVAMENTE EN PANTALLA Y PARA CADA BANDA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

image1png

image1png

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

COMPOSICIONES COLOR

ENTENDIENDO LAS IMAacuteGENES

formatos de composiciones

CON LA CRECIENTE APARICIOacuteN DE LOS SENSORES HIPERESPECTRALES LAS POSIBILIDADES DE COMPOSICIONES

COLOREADAS DE BANDAS SON CASI ILIMITADAS

LA ELECCIOacuteN DE LAS BANDAS PARA REALIZAR LA COMPOSICIOacuteN Y EL ORDEN DE LAS BANDAS ASIGANADAS A LOS COLORES

PRIMARIOS DEPENDERAacute DE

Sensor Aplicacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EL SEUDO - COLOR

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm formatos de

composiciones

Ya hemos afirmado de que el ojo humano es maacutes capaz de distinguir tonos de color que intensidades de brillo

Por ello el empleo del color ayuda a la interpretacioacuten incluso cuando podamos tener una sola imagen de una banda

Es aquiacute que hablamos del SEUDO COLOR por no contar con tres bandas

El seudo color implica la creacioacuten de una CLUT que asocie el ND de una sola banda a distintos componentes del R V y A APLICACIONES 1 Para tener una leyenda de colores para una img clasificada 2 Para realzar el anaacutelisis de una determinada banda y sustituir los tonos de gris por una paleta de colores

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CLUT COLOUR LOOK-UP TABLE TABLA DE CONSULTA DE COLOR

ENTENDIENDO LAS IMAacuteGENES

httpsenwikipediaorgwikiColour_look-up_table

creacioacuten del seudo color

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Filtros espaciales Concepto de kernel Filtros paso bajo y paso alto Filtros direccionales Anomaliacuteas y correccioacuten atmosfeacuterica Correcciones radiomeacutetricas Anomaliacuteas radiomeacutetricas Fallos en el sensorCorreccioacuten atmosfeacuterica concepto Meacutetodo valores miacutenimos Regresioacuten entre bandas Dispersioacuten por aerosolesCalibracioacuten Caso misioacuten Landsat

47 Interpretacioacuten de Imaacutegenes

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

conceptos de que es un filtro

espacial

FUNCIONES PARA MEJORAR ASPECTO DE LAS IMAacuteGENES

REALZAN O DISMINUYEN ELEMENTOS VISUALES DE LA IMG

BASADOS EN LA FRECUENCIA ESPACIAL

FRECUENCIAS ESPACIALES ALTAS Variaciones que se producen en pocos piacutexeles TENDENCIA GENERAL FRECUENCIAS ESPACIALES BAJAS

Variaciones que se producen en muchos piacutexeles CONTRASTES LOCALES

FILTROS Figura - CCRS CCT

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

conceptos de kernel

FILTRADO ESPACIAL Figura - CCRS CCT FILTRADO EN EL DOMINIO

ESPACIAL Lo mas comuacuten es la aplicacioacuten de una ventana deslizante con valores que son coeficientes fijos de una matriz La MATRIZ se suele llamar KERNEL o nuacutecleo del filtro

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DIGITAL

ENTENDIENDO LAS IMAacuteGENES

aplicacioacuten del kernel

3 x 3 5 x 5 7 x 7

1 1 1

1 2 1

1 1 1 matrices

LOS VALORES DEL KERNEL SE MULTIPLICAN POR EL PIacuteXEL QUE TIENEN DEBAJO Y LUEGO SE SUMAN TODOS LOS PRODUCTOS

Y PARA OBTENER EL VALOR DEL PIacuteXEL CENTRAL EN LA IMAGEN TRANSFORMADA SE LO DIVIDE POR LA SUMA DE LOS PONDERADOS O PESOS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO - PASO BAJO PASO ALTO

ENTENDIENDO LAS IMAacuteGENES

aplicacioacuten del kernel

26

FILTROS DE PASO BAJO SE FAVORECEN A LOS PIXELES

PERIFEacuteRICOS SE MINIMIZAN LAS DIFERENCIAS CON LOS VECINOS ES UNA ESPECIE DE SUAVIZADO

FILTRO DE PASO ALTO PONDERACIOacuteN DEL VALOR CENTRAL EN DETRIMENTO DE LOS CIRCUNDANTES

SE EXAGERAN DIFERENCIAS Y SE RESALTAN VARIACIONES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DE PASO BAJO

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm

simulacioacuten

IMAGEN ORIGINAL

FILTRO PASO BAJO 3x3 SE TRATA DE ASEMEJAR LOS VALORES DE ND DE UN PIXEL A LOS VALORES VECINOS EN TEacuteRMINOS VISUALES LA IMAGEN FILTRADA OFRECE PERFILES MENOS NIacuteTIDOS

FILTRO PASO BAJO 7x7 SIRVE PARA REDUCIR VARIABILIDAD ESPACIAL DE ALGUNA CATEGORIacuteA ANTES DE UN PROCESO DE CLASIFICACIOacuteN

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DE PASO ALTO

ENTENDIENDO LAS IMAacuteGENES

IMAGEN ORIGINAL

FILTRO PASO ALTO 3x3 SE TRATA DE AISLAR LOS COMPONENTES DE ALTA FRECUENCIA Y REMARCAR DIGITALMENTE CONTRASTES EN TEacuteRMINOS VISUALES LA IMAGEN FILTRADA REFUERZA LOS CONTORNOS EN AacuteREAS HOMOGEacuteNEAS

FILTRO PASO ALTO 7x7 SIRVE PARA LOGRAR REALCES DE RASGOS LINEALES COMO PUEDEN SER EN AacuteREAS URBANAS O RASGOS GEOLOacuteGICOS

simulacioacuten

httpgeograuahesrtm

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

Figura - Landsat USGS

IMAGEN ORIGINAL

FILTRO DIRECCIONAL PERMITEN IDENTIFICAR LOS RASGOS FRONTERIZOS EN LAS IMAacuteGENES COMO LOS FILTROS ANTERIORES PERO AHORA CONSIDERANDO LA ORIENTACIOacuteN

se tiene en cuenta la

orientacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

matrices con direccioacuten

NORTE

1 1 1

1 -2 1

-1 -1 -1

SUR

-1 -1 -1

1 -2 1

1 1 1

ESTE

-1 1 1

-1 -2 1

-1 1 1

OESTE

1 1 -1

1 -2 -1

1 1 -1

SURESTE

-1 -1 1

-1 -2 1

1 1 1

NOROESTE

1 1 1

1 -2 -1

1 -1 -1

SUROESTE

1 -1 -1

1 -2 -1

1 1 1

NORESTE

1 1 1

-1 -2 1

-1 -1 1

OBSERVACIOacuteN

LOS NOMBRES OBEDECEN A LA DIRECCIOacuteN DEL CONTRASTE QUE SENtildeALAN

LA DIRECCIOacuteN QUE REALZAN ES JUSTAMENTE LA PERPENDICULAR

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

48 Interpretacioacuten de Imaacutegenes

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Correcciones geomeacutetricas Georreferenciacioacuten Uso de puntos de control Fuentes de error Procesamiento geomeacutetrico Correccioacuten Transformacioacuten geomeacutetrica Calidad y ajuste Generacioacuten de la nueva imagen Transferencia de ND

INSTITUTO DE AGRIMENSURA - DEPARTAMENTO DE GEOMAacuteTICA PROF ADJUNTO GRADO 3 EDISON J ROSAS BERTON

El tratamiento de una imagen de sateacutelite Georreferenciacioacuten

(paso de un sistema de filas y columnas a un sistema de coordenadas estandard)

Para ello debe obtenerse una muestra de puntos de control de los que conozcamos tanto sus coordenadas reales como sus coordenadas en

la imagen deben ser por tanto objetos de un tamantildeo adecuado para resultar identificables tanto en la imagen como sobre el terreno el tamantildeo

dependeraacute loacutegicamente de la resolucioacuten de la imagen A partir de estos puntos de control se obtendraacuten por regresioacuten unas ecuaciones que permitiraacuten a cada par filacolumna un par de coordenadas

XY

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

GEORREFERENCIACIOacuteN

ENTENDIENDO LAS IMAacuteGENES

georreferenciacioacuten porqueacute

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PUNTOS DE CONTROL

ENTENDIENDO LAS IMAacuteGENES

uso de puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

DISTORSIONES POR LA PLATAFORMA ALTITUD DE LA OacuteRBITA ndash Cambio de escala

VELOCIDAD ndash Cambios de escala ORIENTACIOacuteN DE LOS TRES EJES ndash Distorsiones en la geometriacutea

NO SISTEMAacuteTICOS Y COMPLEJOS DE MODELAR

DISTORSIONES POR ROTACIOacuteN TERRESTRE

CONSIDERANDO ALTITUD (800 Km) y TAMANtildeO DE LA IMAGEN (180 Km)ndashEn latitudes medias tarda en adquirir unos 30 segundos la Tierra se desplaza unos 8 Km

ORIENTACIOacuteN NE SW

DISTORSIONES POR EL SENSOR ANOMALIacuteAS SENSOR y MOVIMIENTO ESPEJO ndash Barrido no lineal o cambio en intervalos

AacuteNGULO DE BARRIDO ndash Variacioacuten en el tamantildeo de pixel

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ERROR EN UNA IMAGEN ESPACIAL

ENTENDIENDO LAS IMAacuteGENES

fuentes de error

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Una correccioacuten geomeacutetrica incluye CUALQUIER CAMBIO EN LA POSICIOacuteN DE LOS PIXELES que

conforman la imagen f (c`) = f1 (c l) f (x y) f (l`) = f2 (c l) f (x y)

COORDENADAS DE IMAGEN CORREGIDA SON FUNCIOacuteN DE COORDENADAS COLUMNA Y LIacuteNEA DE LA

IMAGEN DE ENTRADA O DE LAS COORDENADAS DE MAPA AL QUE SUPERPONDREMOS LA IMAGEN

1 CON OBJETIVO DE REALIZAR UNA TRANSFORMACIOacuteN GEOMEacuteTRICA QUE PERMITA AJUSTARLA A OTRA IMAGEN REFERENCIA NORMALMENTE PARA REALIZAR ESTUDIOS MULTITEMPORALES O MOSAICOS CON EL FIN DE AMPLIAR LOS DATOS E INFORMACIOacuteN DE UNA ZONA

2 ESTO PERMITIRAacute QUE LA NUEVA IMAGEN LA PUEDA INTEGRAR CON INFORMACIOacuteN DE OTRAS FUENTES POR EJEMPLO EN UN AMBIENTE SIG

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

correccioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

asumimos que

NO SE CONOCE EL ORIGEN DE LOS ERRORES

modelamos

ECUACIONES EMPIacuteRICAS

aplicadas a un conjunto de puntos

COORDENADAS CONOCIDAS IMAGEN INPUT e IMAGEN OUTPUT

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

1 ndash SELECCIOacuteN DE REFERENCIAS 2 ndash ECUACIONES DE AJUSTE

3 ndash GENERACIOacuteN DE LA IMAGEN CORREGIDA

ES OBVIO CALIDAD DEL AJUSTE DEPENDERAacute DE PRECISIOacuteN CON QUE SE

LOCALICEN LOS PUNTOS DE CONTROL INEXACTA LOCALIZACIOacuteN

DISTRIBUCIOacuteN MUY SECTORIZADA NUacuteMERO DE PUNTOS DE CONTROL INADECUADO

ESTABLECER LOS PUNTOS DE CONTROL FASE MAS CRUCIAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

procesamiento de la correccioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Resaltamos la importancia de

NUacuteMERO LOCALIZACIOacuteN DISTRIBUCIOacuteN

Que debemos atender Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

que considero UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash Croquis ilustrativos de apoyo

TERRENO O ZONAS PLANAS CON IMG OBTENIDAS POR UN SENSOR DE ESTRECHA VISIOacuteN DE CAMPO

TRANSFORMACIOacuteN

BASADO EN ECUACIONES LINEALES SIMPLES

TERRENO ESCARPADO O RUGOSO O UTILIZACIOacuteN DE IMG OBTENIDAS EN UN SENSOR CON VARIACIONES EN LAS CONDICIONES DE OBSERVACIOacuteN

TRANSFORMACIOacuteN MAacuteS COMPLEJA

POLINOMIOS DE SEGUNDO O TERCER ORDEN

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Desde un punto de vista matemaacutetico

GRADO 1 ndash 3 puntos GRADO 2 ndash 6 puntos GRADO 3 ndash 10 puntos

Seguacuten mis objetivos del trabajo no es conveniente utilizar esos miacutenimos

14 a 20 puntos (Landsat 5 MMS ndash seguacuten Bernstein R y D G Ferneyhough Jr 1978)

100 a 120 puntos (Landsat 7 TM ndash seguacuten el National Remote Sensing Center de Inglaterra)

10 o 12 puntos (Pequentildea zona de 512 x 512 pixeles ndash seguacuten Emilio Chuvieco 2010)

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

matemaacuteticamente UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

QUE DEBEMOS DE CONSIDERAR EN CUANTO A LA LOCALIZACIOacuteN

CLARAMENTE IDENTIFICABLES EN IMAGEN Y MAPA RASGOS HUMANOS DEL PAISAJE NO SUJETOS A DINAMISMO TEMPORAL

CRUCE DE CARRETERAS

CAMINOS VIacuteA FEacuteRREAS

NO CONSIDERAR ELEMENTOS ASOCIADOS AL AGUA

COSTA CURSOS DE AGUA

EMBALSES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

localizacioacuten TCP UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la correccioacuten digital de la geometriacutea de una imagen se realiza a partir de establecer unas funciones que relacionen las coordenadas de la imagen

y las coordenadas del mapa

EJ CASO MAS SIMPLE REGRESIOacuteN LINEAL MUacuteLTIPLE

ci = a0 + a1 Xi + a2 Yi li = b0 + b1 Xi + b2 Yi

EN LA PRAacuteCTICA BASTA UNA FUNCIOacuteN LINEAL PARA ABORDAR UN GRAN NUacuteMERO DE

TRANSFORMACIONES Y SON SUFICIENTES SI LAS IMAacuteGENES NO SON MUY GRANDES ANTE LA NECESIDAD DE OTRAS TRANSFORMACIONES SE UTILIZAN DE 2ordm y 3ordm ORDEN CONSIDERANDO ALTERACIONES GEOMEacuteTRICAS NO LINEALES (FUNCIONES QUE NO SE DEFINEN EN UN PLANO

CON EJES LINEALES SINO QUE SUPERFICIES CON EJES CURVILIacuteNEOS)

LOS COEFICIENTES DE LAS FUNCIONES DE TRANSFORMACIOacuteN SE CALCULAN A PARTIR DE UN AJUSTE POR MIacuteNIMOS CUADRADOS

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

funciones de transformacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash ejemplos de funciones de transformacioacuten geomeacutetrica con el efecto causado

TRASLACIOacuteN

CAMBIO DE ESCALA

INCLINACIOacuteN

PERSPECTIVA

ROTACIOacuteN

x = a0 + xacute y = b0 + yacute

x = xacute + a2 yacute y = yacute

x = a1 xacute y = b1 yacute

x = a3xacute yacute y = yacute

x = a4xacute + a5yacute y = b4xacute + b5yacute a4 = b5 = cos Ɵ a5 = -b4 = sen Ɵ

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

transformacioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

comparacioacuten coordenadas reales y las estimadas por la regresioacuten

el promedio de los residuales se conoce como error medio cuadraacutetico

la calidad del ajuste lo da el RMSE (root mean squared error)

(error medio cuadraacutetico)

RMSE es la raiacutez cuadrada de las desviaciones entre los valores reales y los

calculados

RMSE para cada punto es la raiacutez de los residuales al cuadrado que es la distancia entre ellos

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

RMSE UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la praacutectica hace que fijemos una TOLERANCIA y es que si ese promedio supera un valor fijado previamente haya que rever

el valor fijado previamente generalmente es igual o menor a un PIXEL

una correcta verificacioacuten

NECESITA introducir PUNTOS de VERIFICACIOacuteN

que no hayan sido introducidos en el ajuste

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

tolerancias fijadas

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

traducimos coordenadas de un mapa a la imagen tambieacuten necesitamos a la nueva imagen

TRANSFERIR LOS VALORES DIGITALES no olvidar que lo que queremos es generar una nueva imagen que se

corresponda con las coordenadas y las funciones de ajuste

NO ORIGINAN NUEVA IMAGEN solo colocan a los pixeles en la posicioacuten correcta

en criollo las funciones de transformacioacuten generan una nueva matriz bien posicionada pero vaciacutea

DEBEMOS LLENAR LA MATRIZ problema maacutes complejo de lo que puede

pensarse Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

generacioacuten de la nueva imaacutegen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

cada pixel de la imagen corregida se corresponderiacutea con un pixel de la imagen original

LEJOS DE ESE IDEAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo I

vecino maacutes proacuteximo ( nearest neighbour )

a cada celda de la imagen corregida se asigna el ND del pixel maacutes cercano de la

imagen original

SOLUCIOacuteN RAacutePIDA MENOR DISTORSIOacuteN DE LOS ND

INTRODUCE RASGOS LINEALES QUE DISTORSIONAN

CORRECCIOacuteN DE IMAacuteGENES CLASIFICADAS

CONSERVAR LA RADIOMETRIacuteA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo II

interpolacioacuten bilineal ( bilinear interpolation )

supone promediar los ND de los cuatro pixeles mas cercanos

con ponderacioacuten seguacuten la distancia pixeles originalcorregido

REDUCE EL EFECTO DE DISTORSIOacuteN EN RASGOS LINEALES

TIENDE A DIFUMINAR LOS CONTRASTES ESPACIALES

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE IMAacuteGENES RECTIFICADAS MAPAS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo III

convolusioacuten cuacutebica ( cubic convolution )

supone considerar los ND de los 16 pixeles mas proacuteximos

media ponderada seguacuten la distancia pixeles originalcorregido

EFECTO VISUAL MAS CORRECTO

VOLUacuteMEN DE CAacuteLCULO MUY SUPERIOR TENDENCIA A AGUDIZAR BORDES DE LA IMAGEN

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE ORTOIMAacuteGENES IMPRESIONES DE CALIDAD

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

  • Nuacutemero de diapositiva 1
  • Nuacutemero de diapositiva 2
  • MOacuteDULO IV
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 5
  • Nuacutemero de diapositiva 6
  • Nuacutemero de diapositiva 7
  • Nuacutemero de diapositiva 8
  • Nuacutemero de diapositiva 9
  • Nuacutemero de diapositiva 10
  • Nuacutemero de diapositiva 11
  • Nuacutemero de diapositiva 12
  • Nuacutemero de diapositiva 13
  • Nuacutemero de diapositiva 14
  • Nuacutemero de diapositiva 15
  • Nuacutemero de diapositiva 16
  • Nuacutemero de diapositiva 17
  • Nuacutemero de diapositiva 18
  • Nuacutemero de diapositiva 19
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 21
  • Nuacutemero de diapositiva 22
  • Nuacutemero de diapositiva 23
  • Nuacutemero de diapositiva 24
  • Nuacutemero de diapositiva 25
  • Nuacutemero de diapositiva 26
  • Nuacutemero de diapositiva 27
  • Nuacutemero de diapositiva 28
  • Nuacutemero de diapositiva 29
  • Nuacutemero de diapositiva 30
  • Nuacutemero de diapositiva 31
  • Nuacutemero de diapositiva 32
  • Nuacutemero de diapositiva 33
  • Nuacutemero de diapositiva 34
  • Nuacutemero de diapositiva 35
  • Nuacutemero de diapositiva 36
  • Nuacutemero de diapositiva 37
  • Nuacutemero de diapositiva 38
  • Nuacutemero de diapositiva 39
  • Nuacutemero de diapositiva 40
  • 47 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 42
  • Nuacutemero de diapositiva 43
  • Nuacutemero de diapositiva 44
  • Nuacutemero de diapositiva 45
  • Nuacutemero de diapositiva 46
  • Nuacutemero de diapositiva 47
  • Nuacutemero de diapositiva 48
  • Nuacutemero de diapositiva 49
  • Nuacutemero de diapositiva 50
  • Nuacutemero de diapositiva 51
  • Nuacutemero de diapositiva 52
  • Nuacutemero de diapositiva 53
  • Nuacutemero de diapositiva 54
  • 48 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 56
  • Nuacutemero de diapositiva 57
  • Nuacutemero de diapositiva 58
  • Nuacutemero de diapositiva 59
  • Nuacutemero de diapositiva 60
  • Nuacutemero de diapositiva 61
  • Nuacutemero de diapositiva 62
  • Nuacutemero de diapositiva 63
  • Nuacutemero de diapositiva 64
  • Nuacutemero de diapositiva 65
  • Nuacutemero de diapositiva 66
  • Nuacutemero de diapositiva 67
  • Nuacutemero de diapositiva 68
  • Nuacutemero de diapositiva 69
  • Nuacutemero de diapositiva 70
  • Nuacutemero de diapositiva 71
  • Nuacutemero de diapositiva 72
  • Nuacutemero de diapositiva 73
  • Nuacutemero de diapositiva 74

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PORQUEacute EL REALCE

ENTENDIENDO LAS IMAacuteGENES

LOS SENSORES SON CALIBRADOS PARA ABARCAR TODO EL RANGO POSIBLE DE RADIANCIAS

PARA CADA USO EN CONCRETO ES NECESIDAD IMPERIOSA

EXPANDIR EL HISTOGRAMA Y ASIacute CUBRIR EL RANGO COMPLETO DE NIVELES DE GRIS

histograma UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CONTRASTE EN UNA IMAGEN

ENTENDIENDO LAS IMAacuteGENES

expansioacuten del contraste

los datos uacutetiles solo ocupan pequentildea parte de los niveles de gris disponibles

expandir o estirar el histograma es cambiar los valores originales de ND para utilizar mayor rango

asiacute incrementar el contraste visual de diferentes objetos

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

ejemplos visuales

sin realce lineal

frecuencial gamma

MEacuteTODOS DE EXPANSIOacuteN DEL CONTRASTE

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

lineal

expansioacuten lineal

lo maacutes simple transformacioacuten en liacutenea llevando el valor miacutenimo a 0 y maacuteximo a 255 o se usa un rango por encima y por debajo de miacutenimo y maacuteximo

EXPANSIOacuteN I

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

lineal

EXPANSIOacuteN I expansioacuten

logariacutetmico exponencial

gamma

curvas de transferencia en lugar de rectas gamma es la curvatura de dicha curva se expanden maacutes el contraste de los extremos o del centro

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

frecuencial

EXPANSIOacuteN II

frecuencial ecualizacioacuten del

histograma

cuando los valores de ND no estaacuten distribuidos uniformemente intentar en la medida de lo posible que los valores de salida de los ND tengan el mismo de pixeles con dicho valor

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CONTRASTE EN UNA IMAGEN

ENTENDIENDO LAS IMAacuteGENES

compresioacuten del contraste

Ya sabemos que el contraste mide el rango dinaacutemico de los colores en la imagen es decir una imagen muy contrastada tiene un amplio abanico de colores (o tonos de gris) desde valores muy bajos a valores muy altos Para una imagen con poco contraste los colores estaacuten muy juntos el margen dinaacutemico es pequentildeo La variacioacuten en el contraste aparece como una compresioacuten del histograma en caso de una reduccioacuten a la inversa de lo visto en el caso de una expansioacuten

Compresioacuten si el rango excede de las capacidades del sistema

Se ha de comparar el nuacutemero de niveles digitales (ND) de la imagen con los niveles de visualizacioacuten (NV) o grises del sistema Es de menos aplicacioacuten Al igual que el brillo variando el contraste se puede provocar una peacuterdida de informacioacuten de la imagen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

MAYOR APLICABILIDAD DEL REALCE

ENTENDIENDO LAS IMAacuteGENES

realce oacuteptimo

realce frecuencial

realce lineal

laquo r e a l c e oacute p t i m o raquo optimiza interpretacioacuten de la imagen

mejor esteacutetica de la imagen NO COINCIDE CON NINGUacuteN CORTE PREDETERMINADO

Y SE LOGRA INTERACTIVAMENTE EN PANTALLA Y PARA CADA BANDA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

image1png

image1png

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

COMPOSICIONES COLOR

ENTENDIENDO LAS IMAacuteGENES

formatos de composiciones

CON LA CRECIENTE APARICIOacuteN DE LOS SENSORES HIPERESPECTRALES LAS POSIBILIDADES DE COMPOSICIONES

COLOREADAS DE BANDAS SON CASI ILIMITADAS

LA ELECCIOacuteN DE LAS BANDAS PARA REALIZAR LA COMPOSICIOacuteN Y EL ORDEN DE LAS BANDAS ASIGANADAS A LOS COLORES

PRIMARIOS DEPENDERAacute DE

Sensor Aplicacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EL SEUDO - COLOR

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm formatos de

composiciones

Ya hemos afirmado de que el ojo humano es maacutes capaz de distinguir tonos de color que intensidades de brillo

Por ello el empleo del color ayuda a la interpretacioacuten incluso cuando podamos tener una sola imagen de una banda

Es aquiacute que hablamos del SEUDO COLOR por no contar con tres bandas

El seudo color implica la creacioacuten de una CLUT que asocie el ND de una sola banda a distintos componentes del R V y A APLICACIONES 1 Para tener una leyenda de colores para una img clasificada 2 Para realzar el anaacutelisis de una determinada banda y sustituir los tonos de gris por una paleta de colores

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CLUT COLOUR LOOK-UP TABLE TABLA DE CONSULTA DE COLOR

ENTENDIENDO LAS IMAacuteGENES

httpsenwikipediaorgwikiColour_look-up_table

creacioacuten del seudo color

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Filtros espaciales Concepto de kernel Filtros paso bajo y paso alto Filtros direccionales Anomaliacuteas y correccioacuten atmosfeacuterica Correcciones radiomeacutetricas Anomaliacuteas radiomeacutetricas Fallos en el sensorCorreccioacuten atmosfeacuterica concepto Meacutetodo valores miacutenimos Regresioacuten entre bandas Dispersioacuten por aerosolesCalibracioacuten Caso misioacuten Landsat

47 Interpretacioacuten de Imaacutegenes

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

conceptos de que es un filtro

espacial

FUNCIONES PARA MEJORAR ASPECTO DE LAS IMAacuteGENES

REALZAN O DISMINUYEN ELEMENTOS VISUALES DE LA IMG

BASADOS EN LA FRECUENCIA ESPACIAL

FRECUENCIAS ESPACIALES ALTAS Variaciones que se producen en pocos piacutexeles TENDENCIA GENERAL FRECUENCIAS ESPACIALES BAJAS

Variaciones que se producen en muchos piacutexeles CONTRASTES LOCALES

FILTROS Figura - CCRS CCT

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

conceptos de kernel

FILTRADO ESPACIAL Figura - CCRS CCT FILTRADO EN EL DOMINIO

ESPACIAL Lo mas comuacuten es la aplicacioacuten de una ventana deslizante con valores que son coeficientes fijos de una matriz La MATRIZ se suele llamar KERNEL o nuacutecleo del filtro

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DIGITAL

ENTENDIENDO LAS IMAacuteGENES

aplicacioacuten del kernel

3 x 3 5 x 5 7 x 7

1 1 1

1 2 1

1 1 1 matrices

LOS VALORES DEL KERNEL SE MULTIPLICAN POR EL PIacuteXEL QUE TIENEN DEBAJO Y LUEGO SE SUMAN TODOS LOS PRODUCTOS

Y PARA OBTENER EL VALOR DEL PIacuteXEL CENTRAL EN LA IMAGEN TRANSFORMADA SE LO DIVIDE POR LA SUMA DE LOS PONDERADOS O PESOS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO - PASO BAJO PASO ALTO

ENTENDIENDO LAS IMAacuteGENES

aplicacioacuten del kernel

26

FILTROS DE PASO BAJO SE FAVORECEN A LOS PIXELES

PERIFEacuteRICOS SE MINIMIZAN LAS DIFERENCIAS CON LOS VECINOS ES UNA ESPECIE DE SUAVIZADO

FILTRO DE PASO ALTO PONDERACIOacuteN DEL VALOR CENTRAL EN DETRIMENTO DE LOS CIRCUNDANTES

SE EXAGERAN DIFERENCIAS Y SE RESALTAN VARIACIONES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DE PASO BAJO

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm

simulacioacuten

IMAGEN ORIGINAL

FILTRO PASO BAJO 3x3 SE TRATA DE ASEMEJAR LOS VALORES DE ND DE UN PIXEL A LOS VALORES VECINOS EN TEacuteRMINOS VISUALES LA IMAGEN FILTRADA OFRECE PERFILES MENOS NIacuteTIDOS

FILTRO PASO BAJO 7x7 SIRVE PARA REDUCIR VARIABILIDAD ESPACIAL DE ALGUNA CATEGORIacuteA ANTES DE UN PROCESO DE CLASIFICACIOacuteN

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DE PASO ALTO

ENTENDIENDO LAS IMAacuteGENES

IMAGEN ORIGINAL

FILTRO PASO ALTO 3x3 SE TRATA DE AISLAR LOS COMPONENTES DE ALTA FRECUENCIA Y REMARCAR DIGITALMENTE CONTRASTES EN TEacuteRMINOS VISUALES LA IMAGEN FILTRADA REFUERZA LOS CONTORNOS EN AacuteREAS HOMOGEacuteNEAS

FILTRO PASO ALTO 7x7 SIRVE PARA LOGRAR REALCES DE RASGOS LINEALES COMO PUEDEN SER EN AacuteREAS URBANAS O RASGOS GEOLOacuteGICOS

simulacioacuten

httpgeograuahesrtm

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

Figura - Landsat USGS

IMAGEN ORIGINAL

FILTRO DIRECCIONAL PERMITEN IDENTIFICAR LOS RASGOS FRONTERIZOS EN LAS IMAacuteGENES COMO LOS FILTROS ANTERIORES PERO AHORA CONSIDERANDO LA ORIENTACIOacuteN

se tiene en cuenta la

orientacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

matrices con direccioacuten

NORTE

1 1 1

1 -2 1

-1 -1 -1

SUR

-1 -1 -1

1 -2 1

1 1 1

ESTE

-1 1 1

-1 -2 1

-1 1 1

OESTE

1 1 -1

1 -2 -1

1 1 -1

SURESTE

-1 -1 1

-1 -2 1

1 1 1

NOROESTE

1 1 1

1 -2 -1

1 -1 -1

SUROESTE

1 -1 -1

1 -2 -1

1 1 1

NORESTE

1 1 1

-1 -2 1

-1 -1 1

OBSERVACIOacuteN

LOS NOMBRES OBEDECEN A LA DIRECCIOacuteN DEL CONTRASTE QUE SENtildeALAN

LA DIRECCIOacuteN QUE REALZAN ES JUSTAMENTE LA PERPENDICULAR

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

48 Interpretacioacuten de Imaacutegenes

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Correcciones geomeacutetricas Georreferenciacioacuten Uso de puntos de control Fuentes de error Procesamiento geomeacutetrico Correccioacuten Transformacioacuten geomeacutetrica Calidad y ajuste Generacioacuten de la nueva imagen Transferencia de ND

INSTITUTO DE AGRIMENSURA - DEPARTAMENTO DE GEOMAacuteTICA PROF ADJUNTO GRADO 3 EDISON J ROSAS BERTON

El tratamiento de una imagen de sateacutelite Georreferenciacioacuten

(paso de un sistema de filas y columnas a un sistema de coordenadas estandard)

Para ello debe obtenerse una muestra de puntos de control de los que conozcamos tanto sus coordenadas reales como sus coordenadas en

la imagen deben ser por tanto objetos de un tamantildeo adecuado para resultar identificables tanto en la imagen como sobre el terreno el tamantildeo

dependeraacute loacutegicamente de la resolucioacuten de la imagen A partir de estos puntos de control se obtendraacuten por regresioacuten unas ecuaciones que permitiraacuten a cada par filacolumna un par de coordenadas

XY

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

GEORREFERENCIACIOacuteN

ENTENDIENDO LAS IMAacuteGENES

georreferenciacioacuten porqueacute

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PUNTOS DE CONTROL

ENTENDIENDO LAS IMAacuteGENES

uso de puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

DISTORSIONES POR LA PLATAFORMA ALTITUD DE LA OacuteRBITA ndash Cambio de escala

VELOCIDAD ndash Cambios de escala ORIENTACIOacuteN DE LOS TRES EJES ndash Distorsiones en la geometriacutea

NO SISTEMAacuteTICOS Y COMPLEJOS DE MODELAR

DISTORSIONES POR ROTACIOacuteN TERRESTRE

CONSIDERANDO ALTITUD (800 Km) y TAMANtildeO DE LA IMAGEN (180 Km)ndashEn latitudes medias tarda en adquirir unos 30 segundos la Tierra se desplaza unos 8 Km

ORIENTACIOacuteN NE SW

DISTORSIONES POR EL SENSOR ANOMALIacuteAS SENSOR y MOVIMIENTO ESPEJO ndash Barrido no lineal o cambio en intervalos

AacuteNGULO DE BARRIDO ndash Variacioacuten en el tamantildeo de pixel

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ERROR EN UNA IMAGEN ESPACIAL

ENTENDIENDO LAS IMAacuteGENES

fuentes de error

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Una correccioacuten geomeacutetrica incluye CUALQUIER CAMBIO EN LA POSICIOacuteN DE LOS PIXELES que

conforman la imagen f (c`) = f1 (c l) f (x y) f (l`) = f2 (c l) f (x y)

COORDENADAS DE IMAGEN CORREGIDA SON FUNCIOacuteN DE COORDENADAS COLUMNA Y LIacuteNEA DE LA

IMAGEN DE ENTRADA O DE LAS COORDENADAS DE MAPA AL QUE SUPERPONDREMOS LA IMAGEN

1 CON OBJETIVO DE REALIZAR UNA TRANSFORMACIOacuteN GEOMEacuteTRICA QUE PERMITA AJUSTARLA A OTRA IMAGEN REFERENCIA NORMALMENTE PARA REALIZAR ESTUDIOS MULTITEMPORALES O MOSAICOS CON EL FIN DE AMPLIAR LOS DATOS E INFORMACIOacuteN DE UNA ZONA

2 ESTO PERMITIRAacute QUE LA NUEVA IMAGEN LA PUEDA INTEGRAR CON INFORMACIOacuteN DE OTRAS FUENTES POR EJEMPLO EN UN AMBIENTE SIG

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

correccioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

asumimos que

NO SE CONOCE EL ORIGEN DE LOS ERRORES

modelamos

ECUACIONES EMPIacuteRICAS

aplicadas a un conjunto de puntos

COORDENADAS CONOCIDAS IMAGEN INPUT e IMAGEN OUTPUT

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

1 ndash SELECCIOacuteN DE REFERENCIAS 2 ndash ECUACIONES DE AJUSTE

3 ndash GENERACIOacuteN DE LA IMAGEN CORREGIDA

ES OBVIO CALIDAD DEL AJUSTE DEPENDERAacute DE PRECISIOacuteN CON QUE SE

LOCALICEN LOS PUNTOS DE CONTROL INEXACTA LOCALIZACIOacuteN

DISTRIBUCIOacuteN MUY SECTORIZADA NUacuteMERO DE PUNTOS DE CONTROL INADECUADO

ESTABLECER LOS PUNTOS DE CONTROL FASE MAS CRUCIAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

procesamiento de la correccioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Resaltamos la importancia de

NUacuteMERO LOCALIZACIOacuteN DISTRIBUCIOacuteN

Que debemos atender Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

que considero UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash Croquis ilustrativos de apoyo

TERRENO O ZONAS PLANAS CON IMG OBTENIDAS POR UN SENSOR DE ESTRECHA VISIOacuteN DE CAMPO

TRANSFORMACIOacuteN

BASADO EN ECUACIONES LINEALES SIMPLES

TERRENO ESCARPADO O RUGOSO O UTILIZACIOacuteN DE IMG OBTENIDAS EN UN SENSOR CON VARIACIONES EN LAS CONDICIONES DE OBSERVACIOacuteN

TRANSFORMACIOacuteN MAacuteS COMPLEJA

POLINOMIOS DE SEGUNDO O TERCER ORDEN

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Desde un punto de vista matemaacutetico

GRADO 1 ndash 3 puntos GRADO 2 ndash 6 puntos GRADO 3 ndash 10 puntos

Seguacuten mis objetivos del trabajo no es conveniente utilizar esos miacutenimos

14 a 20 puntos (Landsat 5 MMS ndash seguacuten Bernstein R y D G Ferneyhough Jr 1978)

100 a 120 puntos (Landsat 7 TM ndash seguacuten el National Remote Sensing Center de Inglaterra)

10 o 12 puntos (Pequentildea zona de 512 x 512 pixeles ndash seguacuten Emilio Chuvieco 2010)

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

matemaacuteticamente UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

QUE DEBEMOS DE CONSIDERAR EN CUANTO A LA LOCALIZACIOacuteN

CLARAMENTE IDENTIFICABLES EN IMAGEN Y MAPA RASGOS HUMANOS DEL PAISAJE NO SUJETOS A DINAMISMO TEMPORAL

CRUCE DE CARRETERAS

CAMINOS VIacuteA FEacuteRREAS

NO CONSIDERAR ELEMENTOS ASOCIADOS AL AGUA

COSTA CURSOS DE AGUA

EMBALSES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

localizacioacuten TCP UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la correccioacuten digital de la geometriacutea de una imagen se realiza a partir de establecer unas funciones que relacionen las coordenadas de la imagen

y las coordenadas del mapa

EJ CASO MAS SIMPLE REGRESIOacuteN LINEAL MUacuteLTIPLE

ci = a0 + a1 Xi + a2 Yi li = b0 + b1 Xi + b2 Yi

EN LA PRAacuteCTICA BASTA UNA FUNCIOacuteN LINEAL PARA ABORDAR UN GRAN NUacuteMERO DE

TRANSFORMACIONES Y SON SUFICIENTES SI LAS IMAacuteGENES NO SON MUY GRANDES ANTE LA NECESIDAD DE OTRAS TRANSFORMACIONES SE UTILIZAN DE 2ordm y 3ordm ORDEN CONSIDERANDO ALTERACIONES GEOMEacuteTRICAS NO LINEALES (FUNCIONES QUE NO SE DEFINEN EN UN PLANO

CON EJES LINEALES SINO QUE SUPERFICIES CON EJES CURVILIacuteNEOS)

LOS COEFICIENTES DE LAS FUNCIONES DE TRANSFORMACIOacuteN SE CALCULAN A PARTIR DE UN AJUSTE POR MIacuteNIMOS CUADRADOS

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

funciones de transformacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash ejemplos de funciones de transformacioacuten geomeacutetrica con el efecto causado

TRASLACIOacuteN

CAMBIO DE ESCALA

INCLINACIOacuteN

PERSPECTIVA

ROTACIOacuteN

x = a0 + xacute y = b0 + yacute

x = xacute + a2 yacute y = yacute

x = a1 xacute y = b1 yacute

x = a3xacute yacute y = yacute

x = a4xacute + a5yacute y = b4xacute + b5yacute a4 = b5 = cos Ɵ a5 = -b4 = sen Ɵ

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

transformacioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

comparacioacuten coordenadas reales y las estimadas por la regresioacuten

el promedio de los residuales se conoce como error medio cuadraacutetico

la calidad del ajuste lo da el RMSE (root mean squared error)

(error medio cuadraacutetico)

RMSE es la raiacutez cuadrada de las desviaciones entre los valores reales y los

calculados

RMSE para cada punto es la raiacutez de los residuales al cuadrado que es la distancia entre ellos

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

RMSE UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la praacutectica hace que fijemos una TOLERANCIA y es que si ese promedio supera un valor fijado previamente haya que rever

el valor fijado previamente generalmente es igual o menor a un PIXEL

una correcta verificacioacuten

NECESITA introducir PUNTOS de VERIFICACIOacuteN

que no hayan sido introducidos en el ajuste

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

tolerancias fijadas

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

traducimos coordenadas de un mapa a la imagen tambieacuten necesitamos a la nueva imagen

TRANSFERIR LOS VALORES DIGITALES no olvidar que lo que queremos es generar una nueva imagen que se

corresponda con las coordenadas y las funciones de ajuste

NO ORIGINAN NUEVA IMAGEN solo colocan a los pixeles en la posicioacuten correcta

en criollo las funciones de transformacioacuten generan una nueva matriz bien posicionada pero vaciacutea

DEBEMOS LLENAR LA MATRIZ problema maacutes complejo de lo que puede

pensarse Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

generacioacuten de la nueva imaacutegen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

cada pixel de la imagen corregida se corresponderiacutea con un pixel de la imagen original

LEJOS DE ESE IDEAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo I

vecino maacutes proacuteximo ( nearest neighbour )

a cada celda de la imagen corregida se asigna el ND del pixel maacutes cercano de la

imagen original

SOLUCIOacuteN RAacutePIDA MENOR DISTORSIOacuteN DE LOS ND

INTRODUCE RASGOS LINEALES QUE DISTORSIONAN

CORRECCIOacuteN DE IMAacuteGENES CLASIFICADAS

CONSERVAR LA RADIOMETRIacuteA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo II

interpolacioacuten bilineal ( bilinear interpolation )

supone promediar los ND de los cuatro pixeles mas cercanos

con ponderacioacuten seguacuten la distancia pixeles originalcorregido

REDUCE EL EFECTO DE DISTORSIOacuteN EN RASGOS LINEALES

TIENDE A DIFUMINAR LOS CONTRASTES ESPACIALES

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE IMAacuteGENES RECTIFICADAS MAPAS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo III

convolusioacuten cuacutebica ( cubic convolution )

supone considerar los ND de los 16 pixeles mas proacuteximos

media ponderada seguacuten la distancia pixeles originalcorregido

EFECTO VISUAL MAS CORRECTO

VOLUacuteMEN DE CAacuteLCULO MUY SUPERIOR TENDENCIA A AGUDIZAR BORDES DE LA IMAGEN

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE ORTOIMAacuteGENES IMPRESIONES DE CALIDAD

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

  • Nuacutemero de diapositiva 1
  • Nuacutemero de diapositiva 2
  • MOacuteDULO IV
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 5
  • Nuacutemero de diapositiva 6
  • Nuacutemero de diapositiva 7
  • Nuacutemero de diapositiva 8
  • Nuacutemero de diapositiva 9
  • Nuacutemero de diapositiva 10
  • Nuacutemero de diapositiva 11
  • Nuacutemero de diapositiva 12
  • Nuacutemero de diapositiva 13
  • Nuacutemero de diapositiva 14
  • Nuacutemero de diapositiva 15
  • Nuacutemero de diapositiva 16
  • Nuacutemero de diapositiva 17
  • Nuacutemero de diapositiva 18
  • Nuacutemero de diapositiva 19
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 21
  • Nuacutemero de diapositiva 22
  • Nuacutemero de diapositiva 23
  • Nuacutemero de diapositiva 24
  • Nuacutemero de diapositiva 25
  • Nuacutemero de diapositiva 26
  • Nuacutemero de diapositiva 27
  • Nuacutemero de diapositiva 28
  • Nuacutemero de diapositiva 29
  • Nuacutemero de diapositiva 30
  • Nuacutemero de diapositiva 31
  • Nuacutemero de diapositiva 32
  • Nuacutemero de diapositiva 33
  • Nuacutemero de diapositiva 34
  • Nuacutemero de diapositiva 35
  • Nuacutemero de diapositiva 36
  • Nuacutemero de diapositiva 37
  • Nuacutemero de diapositiva 38
  • Nuacutemero de diapositiva 39
  • Nuacutemero de diapositiva 40
  • 47 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 42
  • Nuacutemero de diapositiva 43
  • Nuacutemero de diapositiva 44
  • Nuacutemero de diapositiva 45
  • Nuacutemero de diapositiva 46
  • Nuacutemero de diapositiva 47
  • Nuacutemero de diapositiva 48
  • Nuacutemero de diapositiva 49
  • Nuacutemero de diapositiva 50
  • Nuacutemero de diapositiva 51
  • Nuacutemero de diapositiva 52
  • Nuacutemero de diapositiva 53
  • Nuacutemero de diapositiva 54
  • 48 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 56
  • Nuacutemero de diapositiva 57
  • Nuacutemero de diapositiva 58
  • Nuacutemero de diapositiva 59
  • Nuacutemero de diapositiva 60
  • Nuacutemero de diapositiva 61
  • Nuacutemero de diapositiva 62
  • Nuacutemero de diapositiva 63
  • Nuacutemero de diapositiva 64
  • Nuacutemero de diapositiva 65
  • Nuacutemero de diapositiva 66
  • Nuacutemero de diapositiva 67
  • Nuacutemero de diapositiva 68
  • Nuacutemero de diapositiva 69
  • Nuacutemero de diapositiva 70
  • Nuacutemero de diapositiva 71
  • Nuacutemero de diapositiva 72
  • Nuacutemero de diapositiva 73
  • Nuacutemero de diapositiva 74

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CONTRASTE EN UNA IMAGEN

ENTENDIENDO LAS IMAacuteGENES

expansioacuten del contraste

los datos uacutetiles solo ocupan pequentildea parte de los niveles de gris disponibles

expandir o estirar el histograma es cambiar los valores originales de ND para utilizar mayor rango

asiacute incrementar el contraste visual de diferentes objetos

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

ejemplos visuales

sin realce lineal

frecuencial gamma

MEacuteTODOS DE EXPANSIOacuteN DEL CONTRASTE

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

lineal

expansioacuten lineal

lo maacutes simple transformacioacuten en liacutenea llevando el valor miacutenimo a 0 y maacuteximo a 255 o se usa un rango por encima y por debajo de miacutenimo y maacuteximo

EXPANSIOacuteN I

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

lineal

EXPANSIOacuteN I expansioacuten

logariacutetmico exponencial

gamma

curvas de transferencia en lugar de rectas gamma es la curvatura de dicha curva se expanden maacutes el contraste de los extremos o del centro

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

frecuencial

EXPANSIOacuteN II

frecuencial ecualizacioacuten del

histograma

cuando los valores de ND no estaacuten distribuidos uniformemente intentar en la medida de lo posible que los valores de salida de los ND tengan el mismo de pixeles con dicho valor

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CONTRASTE EN UNA IMAGEN

ENTENDIENDO LAS IMAacuteGENES

compresioacuten del contraste

Ya sabemos que el contraste mide el rango dinaacutemico de los colores en la imagen es decir una imagen muy contrastada tiene un amplio abanico de colores (o tonos de gris) desde valores muy bajos a valores muy altos Para una imagen con poco contraste los colores estaacuten muy juntos el margen dinaacutemico es pequentildeo La variacioacuten en el contraste aparece como una compresioacuten del histograma en caso de una reduccioacuten a la inversa de lo visto en el caso de una expansioacuten

Compresioacuten si el rango excede de las capacidades del sistema

Se ha de comparar el nuacutemero de niveles digitales (ND) de la imagen con los niveles de visualizacioacuten (NV) o grises del sistema Es de menos aplicacioacuten Al igual que el brillo variando el contraste se puede provocar una peacuterdida de informacioacuten de la imagen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

MAYOR APLICABILIDAD DEL REALCE

ENTENDIENDO LAS IMAacuteGENES

realce oacuteptimo

realce frecuencial

realce lineal

laquo r e a l c e oacute p t i m o raquo optimiza interpretacioacuten de la imagen

mejor esteacutetica de la imagen NO COINCIDE CON NINGUacuteN CORTE PREDETERMINADO

Y SE LOGRA INTERACTIVAMENTE EN PANTALLA Y PARA CADA BANDA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

image1png

image1png

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

COMPOSICIONES COLOR

ENTENDIENDO LAS IMAacuteGENES

formatos de composiciones

CON LA CRECIENTE APARICIOacuteN DE LOS SENSORES HIPERESPECTRALES LAS POSIBILIDADES DE COMPOSICIONES

COLOREADAS DE BANDAS SON CASI ILIMITADAS

LA ELECCIOacuteN DE LAS BANDAS PARA REALIZAR LA COMPOSICIOacuteN Y EL ORDEN DE LAS BANDAS ASIGANADAS A LOS COLORES

PRIMARIOS DEPENDERAacute DE

Sensor Aplicacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EL SEUDO - COLOR

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm formatos de

composiciones

Ya hemos afirmado de que el ojo humano es maacutes capaz de distinguir tonos de color que intensidades de brillo

Por ello el empleo del color ayuda a la interpretacioacuten incluso cuando podamos tener una sola imagen de una banda

Es aquiacute que hablamos del SEUDO COLOR por no contar con tres bandas

El seudo color implica la creacioacuten de una CLUT que asocie el ND de una sola banda a distintos componentes del R V y A APLICACIONES 1 Para tener una leyenda de colores para una img clasificada 2 Para realzar el anaacutelisis de una determinada banda y sustituir los tonos de gris por una paleta de colores

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CLUT COLOUR LOOK-UP TABLE TABLA DE CONSULTA DE COLOR

ENTENDIENDO LAS IMAacuteGENES

httpsenwikipediaorgwikiColour_look-up_table

creacioacuten del seudo color

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Filtros espaciales Concepto de kernel Filtros paso bajo y paso alto Filtros direccionales Anomaliacuteas y correccioacuten atmosfeacuterica Correcciones radiomeacutetricas Anomaliacuteas radiomeacutetricas Fallos en el sensorCorreccioacuten atmosfeacuterica concepto Meacutetodo valores miacutenimos Regresioacuten entre bandas Dispersioacuten por aerosolesCalibracioacuten Caso misioacuten Landsat

47 Interpretacioacuten de Imaacutegenes

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

conceptos de que es un filtro

espacial

FUNCIONES PARA MEJORAR ASPECTO DE LAS IMAacuteGENES

REALZAN O DISMINUYEN ELEMENTOS VISUALES DE LA IMG

BASADOS EN LA FRECUENCIA ESPACIAL

FRECUENCIAS ESPACIALES ALTAS Variaciones que se producen en pocos piacutexeles TENDENCIA GENERAL FRECUENCIAS ESPACIALES BAJAS

Variaciones que se producen en muchos piacutexeles CONTRASTES LOCALES

FILTROS Figura - CCRS CCT

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

conceptos de kernel

FILTRADO ESPACIAL Figura - CCRS CCT FILTRADO EN EL DOMINIO

ESPACIAL Lo mas comuacuten es la aplicacioacuten de una ventana deslizante con valores que son coeficientes fijos de una matriz La MATRIZ se suele llamar KERNEL o nuacutecleo del filtro

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DIGITAL

ENTENDIENDO LAS IMAacuteGENES

aplicacioacuten del kernel

3 x 3 5 x 5 7 x 7

1 1 1

1 2 1

1 1 1 matrices

LOS VALORES DEL KERNEL SE MULTIPLICAN POR EL PIacuteXEL QUE TIENEN DEBAJO Y LUEGO SE SUMAN TODOS LOS PRODUCTOS

Y PARA OBTENER EL VALOR DEL PIacuteXEL CENTRAL EN LA IMAGEN TRANSFORMADA SE LO DIVIDE POR LA SUMA DE LOS PONDERADOS O PESOS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO - PASO BAJO PASO ALTO

ENTENDIENDO LAS IMAacuteGENES

aplicacioacuten del kernel

26

FILTROS DE PASO BAJO SE FAVORECEN A LOS PIXELES

PERIFEacuteRICOS SE MINIMIZAN LAS DIFERENCIAS CON LOS VECINOS ES UNA ESPECIE DE SUAVIZADO

FILTRO DE PASO ALTO PONDERACIOacuteN DEL VALOR CENTRAL EN DETRIMENTO DE LOS CIRCUNDANTES

SE EXAGERAN DIFERENCIAS Y SE RESALTAN VARIACIONES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DE PASO BAJO

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm

simulacioacuten

IMAGEN ORIGINAL

FILTRO PASO BAJO 3x3 SE TRATA DE ASEMEJAR LOS VALORES DE ND DE UN PIXEL A LOS VALORES VECINOS EN TEacuteRMINOS VISUALES LA IMAGEN FILTRADA OFRECE PERFILES MENOS NIacuteTIDOS

FILTRO PASO BAJO 7x7 SIRVE PARA REDUCIR VARIABILIDAD ESPACIAL DE ALGUNA CATEGORIacuteA ANTES DE UN PROCESO DE CLASIFICACIOacuteN

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DE PASO ALTO

ENTENDIENDO LAS IMAacuteGENES

IMAGEN ORIGINAL

FILTRO PASO ALTO 3x3 SE TRATA DE AISLAR LOS COMPONENTES DE ALTA FRECUENCIA Y REMARCAR DIGITALMENTE CONTRASTES EN TEacuteRMINOS VISUALES LA IMAGEN FILTRADA REFUERZA LOS CONTORNOS EN AacuteREAS HOMOGEacuteNEAS

FILTRO PASO ALTO 7x7 SIRVE PARA LOGRAR REALCES DE RASGOS LINEALES COMO PUEDEN SER EN AacuteREAS URBANAS O RASGOS GEOLOacuteGICOS

simulacioacuten

httpgeograuahesrtm

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

Figura - Landsat USGS

IMAGEN ORIGINAL

FILTRO DIRECCIONAL PERMITEN IDENTIFICAR LOS RASGOS FRONTERIZOS EN LAS IMAacuteGENES COMO LOS FILTROS ANTERIORES PERO AHORA CONSIDERANDO LA ORIENTACIOacuteN

se tiene en cuenta la

orientacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

matrices con direccioacuten

NORTE

1 1 1

1 -2 1

-1 -1 -1

SUR

-1 -1 -1

1 -2 1

1 1 1

ESTE

-1 1 1

-1 -2 1

-1 1 1

OESTE

1 1 -1

1 -2 -1

1 1 -1

SURESTE

-1 -1 1

-1 -2 1

1 1 1

NOROESTE

1 1 1

1 -2 -1

1 -1 -1

SUROESTE

1 -1 -1

1 -2 -1

1 1 1

NORESTE

1 1 1

-1 -2 1

-1 -1 1

OBSERVACIOacuteN

LOS NOMBRES OBEDECEN A LA DIRECCIOacuteN DEL CONTRASTE QUE SENtildeALAN

LA DIRECCIOacuteN QUE REALZAN ES JUSTAMENTE LA PERPENDICULAR

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

48 Interpretacioacuten de Imaacutegenes

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Correcciones geomeacutetricas Georreferenciacioacuten Uso de puntos de control Fuentes de error Procesamiento geomeacutetrico Correccioacuten Transformacioacuten geomeacutetrica Calidad y ajuste Generacioacuten de la nueva imagen Transferencia de ND

INSTITUTO DE AGRIMENSURA - DEPARTAMENTO DE GEOMAacuteTICA PROF ADJUNTO GRADO 3 EDISON J ROSAS BERTON

El tratamiento de una imagen de sateacutelite Georreferenciacioacuten

(paso de un sistema de filas y columnas a un sistema de coordenadas estandard)

Para ello debe obtenerse una muestra de puntos de control de los que conozcamos tanto sus coordenadas reales como sus coordenadas en

la imagen deben ser por tanto objetos de un tamantildeo adecuado para resultar identificables tanto en la imagen como sobre el terreno el tamantildeo

dependeraacute loacutegicamente de la resolucioacuten de la imagen A partir de estos puntos de control se obtendraacuten por regresioacuten unas ecuaciones que permitiraacuten a cada par filacolumna un par de coordenadas

XY

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

GEORREFERENCIACIOacuteN

ENTENDIENDO LAS IMAacuteGENES

georreferenciacioacuten porqueacute

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PUNTOS DE CONTROL

ENTENDIENDO LAS IMAacuteGENES

uso de puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

DISTORSIONES POR LA PLATAFORMA ALTITUD DE LA OacuteRBITA ndash Cambio de escala

VELOCIDAD ndash Cambios de escala ORIENTACIOacuteN DE LOS TRES EJES ndash Distorsiones en la geometriacutea

NO SISTEMAacuteTICOS Y COMPLEJOS DE MODELAR

DISTORSIONES POR ROTACIOacuteN TERRESTRE

CONSIDERANDO ALTITUD (800 Km) y TAMANtildeO DE LA IMAGEN (180 Km)ndashEn latitudes medias tarda en adquirir unos 30 segundos la Tierra se desplaza unos 8 Km

ORIENTACIOacuteN NE SW

DISTORSIONES POR EL SENSOR ANOMALIacuteAS SENSOR y MOVIMIENTO ESPEJO ndash Barrido no lineal o cambio en intervalos

AacuteNGULO DE BARRIDO ndash Variacioacuten en el tamantildeo de pixel

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ERROR EN UNA IMAGEN ESPACIAL

ENTENDIENDO LAS IMAacuteGENES

fuentes de error

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Una correccioacuten geomeacutetrica incluye CUALQUIER CAMBIO EN LA POSICIOacuteN DE LOS PIXELES que

conforman la imagen f (c`) = f1 (c l) f (x y) f (l`) = f2 (c l) f (x y)

COORDENADAS DE IMAGEN CORREGIDA SON FUNCIOacuteN DE COORDENADAS COLUMNA Y LIacuteNEA DE LA

IMAGEN DE ENTRADA O DE LAS COORDENADAS DE MAPA AL QUE SUPERPONDREMOS LA IMAGEN

1 CON OBJETIVO DE REALIZAR UNA TRANSFORMACIOacuteN GEOMEacuteTRICA QUE PERMITA AJUSTARLA A OTRA IMAGEN REFERENCIA NORMALMENTE PARA REALIZAR ESTUDIOS MULTITEMPORALES O MOSAICOS CON EL FIN DE AMPLIAR LOS DATOS E INFORMACIOacuteN DE UNA ZONA

2 ESTO PERMITIRAacute QUE LA NUEVA IMAGEN LA PUEDA INTEGRAR CON INFORMACIOacuteN DE OTRAS FUENTES POR EJEMPLO EN UN AMBIENTE SIG

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

correccioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

asumimos que

NO SE CONOCE EL ORIGEN DE LOS ERRORES

modelamos

ECUACIONES EMPIacuteRICAS

aplicadas a un conjunto de puntos

COORDENADAS CONOCIDAS IMAGEN INPUT e IMAGEN OUTPUT

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

1 ndash SELECCIOacuteN DE REFERENCIAS 2 ndash ECUACIONES DE AJUSTE

3 ndash GENERACIOacuteN DE LA IMAGEN CORREGIDA

ES OBVIO CALIDAD DEL AJUSTE DEPENDERAacute DE PRECISIOacuteN CON QUE SE

LOCALICEN LOS PUNTOS DE CONTROL INEXACTA LOCALIZACIOacuteN

DISTRIBUCIOacuteN MUY SECTORIZADA NUacuteMERO DE PUNTOS DE CONTROL INADECUADO

ESTABLECER LOS PUNTOS DE CONTROL FASE MAS CRUCIAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

procesamiento de la correccioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Resaltamos la importancia de

NUacuteMERO LOCALIZACIOacuteN DISTRIBUCIOacuteN

Que debemos atender Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

que considero UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash Croquis ilustrativos de apoyo

TERRENO O ZONAS PLANAS CON IMG OBTENIDAS POR UN SENSOR DE ESTRECHA VISIOacuteN DE CAMPO

TRANSFORMACIOacuteN

BASADO EN ECUACIONES LINEALES SIMPLES

TERRENO ESCARPADO O RUGOSO O UTILIZACIOacuteN DE IMG OBTENIDAS EN UN SENSOR CON VARIACIONES EN LAS CONDICIONES DE OBSERVACIOacuteN

TRANSFORMACIOacuteN MAacuteS COMPLEJA

POLINOMIOS DE SEGUNDO O TERCER ORDEN

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Desde un punto de vista matemaacutetico

GRADO 1 ndash 3 puntos GRADO 2 ndash 6 puntos GRADO 3 ndash 10 puntos

Seguacuten mis objetivos del trabajo no es conveniente utilizar esos miacutenimos

14 a 20 puntos (Landsat 5 MMS ndash seguacuten Bernstein R y D G Ferneyhough Jr 1978)

100 a 120 puntos (Landsat 7 TM ndash seguacuten el National Remote Sensing Center de Inglaterra)

10 o 12 puntos (Pequentildea zona de 512 x 512 pixeles ndash seguacuten Emilio Chuvieco 2010)

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

matemaacuteticamente UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

QUE DEBEMOS DE CONSIDERAR EN CUANTO A LA LOCALIZACIOacuteN

CLARAMENTE IDENTIFICABLES EN IMAGEN Y MAPA RASGOS HUMANOS DEL PAISAJE NO SUJETOS A DINAMISMO TEMPORAL

CRUCE DE CARRETERAS

CAMINOS VIacuteA FEacuteRREAS

NO CONSIDERAR ELEMENTOS ASOCIADOS AL AGUA

COSTA CURSOS DE AGUA

EMBALSES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

localizacioacuten TCP UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la correccioacuten digital de la geometriacutea de una imagen se realiza a partir de establecer unas funciones que relacionen las coordenadas de la imagen

y las coordenadas del mapa

EJ CASO MAS SIMPLE REGRESIOacuteN LINEAL MUacuteLTIPLE

ci = a0 + a1 Xi + a2 Yi li = b0 + b1 Xi + b2 Yi

EN LA PRAacuteCTICA BASTA UNA FUNCIOacuteN LINEAL PARA ABORDAR UN GRAN NUacuteMERO DE

TRANSFORMACIONES Y SON SUFICIENTES SI LAS IMAacuteGENES NO SON MUY GRANDES ANTE LA NECESIDAD DE OTRAS TRANSFORMACIONES SE UTILIZAN DE 2ordm y 3ordm ORDEN CONSIDERANDO ALTERACIONES GEOMEacuteTRICAS NO LINEALES (FUNCIONES QUE NO SE DEFINEN EN UN PLANO

CON EJES LINEALES SINO QUE SUPERFICIES CON EJES CURVILIacuteNEOS)

LOS COEFICIENTES DE LAS FUNCIONES DE TRANSFORMACIOacuteN SE CALCULAN A PARTIR DE UN AJUSTE POR MIacuteNIMOS CUADRADOS

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

funciones de transformacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash ejemplos de funciones de transformacioacuten geomeacutetrica con el efecto causado

TRASLACIOacuteN

CAMBIO DE ESCALA

INCLINACIOacuteN

PERSPECTIVA

ROTACIOacuteN

x = a0 + xacute y = b0 + yacute

x = xacute + a2 yacute y = yacute

x = a1 xacute y = b1 yacute

x = a3xacute yacute y = yacute

x = a4xacute + a5yacute y = b4xacute + b5yacute a4 = b5 = cos Ɵ a5 = -b4 = sen Ɵ

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

transformacioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

comparacioacuten coordenadas reales y las estimadas por la regresioacuten

el promedio de los residuales se conoce como error medio cuadraacutetico

la calidad del ajuste lo da el RMSE (root mean squared error)

(error medio cuadraacutetico)

RMSE es la raiacutez cuadrada de las desviaciones entre los valores reales y los

calculados

RMSE para cada punto es la raiacutez de los residuales al cuadrado que es la distancia entre ellos

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

RMSE UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la praacutectica hace que fijemos una TOLERANCIA y es que si ese promedio supera un valor fijado previamente haya que rever

el valor fijado previamente generalmente es igual o menor a un PIXEL

una correcta verificacioacuten

NECESITA introducir PUNTOS de VERIFICACIOacuteN

que no hayan sido introducidos en el ajuste

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

tolerancias fijadas

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

traducimos coordenadas de un mapa a la imagen tambieacuten necesitamos a la nueva imagen

TRANSFERIR LOS VALORES DIGITALES no olvidar que lo que queremos es generar una nueva imagen que se

corresponda con las coordenadas y las funciones de ajuste

NO ORIGINAN NUEVA IMAGEN solo colocan a los pixeles en la posicioacuten correcta

en criollo las funciones de transformacioacuten generan una nueva matriz bien posicionada pero vaciacutea

DEBEMOS LLENAR LA MATRIZ problema maacutes complejo de lo que puede

pensarse Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

generacioacuten de la nueva imaacutegen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

cada pixel de la imagen corregida se corresponderiacutea con un pixel de la imagen original

LEJOS DE ESE IDEAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo I

vecino maacutes proacuteximo ( nearest neighbour )

a cada celda de la imagen corregida se asigna el ND del pixel maacutes cercano de la

imagen original

SOLUCIOacuteN RAacutePIDA MENOR DISTORSIOacuteN DE LOS ND

INTRODUCE RASGOS LINEALES QUE DISTORSIONAN

CORRECCIOacuteN DE IMAacuteGENES CLASIFICADAS

CONSERVAR LA RADIOMETRIacuteA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo II

interpolacioacuten bilineal ( bilinear interpolation )

supone promediar los ND de los cuatro pixeles mas cercanos

con ponderacioacuten seguacuten la distancia pixeles originalcorregido

REDUCE EL EFECTO DE DISTORSIOacuteN EN RASGOS LINEALES

TIENDE A DIFUMINAR LOS CONTRASTES ESPACIALES

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE IMAacuteGENES RECTIFICADAS MAPAS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo III

convolusioacuten cuacutebica ( cubic convolution )

supone considerar los ND de los 16 pixeles mas proacuteximos

media ponderada seguacuten la distancia pixeles originalcorregido

EFECTO VISUAL MAS CORRECTO

VOLUacuteMEN DE CAacuteLCULO MUY SUPERIOR TENDENCIA A AGUDIZAR BORDES DE LA IMAGEN

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE ORTOIMAacuteGENES IMPRESIONES DE CALIDAD

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

  • Nuacutemero de diapositiva 1
  • Nuacutemero de diapositiva 2
  • MOacuteDULO IV
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 5
  • Nuacutemero de diapositiva 6
  • Nuacutemero de diapositiva 7
  • Nuacutemero de diapositiva 8
  • Nuacutemero de diapositiva 9
  • Nuacutemero de diapositiva 10
  • Nuacutemero de diapositiva 11
  • Nuacutemero de diapositiva 12
  • Nuacutemero de diapositiva 13
  • Nuacutemero de diapositiva 14
  • Nuacutemero de diapositiva 15
  • Nuacutemero de diapositiva 16
  • Nuacutemero de diapositiva 17
  • Nuacutemero de diapositiva 18
  • Nuacutemero de diapositiva 19
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 21
  • Nuacutemero de diapositiva 22
  • Nuacutemero de diapositiva 23
  • Nuacutemero de diapositiva 24
  • Nuacutemero de diapositiva 25
  • Nuacutemero de diapositiva 26
  • Nuacutemero de diapositiva 27
  • Nuacutemero de diapositiva 28
  • Nuacutemero de diapositiva 29
  • Nuacutemero de diapositiva 30
  • Nuacutemero de diapositiva 31
  • Nuacutemero de diapositiva 32
  • Nuacutemero de diapositiva 33
  • Nuacutemero de diapositiva 34
  • Nuacutemero de diapositiva 35
  • Nuacutemero de diapositiva 36
  • Nuacutemero de diapositiva 37
  • Nuacutemero de diapositiva 38
  • Nuacutemero de diapositiva 39
  • Nuacutemero de diapositiva 40
  • 47 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 42
  • Nuacutemero de diapositiva 43
  • Nuacutemero de diapositiva 44
  • Nuacutemero de diapositiva 45
  • Nuacutemero de diapositiva 46
  • Nuacutemero de diapositiva 47
  • Nuacutemero de diapositiva 48
  • Nuacutemero de diapositiva 49
  • Nuacutemero de diapositiva 50
  • Nuacutemero de diapositiva 51
  • Nuacutemero de diapositiva 52
  • Nuacutemero de diapositiva 53
  • Nuacutemero de diapositiva 54
  • 48 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 56
  • Nuacutemero de diapositiva 57
  • Nuacutemero de diapositiva 58
  • Nuacutemero de diapositiva 59
  • Nuacutemero de diapositiva 60
  • Nuacutemero de diapositiva 61
  • Nuacutemero de diapositiva 62
  • Nuacutemero de diapositiva 63
  • Nuacutemero de diapositiva 64
  • Nuacutemero de diapositiva 65
  • Nuacutemero de diapositiva 66
  • Nuacutemero de diapositiva 67
  • Nuacutemero de diapositiva 68
  • Nuacutemero de diapositiva 69
  • Nuacutemero de diapositiva 70
  • Nuacutemero de diapositiva 71
  • Nuacutemero de diapositiva 72
  • Nuacutemero de diapositiva 73
  • Nuacutemero de diapositiva 74

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

ejemplos visuales

sin realce lineal

frecuencial gamma

MEacuteTODOS DE EXPANSIOacuteN DEL CONTRASTE

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

lineal

expansioacuten lineal

lo maacutes simple transformacioacuten en liacutenea llevando el valor miacutenimo a 0 y maacuteximo a 255 o se usa un rango por encima y por debajo de miacutenimo y maacuteximo

EXPANSIOacuteN I

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

lineal

EXPANSIOacuteN I expansioacuten

logariacutetmico exponencial

gamma

curvas de transferencia en lugar de rectas gamma es la curvatura de dicha curva se expanden maacutes el contraste de los extremos o del centro

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

frecuencial

EXPANSIOacuteN II

frecuencial ecualizacioacuten del

histograma

cuando los valores de ND no estaacuten distribuidos uniformemente intentar en la medida de lo posible que los valores de salida de los ND tengan el mismo de pixeles con dicho valor

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CONTRASTE EN UNA IMAGEN

ENTENDIENDO LAS IMAacuteGENES

compresioacuten del contraste

Ya sabemos que el contraste mide el rango dinaacutemico de los colores en la imagen es decir una imagen muy contrastada tiene un amplio abanico de colores (o tonos de gris) desde valores muy bajos a valores muy altos Para una imagen con poco contraste los colores estaacuten muy juntos el margen dinaacutemico es pequentildeo La variacioacuten en el contraste aparece como una compresioacuten del histograma en caso de una reduccioacuten a la inversa de lo visto en el caso de una expansioacuten

Compresioacuten si el rango excede de las capacidades del sistema

Se ha de comparar el nuacutemero de niveles digitales (ND) de la imagen con los niveles de visualizacioacuten (NV) o grises del sistema Es de menos aplicacioacuten Al igual que el brillo variando el contraste se puede provocar una peacuterdida de informacioacuten de la imagen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

MAYOR APLICABILIDAD DEL REALCE

ENTENDIENDO LAS IMAacuteGENES

realce oacuteptimo

realce frecuencial

realce lineal

laquo r e a l c e oacute p t i m o raquo optimiza interpretacioacuten de la imagen

mejor esteacutetica de la imagen NO COINCIDE CON NINGUacuteN CORTE PREDETERMINADO

Y SE LOGRA INTERACTIVAMENTE EN PANTALLA Y PARA CADA BANDA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

image1png

image1png

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

COMPOSICIONES COLOR

ENTENDIENDO LAS IMAacuteGENES

formatos de composiciones

CON LA CRECIENTE APARICIOacuteN DE LOS SENSORES HIPERESPECTRALES LAS POSIBILIDADES DE COMPOSICIONES

COLOREADAS DE BANDAS SON CASI ILIMITADAS

LA ELECCIOacuteN DE LAS BANDAS PARA REALIZAR LA COMPOSICIOacuteN Y EL ORDEN DE LAS BANDAS ASIGANADAS A LOS COLORES

PRIMARIOS DEPENDERAacute DE

Sensor Aplicacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EL SEUDO - COLOR

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm formatos de

composiciones

Ya hemos afirmado de que el ojo humano es maacutes capaz de distinguir tonos de color que intensidades de brillo

Por ello el empleo del color ayuda a la interpretacioacuten incluso cuando podamos tener una sola imagen de una banda

Es aquiacute que hablamos del SEUDO COLOR por no contar con tres bandas

El seudo color implica la creacioacuten de una CLUT que asocie el ND de una sola banda a distintos componentes del R V y A APLICACIONES 1 Para tener una leyenda de colores para una img clasificada 2 Para realzar el anaacutelisis de una determinada banda y sustituir los tonos de gris por una paleta de colores

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CLUT COLOUR LOOK-UP TABLE TABLA DE CONSULTA DE COLOR

ENTENDIENDO LAS IMAacuteGENES

httpsenwikipediaorgwikiColour_look-up_table

creacioacuten del seudo color

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Filtros espaciales Concepto de kernel Filtros paso bajo y paso alto Filtros direccionales Anomaliacuteas y correccioacuten atmosfeacuterica Correcciones radiomeacutetricas Anomaliacuteas radiomeacutetricas Fallos en el sensorCorreccioacuten atmosfeacuterica concepto Meacutetodo valores miacutenimos Regresioacuten entre bandas Dispersioacuten por aerosolesCalibracioacuten Caso misioacuten Landsat

47 Interpretacioacuten de Imaacutegenes

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

conceptos de que es un filtro

espacial

FUNCIONES PARA MEJORAR ASPECTO DE LAS IMAacuteGENES

REALZAN O DISMINUYEN ELEMENTOS VISUALES DE LA IMG

BASADOS EN LA FRECUENCIA ESPACIAL

FRECUENCIAS ESPACIALES ALTAS Variaciones que se producen en pocos piacutexeles TENDENCIA GENERAL FRECUENCIAS ESPACIALES BAJAS

Variaciones que se producen en muchos piacutexeles CONTRASTES LOCALES

FILTROS Figura - CCRS CCT

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

conceptos de kernel

FILTRADO ESPACIAL Figura - CCRS CCT FILTRADO EN EL DOMINIO

ESPACIAL Lo mas comuacuten es la aplicacioacuten de una ventana deslizante con valores que son coeficientes fijos de una matriz La MATRIZ se suele llamar KERNEL o nuacutecleo del filtro

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DIGITAL

ENTENDIENDO LAS IMAacuteGENES

aplicacioacuten del kernel

3 x 3 5 x 5 7 x 7

1 1 1

1 2 1

1 1 1 matrices

LOS VALORES DEL KERNEL SE MULTIPLICAN POR EL PIacuteXEL QUE TIENEN DEBAJO Y LUEGO SE SUMAN TODOS LOS PRODUCTOS

Y PARA OBTENER EL VALOR DEL PIacuteXEL CENTRAL EN LA IMAGEN TRANSFORMADA SE LO DIVIDE POR LA SUMA DE LOS PONDERADOS O PESOS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO - PASO BAJO PASO ALTO

ENTENDIENDO LAS IMAacuteGENES

aplicacioacuten del kernel

26

FILTROS DE PASO BAJO SE FAVORECEN A LOS PIXELES

PERIFEacuteRICOS SE MINIMIZAN LAS DIFERENCIAS CON LOS VECINOS ES UNA ESPECIE DE SUAVIZADO

FILTRO DE PASO ALTO PONDERACIOacuteN DEL VALOR CENTRAL EN DETRIMENTO DE LOS CIRCUNDANTES

SE EXAGERAN DIFERENCIAS Y SE RESALTAN VARIACIONES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DE PASO BAJO

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm

simulacioacuten

IMAGEN ORIGINAL

FILTRO PASO BAJO 3x3 SE TRATA DE ASEMEJAR LOS VALORES DE ND DE UN PIXEL A LOS VALORES VECINOS EN TEacuteRMINOS VISUALES LA IMAGEN FILTRADA OFRECE PERFILES MENOS NIacuteTIDOS

FILTRO PASO BAJO 7x7 SIRVE PARA REDUCIR VARIABILIDAD ESPACIAL DE ALGUNA CATEGORIacuteA ANTES DE UN PROCESO DE CLASIFICACIOacuteN

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DE PASO ALTO

ENTENDIENDO LAS IMAacuteGENES

IMAGEN ORIGINAL

FILTRO PASO ALTO 3x3 SE TRATA DE AISLAR LOS COMPONENTES DE ALTA FRECUENCIA Y REMARCAR DIGITALMENTE CONTRASTES EN TEacuteRMINOS VISUALES LA IMAGEN FILTRADA REFUERZA LOS CONTORNOS EN AacuteREAS HOMOGEacuteNEAS

FILTRO PASO ALTO 7x7 SIRVE PARA LOGRAR REALCES DE RASGOS LINEALES COMO PUEDEN SER EN AacuteREAS URBANAS O RASGOS GEOLOacuteGICOS

simulacioacuten

httpgeograuahesrtm

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

Figura - Landsat USGS

IMAGEN ORIGINAL

FILTRO DIRECCIONAL PERMITEN IDENTIFICAR LOS RASGOS FRONTERIZOS EN LAS IMAacuteGENES COMO LOS FILTROS ANTERIORES PERO AHORA CONSIDERANDO LA ORIENTACIOacuteN

se tiene en cuenta la

orientacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

matrices con direccioacuten

NORTE

1 1 1

1 -2 1

-1 -1 -1

SUR

-1 -1 -1

1 -2 1

1 1 1

ESTE

-1 1 1

-1 -2 1

-1 1 1

OESTE

1 1 -1

1 -2 -1

1 1 -1

SURESTE

-1 -1 1

-1 -2 1

1 1 1

NOROESTE

1 1 1

1 -2 -1

1 -1 -1

SUROESTE

1 -1 -1

1 -2 -1

1 1 1

NORESTE

1 1 1

-1 -2 1

-1 -1 1

OBSERVACIOacuteN

LOS NOMBRES OBEDECEN A LA DIRECCIOacuteN DEL CONTRASTE QUE SENtildeALAN

LA DIRECCIOacuteN QUE REALZAN ES JUSTAMENTE LA PERPENDICULAR

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

48 Interpretacioacuten de Imaacutegenes

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Correcciones geomeacutetricas Georreferenciacioacuten Uso de puntos de control Fuentes de error Procesamiento geomeacutetrico Correccioacuten Transformacioacuten geomeacutetrica Calidad y ajuste Generacioacuten de la nueva imagen Transferencia de ND

INSTITUTO DE AGRIMENSURA - DEPARTAMENTO DE GEOMAacuteTICA PROF ADJUNTO GRADO 3 EDISON J ROSAS BERTON

El tratamiento de una imagen de sateacutelite Georreferenciacioacuten

(paso de un sistema de filas y columnas a un sistema de coordenadas estandard)

Para ello debe obtenerse una muestra de puntos de control de los que conozcamos tanto sus coordenadas reales como sus coordenadas en

la imagen deben ser por tanto objetos de un tamantildeo adecuado para resultar identificables tanto en la imagen como sobre el terreno el tamantildeo

dependeraacute loacutegicamente de la resolucioacuten de la imagen A partir de estos puntos de control se obtendraacuten por regresioacuten unas ecuaciones que permitiraacuten a cada par filacolumna un par de coordenadas

XY

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

GEORREFERENCIACIOacuteN

ENTENDIENDO LAS IMAacuteGENES

georreferenciacioacuten porqueacute

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PUNTOS DE CONTROL

ENTENDIENDO LAS IMAacuteGENES

uso de puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

DISTORSIONES POR LA PLATAFORMA ALTITUD DE LA OacuteRBITA ndash Cambio de escala

VELOCIDAD ndash Cambios de escala ORIENTACIOacuteN DE LOS TRES EJES ndash Distorsiones en la geometriacutea

NO SISTEMAacuteTICOS Y COMPLEJOS DE MODELAR

DISTORSIONES POR ROTACIOacuteN TERRESTRE

CONSIDERANDO ALTITUD (800 Km) y TAMANtildeO DE LA IMAGEN (180 Km)ndashEn latitudes medias tarda en adquirir unos 30 segundos la Tierra se desplaza unos 8 Km

ORIENTACIOacuteN NE SW

DISTORSIONES POR EL SENSOR ANOMALIacuteAS SENSOR y MOVIMIENTO ESPEJO ndash Barrido no lineal o cambio en intervalos

AacuteNGULO DE BARRIDO ndash Variacioacuten en el tamantildeo de pixel

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ERROR EN UNA IMAGEN ESPACIAL

ENTENDIENDO LAS IMAacuteGENES

fuentes de error

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Una correccioacuten geomeacutetrica incluye CUALQUIER CAMBIO EN LA POSICIOacuteN DE LOS PIXELES que

conforman la imagen f (c`) = f1 (c l) f (x y) f (l`) = f2 (c l) f (x y)

COORDENADAS DE IMAGEN CORREGIDA SON FUNCIOacuteN DE COORDENADAS COLUMNA Y LIacuteNEA DE LA

IMAGEN DE ENTRADA O DE LAS COORDENADAS DE MAPA AL QUE SUPERPONDREMOS LA IMAGEN

1 CON OBJETIVO DE REALIZAR UNA TRANSFORMACIOacuteN GEOMEacuteTRICA QUE PERMITA AJUSTARLA A OTRA IMAGEN REFERENCIA NORMALMENTE PARA REALIZAR ESTUDIOS MULTITEMPORALES O MOSAICOS CON EL FIN DE AMPLIAR LOS DATOS E INFORMACIOacuteN DE UNA ZONA

2 ESTO PERMITIRAacute QUE LA NUEVA IMAGEN LA PUEDA INTEGRAR CON INFORMACIOacuteN DE OTRAS FUENTES POR EJEMPLO EN UN AMBIENTE SIG

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

correccioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

asumimos que

NO SE CONOCE EL ORIGEN DE LOS ERRORES

modelamos

ECUACIONES EMPIacuteRICAS

aplicadas a un conjunto de puntos

COORDENADAS CONOCIDAS IMAGEN INPUT e IMAGEN OUTPUT

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

1 ndash SELECCIOacuteN DE REFERENCIAS 2 ndash ECUACIONES DE AJUSTE

3 ndash GENERACIOacuteN DE LA IMAGEN CORREGIDA

ES OBVIO CALIDAD DEL AJUSTE DEPENDERAacute DE PRECISIOacuteN CON QUE SE

LOCALICEN LOS PUNTOS DE CONTROL INEXACTA LOCALIZACIOacuteN

DISTRIBUCIOacuteN MUY SECTORIZADA NUacuteMERO DE PUNTOS DE CONTROL INADECUADO

ESTABLECER LOS PUNTOS DE CONTROL FASE MAS CRUCIAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

procesamiento de la correccioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Resaltamos la importancia de

NUacuteMERO LOCALIZACIOacuteN DISTRIBUCIOacuteN

Que debemos atender Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

que considero UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash Croquis ilustrativos de apoyo

TERRENO O ZONAS PLANAS CON IMG OBTENIDAS POR UN SENSOR DE ESTRECHA VISIOacuteN DE CAMPO

TRANSFORMACIOacuteN

BASADO EN ECUACIONES LINEALES SIMPLES

TERRENO ESCARPADO O RUGOSO O UTILIZACIOacuteN DE IMG OBTENIDAS EN UN SENSOR CON VARIACIONES EN LAS CONDICIONES DE OBSERVACIOacuteN

TRANSFORMACIOacuteN MAacuteS COMPLEJA

POLINOMIOS DE SEGUNDO O TERCER ORDEN

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Desde un punto de vista matemaacutetico

GRADO 1 ndash 3 puntos GRADO 2 ndash 6 puntos GRADO 3 ndash 10 puntos

Seguacuten mis objetivos del trabajo no es conveniente utilizar esos miacutenimos

14 a 20 puntos (Landsat 5 MMS ndash seguacuten Bernstein R y D G Ferneyhough Jr 1978)

100 a 120 puntos (Landsat 7 TM ndash seguacuten el National Remote Sensing Center de Inglaterra)

10 o 12 puntos (Pequentildea zona de 512 x 512 pixeles ndash seguacuten Emilio Chuvieco 2010)

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

matemaacuteticamente UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

QUE DEBEMOS DE CONSIDERAR EN CUANTO A LA LOCALIZACIOacuteN

CLARAMENTE IDENTIFICABLES EN IMAGEN Y MAPA RASGOS HUMANOS DEL PAISAJE NO SUJETOS A DINAMISMO TEMPORAL

CRUCE DE CARRETERAS

CAMINOS VIacuteA FEacuteRREAS

NO CONSIDERAR ELEMENTOS ASOCIADOS AL AGUA

COSTA CURSOS DE AGUA

EMBALSES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

localizacioacuten TCP UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la correccioacuten digital de la geometriacutea de una imagen se realiza a partir de establecer unas funciones que relacionen las coordenadas de la imagen

y las coordenadas del mapa

EJ CASO MAS SIMPLE REGRESIOacuteN LINEAL MUacuteLTIPLE

ci = a0 + a1 Xi + a2 Yi li = b0 + b1 Xi + b2 Yi

EN LA PRAacuteCTICA BASTA UNA FUNCIOacuteN LINEAL PARA ABORDAR UN GRAN NUacuteMERO DE

TRANSFORMACIONES Y SON SUFICIENTES SI LAS IMAacuteGENES NO SON MUY GRANDES ANTE LA NECESIDAD DE OTRAS TRANSFORMACIONES SE UTILIZAN DE 2ordm y 3ordm ORDEN CONSIDERANDO ALTERACIONES GEOMEacuteTRICAS NO LINEALES (FUNCIONES QUE NO SE DEFINEN EN UN PLANO

CON EJES LINEALES SINO QUE SUPERFICIES CON EJES CURVILIacuteNEOS)

LOS COEFICIENTES DE LAS FUNCIONES DE TRANSFORMACIOacuteN SE CALCULAN A PARTIR DE UN AJUSTE POR MIacuteNIMOS CUADRADOS

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

funciones de transformacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash ejemplos de funciones de transformacioacuten geomeacutetrica con el efecto causado

TRASLACIOacuteN

CAMBIO DE ESCALA

INCLINACIOacuteN

PERSPECTIVA

ROTACIOacuteN

x = a0 + xacute y = b0 + yacute

x = xacute + a2 yacute y = yacute

x = a1 xacute y = b1 yacute

x = a3xacute yacute y = yacute

x = a4xacute + a5yacute y = b4xacute + b5yacute a4 = b5 = cos Ɵ a5 = -b4 = sen Ɵ

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

transformacioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

comparacioacuten coordenadas reales y las estimadas por la regresioacuten

el promedio de los residuales se conoce como error medio cuadraacutetico

la calidad del ajuste lo da el RMSE (root mean squared error)

(error medio cuadraacutetico)

RMSE es la raiacutez cuadrada de las desviaciones entre los valores reales y los

calculados

RMSE para cada punto es la raiacutez de los residuales al cuadrado que es la distancia entre ellos

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

RMSE UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la praacutectica hace que fijemos una TOLERANCIA y es que si ese promedio supera un valor fijado previamente haya que rever

el valor fijado previamente generalmente es igual o menor a un PIXEL

una correcta verificacioacuten

NECESITA introducir PUNTOS de VERIFICACIOacuteN

que no hayan sido introducidos en el ajuste

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

tolerancias fijadas

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

traducimos coordenadas de un mapa a la imagen tambieacuten necesitamos a la nueva imagen

TRANSFERIR LOS VALORES DIGITALES no olvidar que lo que queremos es generar una nueva imagen que se

corresponda con las coordenadas y las funciones de ajuste

NO ORIGINAN NUEVA IMAGEN solo colocan a los pixeles en la posicioacuten correcta

en criollo las funciones de transformacioacuten generan una nueva matriz bien posicionada pero vaciacutea

DEBEMOS LLENAR LA MATRIZ problema maacutes complejo de lo que puede

pensarse Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

generacioacuten de la nueva imaacutegen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

cada pixel de la imagen corregida se corresponderiacutea con un pixel de la imagen original

LEJOS DE ESE IDEAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo I

vecino maacutes proacuteximo ( nearest neighbour )

a cada celda de la imagen corregida se asigna el ND del pixel maacutes cercano de la

imagen original

SOLUCIOacuteN RAacutePIDA MENOR DISTORSIOacuteN DE LOS ND

INTRODUCE RASGOS LINEALES QUE DISTORSIONAN

CORRECCIOacuteN DE IMAacuteGENES CLASIFICADAS

CONSERVAR LA RADIOMETRIacuteA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo II

interpolacioacuten bilineal ( bilinear interpolation )

supone promediar los ND de los cuatro pixeles mas cercanos

con ponderacioacuten seguacuten la distancia pixeles originalcorregido

REDUCE EL EFECTO DE DISTORSIOacuteN EN RASGOS LINEALES

TIENDE A DIFUMINAR LOS CONTRASTES ESPACIALES

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE IMAacuteGENES RECTIFICADAS MAPAS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo III

convolusioacuten cuacutebica ( cubic convolution )

supone considerar los ND de los 16 pixeles mas proacuteximos

media ponderada seguacuten la distancia pixeles originalcorregido

EFECTO VISUAL MAS CORRECTO

VOLUacuteMEN DE CAacuteLCULO MUY SUPERIOR TENDENCIA A AGUDIZAR BORDES DE LA IMAGEN

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE ORTOIMAacuteGENES IMPRESIONES DE CALIDAD

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

  • Nuacutemero de diapositiva 1
  • Nuacutemero de diapositiva 2
  • MOacuteDULO IV
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 5
  • Nuacutemero de diapositiva 6
  • Nuacutemero de diapositiva 7
  • Nuacutemero de diapositiva 8
  • Nuacutemero de diapositiva 9
  • Nuacutemero de diapositiva 10
  • Nuacutemero de diapositiva 11
  • Nuacutemero de diapositiva 12
  • Nuacutemero de diapositiva 13
  • Nuacutemero de diapositiva 14
  • Nuacutemero de diapositiva 15
  • Nuacutemero de diapositiva 16
  • Nuacutemero de diapositiva 17
  • Nuacutemero de diapositiva 18
  • Nuacutemero de diapositiva 19
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 21
  • Nuacutemero de diapositiva 22
  • Nuacutemero de diapositiva 23
  • Nuacutemero de diapositiva 24
  • Nuacutemero de diapositiva 25
  • Nuacutemero de diapositiva 26
  • Nuacutemero de diapositiva 27
  • Nuacutemero de diapositiva 28
  • Nuacutemero de diapositiva 29
  • Nuacutemero de diapositiva 30
  • Nuacutemero de diapositiva 31
  • Nuacutemero de diapositiva 32
  • Nuacutemero de diapositiva 33
  • Nuacutemero de diapositiva 34
  • Nuacutemero de diapositiva 35
  • Nuacutemero de diapositiva 36
  • Nuacutemero de diapositiva 37
  • Nuacutemero de diapositiva 38
  • Nuacutemero de diapositiva 39
  • Nuacutemero de diapositiva 40
  • 47 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 42
  • Nuacutemero de diapositiva 43
  • Nuacutemero de diapositiva 44
  • Nuacutemero de diapositiva 45
  • Nuacutemero de diapositiva 46
  • Nuacutemero de diapositiva 47
  • Nuacutemero de diapositiva 48
  • Nuacutemero de diapositiva 49
  • Nuacutemero de diapositiva 50
  • Nuacutemero de diapositiva 51
  • Nuacutemero de diapositiva 52
  • Nuacutemero de diapositiva 53
  • Nuacutemero de diapositiva 54
  • 48 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 56
  • Nuacutemero de diapositiva 57
  • Nuacutemero de diapositiva 58
  • Nuacutemero de diapositiva 59
  • Nuacutemero de diapositiva 60
  • Nuacutemero de diapositiva 61
  • Nuacutemero de diapositiva 62
  • Nuacutemero de diapositiva 63
  • Nuacutemero de diapositiva 64
  • Nuacutemero de diapositiva 65
  • Nuacutemero de diapositiva 66
  • Nuacutemero de diapositiva 67
  • Nuacutemero de diapositiva 68
  • Nuacutemero de diapositiva 69
  • Nuacutemero de diapositiva 70
  • Nuacutemero de diapositiva 71
  • Nuacutemero de diapositiva 72
  • Nuacutemero de diapositiva 73
  • Nuacutemero de diapositiva 74

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

lineal

expansioacuten lineal

lo maacutes simple transformacioacuten en liacutenea llevando el valor miacutenimo a 0 y maacuteximo a 255 o se usa un rango por encima y por debajo de miacutenimo y maacuteximo

EXPANSIOacuteN I

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

lineal

EXPANSIOacuteN I expansioacuten

logariacutetmico exponencial

gamma

curvas de transferencia en lugar de rectas gamma es la curvatura de dicha curva se expanden maacutes el contraste de los extremos o del centro

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

frecuencial

EXPANSIOacuteN II

frecuencial ecualizacioacuten del

histograma

cuando los valores de ND no estaacuten distribuidos uniformemente intentar en la medida de lo posible que los valores de salida de los ND tengan el mismo de pixeles con dicho valor

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CONTRASTE EN UNA IMAGEN

ENTENDIENDO LAS IMAacuteGENES

compresioacuten del contraste

Ya sabemos que el contraste mide el rango dinaacutemico de los colores en la imagen es decir una imagen muy contrastada tiene un amplio abanico de colores (o tonos de gris) desde valores muy bajos a valores muy altos Para una imagen con poco contraste los colores estaacuten muy juntos el margen dinaacutemico es pequentildeo La variacioacuten en el contraste aparece como una compresioacuten del histograma en caso de una reduccioacuten a la inversa de lo visto en el caso de una expansioacuten

Compresioacuten si el rango excede de las capacidades del sistema

Se ha de comparar el nuacutemero de niveles digitales (ND) de la imagen con los niveles de visualizacioacuten (NV) o grises del sistema Es de menos aplicacioacuten Al igual que el brillo variando el contraste se puede provocar una peacuterdida de informacioacuten de la imagen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

MAYOR APLICABILIDAD DEL REALCE

ENTENDIENDO LAS IMAacuteGENES

realce oacuteptimo

realce frecuencial

realce lineal

laquo r e a l c e oacute p t i m o raquo optimiza interpretacioacuten de la imagen

mejor esteacutetica de la imagen NO COINCIDE CON NINGUacuteN CORTE PREDETERMINADO

Y SE LOGRA INTERACTIVAMENTE EN PANTALLA Y PARA CADA BANDA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

image1png

image1png

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

COMPOSICIONES COLOR

ENTENDIENDO LAS IMAacuteGENES

formatos de composiciones

CON LA CRECIENTE APARICIOacuteN DE LOS SENSORES HIPERESPECTRALES LAS POSIBILIDADES DE COMPOSICIONES

COLOREADAS DE BANDAS SON CASI ILIMITADAS

LA ELECCIOacuteN DE LAS BANDAS PARA REALIZAR LA COMPOSICIOacuteN Y EL ORDEN DE LAS BANDAS ASIGANADAS A LOS COLORES

PRIMARIOS DEPENDERAacute DE

Sensor Aplicacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EL SEUDO - COLOR

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm formatos de

composiciones

Ya hemos afirmado de que el ojo humano es maacutes capaz de distinguir tonos de color que intensidades de brillo

Por ello el empleo del color ayuda a la interpretacioacuten incluso cuando podamos tener una sola imagen de una banda

Es aquiacute que hablamos del SEUDO COLOR por no contar con tres bandas

El seudo color implica la creacioacuten de una CLUT que asocie el ND de una sola banda a distintos componentes del R V y A APLICACIONES 1 Para tener una leyenda de colores para una img clasificada 2 Para realzar el anaacutelisis de una determinada banda y sustituir los tonos de gris por una paleta de colores

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CLUT COLOUR LOOK-UP TABLE TABLA DE CONSULTA DE COLOR

ENTENDIENDO LAS IMAacuteGENES

httpsenwikipediaorgwikiColour_look-up_table

creacioacuten del seudo color

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Filtros espaciales Concepto de kernel Filtros paso bajo y paso alto Filtros direccionales Anomaliacuteas y correccioacuten atmosfeacuterica Correcciones radiomeacutetricas Anomaliacuteas radiomeacutetricas Fallos en el sensorCorreccioacuten atmosfeacuterica concepto Meacutetodo valores miacutenimos Regresioacuten entre bandas Dispersioacuten por aerosolesCalibracioacuten Caso misioacuten Landsat

47 Interpretacioacuten de Imaacutegenes

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

conceptos de que es un filtro

espacial

FUNCIONES PARA MEJORAR ASPECTO DE LAS IMAacuteGENES

REALZAN O DISMINUYEN ELEMENTOS VISUALES DE LA IMG

BASADOS EN LA FRECUENCIA ESPACIAL

FRECUENCIAS ESPACIALES ALTAS Variaciones que se producen en pocos piacutexeles TENDENCIA GENERAL FRECUENCIAS ESPACIALES BAJAS

Variaciones que se producen en muchos piacutexeles CONTRASTES LOCALES

FILTROS Figura - CCRS CCT

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

conceptos de kernel

FILTRADO ESPACIAL Figura - CCRS CCT FILTRADO EN EL DOMINIO

ESPACIAL Lo mas comuacuten es la aplicacioacuten de una ventana deslizante con valores que son coeficientes fijos de una matriz La MATRIZ se suele llamar KERNEL o nuacutecleo del filtro

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DIGITAL

ENTENDIENDO LAS IMAacuteGENES

aplicacioacuten del kernel

3 x 3 5 x 5 7 x 7

1 1 1

1 2 1

1 1 1 matrices

LOS VALORES DEL KERNEL SE MULTIPLICAN POR EL PIacuteXEL QUE TIENEN DEBAJO Y LUEGO SE SUMAN TODOS LOS PRODUCTOS

Y PARA OBTENER EL VALOR DEL PIacuteXEL CENTRAL EN LA IMAGEN TRANSFORMADA SE LO DIVIDE POR LA SUMA DE LOS PONDERADOS O PESOS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO - PASO BAJO PASO ALTO

ENTENDIENDO LAS IMAacuteGENES

aplicacioacuten del kernel

26

FILTROS DE PASO BAJO SE FAVORECEN A LOS PIXELES

PERIFEacuteRICOS SE MINIMIZAN LAS DIFERENCIAS CON LOS VECINOS ES UNA ESPECIE DE SUAVIZADO

FILTRO DE PASO ALTO PONDERACIOacuteN DEL VALOR CENTRAL EN DETRIMENTO DE LOS CIRCUNDANTES

SE EXAGERAN DIFERENCIAS Y SE RESALTAN VARIACIONES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DE PASO BAJO

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm

simulacioacuten

IMAGEN ORIGINAL

FILTRO PASO BAJO 3x3 SE TRATA DE ASEMEJAR LOS VALORES DE ND DE UN PIXEL A LOS VALORES VECINOS EN TEacuteRMINOS VISUALES LA IMAGEN FILTRADA OFRECE PERFILES MENOS NIacuteTIDOS

FILTRO PASO BAJO 7x7 SIRVE PARA REDUCIR VARIABILIDAD ESPACIAL DE ALGUNA CATEGORIacuteA ANTES DE UN PROCESO DE CLASIFICACIOacuteN

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DE PASO ALTO

ENTENDIENDO LAS IMAacuteGENES

IMAGEN ORIGINAL

FILTRO PASO ALTO 3x3 SE TRATA DE AISLAR LOS COMPONENTES DE ALTA FRECUENCIA Y REMARCAR DIGITALMENTE CONTRASTES EN TEacuteRMINOS VISUALES LA IMAGEN FILTRADA REFUERZA LOS CONTORNOS EN AacuteREAS HOMOGEacuteNEAS

FILTRO PASO ALTO 7x7 SIRVE PARA LOGRAR REALCES DE RASGOS LINEALES COMO PUEDEN SER EN AacuteREAS URBANAS O RASGOS GEOLOacuteGICOS

simulacioacuten

httpgeograuahesrtm

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

Figura - Landsat USGS

IMAGEN ORIGINAL

FILTRO DIRECCIONAL PERMITEN IDENTIFICAR LOS RASGOS FRONTERIZOS EN LAS IMAacuteGENES COMO LOS FILTROS ANTERIORES PERO AHORA CONSIDERANDO LA ORIENTACIOacuteN

se tiene en cuenta la

orientacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

matrices con direccioacuten

NORTE

1 1 1

1 -2 1

-1 -1 -1

SUR

-1 -1 -1

1 -2 1

1 1 1

ESTE

-1 1 1

-1 -2 1

-1 1 1

OESTE

1 1 -1

1 -2 -1

1 1 -1

SURESTE

-1 -1 1

-1 -2 1

1 1 1

NOROESTE

1 1 1

1 -2 -1

1 -1 -1

SUROESTE

1 -1 -1

1 -2 -1

1 1 1

NORESTE

1 1 1

-1 -2 1

-1 -1 1

OBSERVACIOacuteN

LOS NOMBRES OBEDECEN A LA DIRECCIOacuteN DEL CONTRASTE QUE SENtildeALAN

LA DIRECCIOacuteN QUE REALZAN ES JUSTAMENTE LA PERPENDICULAR

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

48 Interpretacioacuten de Imaacutegenes

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Correcciones geomeacutetricas Georreferenciacioacuten Uso de puntos de control Fuentes de error Procesamiento geomeacutetrico Correccioacuten Transformacioacuten geomeacutetrica Calidad y ajuste Generacioacuten de la nueva imagen Transferencia de ND

INSTITUTO DE AGRIMENSURA - DEPARTAMENTO DE GEOMAacuteTICA PROF ADJUNTO GRADO 3 EDISON J ROSAS BERTON

El tratamiento de una imagen de sateacutelite Georreferenciacioacuten

(paso de un sistema de filas y columnas a un sistema de coordenadas estandard)

Para ello debe obtenerse una muestra de puntos de control de los que conozcamos tanto sus coordenadas reales como sus coordenadas en

la imagen deben ser por tanto objetos de un tamantildeo adecuado para resultar identificables tanto en la imagen como sobre el terreno el tamantildeo

dependeraacute loacutegicamente de la resolucioacuten de la imagen A partir de estos puntos de control se obtendraacuten por regresioacuten unas ecuaciones que permitiraacuten a cada par filacolumna un par de coordenadas

XY

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

GEORREFERENCIACIOacuteN

ENTENDIENDO LAS IMAacuteGENES

georreferenciacioacuten porqueacute

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PUNTOS DE CONTROL

ENTENDIENDO LAS IMAacuteGENES

uso de puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

DISTORSIONES POR LA PLATAFORMA ALTITUD DE LA OacuteRBITA ndash Cambio de escala

VELOCIDAD ndash Cambios de escala ORIENTACIOacuteN DE LOS TRES EJES ndash Distorsiones en la geometriacutea

NO SISTEMAacuteTICOS Y COMPLEJOS DE MODELAR

DISTORSIONES POR ROTACIOacuteN TERRESTRE

CONSIDERANDO ALTITUD (800 Km) y TAMANtildeO DE LA IMAGEN (180 Km)ndashEn latitudes medias tarda en adquirir unos 30 segundos la Tierra se desplaza unos 8 Km

ORIENTACIOacuteN NE SW

DISTORSIONES POR EL SENSOR ANOMALIacuteAS SENSOR y MOVIMIENTO ESPEJO ndash Barrido no lineal o cambio en intervalos

AacuteNGULO DE BARRIDO ndash Variacioacuten en el tamantildeo de pixel

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ERROR EN UNA IMAGEN ESPACIAL

ENTENDIENDO LAS IMAacuteGENES

fuentes de error

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Una correccioacuten geomeacutetrica incluye CUALQUIER CAMBIO EN LA POSICIOacuteN DE LOS PIXELES que

conforman la imagen f (c`) = f1 (c l) f (x y) f (l`) = f2 (c l) f (x y)

COORDENADAS DE IMAGEN CORREGIDA SON FUNCIOacuteN DE COORDENADAS COLUMNA Y LIacuteNEA DE LA

IMAGEN DE ENTRADA O DE LAS COORDENADAS DE MAPA AL QUE SUPERPONDREMOS LA IMAGEN

1 CON OBJETIVO DE REALIZAR UNA TRANSFORMACIOacuteN GEOMEacuteTRICA QUE PERMITA AJUSTARLA A OTRA IMAGEN REFERENCIA NORMALMENTE PARA REALIZAR ESTUDIOS MULTITEMPORALES O MOSAICOS CON EL FIN DE AMPLIAR LOS DATOS E INFORMACIOacuteN DE UNA ZONA

2 ESTO PERMITIRAacute QUE LA NUEVA IMAGEN LA PUEDA INTEGRAR CON INFORMACIOacuteN DE OTRAS FUENTES POR EJEMPLO EN UN AMBIENTE SIG

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

correccioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

asumimos que

NO SE CONOCE EL ORIGEN DE LOS ERRORES

modelamos

ECUACIONES EMPIacuteRICAS

aplicadas a un conjunto de puntos

COORDENADAS CONOCIDAS IMAGEN INPUT e IMAGEN OUTPUT

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

1 ndash SELECCIOacuteN DE REFERENCIAS 2 ndash ECUACIONES DE AJUSTE

3 ndash GENERACIOacuteN DE LA IMAGEN CORREGIDA

ES OBVIO CALIDAD DEL AJUSTE DEPENDERAacute DE PRECISIOacuteN CON QUE SE

LOCALICEN LOS PUNTOS DE CONTROL INEXACTA LOCALIZACIOacuteN

DISTRIBUCIOacuteN MUY SECTORIZADA NUacuteMERO DE PUNTOS DE CONTROL INADECUADO

ESTABLECER LOS PUNTOS DE CONTROL FASE MAS CRUCIAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

procesamiento de la correccioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Resaltamos la importancia de

NUacuteMERO LOCALIZACIOacuteN DISTRIBUCIOacuteN

Que debemos atender Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

que considero UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash Croquis ilustrativos de apoyo

TERRENO O ZONAS PLANAS CON IMG OBTENIDAS POR UN SENSOR DE ESTRECHA VISIOacuteN DE CAMPO

TRANSFORMACIOacuteN

BASADO EN ECUACIONES LINEALES SIMPLES

TERRENO ESCARPADO O RUGOSO O UTILIZACIOacuteN DE IMG OBTENIDAS EN UN SENSOR CON VARIACIONES EN LAS CONDICIONES DE OBSERVACIOacuteN

TRANSFORMACIOacuteN MAacuteS COMPLEJA

POLINOMIOS DE SEGUNDO O TERCER ORDEN

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Desde un punto de vista matemaacutetico

GRADO 1 ndash 3 puntos GRADO 2 ndash 6 puntos GRADO 3 ndash 10 puntos

Seguacuten mis objetivos del trabajo no es conveniente utilizar esos miacutenimos

14 a 20 puntos (Landsat 5 MMS ndash seguacuten Bernstein R y D G Ferneyhough Jr 1978)

100 a 120 puntos (Landsat 7 TM ndash seguacuten el National Remote Sensing Center de Inglaterra)

10 o 12 puntos (Pequentildea zona de 512 x 512 pixeles ndash seguacuten Emilio Chuvieco 2010)

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

matemaacuteticamente UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

QUE DEBEMOS DE CONSIDERAR EN CUANTO A LA LOCALIZACIOacuteN

CLARAMENTE IDENTIFICABLES EN IMAGEN Y MAPA RASGOS HUMANOS DEL PAISAJE NO SUJETOS A DINAMISMO TEMPORAL

CRUCE DE CARRETERAS

CAMINOS VIacuteA FEacuteRREAS

NO CONSIDERAR ELEMENTOS ASOCIADOS AL AGUA

COSTA CURSOS DE AGUA

EMBALSES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

localizacioacuten TCP UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la correccioacuten digital de la geometriacutea de una imagen se realiza a partir de establecer unas funciones que relacionen las coordenadas de la imagen

y las coordenadas del mapa

EJ CASO MAS SIMPLE REGRESIOacuteN LINEAL MUacuteLTIPLE

ci = a0 + a1 Xi + a2 Yi li = b0 + b1 Xi + b2 Yi

EN LA PRAacuteCTICA BASTA UNA FUNCIOacuteN LINEAL PARA ABORDAR UN GRAN NUacuteMERO DE

TRANSFORMACIONES Y SON SUFICIENTES SI LAS IMAacuteGENES NO SON MUY GRANDES ANTE LA NECESIDAD DE OTRAS TRANSFORMACIONES SE UTILIZAN DE 2ordm y 3ordm ORDEN CONSIDERANDO ALTERACIONES GEOMEacuteTRICAS NO LINEALES (FUNCIONES QUE NO SE DEFINEN EN UN PLANO

CON EJES LINEALES SINO QUE SUPERFICIES CON EJES CURVILIacuteNEOS)

LOS COEFICIENTES DE LAS FUNCIONES DE TRANSFORMACIOacuteN SE CALCULAN A PARTIR DE UN AJUSTE POR MIacuteNIMOS CUADRADOS

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

funciones de transformacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash ejemplos de funciones de transformacioacuten geomeacutetrica con el efecto causado

TRASLACIOacuteN

CAMBIO DE ESCALA

INCLINACIOacuteN

PERSPECTIVA

ROTACIOacuteN

x = a0 + xacute y = b0 + yacute

x = xacute + a2 yacute y = yacute

x = a1 xacute y = b1 yacute

x = a3xacute yacute y = yacute

x = a4xacute + a5yacute y = b4xacute + b5yacute a4 = b5 = cos Ɵ a5 = -b4 = sen Ɵ

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

transformacioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

comparacioacuten coordenadas reales y las estimadas por la regresioacuten

el promedio de los residuales se conoce como error medio cuadraacutetico

la calidad del ajuste lo da el RMSE (root mean squared error)

(error medio cuadraacutetico)

RMSE es la raiacutez cuadrada de las desviaciones entre los valores reales y los

calculados

RMSE para cada punto es la raiacutez de los residuales al cuadrado que es la distancia entre ellos

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

RMSE UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la praacutectica hace que fijemos una TOLERANCIA y es que si ese promedio supera un valor fijado previamente haya que rever

el valor fijado previamente generalmente es igual o menor a un PIXEL

una correcta verificacioacuten

NECESITA introducir PUNTOS de VERIFICACIOacuteN

que no hayan sido introducidos en el ajuste

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

tolerancias fijadas

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

traducimos coordenadas de un mapa a la imagen tambieacuten necesitamos a la nueva imagen

TRANSFERIR LOS VALORES DIGITALES no olvidar que lo que queremos es generar una nueva imagen que se

corresponda con las coordenadas y las funciones de ajuste

NO ORIGINAN NUEVA IMAGEN solo colocan a los pixeles en la posicioacuten correcta

en criollo las funciones de transformacioacuten generan una nueva matriz bien posicionada pero vaciacutea

DEBEMOS LLENAR LA MATRIZ problema maacutes complejo de lo que puede

pensarse Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

generacioacuten de la nueva imaacutegen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

cada pixel de la imagen corregida se corresponderiacutea con un pixel de la imagen original

LEJOS DE ESE IDEAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo I

vecino maacutes proacuteximo ( nearest neighbour )

a cada celda de la imagen corregida se asigna el ND del pixel maacutes cercano de la

imagen original

SOLUCIOacuteN RAacutePIDA MENOR DISTORSIOacuteN DE LOS ND

INTRODUCE RASGOS LINEALES QUE DISTORSIONAN

CORRECCIOacuteN DE IMAacuteGENES CLASIFICADAS

CONSERVAR LA RADIOMETRIacuteA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo II

interpolacioacuten bilineal ( bilinear interpolation )

supone promediar los ND de los cuatro pixeles mas cercanos

con ponderacioacuten seguacuten la distancia pixeles originalcorregido

REDUCE EL EFECTO DE DISTORSIOacuteN EN RASGOS LINEALES

TIENDE A DIFUMINAR LOS CONTRASTES ESPACIALES

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE IMAacuteGENES RECTIFICADAS MAPAS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo III

convolusioacuten cuacutebica ( cubic convolution )

supone considerar los ND de los 16 pixeles mas proacuteximos

media ponderada seguacuten la distancia pixeles originalcorregido

EFECTO VISUAL MAS CORRECTO

VOLUacuteMEN DE CAacuteLCULO MUY SUPERIOR TENDENCIA A AGUDIZAR BORDES DE LA IMAGEN

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE ORTOIMAacuteGENES IMPRESIONES DE CALIDAD

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

  • Nuacutemero de diapositiva 1
  • Nuacutemero de diapositiva 2
  • MOacuteDULO IV
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 5
  • Nuacutemero de diapositiva 6
  • Nuacutemero de diapositiva 7
  • Nuacutemero de diapositiva 8
  • Nuacutemero de diapositiva 9
  • Nuacutemero de diapositiva 10
  • Nuacutemero de diapositiva 11
  • Nuacutemero de diapositiva 12
  • Nuacutemero de diapositiva 13
  • Nuacutemero de diapositiva 14
  • Nuacutemero de diapositiva 15
  • Nuacutemero de diapositiva 16
  • Nuacutemero de diapositiva 17
  • Nuacutemero de diapositiva 18
  • Nuacutemero de diapositiva 19
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 21
  • Nuacutemero de diapositiva 22
  • Nuacutemero de diapositiva 23
  • Nuacutemero de diapositiva 24
  • Nuacutemero de diapositiva 25
  • Nuacutemero de diapositiva 26
  • Nuacutemero de diapositiva 27
  • Nuacutemero de diapositiva 28
  • Nuacutemero de diapositiva 29
  • Nuacutemero de diapositiva 30
  • Nuacutemero de diapositiva 31
  • Nuacutemero de diapositiva 32
  • Nuacutemero de diapositiva 33
  • Nuacutemero de diapositiva 34
  • Nuacutemero de diapositiva 35
  • Nuacutemero de diapositiva 36
  • Nuacutemero de diapositiva 37
  • Nuacutemero de diapositiva 38
  • Nuacutemero de diapositiva 39
  • Nuacutemero de diapositiva 40
  • 47 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 42
  • Nuacutemero de diapositiva 43
  • Nuacutemero de diapositiva 44
  • Nuacutemero de diapositiva 45
  • Nuacutemero de diapositiva 46
  • Nuacutemero de diapositiva 47
  • Nuacutemero de diapositiva 48
  • Nuacutemero de diapositiva 49
  • Nuacutemero de diapositiva 50
  • Nuacutemero de diapositiva 51
  • Nuacutemero de diapositiva 52
  • Nuacutemero de diapositiva 53
  • Nuacutemero de diapositiva 54
  • 48 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 56
  • Nuacutemero de diapositiva 57
  • Nuacutemero de diapositiva 58
  • Nuacutemero de diapositiva 59
  • Nuacutemero de diapositiva 60
  • Nuacutemero de diapositiva 61
  • Nuacutemero de diapositiva 62
  • Nuacutemero de diapositiva 63
  • Nuacutemero de diapositiva 64
  • Nuacutemero de diapositiva 65
  • Nuacutemero de diapositiva 66
  • Nuacutemero de diapositiva 67
  • Nuacutemero de diapositiva 68
  • Nuacutemero de diapositiva 69
  • Nuacutemero de diapositiva 70
  • Nuacutemero de diapositiva 71
  • Nuacutemero de diapositiva 72
  • Nuacutemero de diapositiva 73
  • Nuacutemero de diapositiva 74

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

lineal

EXPANSIOacuteN I expansioacuten

logariacutetmico exponencial

gamma

curvas de transferencia en lugar de rectas gamma es la curvatura de dicha curva se expanden maacutes el contraste de los extremos o del centro

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

frecuencial

EXPANSIOacuteN II

frecuencial ecualizacioacuten del

histograma

cuando los valores de ND no estaacuten distribuidos uniformemente intentar en la medida de lo posible que los valores de salida de los ND tengan el mismo de pixeles con dicho valor

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CONTRASTE EN UNA IMAGEN

ENTENDIENDO LAS IMAacuteGENES

compresioacuten del contraste

Ya sabemos que el contraste mide el rango dinaacutemico de los colores en la imagen es decir una imagen muy contrastada tiene un amplio abanico de colores (o tonos de gris) desde valores muy bajos a valores muy altos Para una imagen con poco contraste los colores estaacuten muy juntos el margen dinaacutemico es pequentildeo La variacioacuten en el contraste aparece como una compresioacuten del histograma en caso de una reduccioacuten a la inversa de lo visto en el caso de una expansioacuten

Compresioacuten si el rango excede de las capacidades del sistema

Se ha de comparar el nuacutemero de niveles digitales (ND) de la imagen con los niveles de visualizacioacuten (NV) o grises del sistema Es de menos aplicacioacuten Al igual que el brillo variando el contraste se puede provocar una peacuterdida de informacioacuten de la imagen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

MAYOR APLICABILIDAD DEL REALCE

ENTENDIENDO LAS IMAacuteGENES

realce oacuteptimo

realce frecuencial

realce lineal

laquo r e a l c e oacute p t i m o raquo optimiza interpretacioacuten de la imagen

mejor esteacutetica de la imagen NO COINCIDE CON NINGUacuteN CORTE PREDETERMINADO

Y SE LOGRA INTERACTIVAMENTE EN PANTALLA Y PARA CADA BANDA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

image1png

image1png

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

COMPOSICIONES COLOR

ENTENDIENDO LAS IMAacuteGENES

formatos de composiciones

CON LA CRECIENTE APARICIOacuteN DE LOS SENSORES HIPERESPECTRALES LAS POSIBILIDADES DE COMPOSICIONES

COLOREADAS DE BANDAS SON CASI ILIMITADAS

LA ELECCIOacuteN DE LAS BANDAS PARA REALIZAR LA COMPOSICIOacuteN Y EL ORDEN DE LAS BANDAS ASIGANADAS A LOS COLORES

PRIMARIOS DEPENDERAacute DE

Sensor Aplicacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EL SEUDO - COLOR

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm formatos de

composiciones

Ya hemos afirmado de que el ojo humano es maacutes capaz de distinguir tonos de color que intensidades de brillo

Por ello el empleo del color ayuda a la interpretacioacuten incluso cuando podamos tener una sola imagen de una banda

Es aquiacute que hablamos del SEUDO COLOR por no contar con tres bandas

El seudo color implica la creacioacuten de una CLUT que asocie el ND de una sola banda a distintos componentes del R V y A APLICACIONES 1 Para tener una leyenda de colores para una img clasificada 2 Para realzar el anaacutelisis de una determinada banda y sustituir los tonos de gris por una paleta de colores

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CLUT COLOUR LOOK-UP TABLE TABLA DE CONSULTA DE COLOR

ENTENDIENDO LAS IMAacuteGENES

httpsenwikipediaorgwikiColour_look-up_table

creacioacuten del seudo color

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Filtros espaciales Concepto de kernel Filtros paso bajo y paso alto Filtros direccionales Anomaliacuteas y correccioacuten atmosfeacuterica Correcciones radiomeacutetricas Anomaliacuteas radiomeacutetricas Fallos en el sensorCorreccioacuten atmosfeacuterica concepto Meacutetodo valores miacutenimos Regresioacuten entre bandas Dispersioacuten por aerosolesCalibracioacuten Caso misioacuten Landsat

47 Interpretacioacuten de Imaacutegenes

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

conceptos de que es un filtro

espacial

FUNCIONES PARA MEJORAR ASPECTO DE LAS IMAacuteGENES

REALZAN O DISMINUYEN ELEMENTOS VISUALES DE LA IMG

BASADOS EN LA FRECUENCIA ESPACIAL

FRECUENCIAS ESPACIALES ALTAS Variaciones que se producen en pocos piacutexeles TENDENCIA GENERAL FRECUENCIAS ESPACIALES BAJAS

Variaciones que se producen en muchos piacutexeles CONTRASTES LOCALES

FILTROS Figura - CCRS CCT

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

conceptos de kernel

FILTRADO ESPACIAL Figura - CCRS CCT FILTRADO EN EL DOMINIO

ESPACIAL Lo mas comuacuten es la aplicacioacuten de una ventana deslizante con valores que son coeficientes fijos de una matriz La MATRIZ se suele llamar KERNEL o nuacutecleo del filtro

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DIGITAL

ENTENDIENDO LAS IMAacuteGENES

aplicacioacuten del kernel

3 x 3 5 x 5 7 x 7

1 1 1

1 2 1

1 1 1 matrices

LOS VALORES DEL KERNEL SE MULTIPLICAN POR EL PIacuteXEL QUE TIENEN DEBAJO Y LUEGO SE SUMAN TODOS LOS PRODUCTOS

Y PARA OBTENER EL VALOR DEL PIacuteXEL CENTRAL EN LA IMAGEN TRANSFORMADA SE LO DIVIDE POR LA SUMA DE LOS PONDERADOS O PESOS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO - PASO BAJO PASO ALTO

ENTENDIENDO LAS IMAacuteGENES

aplicacioacuten del kernel

26

FILTROS DE PASO BAJO SE FAVORECEN A LOS PIXELES

PERIFEacuteRICOS SE MINIMIZAN LAS DIFERENCIAS CON LOS VECINOS ES UNA ESPECIE DE SUAVIZADO

FILTRO DE PASO ALTO PONDERACIOacuteN DEL VALOR CENTRAL EN DETRIMENTO DE LOS CIRCUNDANTES

SE EXAGERAN DIFERENCIAS Y SE RESALTAN VARIACIONES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DE PASO BAJO

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm

simulacioacuten

IMAGEN ORIGINAL

FILTRO PASO BAJO 3x3 SE TRATA DE ASEMEJAR LOS VALORES DE ND DE UN PIXEL A LOS VALORES VECINOS EN TEacuteRMINOS VISUALES LA IMAGEN FILTRADA OFRECE PERFILES MENOS NIacuteTIDOS

FILTRO PASO BAJO 7x7 SIRVE PARA REDUCIR VARIABILIDAD ESPACIAL DE ALGUNA CATEGORIacuteA ANTES DE UN PROCESO DE CLASIFICACIOacuteN

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DE PASO ALTO

ENTENDIENDO LAS IMAacuteGENES

IMAGEN ORIGINAL

FILTRO PASO ALTO 3x3 SE TRATA DE AISLAR LOS COMPONENTES DE ALTA FRECUENCIA Y REMARCAR DIGITALMENTE CONTRASTES EN TEacuteRMINOS VISUALES LA IMAGEN FILTRADA REFUERZA LOS CONTORNOS EN AacuteREAS HOMOGEacuteNEAS

FILTRO PASO ALTO 7x7 SIRVE PARA LOGRAR REALCES DE RASGOS LINEALES COMO PUEDEN SER EN AacuteREAS URBANAS O RASGOS GEOLOacuteGICOS

simulacioacuten

httpgeograuahesrtm

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

Figura - Landsat USGS

IMAGEN ORIGINAL

FILTRO DIRECCIONAL PERMITEN IDENTIFICAR LOS RASGOS FRONTERIZOS EN LAS IMAacuteGENES COMO LOS FILTROS ANTERIORES PERO AHORA CONSIDERANDO LA ORIENTACIOacuteN

se tiene en cuenta la

orientacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

matrices con direccioacuten

NORTE

1 1 1

1 -2 1

-1 -1 -1

SUR

-1 -1 -1

1 -2 1

1 1 1

ESTE

-1 1 1

-1 -2 1

-1 1 1

OESTE

1 1 -1

1 -2 -1

1 1 -1

SURESTE

-1 -1 1

-1 -2 1

1 1 1

NOROESTE

1 1 1

1 -2 -1

1 -1 -1

SUROESTE

1 -1 -1

1 -2 -1

1 1 1

NORESTE

1 1 1

-1 -2 1

-1 -1 1

OBSERVACIOacuteN

LOS NOMBRES OBEDECEN A LA DIRECCIOacuteN DEL CONTRASTE QUE SENtildeALAN

LA DIRECCIOacuteN QUE REALZAN ES JUSTAMENTE LA PERPENDICULAR

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

48 Interpretacioacuten de Imaacutegenes

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Correcciones geomeacutetricas Georreferenciacioacuten Uso de puntos de control Fuentes de error Procesamiento geomeacutetrico Correccioacuten Transformacioacuten geomeacutetrica Calidad y ajuste Generacioacuten de la nueva imagen Transferencia de ND

INSTITUTO DE AGRIMENSURA - DEPARTAMENTO DE GEOMAacuteTICA PROF ADJUNTO GRADO 3 EDISON J ROSAS BERTON

El tratamiento de una imagen de sateacutelite Georreferenciacioacuten

(paso de un sistema de filas y columnas a un sistema de coordenadas estandard)

Para ello debe obtenerse una muestra de puntos de control de los que conozcamos tanto sus coordenadas reales como sus coordenadas en

la imagen deben ser por tanto objetos de un tamantildeo adecuado para resultar identificables tanto en la imagen como sobre el terreno el tamantildeo

dependeraacute loacutegicamente de la resolucioacuten de la imagen A partir de estos puntos de control se obtendraacuten por regresioacuten unas ecuaciones que permitiraacuten a cada par filacolumna un par de coordenadas

XY

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

GEORREFERENCIACIOacuteN

ENTENDIENDO LAS IMAacuteGENES

georreferenciacioacuten porqueacute

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PUNTOS DE CONTROL

ENTENDIENDO LAS IMAacuteGENES

uso de puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

DISTORSIONES POR LA PLATAFORMA ALTITUD DE LA OacuteRBITA ndash Cambio de escala

VELOCIDAD ndash Cambios de escala ORIENTACIOacuteN DE LOS TRES EJES ndash Distorsiones en la geometriacutea

NO SISTEMAacuteTICOS Y COMPLEJOS DE MODELAR

DISTORSIONES POR ROTACIOacuteN TERRESTRE

CONSIDERANDO ALTITUD (800 Km) y TAMANtildeO DE LA IMAGEN (180 Km)ndashEn latitudes medias tarda en adquirir unos 30 segundos la Tierra se desplaza unos 8 Km

ORIENTACIOacuteN NE SW

DISTORSIONES POR EL SENSOR ANOMALIacuteAS SENSOR y MOVIMIENTO ESPEJO ndash Barrido no lineal o cambio en intervalos

AacuteNGULO DE BARRIDO ndash Variacioacuten en el tamantildeo de pixel

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ERROR EN UNA IMAGEN ESPACIAL

ENTENDIENDO LAS IMAacuteGENES

fuentes de error

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Una correccioacuten geomeacutetrica incluye CUALQUIER CAMBIO EN LA POSICIOacuteN DE LOS PIXELES que

conforman la imagen f (c`) = f1 (c l) f (x y) f (l`) = f2 (c l) f (x y)

COORDENADAS DE IMAGEN CORREGIDA SON FUNCIOacuteN DE COORDENADAS COLUMNA Y LIacuteNEA DE LA

IMAGEN DE ENTRADA O DE LAS COORDENADAS DE MAPA AL QUE SUPERPONDREMOS LA IMAGEN

1 CON OBJETIVO DE REALIZAR UNA TRANSFORMACIOacuteN GEOMEacuteTRICA QUE PERMITA AJUSTARLA A OTRA IMAGEN REFERENCIA NORMALMENTE PARA REALIZAR ESTUDIOS MULTITEMPORALES O MOSAICOS CON EL FIN DE AMPLIAR LOS DATOS E INFORMACIOacuteN DE UNA ZONA

2 ESTO PERMITIRAacute QUE LA NUEVA IMAGEN LA PUEDA INTEGRAR CON INFORMACIOacuteN DE OTRAS FUENTES POR EJEMPLO EN UN AMBIENTE SIG

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

correccioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

asumimos que

NO SE CONOCE EL ORIGEN DE LOS ERRORES

modelamos

ECUACIONES EMPIacuteRICAS

aplicadas a un conjunto de puntos

COORDENADAS CONOCIDAS IMAGEN INPUT e IMAGEN OUTPUT

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

1 ndash SELECCIOacuteN DE REFERENCIAS 2 ndash ECUACIONES DE AJUSTE

3 ndash GENERACIOacuteN DE LA IMAGEN CORREGIDA

ES OBVIO CALIDAD DEL AJUSTE DEPENDERAacute DE PRECISIOacuteN CON QUE SE

LOCALICEN LOS PUNTOS DE CONTROL INEXACTA LOCALIZACIOacuteN

DISTRIBUCIOacuteN MUY SECTORIZADA NUacuteMERO DE PUNTOS DE CONTROL INADECUADO

ESTABLECER LOS PUNTOS DE CONTROL FASE MAS CRUCIAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

procesamiento de la correccioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Resaltamos la importancia de

NUacuteMERO LOCALIZACIOacuteN DISTRIBUCIOacuteN

Que debemos atender Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

que considero UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash Croquis ilustrativos de apoyo

TERRENO O ZONAS PLANAS CON IMG OBTENIDAS POR UN SENSOR DE ESTRECHA VISIOacuteN DE CAMPO

TRANSFORMACIOacuteN

BASADO EN ECUACIONES LINEALES SIMPLES

TERRENO ESCARPADO O RUGOSO O UTILIZACIOacuteN DE IMG OBTENIDAS EN UN SENSOR CON VARIACIONES EN LAS CONDICIONES DE OBSERVACIOacuteN

TRANSFORMACIOacuteN MAacuteS COMPLEJA

POLINOMIOS DE SEGUNDO O TERCER ORDEN

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Desde un punto de vista matemaacutetico

GRADO 1 ndash 3 puntos GRADO 2 ndash 6 puntos GRADO 3 ndash 10 puntos

Seguacuten mis objetivos del trabajo no es conveniente utilizar esos miacutenimos

14 a 20 puntos (Landsat 5 MMS ndash seguacuten Bernstein R y D G Ferneyhough Jr 1978)

100 a 120 puntos (Landsat 7 TM ndash seguacuten el National Remote Sensing Center de Inglaterra)

10 o 12 puntos (Pequentildea zona de 512 x 512 pixeles ndash seguacuten Emilio Chuvieco 2010)

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

matemaacuteticamente UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

QUE DEBEMOS DE CONSIDERAR EN CUANTO A LA LOCALIZACIOacuteN

CLARAMENTE IDENTIFICABLES EN IMAGEN Y MAPA RASGOS HUMANOS DEL PAISAJE NO SUJETOS A DINAMISMO TEMPORAL

CRUCE DE CARRETERAS

CAMINOS VIacuteA FEacuteRREAS

NO CONSIDERAR ELEMENTOS ASOCIADOS AL AGUA

COSTA CURSOS DE AGUA

EMBALSES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

localizacioacuten TCP UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la correccioacuten digital de la geometriacutea de una imagen se realiza a partir de establecer unas funciones que relacionen las coordenadas de la imagen

y las coordenadas del mapa

EJ CASO MAS SIMPLE REGRESIOacuteN LINEAL MUacuteLTIPLE

ci = a0 + a1 Xi + a2 Yi li = b0 + b1 Xi + b2 Yi

EN LA PRAacuteCTICA BASTA UNA FUNCIOacuteN LINEAL PARA ABORDAR UN GRAN NUacuteMERO DE

TRANSFORMACIONES Y SON SUFICIENTES SI LAS IMAacuteGENES NO SON MUY GRANDES ANTE LA NECESIDAD DE OTRAS TRANSFORMACIONES SE UTILIZAN DE 2ordm y 3ordm ORDEN CONSIDERANDO ALTERACIONES GEOMEacuteTRICAS NO LINEALES (FUNCIONES QUE NO SE DEFINEN EN UN PLANO

CON EJES LINEALES SINO QUE SUPERFICIES CON EJES CURVILIacuteNEOS)

LOS COEFICIENTES DE LAS FUNCIONES DE TRANSFORMACIOacuteN SE CALCULAN A PARTIR DE UN AJUSTE POR MIacuteNIMOS CUADRADOS

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

funciones de transformacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash ejemplos de funciones de transformacioacuten geomeacutetrica con el efecto causado

TRASLACIOacuteN

CAMBIO DE ESCALA

INCLINACIOacuteN

PERSPECTIVA

ROTACIOacuteN

x = a0 + xacute y = b0 + yacute

x = xacute + a2 yacute y = yacute

x = a1 xacute y = b1 yacute

x = a3xacute yacute y = yacute

x = a4xacute + a5yacute y = b4xacute + b5yacute a4 = b5 = cos Ɵ a5 = -b4 = sen Ɵ

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

transformacioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

comparacioacuten coordenadas reales y las estimadas por la regresioacuten

el promedio de los residuales se conoce como error medio cuadraacutetico

la calidad del ajuste lo da el RMSE (root mean squared error)

(error medio cuadraacutetico)

RMSE es la raiacutez cuadrada de las desviaciones entre los valores reales y los

calculados

RMSE para cada punto es la raiacutez de los residuales al cuadrado que es la distancia entre ellos

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

RMSE UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la praacutectica hace que fijemos una TOLERANCIA y es que si ese promedio supera un valor fijado previamente haya que rever

el valor fijado previamente generalmente es igual o menor a un PIXEL

una correcta verificacioacuten

NECESITA introducir PUNTOS de VERIFICACIOacuteN

que no hayan sido introducidos en el ajuste

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

tolerancias fijadas

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

traducimos coordenadas de un mapa a la imagen tambieacuten necesitamos a la nueva imagen

TRANSFERIR LOS VALORES DIGITALES no olvidar que lo que queremos es generar una nueva imagen que se

corresponda con las coordenadas y las funciones de ajuste

NO ORIGINAN NUEVA IMAGEN solo colocan a los pixeles en la posicioacuten correcta

en criollo las funciones de transformacioacuten generan una nueva matriz bien posicionada pero vaciacutea

DEBEMOS LLENAR LA MATRIZ problema maacutes complejo de lo que puede

pensarse Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

generacioacuten de la nueva imaacutegen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

cada pixel de la imagen corregida se corresponderiacutea con un pixel de la imagen original

LEJOS DE ESE IDEAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo I

vecino maacutes proacuteximo ( nearest neighbour )

a cada celda de la imagen corregida se asigna el ND del pixel maacutes cercano de la

imagen original

SOLUCIOacuteN RAacutePIDA MENOR DISTORSIOacuteN DE LOS ND

INTRODUCE RASGOS LINEALES QUE DISTORSIONAN

CORRECCIOacuteN DE IMAacuteGENES CLASIFICADAS

CONSERVAR LA RADIOMETRIacuteA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo II

interpolacioacuten bilineal ( bilinear interpolation )

supone promediar los ND de los cuatro pixeles mas cercanos

con ponderacioacuten seguacuten la distancia pixeles originalcorregido

REDUCE EL EFECTO DE DISTORSIOacuteN EN RASGOS LINEALES

TIENDE A DIFUMINAR LOS CONTRASTES ESPACIALES

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE IMAacuteGENES RECTIFICADAS MAPAS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo III

convolusioacuten cuacutebica ( cubic convolution )

supone considerar los ND de los 16 pixeles mas proacuteximos

media ponderada seguacuten la distancia pixeles originalcorregido

EFECTO VISUAL MAS CORRECTO

VOLUacuteMEN DE CAacuteLCULO MUY SUPERIOR TENDENCIA A AGUDIZAR BORDES DE LA IMAGEN

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE ORTOIMAacuteGENES IMPRESIONES DE CALIDAD

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

  • Nuacutemero de diapositiva 1
  • Nuacutemero de diapositiva 2
  • MOacuteDULO IV
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 5
  • Nuacutemero de diapositiva 6
  • Nuacutemero de diapositiva 7
  • Nuacutemero de diapositiva 8
  • Nuacutemero de diapositiva 9
  • Nuacutemero de diapositiva 10
  • Nuacutemero de diapositiva 11
  • Nuacutemero de diapositiva 12
  • Nuacutemero de diapositiva 13
  • Nuacutemero de diapositiva 14
  • Nuacutemero de diapositiva 15
  • Nuacutemero de diapositiva 16
  • Nuacutemero de diapositiva 17
  • Nuacutemero de diapositiva 18
  • Nuacutemero de diapositiva 19
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 21
  • Nuacutemero de diapositiva 22
  • Nuacutemero de diapositiva 23
  • Nuacutemero de diapositiva 24
  • Nuacutemero de diapositiva 25
  • Nuacutemero de diapositiva 26
  • Nuacutemero de diapositiva 27
  • Nuacutemero de diapositiva 28
  • Nuacutemero de diapositiva 29
  • Nuacutemero de diapositiva 30
  • Nuacutemero de diapositiva 31
  • Nuacutemero de diapositiva 32
  • Nuacutemero de diapositiva 33
  • Nuacutemero de diapositiva 34
  • Nuacutemero de diapositiva 35
  • Nuacutemero de diapositiva 36
  • Nuacutemero de diapositiva 37
  • Nuacutemero de diapositiva 38
  • Nuacutemero de diapositiva 39
  • Nuacutemero de diapositiva 40
  • 47 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 42
  • Nuacutemero de diapositiva 43
  • Nuacutemero de diapositiva 44
  • Nuacutemero de diapositiva 45
  • Nuacutemero de diapositiva 46
  • Nuacutemero de diapositiva 47
  • Nuacutemero de diapositiva 48
  • Nuacutemero de diapositiva 49
  • Nuacutemero de diapositiva 50
  • Nuacutemero de diapositiva 51
  • Nuacutemero de diapositiva 52
  • Nuacutemero de diapositiva 53
  • Nuacutemero de diapositiva 54
  • 48 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 56
  • Nuacutemero de diapositiva 57
  • Nuacutemero de diapositiva 58
  • Nuacutemero de diapositiva 59
  • Nuacutemero de diapositiva 60
  • Nuacutemero de diapositiva 61
  • Nuacutemero de diapositiva 62
  • Nuacutemero de diapositiva 63
  • Nuacutemero de diapositiva 64
  • Nuacutemero de diapositiva 65
  • Nuacutemero de diapositiva 66
  • Nuacutemero de diapositiva 67
  • Nuacutemero de diapositiva 68
  • Nuacutemero de diapositiva 69
  • Nuacutemero de diapositiva 70
  • Nuacutemero de diapositiva 71
  • Nuacutemero de diapositiva 72
  • Nuacutemero de diapositiva 73
  • Nuacutemero de diapositiva 74

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

frecuencial

EXPANSIOacuteN II

frecuencial ecualizacioacuten del

histograma

cuando los valores de ND no estaacuten distribuidos uniformemente intentar en la medida de lo posible que los valores de salida de los ND tengan el mismo de pixeles con dicho valor

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CONTRASTE EN UNA IMAGEN

ENTENDIENDO LAS IMAacuteGENES

compresioacuten del contraste

Ya sabemos que el contraste mide el rango dinaacutemico de los colores en la imagen es decir una imagen muy contrastada tiene un amplio abanico de colores (o tonos de gris) desde valores muy bajos a valores muy altos Para una imagen con poco contraste los colores estaacuten muy juntos el margen dinaacutemico es pequentildeo La variacioacuten en el contraste aparece como una compresioacuten del histograma en caso de una reduccioacuten a la inversa de lo visto en el caso de una expansioacuten

Compresioacuten si el rango excede de las capacidades del sistema

Se ha de comparar el nuacutemero de niveles digitales (ND) de la imagen con los niveles de visualizacioacuten (NV) o grises del sistema Es de menos aplicacioacuten Al igual que el brillo variando el contraste se puede provocar una peacuterdida de informacioacuten de la imagen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

MAYOR APLICABILIDAD DEL REALCE

ENTENDIENDO LAS IMAacuteGENES

realce oacuteptimo

realce frecuencial

realce lineal

laquo r e a l c e oacute p t i m o raquo optimiza interpretacioacuten de la imagen

mejor esteacutetica de la imagen NO COINCIDE CON NINGUacuteN CORTE PREDETERMINADO

Y SE LOGRA INTERACTIVAMENTE EN PANTALLA Y PARA CADA BANDA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

image1png

image1png

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

COMPOSICIONES COLOR

ENTENDIENDO LAS IMAacuteGENES

formatos de composiciones

CON LA CRECIENTE APARICIOacuteN DE LOS SENSORES HIPERESPECTRALES LAS POSIBILIDADES DE COMPOSICIONES

COLOREADAS DE BANDAS SON CASI ILIMITADAS

LA ELECCIOacuteN DE LAS BANDAS PARA REALIZAR LA COMPOSICIOacuteN Y EL ORDEN DE LAS BANDAS ASIGANADAS A LOS COLORES

PRIMARIOS DEPENDERAacute DE

Sensor Aplicacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EL SEUDO - COLOR

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm formatos de

composiciones

Ya hemos afirmado de que el ojo humano es maacutes capaz de distinguir tonos de color que intensidades de brillo

Por ello el empleo del color ayuda a la interpretacioacuten incluso cuando podamos tener una sola imagen de una banda

Es aquiacute que hablamos del SEUDO COLOR por no contar con tres bandas

El seudo color implica la creacioacuten de una CLUT que asocie el ND de una sola banda a distintos componentes del R V y A APLICACIONES 1 Para tener una leyenda de colores para una img clasificada 2 Para realzar el anaacutelisis de una determinada banda y sustituir los tonos de gris por una paleta de colores

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CLUT COLOUR LOOK-UP TABLE TABLA DE CONSULTA DE COLOR

ENTENDIENDO LAS IMAacuteGENES

httpsenwikipediaorgwikiColour_look-up_table

creacioacuten del seudo color

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Filtros espaciales Concepto de kernel Filtros paso bajo y paso alto Filtros direccionales Anomaliacuteas y correccioacuten atmosfeacuterica Correcciones radiomeacutetricas Anomaliacuteas radiomeacutetricas Fallos en el sensorCorreccioacuten atmosfeacuterica concepto Meacutetodo valores miacutenimos Regresioacuten entre bandas Dispersioacuten por aerosolesCalibracioacuten Caso misioacuten Landsat

47 Interpretacioacuten de Imaacutegenes

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

conceptos de que es un filtro

espacial

FUNCIONES PARA MEJORAR ASPECTO DE LAS IMAacuteGENES

REALZAN O DISMINUYEN ELEMENTOS VISUALES DE LA IMG

BASADOS EN LA FRECUENCIA ESPACIAL

FRECUENCIAS ESPACIALES ALTAS Variaciones que se producen en pocos piacutexeles TENDENCIA GENERAL FRECUENCIAS ESPACIALES BAJAS

Variaciones que se producen en muchos piacutexeles CONTRASTES LOCALES

FILTROS Figura - CCRS CCT

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

conceptos de kernel

FILTRADO ESPACIAL Figura - CCRS CCT FILTRADO EN EL DOMINIO

ESPACIAL Lo mas comuacuten es la aplicacioacuten de una ventana deslizante con valores que son coeficientes fijos de una matriz La MATRIZ se suele llamar KERNEL o nuacutecleo del filtro

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DIGITAL

ENTENDIENDO LAS IMAacuteGENES

aplicacioacuten del kernel

3 x 3 5 x 5 7 x 7

1 1 1

1 2 1

1 1 1 matrices

LOS VALORES DEL KERNEL SE MULTIPLICAN POR EL PIacuteXEL QUE TIENEN DEBAJO Y LUEGO SE SUMAN TODOS LOS PRODUCTOS

Y PARA OBTENER EL VALOR DEL PIacuteXEL CENTRAL EN LA IMAGEN TRANSFORMADA SE LO DIVIDE POR LA SUMA DE LOS PONDERADOS O PESOS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO - PASO BAJO PASO ALTO

ENTENDIENDO LAS IMAacuteGENES

aplicacioacuten del kernel

26

FILTROS DE PASO BAJO SE FAVORECEN A LOS PIXELES

PERIFEacuteRICOS SE MINIMIZAN LAS DIFERENCIAS CON LOS VECINOS ES UNA ESPECIE DE SUAVIZADO

FILTRO DE PASO ALTO PONDERACIOacuteN DEL VALOR CENTRAL EN DETRIMENTO DE LOS CIRCUNDANTES

SE EXAGERAN DIFERENCIAS Y SE RESALTAN VARIACIONES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DE PASO BAJO

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm

simulacioacuten

IMAGEN ORIGINAL

FILTRO PASO BAJO 3x3 SE TRATA DE ASEMEJAR LOS VALORES DE ND DE UN PIXEL A LOS VALORES VECINOS EN TEacuteRMINOS VISUALES LA IMAGEN FILTRADA OFRECE PERFILES MENOS NIacuteTIDOS

FILTRO PASO BAJO 7x7 SIRVE PARA REDUCIR VARIABILIDAD ESPACIAL DE ALGUNA CATEGORIacuteA ANTES DE UN PROCESO DE CLASIFICACIOacuteN

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DE PASO ALTO

ENTENDIENDO LAS IMAacuteGENES

IMAGEN ORIGINAL

FILTRO PASO ALTO 3x3 SE TRATA DE AISLAR LOS COMPONENTES DE ALTA FRECUENCIA Y REMARCAR DIGITALMENTE CONTRASTES EN TEacuteRMINOS VISUALES LA IMAGEN FILTRADA REFUERZA LOS CONTORNOS EN AacuteREAS HOMOGEacuteNEAS

FILTRO PASO ALTO 7x7 SIRVE PARA LOGRAR REALCES DE RASGOS LINEALES COMO PUEDEN SER EN AacuteREAS URBANAS O RASGOS GEOLOacuteGICOS

simulacioacuten

httpgeograuahesrtm

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

Figura - Landsat USGS

IMAGEN ORIGINAL

FILTRO DIRECCIONAL PERMITEN IDENTIFICAR LOS RASGOS FRONTERIZOS EN LAS IMAacuteGENES COMO LOS FILTROS ANTERIORES PERO AHORA CONSIDERANDO LA ORIENTACIOacuteN

se tiene en cuenta la

orientacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

matrices con direccioacuten

NORTE

1 1 1

1 -2 1

-1 -1 -1

SUR

-1 -1 -1

1 -2 1

1 1 1

ESTE

-1 1 1

-1 -2 1

-1 1 1

OESTE

1 1 -1

1 -2 -1

1 1 -1

SURESTE

-1 -1 1

-1 -2 1

1 1 1

NOROESTE

1 1 1

1 -2 -1

1 -1 -1

SUROESTE

1 -1 -1

1 -2 -1

1 1 1

NORESTE

1 1 1

-1 -2 1

-1 -1 1

OBSERVACIOacuteN

LOS NOMBRES OBEDECEN A LA DIRECCIOacuteN DEL CONTRASTE QUE SENtildeALAN

LA DIRECCIOacuteN QUE REALZAN ES JUSTAMENTE LA PERPENDICULAR

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

48 Interpretacioacuten de Imaacutegenes

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Correcciones geomeacutetricas Georreferenciacioacuten Uso de puntos de control Fuentes de error Procesamiento geomeacutetrico Correccioacuten Transformacioacuten geomeacutetrica Calidad y ajuste Generacioacuten de la nueva imagen Transferencia de ND

INSTITUTO DE AGRIMENSURA - DEPARTAMENTO DE GEOMAacuteTICA PROF ADJUNTO GRADO 3 EDISON J ROSAS BERTON

El tratamiento de una imagen de sateacutelite Georreferenciacioacuten

(paso de un sistema de filas y columnas a un sistema de coordenadas estandard)

Para ello debe obtenerse una muestra de puntos de control de los que conozcamos tanto sus coordenadas reales como sus coordenadas en

la imagen deben ser por tanto objetos de un tamantildeo adecuado para resultar identificables tanto en la imagen como sobre el terreno el tamantildeo

dependeraacute loacutegicamente de la resolucioacuten de la imagen A partir de estos puntos de control se obtendraacuten por regresioacuten unas ecuaciones que permitiraacuten a cada par filacolumna un par de coordenadas

XY

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

GEORREFERENCIACIOacuteN

ENTENDIENDO LAS IMAacuteGENES

georreferenciacioacuten porqueacute

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PUNTOS DE CONTROL

ENTENDIENDO LAS IMAacuteGENES

uso de puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

DISTORSIONES POR LA PLATAFORMA ALTITUD DE LA OacuteRBITA ndash Cambio de escala

VELOCIDAD ndash Cambios de escala ORIENTACIOacuteN DE LOS TRES EJES ndash Distorsiones en la geometriacutea

NO SISTEMAacuteTICOS Y COMPLEJOS DE MODELAR

DISTORSIONES POR ROTACIOacuteN TERRESTRE

CONSIDERANDO ALTITUD (800 Km) y TAMANtildeO DE LA IMAGEN (180 Km)ndashEn latitudes medias tarda en adquirir unos 30 segundos la Tierra se desplaza unos 8 Km

ORIENTACIOacuteN NE SW

DISTORSIONES POR EL SENSOR ANOMALIacuteAS SENSOR y MOVIMIENTO ESPEJO ndash Barrido no lineal o cambio en intervalos

AacuteNGULO DE BARRIDO ndash Variacioacuten en el tamantildeo de pixel

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ERROR EN UNA IMAGEN ESPACIAL

ENTENDIENDO LAS IMAacuteGENES

fuentes de error

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Una correccioacuten geomeacutetrica incluye CUALQUIER CAMBIO EN LA POSICIOacuteN DE LOS PIXELES que

conforman la imagen f (c`) = f1 (c l) f (x y) f (l`) = f2 (c l) f (x y)

COORDENADAS DE IMAGEN CORREGIDA SON FUNCIOacuteN DE COORDENADAS COLUMNA Y LIacuteNEA DE LA

IMAGEN DE ENTRADA O DE LAS COORDENADAS DE MAPA AL QUE SUPERPONDREMOS LA IMAGEN

1 CON OBJETIVO DE REALIZAR UNA TRANSFORMACIOacuteN GEOMEacuteTRICA QUE PERMITA AJUSTARLA A OTRA IMAGEN REFERENCIA NORMALMENTE PARA REALIZAR ESTUDIOS MULTITEMPORALES O MOSAICOS CON EL FIN DE AMPLIAR LOS DATOS E INFORMACIOacuteN DE UNA ZONA

2 ESTO PERMITIRAacute QUE LA NUEVA IMAGEN LA PUEDA INTEGRAR CON INFORMACIOacuteN DE OTRAS FUENTES POR EJEMPLO EN UN AMBIENTE SIG

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

correccioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

asumimos que

NO SE CONOCE EL ORIGEN DE LOS ERRORES

modelamos

ECUACIONES EMPIacuteRICAS

aplicadas a un conjunto de puntos

COORDENADAS CONOCIDAS IMAGEN INPUT e IMAGEN OUTPUT

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

1 ndash SELECCIOacuteN DE REFERENCIAS 2 ndash ECUACIONES DE AJUSTE

3 ndash GENERACIOacuteN DE LA IMAGEN CORREGIDA

ES OBVIO CALIDAD DEL AJUSTE DEPENDERAacute DE PRECISIOacuteN CON QUE SE

LOCALICEN LOS PUNTOS DE CONTROL INEXACTA LOCALIZACIOacuteN

DISTRIBUCIOacuteN MUY SECTORIZADA NUacuteMERO DE PUNTOS DE CONTROL INADECUADO

ESTABLECER LOS PUNTOS DE CONTROL FASE MAS CRUCIAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

procesamiento de la correccioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Resaltamos la importancia de

NUacuteMERO LOCALIZACIOacuteN DISTRIBUCIOacuteN

Que debemos atender Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

que considero UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash Croquis ilustrativos de apoyo

TERRENO O ZONAS PLANAS CON IMG OBTENIDAS POR UN SENSOR DE ESTRECHA VISIOacuteN DE CAMPO

TRANSFORMACIOacuteN

BASADO EN ECUACIONES LINEALES SIMPLES

TERRENO ESCARPADO O RUGOSO O UTILIZACIOacuteN DE IMG OBTENIDAS EN UN SENSOR CON VARIACIONES EN LAS CONDICIONES DE OBSERVACIOacuteN

TRANSFORMACIOacuteN MAacuteS COMPLEJA

POLINOMIOS DE SEGUNDO O TERCER ORDEN

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Desde un punto de vista matemaacutetico

GRADO 1 ndash 3 puntos GRADO 2 ndash 6 puntos GRADO 3 ndash 10 puntos

Seguacuten mis objetivos del trabajo no es conveniente utilizar esos miacutenimos

14 a 20 puntos (Landsat 5 MMS ndash seguacuten Bernstein R y D G Ferneyhough Jr 1978)

100 a 120 puntos (Landsat 7 TM ndash seguacuten el National Remote Sensing Center de Inglaterra)

10 o 12 puntos (Pequentildea zona de 512 x 512 pixeles ndash seguacuten Emilio Chuvieco 2010)

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

matemaacuteticamente UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

QUE DEBEMOS DE CONSIDERAR EN CUANTO A LA LOCALIZACIOacuteN

CLARAMENTE IDENTIFICABLES EN IMAGEN Y MAPA RASGOS HUMANOS DEL PAISAJE NO SUJETOS A DINAMISMO TEMPORAL

CRUCE DE CARRETERAS

CAMINOS VIacuteA FEacuteRREAS

NO CONSIDERAR ELEMENTOS ASOCIADOS AL AGUA

COSTA CURSOS DE AGUA

EMBALSES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

localizacioacuten TCP UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la correccioacuten digital de la geometriacutea de una imagen se realiza a partir de establecer unas funciones que relacionen las coordenadas de la imagen

y las coordenadas del mapa

EJ CASO MAS SIMPLE REGRESIOacuteN LINEAL MUacuteLTIPLE

ci = a0 + a1 Xi + a2 Yi li = b0 + b1 Xi + b2 Yi

EN LA PRAacuteCTICA BASTA UNA FUNCIOacuteN LINEAL PARA ABORDAR UN GRAN NUacuteMERO DE

TRANSFORMACIONES Y SON SUFICIENTES SI LAS IMAacuteGENES NO SON MUY GRANDES ANTE LA NECESIDAD DE OTRAS TRANSFORMACIONES SE UTILIZAN DE 2ordm y 3ordm ORDEN CONSIDERANDO ALTERACIONES GEOMEacuteTRICAS NO LINEALES (FUNCIONES QUE NO SE DEFINEN EN UN PLANO

CON EJES LINEALES SINO QUE SUPERFICIES CON EJES CURVILIacuteNEOS)

LOS COEFICIENTES DE LAS FUNCIONES DE TRANSFORMACIOacuteN SE CALCULAN A PARTIR DE UN AJUSTE POR MIacuteNIMOS CUADRADOS

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

funciones de transformacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash ejemplos de funciones de transformacioacuten geomeacutetrica con el efecto causado

TRASLACIOacuteN

CAMBIO DE ESCALA

INCLINACIOacuteN

PERSPECTIVA

ROTACIOacuteN

x = a0 + xacute y = b0 + yacute

x = xacute + a2 yacute y = yacute

x = a1 xacute y = b1 yacute

x = a3xacute yacute y = yacute

x = a4xacute + a5yacute y = b4xacute + b5yacute a4 = b5 = cos Ɵ a5 = -b4 = sen Ɵ

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

transformacioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

comparacioacuten coordenadas reales y las estimadas por la regresioacuten

el promedio de los residuales se conoce como error medio cuadraacutetico

la calidad del ajuste lo da el RMSE (root mean squared error)

(error medio cuadraacutetico)

RMSE es la raiacutez cuadrada de las desviaciones entre los valores reales y los

calculados

RMSE para cada punto es la raiacutez de los residuales al cuadrado que es la distancia entre ellos

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

RMSE UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la praacutectica hace que fijemos una TOLERANCIA y es que si ese promedio supera un valor fijado previamente haya que rever

el valor fijado previamente generalmente es igual o menor a un PIXEL

una correcta verificacioacuten

NECESITA introducir PUNTOS de VERIFICACIOacuteN

que no hayan sido introducidos en el ajuste

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

tolerancias fijadas

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

traducimos coordenadas de un mapa a la imagen tambieacuten necesitamos a la nueva imagen

TRANSFERIR LOS VALORES DIGITALES no olvidar que lo que queremos es generar una nueva imagen que se

corresponda con las coordenadas y las funciones de ajuste

NO ORIGINAN NUEVA IMAGEN solo colocan a los pixeles en la posicioacuten correcta

en criollo las funciones de transformacioacuten generan una nueva matriz bien posicionada pero vaciacutea

DEBEMOS LLENAR LA MATRIZ problema maacutes complejo de lo que puede

pensarse Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

generacioacuten de la nueva imaacutegen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

cada pixel de la imagen corregida se corresponderiacutea con un pixel de la imagen original

LEJOS DE ESE IDEAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo I

vecino maacutes proacuteximo ( nearest neighbour )

a cada celda de la imagen corregida se asigna el ND del pixel maacutes cercano de la

imagen original

SOLUCIOacuteN RAacutePIDA MENOR DISTORSIOacuteN DE LOS ND

INTRODUCE RASGOS LINEALES QUE DISTORSIONAN

CORRECCIOacuteN DE IMAacuteGENES CLASIFICADAS

CONSERVAR LA RADIOMETRIacuteA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo II

interpolacioacuten bilineal ( bilinear interpolation )

supone promediar los ND de los cuatro pixeles mas cercanos

con ponderacioacuten seguacuten la distancia pixeles originalcorregido

REDUCE EL EFECTO DE DISTORSIOacuteN EN RASGOS LINEALES

TIENDE A DIFUMINAR LOS CONTRASTES ESPACIALES

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE IMAacuteGENES RECTIFICADAS MAPAS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo III

convolusioacuten cuacutebica ( cubic convolution )

supone considerar los ND de los 16 pixeles mas proacuteximos

media ponderada seguacuten la distancia pixeles originalcorregido

EFECTO VISUAL MAS CORRECTO

VOLUacuteMEN DE CAacuteLCULO MUY SUPERIOR TENDENCIA A AGUDIZAR BORDES DE LA IMAGEN

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE ORTOIMAacuteGENES IMPRESIONES DE CALIDAD

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

  • Nuacutemero de diapositiva 1
  • Nuacutemero de diapositiva 2
  • MOacuteDULO IV
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 5
  • Nuacutemero de diapositiva 6
  • Nuacutemero de diapositiva 7
  • Nuacutemero de diapositiva 8
  • Nuacutemero de diapositiva 9
  • Nuacutemero de diapositiva 10
  • Nuacutemero de diapositiva 11
  • Nuacutemero de diapositiva 12
  • Nuacutemero de diapositiva 13
  • Nuacutemero de diapositiva 14
  • Nuacutemero de diapositiva 15
  • Nuacutemero de diapositiva 16
  • Nuacutemero de diapositiva 17
  • Nuacutemero de diapositiva 18
  • Nuacutemero de diapositiva 19
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 21
  • Nuacutemero de diapositiva 22
  • Nuacutemero de diapositiva 23
  • Nuacutemero de diapositiva 24
  • Nuacutemero de diapositiva 25
  • Nuacutemero de diapositiva 26
  • Nuacutemero de diapositiva 27
  • Nuacutemero de diapositiva 28
  • Nuacutemero de diapositiva 29
  • Nuacutemero de diapositiva 30
  • Nuacutemero de diapositiva 31
  • Nuacutemero de diapositiva 32
  • Nuacutemero de diapositiva 33
  • Nuacutemero de diapositiva 34
  • Nuacutemero de diapositiva 35
  • Nuacutemero de diapositiva 36
  • Nuacutemero de diapositiva 37
  • Nuacutemero de diapositiva 38
  • Nuacutemero de diapositiva 39
  • Nuacutemero de diapositiva 40
  • 47 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 42
  • Nuacutemero de diapositiva 43
  • Nuacutemero de diapositiva 44
  • Nuacutemero de diapositiva 45
  • Nuacutemero de diapositiva 46
  • Nuacutemero de diapositiva 47
  • Nuacutemero de diapositiva 48
  • Nuacutemero de diapositiva 49
  • Nuacutemero de diapositiva 50
  • Nuacutemero de diapositiva 51
  • Nuacutemero de diapositiva 52
  • Nuacutemero de diapositiva 53
  • Nuacutemero de diapositiva 54
  • 48 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 56
  • Nuacutemero de diapositiva 57
  • Nuacutemero de diapositiva 58
  • Nuacutemero de diapositiva 59
  • Nuacutemero de diapositiva 60
  • Nuacutemero de diapositiva 61
  • Nuacutemero de diapositiva 62
  • Nuacutemero de diapositiva 63
  • Nuacutemero de diapositiva 64
  • Nuacutemero de diapositiva 65
  • Nuacutemero de diapositiva 66
  • Nuacutemero de diapositiva 67
  • Nuacutemero de diapositiva 68
  • Nuacutemero de diapositiva 69
  • Nuacutemero de diapositiva 70
  • Nuacutemero de diapositiva 71
  • Nuacutemero de diapositiva 72
  • Nuacutemero de diapositiva 73
  • Nuacutemero de diapositiva 74

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CONTRASTE EN UNA IMAGEN

ENTENDIENDO LAS IMAacuteGENES

compresioacuten del contraste

Ya sabemos que el contraste mide el rango dinaacutemico de los colores en la imagen es decir una imagen muy contrastada tiene un amplio abanico de colores (o tonos de gris) desde valores muy bajos a valores muy altos Para una imagen con poco contraste los colores estaacuten muy juntos el margen dinaacutemico es pequentildeo La variacioacuten en el contraste aparece como una compresioacuten del histograma en caso de una reduccioacuten a la inversa de lo visto en el caso de una expansioacuten

Compresioacuten si el rango excede de las capacidades del sistema

Se ha de comparar el nuacutemero de niveles digitales (ND) de la imagen con los niveles de visualizacioacuten (NV) o grises del sistema Es de menos aplicacioacuten Al igual que el brillo variando el contraste se puede provocar una peacuterdida de informacioacuten de la imagen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

MAYOR APLICABILIDAD DEL REALCE

ENTENDIENDO LAS IMAacuteGENES

realce oacuteptimo

realce frecuencial

realce lineal

laquo r e a l c e oacute p t i m o raquo optimiza interpretacioacuten de la imagen

mejor esteacutetica de la imagen NO COINCIDE CON NINGUacuteN CORTE PREDETERMINADO

Y SE LOGRA INTERACTIVAMENTE EN PANTALLA Y PARA CADA BANDA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

image1png

image1png

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

COMPOSICIONES COLOR

ENTENDIENDO LAS IMAacuteGENES

formatos de composiciones

CON LA CRECIENTE APARICIOacuteN DE LOS SENSORES HIPERESPECTRALES LAS POSIBILIDADES DE COMPOSICIONES

COLOREADAS DE BANDAS SON CASI ILIMITADAS

LA ELECCIOacuteN DE LAS BANDAS PARA REALIZAR LA COMPOSICIOacuteN Y EL ORDEN DE LAS BANDAS ASIGANADAS A LOS COLORES

PRIMARIOS DEPENDERAacute DE

Sensor Aplicacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EL SEUDO - COLOR

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm formatos de

composiciones

Ya hemos afirmado de que el ojo humano es maacutes capaz de distinguir tonos de color que intensidades de brillo

Por ello el empleo del color ayuda a la interpretacioacuten incluso cuando podamos tener una sola imagen de una banda

Es aquiacute que hablamos del SEUDO COLOR por no contar con tres bandas

El seudo color implica la creacioacuten de una CLUT que asocie el ND de una sola banda a distintos componentes del R V y A APLICACIONES 1 Para tener una leyenda de colores para una img clasificada 2 Para realzar el anaacutelisis de una determinada banda y sustituir los tonos de gris por una paleta de colores

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CLUT COLOUR LOOK-UP TABLE TABLA DE CONSULTA DE COLOR

ENTENDIENDO LAS IMAacuteGENES

httpsenwikipediaorgwikiColour_look-up_table

creacioacuten del seudo color

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Filtros espaciales Concepto de kernel Filtros paso bajo y paso alto Filtros direccionales Anomaliacuteas y correccioacuten atmosfeacuterica Correcciones radiomeacutetricas Anomaliacuteas radiomeacutetricas Fallos en el sensorCorreccioacuten atmosfeacuterica concepto Meacutetodo valores miacutenimos Regresioacuten entre bandas Dispersioacuten por aerosolesCalibracioacuten Caso misioacuten Landsat

47 Interpretacioacuten de Imaacutegenes

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

conceptos de que es un filtro

espacial

FUNCIONES PARA MEJORAR ASPECTO DE LAS IMAacuteGENES

REALZAN O DISMINUYEN ELEMENTOS VISUALES DE LA IMG

BASADOS EN LA FRECUENCIA ESPACIAL

FRECUENCIAS ESPACIALES ALTAS Variaciones que se producen en pocos piacutexeles TENDENCIA GENERAL FRECUENCIAS ESPACIALES BAJAS

Variaciones que se producen en muchos piacutexeles CONTRASTES LOCALES

FILTROS Figura - CCRS CCT

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

conceptos de kernel

FILTRADO ESPACIAL Figura - CCRS CCT FILTRADO EN EL DOMINIO

ESPACIAL Lo mas comuacuten es la aplicacioacuten de una ventana deslizante con valores que son coeficientes fijos de una matriz La MATRIZ se suele llamar KERNEL o nuacutecleo del filtro

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DIGITAL

ENTENDIENDO LAS IMAacuteGENES

aplicacioacuten del kernel

3 x 3 5 x 5 7 x 7

1 1 1

1 2 1

1 1 1 matrices

LOS VALORES DEL KERNEL SE MULTIPLICAN POR EL PIacuteXEL QUE TIENEN DEBAJO Y LUEGO SE SUMAN TODOS LOS PRODUCTOS

Y PARA OBTENER EL VALOR DEL PIacuteXEL CENTRAL EN LA IMAGEN TRANSFORMADA SE LO DIVIDE POR LA SUMA DE LOS PONDERADOS O PESOS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO - PASO BAJO PASO ALTO

ENTENDIENDO LAS IMAacuteGENES

aplicacioacuten del kernel

26

FILTROS DE PASO BAJO SE FAVORECEN A LOS PIXELES

PERIFEacuteRICOS SE MINIMIZAN LAS DIFERENCIAS CON LOS VECINOS ES UNA ESPECIE DE SUAVIZADO

FILTRO DE PASO ALTO PONDERACIOacuteN DEL VALOR CENTRAL EN DETRIMENTO DE LOS CIRCUNDANTES

SE EXAGERAN DIFERENCIAS Y SE RESALTAN VARIACIONES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DE PASO BAJO

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm

simulacioacuten

IMAGEN ORIGINAL

FILTRO PASO BAJO 3x3 SE TRATA DE ASEMEJAR LOS VALORES DE ND DE UN PIXEL A LOS VALORES VECINOS EN TEacuteRMINOS VISUALES LA IMAGEN FILTRADA OFRECE PERFILES MENOS NIacuteTIDOS

FILTRO PASO BAJO 7x7 SIRVE PARA REDUCIR VARIABILIDAD ESPACIAL DE ALGUNA CATEGORIacuteA ANTES DE UN PROCESO DE CLASIFICACIOacuteN

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DE PASO ALTO

ENTENDIENDO LAS IMAacuteGENES

IMAGEN ORIGINAL

FILTRO PASO ALTO 3x3 SE TRATA DE AISLAR LOS COMPONENTES DE ALTA FRECUENCIA Y REMARCAR DIGITALMENTE CONTRASTES EN TEacuteRMINOS VISUALES LA IMAGEN FILTRADA REFUERZA LOS CONTORNOS EN AacuteREAS HOMOGEacuteNEAS

FILTRO PASO ALTO 7x7 SIRVE PARA LOGRAR REALCES DE RASGOS LINEALES COMO PUEDEN SER EN AacuteREAS URBANAS O RASGOS GEOLOacuteGICOS

simulacioacuten

httpgeograuahesrtm

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

Figura - Landsat USGS

IMAGEN ORIGINAL

FILTRO DIRECCIONAL PERMITEN IDENTIFICAR LOS RASGOS FRONTERIZOS EN LAS IMAacuteGENES COMO LOS FILTROS ANTERIORES PERO AHORA CONSIDERANDO LA ORIENTACIOacuteN

se tiene en cuenta la

orientacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

matrices con direccioacuten

NORTE

1 1 1

1 -2 1

-1 -1 -1

SUR

-1 -1 -1

1 -2 1

1 1 1

ESTE

-1 1 1

-1 -2 1

-1 1 1

OESTE

1 1 -1

1 -2 -1

1 1 -1

SURESTE

-1 -1 1

-1 -2 1

1 1 1

NOROESTE

1 1 1

1 -2 -1

1 -1 -1

SUROESTE

1 -1 -1

1 -2 -1

1 1 1

NORESTE

1 1 1

-1 -2 1

-1 -1 1

OBSERVACIOacuteN

LOS NOMBRES OBEDECEN A LA DIRECCIOacuteN DEL CONTRASTE QUE SENtildeALAN

LA DIRECCIOacuteN QUE REALZAN ES JUSTAMENTE LA PERPENDICULAR

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

48 Interpretacioacuten de Imaacutegenes

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Correcciones geomeacutetricas Georreferenciacioacuten Uso de puntos de control Fuentes de error Procesamiento geomeacutetrico Correccioacuten Transformacioacuten geomeacutetrica Calidad y ajuste Generacioacuten de la nueva imagen Transferencia de ND

INSTITUTO DE AGRIMENSURA - DEPARTAMENTO DE GEOMAacuteTICA PROF ADJUNTO GRADO 3 EDISON J ROSAS BERTON

El tratamiento de una imagen de sateacutelite Georreferenciacioacuten

(paso de un sistema de filas y columnas a un sistema de coordenadas estandard)

Para ello debe obtenerse una muestra de puntos de control de los que conozcamos tanto sus coordenadas reales como sus coordenadas en

la imagen deben ser por tanto objetos de un tamantildeo adecuado para resultar identificables tanto en la imagen como sobre el terreno el tamantildeo

dependeraacute loacutegicamente de la resolucioacuten de la imagen A partir de estos puntos de control se obtendraacuten por regresioacuten unas ecuaciones que permitiraacuten a cada par filacolumna un par de coordenadas

XY

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

GEORREFERENCIACIOacuteN

ENTENDIENDO LAS IMAacuteGENES

georreferenciacioacuten porqueacute

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PUNTOS DE CONTROL

ENTENDIENDO LAS IMAacuteGENES

uso de puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

DISTORSIONES POR LA PLATAFORMA ALTITUD DE LA OacuteRBITA ndash Cambio de escala

VELOCIDAD ndash Cambios de escala ORIENTACIOacuteN DE LOS TRES EJES ndash Distorsiones en la geometriacutea

NO SISTEMAacuteTICOS Y COMPLEJOS DE MODELAR

DISTORSIONES POR ROTACIOacuteN TERRESTRE

CONSIDERANDO ALTITUD (800 Km) y TAMANtildeO DE LA IMAGEN (180 Km)ndashEn latitudes medias tarda en adquirir unos 30 segundos la Tierra se desplaza unos 8 Km

ORIENTACIOacuteN NE SW

DISTORSIONES POR EL SENSOR ANOMALIacuteAS SENSOR y MOVIMIENTO ESPEJO ndash Barrido no lineal o cambio en intervalos

AacuteNGULO DE BARRIDO ndash Variacioacuten en el tamantildeo de pixel

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ERROR EN UNA IMAGEN ESPACIAL

ENTENDIENDO LAS IMAacuteGENES

fuentes de error

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Una correccioacuten geomeacutetrica incluye CUALQUIER CAMBIO EN LA POSICIOacuteN DE LOS PIXELES que

conforman la imagen f (c`) = f1 (c l) f (x y) f (l`) = f2 (c l) f (x y)

COORDENADAS DE IMAGEN CORREGIDA SON FUNCIOacuteN DE COORDENADAS COLUMNA Y LIacuteNEA DE LA

IMAGEN DE ENTRADA O DE LAS COORDENADAS DE MAPA AL QUE SUPERPONDREMOS LA IMAGEN

1 CON OBJETIVO DE REALIZAR UNA TRANSFORMACIOacuteN GEOMEacuteTRICA QUE PERMITA AJUSTARLA A OTRA IMAGEN REFERENCIA NORMALMENTE PARA REALIZAR ESTUDIOS MULTITEMPORALES O MOSAICOS CON EL FIN DE AMPLIAR LOS DATOS E INFORMACIOacuteN DE UNA ZONA

2 ESTO PERMITIRAacute QUE LA NUEVA IMAGEN LA PUEDA INTEGRAR CON INFORMACIOacuteN DE OTRAS FUENTES POR EJEMPLO EN UN AMBIENTE SIG

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

correccioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

asumimos que

NO SE CONOCE EL ORIGEN DE LOS ERRORES

modelamos

ECUACIONES EMPIacuteRICAS

aplicadas a un conjunto de puntos

COORDENADAS CONOCIDAS IMAGEN INPUT e IMAGEN OUTPUT

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

1 ndash SELECCIOacuteN DE REFERENCIAS 2 ndash ECUACIONES DE AJUSTE

3 ndash GENERACIOacuteN DE LA IMAGEN CORREGIDA

ES OBVIO CALIDAD DEL AJUSTE DEPENDERAacute DE PRECISIOacuteN CON QUE SE

LOCALICEN LOS PUNTOS DE CONTROL INEXACTA LOCALIZACIOacuteN

DISTRIBUCIOacuteN MUY SECTORIZADA NUacuteMERO DE PUNTOS DE CONTROL INADECUADO

ESTABLECER LOS PUNTOS DE CONTROL FASE MAS CRUCIAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

procesamiento de la correccioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Resaltamos la importancia de

NUacuteMERO LOCALIZACIOacuteN DISTRIBUCIOacuteN

Que debemos atender Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

que considero UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash Croquis ilustrativos de apoyo

TERRENO O ZONAS PLANAS CON IMG OBTENIDAS POR UN SENSOR DE ESTRECHA VISIOacuteN DE CAMPO

TRANSFORMACIOacuteN

BASADO EN ECUACIONES LINEALES SIMPLES

TERRENO ESCARPADO O RUGOSO O UTILIZACIOacuteN DE IMG OBTENIDAS EN UN SENSOR CON VARIACIONES EN LAS CONDICIONES DE OBSERVACIOacuteN

TRANSFORMACIOacuteN MAacuteS COMPLEJA

POLINOMIOS DE SEGUNDO O TERCER ORDEN

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Desde un punto de vista matemaacutetico

GRADO 1 ndash 3 puntos GRADO 2 ndash 6 puntos GRADO 3 ndash 10 puntos

Seguacuten mis objetivos del trabajo no es conveniente utilizar esos miacutenimos

14 a 20 puntos (Landsat 5 MMS ndash seguacuten Bernstein R y D G Ferneyhough Jr 1978)

100 a 120 puntos (Landsat 7 TM ndash seguacuten el National Remote Sensing Center de Inglaterra)

10 o 12 puntos (Pequentildea zona de 512 x 512 pixeles ndash seguacuten Emilio Chuvieco 2010)

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

matemaacuteticamente UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

QUE DEBEMOS DE CONSIDERAR EN CUANTO A LA LOCALIZACIOacuteN

CLARAMENTE IDENTIFICABLES EN IMAGEN Y MAPA RASGOS HUMANOS DEL PAISAJE NO SUJETOS A DINAMISMO TEMPORAL

CRUCE DE CARRETERAS

CAMINOS VIacuteA FEacuteRREAS

NO CONSIDERAR ELEMENTOS ASOCIADOS AL AGUA

COSTA CURSOS DE AGUA

EMBALSES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

localizacioacuten TCP UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la correccioacuten digital de la geometriacutea de una imagen se realiza a partir de establecer unas funciones que relacionen las coordenadas de la imagen

y las coordenadas del mapa

EJ CASO MAS SIMPLE REGRESIOacuteN LINEAL MUacuteLTIPLE

ci = a0 + a1 Xi + a2 Yi li = b0 + b1 Xi + b2 Yi

EN LA PRAacuteCTICA BASTA UNA FUNCIOacuteN LINEAL PARA ABORDAR UN GRAN NUacuteMERO DE

TRANSFORMACIONES Y SON SUFICIENTES SI LAS IMAacuteGENES NO SON MUY GRANDES ANTE LA NECESIDAD DE OTRAS TRANSFORMACIONES SE UTILIZAN DE 2ordm y 3ordm ORDEN CONSIDERANDO ALTERACIONES GEOMEacuteTRICAS NO LINEALES (FUNCIONES QUE NO SE DEFINEN EN UN PLANO

CON EJES LINEALES SINO QUE SUPERFICIES CON EJES CURVILIacuteNEOS)

LOS COEFICIENTES DE LAS FUNCIONES DE TRANSFORMACIOacuteN SE CALCULAN A PARTIR DE UN AJUSTE POR MIacuteNIMOS CUADRADOS

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

funciones de transformacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash ejemplos de funciones de transformacioacuten geomeacutetrica con el efecto causado

TRASLACIOacuteN

CAMBIO DE ESCALA

INCLINACIOacuteN

PERSPECTIVA

ROTACIOacuteN

x = a0 + xacute y = b0 + yacute

x = xacute + a2 yacute y = yacute

x = a1 xacute y = b1 yacute

x = a3xacute yacute y = yacute

x = a4xacute + a5yacute y = b4xacute + b5yacute a4 = b5 = cos Ɵ a5 = -b4 = sen Ɵ

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

transformacioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

comparacioacuten coordenadas reales y las estimadas por la regresioacuten

el promedio de los residuales se conoce como error medio cuadraacutetico

la calidad del ajuste lo da el RMSE (root mean squared error)

(error medio cuadraacutetico)

RMSE es la raiacutez cuadrada de las desviaciones entre los valores reales y los

calculados

RMSE para cada punto es la raiacutez de los residuales al cuadrado que es la distancia entre ellos

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

RMSE UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la praacutectica hace que fijemos una TOLERANCIA y es que si ese promedio supera un valor fijado previamente haya que rever

el valor fijado previamente generalmente es igual o menor a un PIXEL

una correcta verificacioacuten

NECESITA introducir PUNTOS de VERIFICACIOacuteN

que no hayan sido introducidos en el ajuste

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

tolerancias fijadas

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

traducimos coordenadas de un mapa a la imagen tambieacuten necesitamos a la nueva imagen

TRANSFERIR LOS VALORES DIGITALES no olvidar que lo que queremos es generar una nueva imagen que se

corresponda con las coordenadas y las funciones de ajuste

NO ORIGINAN NUEVA IMAGEN solo colocan a los pixeles en la posicioacuten correcta

en criollo las funciones de transformacioacuten generan una nueva matriz bien posicionada pero vaciacutea

DEBEMOS LLENAR LA MATRIZ problema maacutes complejo de lo que puede

pensarse Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

generacioacuten de la nueva imaacutegen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

cada pixel de la imagen corregida se corresponderiacutea con un pixel de la imagen original

LEJOS DE ESE IDEAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo I

vecino maacutes proacuteximo ( nearest neighbour )

a cada celda de la imagen corregida se asigna el ND del pixel maacutes cercano de la

imagen original

SOLUCIOacuteN RAacutePIDA MENOR DISTORSIOacuteN DE LOS ND

INTRODUCE RASGOS LINEALES QUE DISTORSIONAN

CORRECCIOacuteN DE IMAacuteGENES CLASIFICADAS

CONSERVAR LA RADIOMETRIacuteA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo II

interpolacioacuten bilineal ( bilinear interpolation )

supone promediar los ND de los cuatro pixeles mas cercanos

con ponderacioacuten seguacuten la distancia pixeles originalcorregido

REDUCE EL EFECTO DE DISTORSIOacuteN EN RASGOS LINEALES

TIENDE A DIFUMINAR LOS CONTRASTES ESPACIALES

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE IMAacuteGENES RECTIFICADAS MAPAS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo III

convolusioacuten cuacutebica ( cubic convolution )

supone considerar los ND de los 16 pixeles mas proacuteximos

media ponderada seguacuten la distancia pixeles originalcorregido

EFECTO VISUAL MAS CORRECTO

VOLUacuteMEN DE CAacuteLCULO MUY SUPERIOR TENDENCIA A AGUDIZAR BORDES DE LA IMAGEN

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE ORTOIMAacuteGENES IMPRESIONES DE CALIDAD

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

  • Nuacutemero de diapositiva 1
  • Nuacutemero de diapositiva 2
  • MOacuteDULO IV
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 5
  • Nuacutemero de diapositiva 6
  • Nuacutemero de diapositiva 7
  • Nuacutemero de diapositiva 8
  • Nuacutemero de diapositiva 9
  • Nuacutemero de diapositiva 10
  • Nuacutemero de diapositiva 11
  • Nuacutemero de diapositiva 12
  • Nuacutemero de diapositiva 13
  • Nuacutemero de diapositiva 14
  • Nuacutemero de diapositiva 15
  • Nuacutemero de diapositiva 16
  • Nuacutemero de diapositiva 17
  • Nuacutemero de diapositiva 18
  • Nuacutemero de diapositiva 19
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 21
  • Nuacutemero de diapositiva 22
  • Nuacutemero de diapositiva 23
  • Nuacutemero de diapositiva 24
  • Nuacutemero de diapositiva 25
  • Nuacutemero de diapositiva 26
  • Nuacutemero de diapositiva 27
  • Nuacutemero de diapositiva 28
  • Nuacutemero de diapositiva 29
  • Nuacutemero de diapositiva 30
  • Nuacutemero de diapositiva 31
  • Nuacutemero de diapositiva 32
  • Nuacutemero de diapositiva 33
  • Nuacutemero de diapositiva 34
  • Nuacutemero de diapositiva 35
  • Nuacutemero de diapositiva 36
  • Nuacutemero de diapositiva 37
  • Nuacutemero de diapositiva 38
  • Nuacutemero de diapositiva 39
  • Nuacutemero de diapositiva 40
  • 47 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 42
  • Nuacutemero de diapositiva 43
  • Nuacutemero de diapositiva 44
  • Nuacutemero de diapositiva 45
  • Nuacutemero de diapositiva 46
  • Nuacutemero de diapositiva 47
  • Nuacutemero de diapositiva 48
  • Nuacutemero de diapositiva 49
  • Nuacutemero de diapositiva 50
  • Nuacutemero de diapositiva 51
  • Nuacutemero de diapositiva 52
  • Nuacutemero de diapositiva 53
  • Nuacutemero de diapositiva 54
  • 48 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 56
  • Nuacutemero de diapositiva 57
  • Nuacutemero de diapositiva 58
  • Nuacutemero de diapositiva 59
  • Nuacutemero de diapositiva 60
  • Nuacutemero de diapositiva 61
  • Nuacutemero de diapositiva 62
  • Nuacutemero de diapositiva 63
  • Nuacutemero de diapositiva 64
  • Nuacutemero de diapositiva 65
  • Nuacutemero de diapositiva 66
  • Nuacutemero de diapositiva 67
  • Nuacutemero de diapositiva 68
  • Nuacutemero de diapositiva 69
  • Nuacutemero de diapositiva 70
  • Nuacutemero de diapositiva 71
  • Nuacutemero de diapositiva 72
  • Nuacutemero de diapositiva 73
  • Nuacutemero de diapositiva 74

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

MAYOR APLICABILIDAD DEL REALCE

ENTENDIENDO LAS IMAacuteGENES

realce oacuteptimo

realce frecuencial

realce lineal

laquo r e a l c e oacute p t i m o raquo optimiza interpretacioacuten de la imagen

mejor esteacutetica de la imagen NO COINCIDE CON NINGUacuteN CORTE PREDETERMINADO

Y SE LOGRA INTERACTIVAMENTE EN PANTALLA Y PARA CADA BANDA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

image1png

image1png

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

COMPOSICIONES COLOR

ENTENDIENDO LAS IMAacuteGENES

formatos de composiciones

CON LA CRECIENTE APARICIOacuteN DE LOS SENSORES HIPERESPECTRALES LAS POSIBILIDADES DE COMPOSICIONES

COLOREADAS DE BANDAS SON CASI ILIMITADAS

LA ELECCIOacuteN DE LAS BANDAS PARA REALIZAR LA COMPOSICIOacuteN Y EL ORDEN DE LAS BANDAS ASIGANADAS A LOS COLORES

PRIMARIOS DEPENDERAacute DE

Sensor Aplicacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EL SEUDO - COLOR

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm formatos de

composiciones

Ya hemos afirmado de que el ojo humano es maacutes capaz de distinguir tonos de color que intensidades de brillo

Por ello el empleo del color ayuda a la interpretacioacuten incluso cuando podamos tener una sola imagen de una banda

Es aquiacute que hablamos del SEUDO COLOR por no contar con tres bandas

El seudo color implica la creacioacuten de una CLUT que asocie el ND de una sola banda a distintos componentes del R V y A APLICACIONES 1 Para tener una leyenda de colores para una img clasificada 2 Para realzar el anaacutelisis de una determinada banda y sustituir los tonos de gris por una paleta de colores

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CLUT COLOUR LOOK-UP TABLE TABLA DE CONSULTA DE COLOR

ENTENDIENDO LAS IMAacuteGENES

httpsenwikipediaorgwikiColour_look-up_table

creacioacuten del seudo color

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Filtros espaciales Concepto de kernel Filtros paso bajo y paso alto Filtros direccionales Anomaliacuteas y correccioacuten atmosfeacuterica Correcciones radiomeacutetricas Anomaliacuteas radiomeacutetricas Fallos en el sensorCorreccioacuten atmosfeacuterica concepto Meacutetodo valores miacutenimos Regresioacuten entre bandas Dispersioacuten por aerosolesCalibracioacuten Caso misioacuten Landsat

47 Interpretacioacuten de Imaacutegenes

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

conceptos de que es un filtro

espacial

FUNCIONES PARA MEJORAR ASPECTO DE LAS IMAacuteGENES

REALZAN O DISMINUYEN ELEMENTOS VISUALES DE LA IMG

BASADOS EN LA FRECUENCIA ESPACIAL

FRECUENCIAS ESPACIALES ALTAS Variaciones que se producen en pocos piacutexeles TENDENCIA GENERAL FRECUENCIAS ESPACIALES BAJAS

Variaciones que se producen en muchos piacutexeles CONTRASTES LOCALES

FILTROS Figura - CCRS CCT

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

conceptos de kernel

FILTRADO ESPACIAL Figura - CCRS CCT FILTRADO EN EL DOMINIO

ESPACIAL Lo mas comuacuten es la aplicacioacuten de una ventana deslizante con valores que son coeficientes fijos de una matriz La MATRIZ se suele llamar KERNEL o nuacutecleo del filtro

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DIGITAL

ENTENDIENDO LAS IMAacuteGENES

aplicacioacuten del kernel

3 x 3 5 x 5 7 x 7

1 1 1

1 2 1

1 1 1 matrices

LOS VALORES DEL KERNEL SE MULTIPLICAN POR EL PIacuteXEL QUE TIENEN DEBAJO Y LUEGO SE SUMAN TODOS LOS PRODUCTOS

Y PARA OBTENER EL VALOR DEL PIacuteXEL CENTRAL EN LA IMAGEN TRANSFORMADA SE LO DIVIDE POR LA SUMA DE LOS PONDERADOS O PESOS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO - PASO BAJO PASO ALTO

ENTENDIENDO LAS IMAacuteGENES

aplicacioacuten del kernel

26

FILTROS DE PASO BAJO SE FAVORECEN A LOS PIXELES

PERIFEacuteRICOS SE MINIMIZAN LAS DIFERENCIAS CON LOS VECINOS ES UNA ESPECIE DE SUAVIZADO

FILTRO DE PASO ALTO PONDERACIOacuteN DEL VALOR CENTRAL EN DETRIMENTO DE LOS CIRCUNDANTES

SE EXAGERAN DIFERENCIAS Y SE RESALTAN VARIACIONES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DE PASO BAJO

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm

simulacioacuten

IMAGEN ORIGINAL

FILTRO PASO BAJO 3x3 SE TRATA DE ASEMEJAR LOS VALORES DE ND DE UN PIXEL A LOS VALORES VECINOS EN TEacuteRMINOS VISUALES LA IMAGEN FILTRADA OFRECE PERFILES MENOS NIacuteTIDOS

FILTRO PASO BAJO 7x7 SIRVE PARA REDUCIR VARIABILIDAD ESPACIAL DE ALGUNA CATEGORIacuteA ANTES DE UN PROCESO DE CLASIFICACIOacuteN

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DE PASO ALTO

ENTENDIENDO LAS IMAacuteGENES

IMAGEN ORIGINAL

FILTRO PASO ALTO 3x3 SE TRATA DE AISLAR LOS COMPONENTES DE ALTA FRECUENCIA Y REMARCAR DIGITALMENTE CONTRASTES EN TEacuteRMINOS VISUALES LA IMAGEN FILTRADA REFUERZA LOS CONTORNOS EN AacuteREAS HOMOGEacuteNEAS

FILTRO PASO ALTO 7x7 SIRVE PARA LOGRAR REALCES DE RASGOS LINEALES COMO PUEDEN SER EN AacuteREAS URBANAS O RASGOS GEOLOacuteGICOS

simulacioacuten

httpgeograuahesrtm

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

Figura - Landsat USGS

IMAGEN ORIGINAL

FILTRO DIRECCIONAL PERMITEN IDENTIFICAR LOS RASGOS FRONTERIZOS EN LAS IMAacuteGENES COMO LOS FILTROS ANTERIORES PERO AHORA CONSIDERANDO LA ORIENTACIOacuteN

se tiene en cuenta la

orientacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

matrices con direccioacuten

NORTE

1 1 1

1 -2 1

-1 -1 -1

SUR

-1 -1 -1

1 -2 1

1 1 1

ESTE

-1 1 1

-1 -2 1

-1 1 1

OESTE

1 1 -1

1 -2 -1

1 1 -1

SURESTE

-1 -1 1

-1 -2 1

1 1 1

NOROESTE

1 1 1

1 -2 -1

1 -1 -1

SUROESTE

1 -1 -1

1 -2 -1

1 1 1

NORESTE

1 1 1

-1 -2 1

-1 -1 1

OBSERVACIOacuteN

LOS NOMBRES OBEDECEN A LA DIRECCIOacuteN DEL CONTRASTE QUE SENtildeALAN

LA DIRECCIOacuteN QUE REALZAN ES JUSTAMENTE LA PERPENDICULAR

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

48 Interpretacioacuten de Imaacutegenes

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Correcciones geomeacutetricas Georreferenciacioacuten Uso de puntos de control Fuentes de error Procesamiento geomeacutetrico Correccioacuten Transformacioacuten geomeacutetrica Calidad y ajuste Generacioacuten de la nueva imagen Transferencia de ND

INSTITUTO DE AGRIMENSURA - DEPARTAMENTO DE GEOMAacuteTICA PROF ADJUNTO GRADO 3 EDISON J ROSAS BERTON

El tratamiento de una imagen de sateacutelite Georreferenciacioacuten

(paso de un sistema de filas y columnas a un sistema de coordenadas estandard)

Para ello debe obtenerse una muestra de puntos de control de los que conozcamos tanto sus coordenadas reales como sus coordenadas en

la imagen deben ser por tanto objetos de un tamantildeo adecuado para resultar identificables tanto en la imagen como sobre el terreno el tamantildeo

dependeraacute loacutegicamente de la resolucioacuten de la imagen A partir de estos puntos de control se obtendraacuten por regresioacuten unas ecuaciones que permitiraacuten a cada par filacolumna un par de coordenadas

XY

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

GEORREFERENCIACIOacuteN

ENTENDIENDO LAS IMAacuteGENES

georreferenciacioacuten porqueacute

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PUNTOS DE CONTROL

ENTENDIENDO LAS IMAacuteGENES

uso de puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

DISTORSIONES POR LA PLATAFORMA ALTITUD DE LA OacuteRBITA ndash Cambio de escala

VELOCIDAD ndash Cambios de escala ORIENTACIOacuteN DE LOS TRES EJES ndash Distorsiones en la geometriacutea

NO SISTEMAacuteTICOS Y COMPLEJOS DE MODELAR

DISTORSIONES POR ROTACIOacuteN TERRESTRE

CONSIDERANDO ALTITUD (800 Km) y TAMANtildeO DE LA IMAGEN (180 Km)ndashEn latitudes medias tarda en adquirir unos 30 segundos la Tierra se desplaza unos 8 Km

ORIENTACIOacuteN NE SW

DISTORSIONES POR EL SENSOR ANOMALIacuteAS SENSOR y MOVIMIENTO ESPEJO ndash Barrido no lineal o cambio en intervalos

AacuteNGULO DE BARRIDO ndash Variacioacuten en el tamantildeo de pixel

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ERROR EN UNA IMAGEN ESPACIAL

ENTENDIENDO LAS IMAacuteGENES

fuentes de error

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Una correccioacuten geomeacutetrica incluye CUALQUIER CAMBIO EN LA POSICIOacuteN DE LOS PIXELES que

conforman la imagen f (c`) = f1 (c l) f (x y) f (l`) = f2 (c l) f (x y)

COORDENADAS DE IMAGEN CORREGIDA SON FUNCIOacuteN DE COORDENADAS COLUMNA Y LIacuteNEA DE LA

IMAGEN DE ENTRADA O DE LAS COORDENADAS DE MAPA AL QUE SUPERPONDREMOS LA IMAGEN

1 CON OBJETIVO DE REALIZAR UNA TRANSFORMACIOacuteN GEOMEacuteTRICA QUE PERMITA AJUSTARLA A OTRA IMAGEN REFERENCIA NORMALMENTE PARA REALIZAR ESTUDIOS MULTITEMPORALES O MOSAICOS CON EL FIN DE AMPLIAR LOS DATOS E INFORMACIOacuteN DE UNA ZONA

2 ESTO PERMITIRAacute QUE LA NUEVA IMAGEN LA PUEDA INTEGRAR CON INFORMACIOacuteN DE OTRAS FUENTES POR EJEMPLO EN UN AMBIENTE SIG

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

correccioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

asumimos que

NO SE CONOCE EL ORIGEN DE LOS ERRORES

modelamos

ECUACIONES EMPIacuteRICAS

aplicadas a un conjunto de puntos

COORDENADAS CONOCIDAS IMAGEN INPUT e IMAGEN OUTPUT

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

1 ndash SELECCIOacuteN DE REFERENCIAS 2 ndash ECUACIONES DE AJUSTE

3 ndash GENERACIOacuteN DE LA IMAGEN CORREGIDA

ES OBVIO CALIDAD DEL AJUSTE DEPENDERAacute DE PRECISIOacuteN CON QUE SE

LOCALICEN LOS PUNTOS DE CONTROL INEXACTA LOCALIZACIOacuteN

DISTRIBUCIOacuteN MUY SECTORIZADA NUacuteMERO DE PUNTOS DE CONTROL INADECUADO

ESTABLECER LOS PUNTOS DE CONTROL FASE MAS CRUCIAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

procesamiento de la correccioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Resaltamos la importancia de

NUacuteMERO LOCALIZACIOacuteN DISTRIBUCIOacuteN

Que debemos atender Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

que considero UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash Croquis ilustrativos de apoyo

TERRENO O ZONAS PLANAS CON IMG OBTENIDAS POR UN SENSOR DE ESTRECHA VISIOacuteN DE CAMPO

TRANSFORMACIOacuteN

BASADO EN ECUACIONES LINEALES SIMPLES

TERRENO ESCARPADO O RUGOSO O UTILIZACIOacuteN DE IMG OBTENIDAS EN UN SENSOR CON VARIACIONES EN LAS CONDICIONES DE OBSERVACIOacuteN

TRANSFORMACIOacuteN MAacuteS COMPLEJA

POLINOMIOS DE SEGUNDO O TERCER ORDEN

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Desde un punto de vista matemaacutetico

GRADO 1 ndash 3 puntos GRADO 2 ndash 6 puntos GRADO 3 ndash 10 puntos

Seguacuten mis objetivos del trabajo no es conveniente utilizar esos miacutenimos

14 a 20 puntos (Landsat 5 MMS ndash seguacuten Bernstein R y D G Ferneyhough Jr 1978)

100 a 120 puntos (Landsat 7 TM ndash seguacuten el National Remote Sensing Center de Inglaterra)

10 o 12 puntos (Pequentildea zona de 512 x 512 pixeles ndash seguacuten Emilio Chuvieco 2010)

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

matemaacuteticamente UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

QUE DEBEMOS DE CONSIDERAR EN CUANTO A LA LOCALIZACIOacuteN

CLARAMENTE IDENTIFICABLES EN IMAGEN Y MAPA RASGOS HUMANOS DEL PAISAJE NO SUJETOS A DINAMISMO TEMPORAL

CRUCE DE CARRETERAS

CAMINOS VIacuteA FEacuteRREAS

NO CONSIDERAR ELEMENTOS ASOCIADOS AL AGUA

COSTA CURSOS DE AGUA

EMBALSES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

localizacioacuten TCP UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la correccioacuten digital de la geometriacutea de una imagen se realiza a partir de establecer unas funciones que relacionen las coordenadas de la imagen

y las coordenadas del mapa

EJ CASO MAS SIMPLE REGRESIOacuteN LINEAL MUacuteLTIPLE

ci = a0 + a1 Xi + a2 Yi li = b0 + b1 Xi + b2 Yi

EN LA PRAacuteCTICA BASTA UNA FUNCIOacuteN LINEAL PARA ABORDAR UN GRAN NUacuteMERO DE

TRANSFORMACIONES Y SON SUFICIENTES SI LAS IMAacuteGENES NO SON MUY GRANDES ANTE LA NECESIDAD DE OTRAS TRANSFORMACIONES SE UTILIZAN DE 2ordm y 3ordm ORDEN CONSIDERANDO ALTERACIONES GEOMEacuteTRICAS NO LINEALES (FUNCIONES QUE NO SE DEFINEN EN UN PLANO

CON EJES LINEALES SINO QUE SUPERFICIES CON EJES CURVILIacuteNEOS)

LOS COEFICIENTES DE LAS FUNCIONES DE TRANSFORMACIOacuteN SE CALCULAN A PARTIR DE UN AJUSTE POR MIacuteNIMOS CUADRADOS

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

funciones de transformacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash ejemplos de funciones de transformacioacuten geomeacutetrica con el efecto causado

TRASLACIOacuteN

CAMBIO DE ESCALA

INCLINACIOacuteN

PERSPECTIVA

ROTACIOacuteN

x = a0 + xacute y = b0 + yacute

x = xacute + a2 yacute y = yacute

x = a1 xacute y = b1 yacute

x = a3xacute yacute y = yacute

x = a4xacute + a5yacute y = b4xacute + b5yacute a4 = b5 = cos Ɵ a5 = -b4 = sen Ɵ

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

transformacioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

comparacioacuten coordenadas reales y las estimadas por la regresioacuten

el promedio de los residuales se conoce como error medio cuadraacutetico

la calidad del ajuste lo da el RMSE (root mean squared error)

(error medio cuadraacutetico)

RMSE es la raiacutez cuadrada de las desviaciones entre los valores reales y los

calculados

RMSE para cada punto es la raiacutez de los residuales al cuadrado que es la distancia entre ellos

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

RMSE UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la praacutectica hace que fijemos una TOLERANCIA y es que si ese promedio supera un valor fijado previamente haya que rever

el valor fijado previamente generalmente es igual o menor a un PIXEL

una correcta verificacioacuten

NECESITA introducir PUNTOS de VERIFICACIOacuteN

que no hayan sido introducidos en el ajuste

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

tolerancias fijadas

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

traducimos coordenadas de un mapa a la imagen tambieacuten necesitamos a la nueva imagen

TRANSFERIR LOS VALORES DIGITALES no olvidar que lo que queremos es generar una nueva imagen que se

corresponda con las coordenadas y las funciones de ajuste

NO ORIGINAN NUEVA IMAGEN solo colocan a los pixeles en la posicioacuten correcta

en criollo las funciones de transformacioacuten generan una nueva matriz bien posicionada pero vaciacutea

DEBEMOS LLENAR LA MATRIZ problema maacutes complejo de lo que puede

pensarse Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

generacioacuten de la nueva imaacutegen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

cada pixel de la imagen corregida se corresponderiacutea con un pixel de la imagen original

LEJOS DE ESE IDEAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo I

vecino maacutes proacuteximo ( nearest neighbour )

a cada celda de la imagen corregida se asigna el ND del pixel maacutes cercano de la

imagen original

SOLUCIOacuteN RAacutePIDA MENOR DISTORSIOacuteN DE LOS ND

INTRODUCE RASGOS LINEALES QUE DISTORSIONAN

CORRECCIOacuteN DE IMAacuteGENES CLASIFICADAS

CONSERVAR LA RADIOMETRIacuteA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo II

interpolacioacuten bilineal ( bilinear interpolation )

supone promediar los ND de los cuatro pixeles mas cercanos

con ponderacioacuten seguacuten la distancia pixeles originalcorregido

REDUCE EL EFECTO DE DISTORSIOacuteN EN RASGOS LINEALES

TIENDE A DIFUMINAR LOS CONTRASTES ESPACIALES

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE IMAacuteGENES RECTIFICADAS MAPAS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo III

convolusioacuten cuacutebica ( cubic convolution )

supone considerar los ND de los 16 pixeles mas proacuteximos

media ponderada seguacuten la distancia pixeles originalcorregido

EFECTO VISUAL MAS CORRECTO

VOLUacuteMEN DE CAacuteLCULO MUY SUPERIOR TENDENCIA A AGUDIZAR BORDES DE LA IMAGEN

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE ORTOIMAacuteGENES IMPRESIONES DE CALIDAD

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

  • Nuacutemero de diapositiva 1
  • Nuacutemero de diapositiva 2
  • MOacuteDULO IV
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 5
  • Nuacutemero de diapositiva 6
  • Nuacutemero de diapositiva 7
  • Nuacutemero de diapositiva 8
  • Nuacutemero de diapositiva 9
  • Nuacutemero de diapositiva 10
  • Nuacutemero de diapositiva 11
  • Nuacutemero de diapositiva 12
  • Nuacutemero de diapositiva 13
  • Nuacutemero de diapositiva 14
  • Nuacutemero de diapositiva 15
  • Nuacutemero de diapositiva 16
  • Nuacutemero de diapositiva 17
  • Nuacutemero de diapositiva 18
  • Nuacutemero de diapositiva 19
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 21
  • Nuacutemero de diapositiva 22
  • Nuacutemero de diapositiva 23
  • Nuacutemero de diapositiva 24
  • Nuacutemero de diapositiva 25
  • Nuacutemero de diapositiva 26
  • Nuacutemero de diapositiva 27
  • Nuacutemero de diapositiva 28
  • Nuacutemero de diapositiva 29
  • Nuacutemero de diapositiva 30
  • Nuacutemero de diapositiva 31
  • Nuacutemero de diapositiva 32
  • Nuacutemero de diapositiva 33
  • Nuacutemero de diapositiva 34
  • Nuacutemero de diapositiva 35
  • Nuacutemero de diapositiva 36
  • Nuacutemero de diapositiva 37
  • Nuacutemero de diapositiva 38
  • Nuacutemero de diapositiva 39
  • Nuacutemero de diapositiva 40
  • 47 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 42
  • Nuacutemero de diapositiva 43
  • Nuacutemero de diapositiva 44
  • Nuacutemero de diapositiva 45
  • Nuacutemero de diapositiva 46
  • Nuacutemero de diapositiva 47
  • Nuacutemero de diapositiva 48
  • Nuacutemero de diapositiva 49
  • Nuacutemero de diapositiva 50
  • Nuacutemero de diapositiva 51
  • Nuacutemero de diapositiva 52
  • Nuacutemero de diapositiva 53
  • Nuacutemero de diapositiva 54
  • 48 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 56
  • Nuacutemero de diapositiva 57
  • Nuacutemero de diapositiva 58
  • Nuacutemero de diapositiva 59
  • Nuacutemero de diapositiva 60
  • Nuacutemero de diapositiva 61
  • Nuacutemero de diapositiva 62
  • Nuacutemero de diapositiva 63
  • Nuacutemero de diapositiva 64
  • Nuacutemero de diapositiva 65
  • Nuacutemero de diapositiva 66
  • Nuacutemero de diapositiva 67
  • Nuacutemero de diapositiva 68
  • Nuacutemero de diapositiva 69
  • Nuacutemero de diapositiva 70
  • Nuacutemero de diapositiva 71
  • Nuacutemero de diapositiva 72
  • Nuacutemero de diapositiva 73
  • Nuacutemero de diapositiva 74

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

COMPOSICIONES COLOR

ENTENDIENDO LAS IMAacuteGENES

formatos de composiciones

CON LA CRECIENTE APARICIOacuteN DE LOS SENSORES HIPERESPECTRALES LAS POSIBILIDADES DE COMPOSICIONES

COLOREADAS DE BANDAS SON CASI ILIMITADAS

LA ELECCIOacuteN DE LAS BANDAS PARA REALIZAR LA COMPOSICIOacuteN Y EL ORDEN DE LAS BANDAS ASIGANADAS A LOS COLORES

PRIMARIOS DEPENDERAacute DE

Sensor Aplicacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EL SEUDO - COLOR

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm formatos de

composiciones

Ya hemos afirmado de que el ojo humano es maacutes capaz de distinguir tonos de color que intensidades de brillo

Por ello el empleo del color ayuda a la interpretacioacuten incluso cuando podamos tener una sola imagen de una banda

Es aquiacute que hablamos del SEUDO COLOR por no contar con tres bandas

El seudo color implica la creacioacuten de una CLUT que asocie el ND de una sola banda a distintos componentes del R V y A APLICACIONES 1 Para tener una leyenda de colores para una img clasificada 2 Para realzar el anaacutelisis de una determinada banda y sustituir los tonos de gris por una paleta de colores

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CLUT COLOUR LOOK-UP TABLE TABLA DE CONSULTA DE COLOR

ENTENDIENDO LAS IMAacuteGENES

httpsenwikipediaorgwikiColour_look-up_table

creacioacuten del seudo color

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Filtros espaciales Concepto de kernel Filtros paso bajo y paso alto Filtros direccionales Anomaliacuteas y correccioacuten atmosfeacuterica Correcciones radiomeacutetricas Anomaliacuteas radiomeacutetricas Fallos en el sensorCorreccioacuten atmosfeacuterica concepto Meacutetodo valores miacutenimos Regresioacuten entre bandas Dispersioacuten por aerosolesCalibracioacuten Caso misioacuten Landsat

47 Interpretacioacuten de Imaacutegenes

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

conceptos de que es un filtro

espacial

FUNCIONES PARA MEJORAR ASPECTO DE LAS IMAacuteGENES

REALZAN O DISMINUYEN ELEMENTOS VISUALES DE LA IMG

BASADOS EN LA FRECUENCIA ESPACIAL

FRECUENCIAS ESPACIALES ALTAS Variaciones que se producen en pocos piacutexeles TENDENCIA GENERAL FRECUENCIAS ESPACIALES BAJAS

Variaciones que se producen en muchos piacutexeles CONTRASTES LOCALES

FILTROS Figura - CCRS CCT

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

conceptos de kernel

FILTRADO ESPACIAL Figura - CCRS CCT FILTRADO EN EL DOMINIO

ESPACIAL Lo mas comuacuten es la aplicacioacuten de una ventana deslizante con valores que son coeficientes fijos de una matriz La MATRIZ se suele llamar KERNEL o nuacutecleo del filtro

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DIGITAL

ENTENDIENDO LAS IMAacuteGENES

aplicacioacuten del kernel

3 x 3 5 x 5 7 x 7

1 1 1

1 2 1

1 1 1 matrices

LOS VALORES DEL KERNEL SE MULTIPLICAN POR EL PIacuteXEL QUE TIENEN DEBAJO Y LUEGO SE SUMAN TODOS LOS PRODUCTOS

Y PARA OBTENER EL VALOR DEL PIacuteXEL CENTRAL EN LA IMAGEN TRANSFORMADA SE LO DIVIDE POR LA SUMA DE LOS PONDERADOS O PESOS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO - PASO BAJO PASO ALTO

ENTENDIENDO LAS IMAacuteGENES

aplicacioacuten del kernel

26

FILTROS DE PASO BAJO SE FAVORECEN A LOS PIXELES

PERIFEacuteRICOS SE MINIMIZAN LAS DIFERENCIAS CON LOS VECINOS ES UNA ESPECIE DE SUAVIZADO

FILTRO DE PASO ALTO PONDERACIOacuteN DEL VALOR CENTRAL EN DETRIMENTO DE LOS CIRCUNDANTES

SE EXAGERAN DIFERENCIAS Y SE RESALTAN VARIACIONES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DE PASO BAJO

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm

simulacioacuten

IMAGEN ORIGINAL

FILTRO PASO BAJO 3x3 SE TRATA DE ASEMEJAR LOS VALORES DE ND DE UN PIXEL A LOS VALORES VECINOS EN TEacuteRMINOS VISUALES LA IMAGEN FILTRADA OFRECE PERFILES MENOS NIacuteTIDOS

FILTRO PASO BAJO 7x7 SIRVE PARA REDUCIR VARIABILIDAD ESPACIAL DE ALGUNA CATEGORIacuteA ANTES DE UN PROCESO DE CLASIFICACIOacuteN

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DE PASO ALTO

ENTENDIENDO LAS IMAacuteGENES

IMAGEN ORIGINAL

FILTRO PASO ALTO 3x3 SE TRATA DE AISLAR LOS COMPONENTES DE ALTA FRECUENCIA Y REMARCAR DIGITALMENTE CONTRASTES EN TEacuteRMINOS VISUALES LA IMAGEN FILTRADA REFUERZA LOS CONTORNOS EN AacuteREAS HOMOGEacuteNEAS

FILTRO PASO ALTO 7x7 SIRVE PARA LOGRAR REALCES DE RASGOS LINEALES COMO PUEDEN SER EN AacuteREAS URBANAS O RASGOS GEOLOacuteGICOS

simulacioacuten

httpgeograuahesrtm

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

Figura - Landsat USGS

IMAGEN ORIGINAL

FILTRO DIRECCIONAL PERMITEN IDENTIFICAR LOS RASGOS FRONTERIZOS EN LAS IMAacuteGENES COMO LOS FILTROS ANTERIORES PERO AHORA CONSIDERANDO LA ORIENTACIOacuteN

se tiene en cuenta la

orientacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

matrices con direccioacuten

NORTE

1 1 1

1 -2 1

-1 -1 -1

SUR

-1 -1 -1

1 -2 1

1 1 1

ESTE

-1 1 1

-1 -2 1

-1 1 1

OESTE

1 1 -1

1 -2 -1

1 1 -1

SURESTE

-1 -1 1

-1 -2 1

1 1 1

NOROESTE

1 1 1

1 -2 -1

1 -1 -1

SUROESTE

1 -1 -1

1 -2 -1

1 1 1

NORESTE

1 1 1

-1 -2 1

-1 -1 1

OBSERVACIOacuteN

LOS NOMBRES OBEDECEN A LA DIRECCIOacuteN DEL CONTRASTE QUE SENtildeALAN

LA DIRECCIOacuteN QUE REALZAN ES JUSTAMENTE LA PERPENDICULAR

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

48 Interpretacioacuten de Imaacutegenes

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Correcciones geomeacutetricas Georreferenciacioacuten Uso de puntos de control Fuentes de error Procesamiento geomeacutetrico Correccioacuten Transformacioacuten geomeacutetrica Calidad y ajuste Generacioacuten de la nueva imagen Transferencia de ND

INSTITUTO DE AGRIMENSURA - DEPARTAMENTO DE GEOMAacuteTICA PROF ADJUNTO GRADO 3 EDISON J ROSAS BERTON

El tratamiento de una imagen de sateacutelite Georreferenciacioacuten

(paso de un sistema de filas y columnas a un sistema de coordenadas estandard)

Para ello debe obtenerse una muestra de puntos de control de los que conozcamos tanto sus coordenadas reales como sus coordenadas en

la imagen deben ser por tanto objetos de un tamantildeo adecuado para resultar identificables tanto en la imagen como sobre el terreno el tamantildeo

dependeraacute loacutegicamente de la resolucioacuten de la imagen A partir de estos puntos de control se obtendraacuten por regresioacuten unas ecuaciones que permitiraacuten a cada par filacolumna un par de coordenadas

XY

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

GEORREFERENCIACIOacuteN

ENTENDIENDO LAS IMAacuteGENES

georreferenciacioacuten porqueacute

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PUNTOS DE CONTROL

ENTENDIENDO LAS IMAacuteGENES

uso de puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

DISTORSIONES POR LA PLATAFORMA ALTITUD DE LA OacuteRBITA ndash Cambio de escala

VELOCIDAD ndash Cambios de escala ORIENTACIOacuteN DE LOS TRES EJES ndash Distorsiones en la geometriacutea

NO SISTEMAacuteTICOS Y COMPLEJOS DE MODELAR

DISTORSIONES POR ROTACIOacuteN TERRESTRE

CONSIDERANDO ALTITUD (800 Km) y TAMANtildeO DE LA IMAGEN (180 Km)ndashEn latitudes medias tarda en adquirir unos 30 segundos la Tierra se desplaza unos 8 Km

ORIENTACIOacuteN NE SW

DISTORSIONES POR EL SENSOR ANOMALIacuteAS SENSOR y MOVIMIENTO ESPEJO ndash Barrido no lineal o cambio en intervalos

AacuteNGULO DE BARRIDO ndash Variacioacuten en el tamantildeo de pixel

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ERROR EN UNA IMAGEN ESPACIAL

ENTENDIENDO LAS IMAacuteGENES

fuentes de error

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Una correccioacuten geomeacutetrica incluye CUALQUIER CAMBIO EN LA POSICIOacuteN DE LOS PIXELES que

conforman la imagen f (c`) = f1 (c l) f (x y) f (l`) = f2 (c l) f (x y)

COORDENADAS DE IMAGEN CORREGIDA SON FUNCIOacuteN DE COORDENADAS COLUMNA Y LIacuteNEA DE LA

IMAGEN DE ENTRADA O DE LAS COORDENADAS DE MAPA AL QUE SUPERPONDREMOS LA IMAGEN

1 CON OBJETIVO DE REALIZAR UNA TRANSFORMACIOacuteN GEOMEacuteTRICA QUE PERMITA AJUSTARLA A OTRA IMAGEN REFERENCIA NORMALMENTE PARA REALIZAR ESTUDIOS MULTITEMPORALES O MOSAICOS CON EL FIN DE AMPLIAR LOS DATOS E INFORMACIOacuteN DE UNA ZONA

2 ESTO PERMITIRAacute QUE LA NUEVA IMAGEN LA PUEDA INTEGRAR CON INFORMACIOacuteN DE OTRAS FUENTES POR EJEMPLO EN UN AMBIENTE SIG

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

correccioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

asumimos que

NO SE CONOCE EL ORIGEN DE LOS ERRORES

modelamos

ECUACIONES EMPIacuteRICAS

aplicadas a un conjunto de puntos

COORDENADAS CONOCIDAS IMAGEN INPUT e IMAGEN OUTPUT

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

1 ndash SELECCIOacuteN DE REFERENCIAS 2 ndash ECUACIONES DE AJUSTE

3 ndash GENERACIOacuteN DE LA IMAGEN CORREGIDA

ES OBVIO CALIDAD DEL AJUSTE DEPENDERAacute DE PRECISIOacuteN CON QUE SE

LOCALICEN LOS PUNTOS DE CONTROL INEXACTA LOCALIZACIOacuteN

DISTRIBUCIOacuteN MUY SECTORIZADA NUacuteMERO DE PUNTOS DE CONTROL INADECUADO

ESTABLECER LOS PUNTOS DE CONTROL FASE MAS CRUCIAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

procesamiento de la correccioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Resaltamos la importancia de

NUacuteMERO LOCALIZACIOacuteN DISTRIBUCIOacuteN

Que debemos atender Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

que considero UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash Croquis ilustrativos de apoyo

TERRENO O ZONAS PLANAS CON IMG OBTENIDAS POR UN SENSOR DE ESTRECHA VISIOacuteN DE CAMPO

TRANSFORMACIOacuteN

BASADO EN ECUACIONES LINEALES SIMPLES

TERRENO ESCARPADO O RUGOSO O UTILIZACIOacuteN DE IMG OBTENIDAS EN UN SENSOR CON VARIACIONES EN LAS CONDICIONES DE OBSERVACIOacuteN

TRANSFORMACIOacuteN MAacuteS COMPLEJA

POLINOMIOS DE SEGUNDO O TERCER ORDEN

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Desde un punto de vista matemaacutetico

GRADO 1 ndash 3 puntos GRADO 2 ndash 6 puntos GRADO 3 ndash 10 puntos

Seguacuten mis objetivos del trabajo no es conveniente utilizar esos miacutenimos

14 a 20 puntos (Landsat 5 MMS ndash seguacuten Bernstein R y D G Ferneyhough Jr 1978)

100 a 120 puntos (Landsat 7 TM ndash seguacuten el National Remote Sensing Center de Inglaterra)

10 o 12 puntos (Pequentildea zona de 512 x 512 pixeles ndash seguacuten Emilio Chuvieco 2010)

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

matemaacuteticamente UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

QUE DEBEMOS DE CONSIDERAR EN CUANTO A LA LOCALIZACIOacuteN

CLARAMENTE IDENTIFICABLES EN IMAGEN Y MAPA RASGOS HUMANOS DEL PAISAJE NO SUJETOS A DINAMISMO TEMPORAL

CRUCE DE CARRETERAS

CAMINOS VIacuteA FEacuteRREAS

NO CONSIDERAR ELEMENTOS ASOCIADOS AL AGUA

COSTA CURSOS DE AGUA

EMBALSES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

localizacioacuten TCP UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la correccioacuten digital de la geometriacutea de una imagen se realiza a partir de establecer unas funciones que relacionen las coordenadas de la imagen

y las coordenadas del mapa

EJ CASO MAS SIMPLE REGRESIOacuteN LINEAL MUacuteLTIPLE

ci = a0 + a1 Xi + a2 Yi li = b0 + b1 Xi + b2 Yi

EN LA PRAacuteCTICA BASTA UNA FUNCIOacuteN LINEAL PARA ABORDAR UN GRAN NUacuteMERO DE

TRANSFORMACIONES Y SON SUFICIENTES SI LAS IMAacuteGENES NO SON MUY GRANDES ANTE LA NECESIDAD DE OTRAS TRANSFORMACIONES SE UTILIZAN DE 2ordm y 3ordm ORDEN CONSIDERANDO ALTERACIONES GEOMEacuteTRICAS NO LINEALES (FUNCIONES QUE NO SE DEFINEN EN UN PLANO

CON EJES LINEALES SINO QUE SUPERFICIES CON EJES CURVILIacuteNEOS)

LOS COEFICIENTES DE LAS FUNCIONES DE TRANSFORMACIOacuteN SE CALCULAN A PARTIR DE UN AJUSTE POR MIacuteNIMOS CUADRADOS

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

funciones de transformacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash ejemplos de funciones de transformacioacuten geomeacutetrica con el efecto causado

TRASLACIOacuteN

CAMBIO DE ESCALA

INCLINACIOacuteN

PERSPECTIVA

ROTACIOacuteN

x = a0 + xacute y = b0 + yacute

x = xacute + a2 yacute y = yacute

x = a1 xacute y = b1 yacute

x = a3xacute yacute y = yacute

x = a4xacute + a5yacute y = b4xacute + b5yacute a4 = b5 = cos Ɵ a5 = -b4 = sen Ɵ

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

transformacioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

comparacioacuten coordenadas reales y las estimadas por la regresioacuten

el promedio de los residuales se conoce como error medio cuadraacutetico

la calidad del ajuste lo da el RMSE (root mean squared error)

(error medio cuadraacutetico)

RMSE es la raiacutez cuadrada de las desviaciones entre los valores reales y los

calculados

RMSE para cada punto es la raiacutez de los residuales al cuadrado que es la distancia entre ellos

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

RMSE UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la praacutectica hace que fijemos una TOLERANCIA y es que si ese promedio supera un valor fijado previamente haya que rever

el valor fijado previamente generalmente es igual o menor a un PIXEL

una correcta verificacioacuten

NECESITA introducir PUNTOS de VERIFICACIOacuteN

que no hayan sido introducidos en el ajuste

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

tolerancias fijadas

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

traducimos coordenadas de un mapa a la imagen tambieacuten necesitamos a la nueva imagen

TRANSFERIR LOS VALORES DIGITALES no olvidar que lo que queremos es generar una nueva imagen que se

corresponda con las coordenadas y las funciones de ajuste

NO ORIGINAN NUEVA IMAGEN solo colocan a los pixeles en la posicioacuten correcta

en criollo las funciones de transformacioacuten generan una nueva matriz bien posicionada pero vaciacutea

DEBEMOS LLENAR LA MATRIZ problema maacutes complejo de lo que puede

pensarse Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

generacioacuten de la nueva imaacutegen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

cada pixel de la imagen corregida se corresponderiacutea con un pixel de la imagen original

LEJOS DE ESE IDEAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo I

vecino maacutes proacuteximo ( nearest neighbour )

a cada celda de la imagen corregida se asigna el ND del pixel maacutes cercano de la

imagen original

SOLUCIOacuteN RAacutePIDA MENOR DISTORSIOacuteN DE LOS ND

INTRODUCE RASGOS LINEALES QUE DISTORSIONAN

CORRECCIOacuteN DE IMAacuteGENES CLASIFICADAS

CONSERVAR LA RADIOMETRIacuteA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo II

interpolacioacuten bilineal ( bilinear interpolation )

supone promediar los ND de los cuatro pixeles mas cercanos

con ponderacioacuten seguacuten la distancia pixeles originalcorregido

REDUCE EL EFECTO DE DISTORSIOacuteN EN RASGOS LINEALES

TIENDE A DIFUMINAR LOS CONTRASTES ESPACIALES

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE IMAacuteGENES RECTIFICADAS MAPAS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo III

convolusioacuten cuacutebica ( cubic convolution )

supone considerar los ND de los 16 pixeles mas proacuteximos

media ponderada seguacuten la distancia pixeles originalcorregido

EFECTO VISUAL MAS CORRECTO

VOLUacuteMEN DE CAacuteLCULO MUY SUPERIOR TENDENCIA A AGUDIZAR BORDES DE LA IMAGEN

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE ORTOIMAacuteGENES IMPRESIONES DE CALIDAD

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

  • Nuacutemero de diapositiva 1
  • Nuacutemero de diapositiva 2
  • MOacuteDULO IV
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 5
  • Nuacutemero de diapositiva 6
  • Nuacutemero de diapositiva 7
  • Nuacutemero de diapositiva 8
  • Nuacutemero de diapositiva 9
  • Nuacutemero de diapositiva 10
  • Nuacutemero de diapositiva 11
  • Nuacutemero de diapositiva 12
  • Nuacutemero de diapositiva 13
  • Nuacutemero de diapositiva 14
  • Nuacutemero de diapositiva 15
  • Nuacutemero de diapositiva 16
  • Nuacutemero de diapositiva 17
  • Nuacutemero de diapositiva 18
  • Nuacutemero de diapositiva 19
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 21
  • Nuacutemero de diapositiva 22
  • Nuacutemero de diapositiva 23
  • Nuacutemero de diapositiva 24
  • Nuacutemero de diapositiva 25
  • Nuacutemero de diapositiva 26
  • Nuacutemero de diapositiva 27
  • Nuacutemero de diapositiva 28
  • Nuacutemero de diapositiva 29
  • Nuacutemero de diapositiva 30
  • Nuacutemero de diapositiva 31
  • Nuacutemero de diapositiva 32
  • Nuacutemero de diapositiva 33
  • Nuacutemero de diapositiva 34
  • Nuacutemero de diapositiva 35
  • Nuacutemero de diapositiva 36
  • Nuacutemero de diapositiva 37
  • Nuacutemero de diapositiva 38
  • Nuacutemero de diapositiva 39
  • Nuacutemero de diapositiva 40
  • 47 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 42
  • Nuacutemero de diapositiva 43
  • Nuacutemero de diapositiva 44
  • Nuacutemero de diapositiva 45
  • Nuacutemero de diapositiva 46
  • Nuacutemero de diapositiva 47
  • Nuacutemero de diapositiva 48
  • Nuacutemero de diapositiva 49
  • Nuacutemero de diapositiva 50
  • Nuacutemero de diapositiva 51
  • Nuacutemero de diapositiva 52
  • Nuacutemero de diapositiva 53
  • Nuacutemero de diapositiva 54
  • 48 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 56
  • Nuacutemero de diapositiva 57
  • Nuacutemero de diapositiva 58
  • Nuacutemero de diapositiva 59
  • Nuacutemero de diapositiva 60
  • Nuacutemero de diapositiva 61
  • Nuacutemero de diapositiva 62
  • Nuacutemero de diapositiva 63
  • Nuacutemero de diapositiva 64
  • Nuacutemero de diapositiva 65
  • Nuacutemero de diapositiva 66
  • Nuacutemero de diapositiva 67
  • Nuacutemero de diapositiva 68
  • Nuacutemero de diapositiva 69
  • Nuacutemero de diapositiva 70
  • Nuacutemero de diapositiva 71
  • Nuacutemero de diapositiva 72
  • Nuacutemero de diapositiva 73
  • Nuacutemero de diapositiva 74

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EL SEUDO - COLOR

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm formatos de

composiciones

Ya hemos afirmado de que el ojo humano es maacutes capaz de distinguir tonos de color que intensidades de brillo

Por ello el empleo del color ayuda a la interpretacioacuten incluso cuando podamos tener una sola imagen de una banda

Es aquiacute que hablamos del SEUDO COLOR por no contar con tres bandas

El seudo color implica la creacioacuten de una CLUT que asocie el ND de una sola banda a distintos componentes del R V y A APLICACIONES 1 Para tener una leyenda de colores para una img clasificada 2 Para realzar el anaacutelisis de una determinada banda y sustituir los tonos de gris por una paleta de colores

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CLUT COLOUR LOOK-UP TABLE TABLA DE CONSULTA DE COLOR

ENTENDIENDO LAS IMAacuteGENES

httpsenwikipediaorgwikiColour_look-up_table

creacioacuten del seudo color

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Filtros espaciales Concepto de kernel Filtros paso bajo y paso alto Filtros direccionales Anomaliacuteas y correccioacuten atmosfeacuterica Correcciones radiomeacutetricas Anomaliacuteas radiomeacutetricas Fallos en el sensorCorreccioacuten atmosfeacuterica concepto Meacutetodo valores miacutenimos Regresioacuten entre bandas Dispersioacuten por aerosolesCalibracioacuten Caso misioacuten Landsat

47 Interpretacioacuten de Imaacutegenes

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

conceptos de que es un filtro

espacial

FUNCIONES PARA MEJORAR ASPECTO DE LAS IMAacuteGENES

REALZAN O DISMINUYEN ELEMENTOS VISUALES DE LA IMG

BASADOS EN LA FRECUENCIA ESPACIAL

FRECUENCIAS ESPACIALES ALTAS Variaciones que se producen en pocos piacutexeles TENDENCIA GENERAL FRECUENCIAS ESPACIALES BAJAS

Variaciones que se producen en muchos piacutexeles CONTRASTES LOCALES

FILTROS Figura - CCRS CCT

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

conceptos de kernel

FILTRADO ESPACIAL Figura - CCRS CCT FILTRADO EN EL DOMINIO

ESPACIAL Lo mas comuacuten es la aplicacioacuten de una ventana deslizante con valores que son coeficientes fijos de una matriz La MATRIZ se suele llamar KERNEL o nuacutecleo del filtro

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DIGITAL

ENTENDIENDO LAS IMAacuteGENES

aplicacioacuten del kernel

3 x 3 5 x 5 7 x 7

1 1 1

1 2 1

1 1 1 matrices

LOS VALORES DEL KERNEL SE MULTIPLICAN POR EL PIacuteXEL QUE TIENEN DEBAJO Y LUEGO SE SUMAN TODOS LOS PRODUCTOS

Y PARA OBTENER EL VALOR DEL PIacuteXEL CENTRAL EN LA IMAGEN TRANSFORMADA SE LO DIVIDE POR LA SUMA DE LOS PONDERADOS O PESOS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO - PASO BAJO PASO ALTO

ENTENDIENDO LAS IMAacuteGENES

aplicacioacuten del kernel

26

FILTROS DE PASO BAJO SE FAVORECEN A LOS PIXELES

PERIFEacuteRICOS SE MINIMIZAN LAS DIFERENCIAS CON LOS VECINOS ES UNA ESPECIE DE SUAVIZADO

FILTRO DE PASO ALTO PONDERACIOacuteN DEL VALOR CENTRAL EN DETRIMENTO DE LOS CIRCUNDANTES

SE EXAGERAN DIFERENCIAS Y SE RESALTAN VARIACIONES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DE PASO BAJO

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm

simulacioacuten

IMAGEN ORIGINAL

FILTRO PASO BAJO 3x3 SE TRATA DE ASEMEJAR LOS VALORES DE ND DE UN PIXEL A LOS VALORES VECINOS EN TEacuteRMINOS VISUALES LA IMAGEN FILTRADA OFRECE PERFILES MENOS NIacuteTIDOS

FILTRO PASO BAJO 7x7 SIRVE PARA REDUCIR VARIABILIDAD ESPACIAL DE ALGUNA CATEGORIacuteA ANTES DE UN PROCESO DE CLASIFICACIOacuteN

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DE PASO ALTO

ENTENDIENDO LAS IMAacuteGENES

IMAGEN ORIGINAL

FILTRO PASO ALTO 3x3 SE TRATA DE AISLAR LOS COMPONENTES DE ALTA FRECUENCIA Y REMARCAR DIGITALMENTE CONTRASTES EN TEacuteRMINOS VISUALES LA IMAGEN FILTRADA REFUERZA LOS CONTORNOS EN AacuteREAS HOMOGEacuteNEAS

FILTRO PASO ALTO 7x7 SIRVE PARA LOGRAR REALCES DE RASGOS LINEALES COMO PUEDEN SER EN AacuteREAS URBANAS O RASGOS GEOLOacuteGICOS

simulacioacuten

httpgeograuahesrtm

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

Figura - Landsat USGS

IMAGEN ORIGINAL

FILTRO DIRECCIONAL PERMITEN IDENTIFICAR LOS RASGOS FRONTERIZOS EN LAS IMAacuteGENES COMO LOS FILTROS ANTERIORES PERO AHORA CONSIDERANDO LA ORIENTACIOacuteN

se tiene en cuenta la

orientacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

matrices con direccioacuten

NORTE

1 1 1

1 -2 1

-1 -1 -1

SUR

-1 -1 -1

1 -2 1

1 1 1

ESTE

-1 1 1

-1 -2 1

-1 1 1

OESTE

1 1 -1

1 -2 -1

1 1 -1

SURESTE

-1 -1 1

-1 -2 1

1 1 1

NOROESTE

1 1 1

1 -2 -1

1 -1 -1

SUROESTE

1 -1 -1

1 -2 -1

1 1 1

NORESTE

1 1 1

-1 -2 1

-1 -1 1

OBSERVACIOacuteN

LOS NOMBRES OBEDECEN A LA DIRECCIOacuteN DEL CONTRASTE QUE SENtildeALAN

LA DIRECCIOacuteN QUE REALZAN ES JUSTAMENTE LA PERPENDICULAR

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

48 Interpretacioacuten de Imaacutegenes

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Correcciones geomeacutetricas Georreferenciacioacuten Uso de puntos de control Fuentes de error Procesamiento geomeacutetrico Correccioacuten Transformacioacuten geomeacutetrica Calidad y ajuste Generacioacuten de la nueva imagen Transferencia de ND

INSTITUTO DE AGRIMENSURA - DEPARTAMENTO DE GEOMAacuteTICA PROF ADJUNTO GRADO 3 EDISON J ROSAS BERTON

El tratamiento de una imagen de sateacutelite Georreferenciacioacuten

(paso de un sistema de filas y columnas a un sistema de coordenadas estandard)

Para ello debe obtenerse una muestra de puntos de control de los que conozcamos tanto sus coordenadas reales como sus coordenadas en

la imagen deben ser por tanto objetos de un tamantildeo adecuado para resultar identificables tanto en la imagen como sobre el terreno el tamantildeo

dependeraacute loacutegicamente de la resolucioacuten de la imagen A partir de estos puntos de control se obtendraacuten por regresioacuten unas ecuaciones que permitiraacuten a cada par filacolumna un par de coordenadas

XY

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

GEORREFERENCIACIOacuteN

ENTENDIENDO LAS IMAacuteGENES

georreferenciacioacuten porqueacute

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PUNTOS DE CONTROL

ENTENDIENDO LAS IMAacuteGENES

uso de puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

DISTORSIONES POR LA PLATAFORMA ALTITUD DE LA OacuteRBITA ndash Cambio de escala

VELOCIDAD ndash Cambios de escala ORIENTACIOacuteN DE LOS TRES EJES ndash Distorsiones en la geometriacutea

NO SISTEMAacuteTICOS Y COMPLEJOS DE MODELAR

DISTORSIONES POR ROTACIOacuteN TERRESTRE

CONSIDERANDO ALTITUD (800 Km) y TAMANtildeO DE LA IMAGEN (180 Km)ndashEn latitudes medias tarda en adquirir unos 30 segundos la Tierra se desplaza unos 8 Km

ORIENTACIOacuteN NE SW

DISTORSIONES POR EL SENSOR ANOMALIacuteAS SENSOR y MOVIMIENTO ESPEJO ndash Barrido no lineal o cambio en intervalos

AacuteNGULO DE BARRIDO ndash Variacioacuten en el tamantildeo de pixel

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ERROR EN UNA IMAGEN ESPACIAL

ENTENDIENDO LAS IMAacuteGENES

fuentes de error

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Una correccioacuten geomeacutetrica incluye CUALQUIER CAMBIO EN LA POSICIOacuteN DE LOS PIXELES que

conforman la imagen f (c`) = f1 (c l) f (x y) f (l`) = f2 (c l) f (x y)

COORDENADAS DE IMAGEN CORREGIDA SON FUNCIOacuteN DE COORDENADAS COLUMNA Y LIacuteNEA DE LA

IMAGEN DE ENTRADA O DE LAS COORDENADAS DE MAPA AL QUE SUPERPONDREMOS LA IMAGEN

1 CON OBJETIVO DE REALIZAR UNA TRANSFORMACIOacuteN GEOMEacuteTRICA QUE PERMITA AJUSTARLA A OTRA IMAGEN REFERENCIA NORMALMENTE PARA REALIZAR ESTUDIOS MULTITEMPORALES O MOSAICOS CON EL FIN DE AMPLIAR LOS DATOS E INFORMACIOacuteN DE UNA ZONA

2 ESTO PERMITIRAacute QUE LA NUEVA IMAGEN LA PUEDA INTEGRAR CON INFORMACIOacuteN DE OTRAS FUENTES POR EJEMPLO EN UN AMBIENTE SIG

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

correccioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

asumimos que

NO SE CONOCE EL ORIGEN DE LOS ERRORES

modelamos

ECUACIONES EMPIacuteRICAS

aplicadas a un conjunto de puntos

COORDENADAS CONOCIDAS IMAGEN INPUT e IMAGEN OUTPUT

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

1 ndash SELECCIOacuteN DE REFERENCIAS 2 ndash ECUACIONES DE AJUSTE

3 ndash GENERACIOacuteN DE LA IMAGEN CORREGIDA

ES OBVIO CALIDAD DEL AJUSTE DEPENDERAacute DE PRECISIOacuteN CON QUE SE

LOCALICEN LOS PUNTOS DE CONTROL INEXACTA LOCALIZACIOacuteN

DISTRIBUCIOacuteN MUY SECTORIZADA NUacuteMERO DE PUNTOS DE CONTROL INADECUADO

ESTABLECER LOS PUNTOS DE CONTROL FASE MAS CRUCIAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

procesamiento de la correccioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Resaltamos la importancia de

NUacuteMERO LOCALIZACIOacuteN DISTRIBUCIOacuteN

Que debemos atender Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

que considero UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash Croquis ilustrativos de apoyo

TERRENO O ZONAS PLANAS CON IMG OBTENIDAS POR UN SENSOR DE ESTRECHA VISIOacuteN DE CAMPO

TRANSFORMACIOacuteN

BASADO EN ECUACIONES LINEALES SIMPLES

TERRENO ESCARPADO O RUGOSO O UTILIZACIOacuteN DE IMG OBTENIDAS EN UN SENSOR CON VARIACIONES EN LAS CONDICIONES DE OBSERVACIOacuteN

TRANSFORMACIOacuteN MAacuteS COMPLEJA

POLINOMIOS DE SEGUNDO O TERCER ORDEN

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Desde un punto de vista matemaacutetico

GRADO 1 ndash 3 puntos GRADO 2 ndash 6 puntos GRADO 3 ndash 10 puntos

Seguacuten mis objetivos del trabajo no es conveniente utilizar esos miacutenimos

14 a 20 puntos (Landsat 5 MMS ndash seguacuten Bernstein R y D G Ferneyhough Jr 1978)

100 a 120 puntos (Landsat 7 TM ndash seguacuten el National Remote Sensing Center de Inglaterra)

10 o 12 puntos (Pequentildea zona de 512 x 512 pixeles ndash seguacuten Emilio Chuvieco 2010)

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

matemaacuteticamente UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

QUE DEBEMOS DE CONSIDERAR EN CUANTO A LA LOCALIZACIOacuteN

CLARAMENTE IDENTIFICABLES EN IMAGEN Y MAPA RASGOS HUMANOS DEL PAISAJE NO SUJETOS A DINAMISMO TEMPORAL

CRUCE DE CARRETERAS

CAMINOS VIacuteA FEacuteRREAS

NO CONSIDERAR ELEMENTOS ASOCIADOS AL AGUA

COSTA CURSOS DE AGUA

EMBALSES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

localizacioacuten TCP UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la correccioacuten digital de la geometriacutea de una imagen se realiza a partir de establecer unas funciones que relacionen las coordenadas de la imagen

y las coordenadas del mapa

EJ CASO MAS SIMPLE REGRESIOacuteN LINEAL MUacuteLTIPLE

ci = a0 + a1 Xi + a2 Yi li = b0 + b1 Xi + b2 Yi

EN LA PRAacuteCTICA BASTA UNA FUNCIOacuteN LINEAL PARA ABORDAR UN GRAN NUacuteMERO DE

TRANSFORMACIONES Y SON SUFICIENTES SI LAS IMAacuteGENES NO SON MUY GRANDES ANTE LA NECESIDAD DE OTRAS TRANSFORMACIONES SE UTILIZAN DE 2ordm y 3ordm ORDEN CONSIDERANDO ALTERACIONES GEOMEacuteTRICAS NO LINEALES (FUNCIONES QUE NO SE DEFINEN EN UN PLANO

CON EJES LINEALES SINO QUE SUPERFICIES CON EJES CURVILIacuteNEOS)

LOS COEFICIENTES DE LAS FUNCIONES DE TRANSFORMACIOacuteN SE CALCULAN A PARTIR DE UN AJUSTE POR MIacuteNIMOS CUADRADOS

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

funciones de transformacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash ejemplos de funciones de transformacioacuten geomeacutetrica con el efecto causado

TRASLACIOacuteN

CAMBIO DE ESCALA

INCLINACIOacuteN

PERSPECTIVA

ROTACIOacuteN

x = a0 + xacute y = b0 + yacute

x = xacute + a2 yacute y = yacute

x = a1 xacute y = b1 yacute

x = a3xacute yacute y = yacute

x = a4xacute + a5yacute y = b4xacute + b5yacute a4 = b5 = cos Ɵ a5 = -b4 = sen Ɵ

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

transformacioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

comparacioacuten coordenadas reales y las estimadas por la regresioacuten

el promedio de los residuales se conoce como error medio cuadraacutetico

la calidad del ajuste lo da el RMSE (root mean squared error)

(error medio cuadraacutetico)

RMSE es la raiacutez cuadrada de las desviaciones entre los valores reales y los

calculados

RMSE para cada punto es la raiacutez de los residuales al cuadrado que es la distancia entre ellos

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

RMSE UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la praacutectica hace que fijemos una TOLERANCIA y es que si ese promedio supera un valor fijado previamente haya que rever

el valor fijado previamente generalmente es igual o menor a un PIXEL

una correcta verificacioacuten

NECESITA introducir PUNTOS de VERIFICACIOacuteN

que no hayan sido introducidos en el ajuste

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

tolerancias fijadas

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

traducimos coordenadas de un mapa a la imagen tambieacuten necesitamos a la nueva imagen

TRANSFERIR LOS VALORES DIGITALES no olvidar que lo que queremos es generar una nueva imagen que se

corresponda con las coordenadas y las funciones de ajuste

NO ORIGINAN NUEVA IMAGEN solo colocan a los pixeles en la posicioacuten correcta

en criollo las funciones de transformacioacuten generan una nueva matriz bien posicionada pero vaciacutea

DEBEMOS LLENAR LA MATRIZ problema maacutes complejo de lo que puede

pensarse Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

generacioacuten de la nueva imaacutegen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

cada pixel de la imagen corregida se corresponderiacutea con un pixel de la imagen original

LEJOS DE ESE IDEAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo I

vecino maacutes proacuteximo ( nearest neighbour )

a cada celda de la imagen corregida se asigna el ND del pixel maacutes cercano de la

imagen original

SOLUCIOacuteN RAacutePIDA MENOR DISTORSIOacuteN DE LOS ND

INTRODUCE RASGOS LINEALES QUE DISTORSIONAN

CORRECCIOacuteN DE IMAacuteGENES CLASIFICADAS

CONSERVAR LA RADIOMETRIacuteA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo II

interpolacioacuten bilineal ( bilinear interpolation )

supone promediar los ND de los cuatro pixeles mas cercanos

con ponderacioacuten seguacuten la distancia pixeles originalcorregido

REDUCE EL EFECTO DE DISTORSIOacuteN EN RASGOS LINEALES

TIENDE A DIFUMINAR LOS CONTRASTES ESPACIALES

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE IMAacuteGENES RECTIFICADAS MAPAS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo III

convolusioacuten cuacutebica ( cubic convolution )

supone considerar los ND de los 16 pixeles mas proacuteximos

media ponderada seguacuten la distancia pixeles originalcorregido

EFECTO VISUAL MAS CORRECTO

VOLUacuteMEN DE CAacuteLCULO MUY SUPERIOR TENDENCIA A AGUDIZAR BORDES DE LA IMAGEN

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE ORTOIMAacuteGENES IMPRESIONES DE CALIDAD

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

  • Nuacutemero de diapositiva 1
  • Nuacutemero de diapositiva 2
  • MOacuteDULO IV
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 5
  • Nuacutemero de diapositiva 6
  • Nuacutemero de diapositiva 7
  • Nuacutemero de diapositiva 8
  • Nuacutemero de diapositiva 9
  • Nuacutemero de diapositiva 10
  • Nuacutemero de diapositiva 11
  • Nuacutemero de diapositiva 12
  • Nuacutemero de diapositiva 13
  • Nuacutemero de diapositiva 14
  • Nuacutemero de diapositiva 15
  • Nuacutemero de diapositiva 16
  • Nuacutemero de diapositiva 17
  • Nuacutemero de diapositiva 18
  • Nuacutemero de diapositiva 19
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 21
  • Nuacutemero de diapositiva 22
  • Nuacutemero de diapositiva 23
  • Nuacutemero de diapositiva 24
  • Nuacutemero de diapositiva 25
  • Nuacutemero de diapositiva 26
  • Nuacutemero de diapositiva 27
  • Nuacutemero de diapositiva 28
  • Nuacutemero de diapositiva 29
  • Nuacutemero de diapositiva 30
  • Nuacutemero de diapositiva 31
  • Nuacutemero de diapositiva 32
  • Nuacutemero de diapositiva 33
  • Nuacutemero de diapositiva 34
  • Nuacutemero de diapositiva 35
  • Nuacutemero de diapositiva 36
  • Nuacutemero de diapositiva 37
  • Nuacutemero de diapositiva 38
  • Nuacutemero de diapositiva 39
  • Nuacutemero de diapositiva 40
  • 47 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 42
  • Nuacutemero de diapositiva 43
  • Nuacutemero de diapositiva 44
  • Nuacutemero de diapositiva 45
  • Nuacutemero de diapositiva 46
  • Nuacutemero de diapositiva 47
  • Nuacutemero de diapositiva 48
  • Nuacutemero de diapositiva 49
  • Nuacutemero de diapositiva 50
  • Nuacutemero de diapositiva 51
  • Nuacutemero de diapositiva 52
  • Nuacutemero de diapositiva 53
  • Nuacutemero de diapositiva 54
  • 48 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 56
  • Nuacutemero de diapositiva 57
  • Nuacutemero de diapositiva 58
  • Nuacutemero de diapositiva 59
  • Nuacutemero de diapositiva 60
  • Nuacutemero de diapositiva 61
  • Nuacutemero de diapositiva 62
  • Nuacutemero de diapositiva 63
  • Nuacutemero de diapositiva 64
  • Nuacutemero de diapositiva 65
  • Nuacutemero de diapositiva 66
  • Nuacutemero de diapositiva 67
  • Nuacutemero de diapositiva 68
  • Nuacutemero de diapositiva 69
  • Nuacutemero de diapositiva 70
  • Nuacutemero de diapositiva 71
  • Nuacutemero de diapositiva 72
  • Nuacutemero de diapositiva 73
  • Nuacutemero de diapositiva 74

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CLUT COLOUR LOOK-UP TABLE TABLA DE CONSULTA DE COLOR

ENTENDIENDO LAS IMAacuteGENES

httpsenwikipediaorgwikiColour_look-up_table

creacioacuten del seudo color

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Filtros espaciales Concepto de kernel Filtros paso bajo y paso alto Filtros direccionales Anomaliacuteas y correccioacuten atmosfeacuterica Correcciones radiomeacutetricas Anomaliacuteas radiomeacutetricas Fallos en el sensorCorreccioacuten atmosfeacuterica concepto Meacutetodo valores miacutenimos Regresioacuten entre bandas Dispersioacuten por aerosolesCalibracioacuten Caso misioacuten Landsat

47 Interpretacioacuten de Imaacutegenes

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

conceptos de que es un filtro

espacial

FUNCIONES PARA MEJORAR ASPECTO DE LAS IMAacuteGENES

REALZAN O DISMINUYEN ELEMENTOS VISUALES DE LA IMG

BASADOS EN LA FRECUENCIA ESPACIAL

FRECUENCIAS ESPACIALES ALTAS Variaciones que se producen en pocos piacutexeles TENDENCIA GENERAL FRECUENCIAS ESPACIALES BAJAS

Variaciones que se producen en muchos piacutexeles CONTRASTES LOCALES

FILTROS Figura - CCRS CCT

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

conceptos de kernel

FILTRADO ESPACIAL Figura - CCRS CCT FILTRADO EN EL DOMINIO

ESPACIAL Lo mas comuacuten es la aplicacioacuten de una ventana deslizante con valores que son coeficientes fijos de una matriz La MATRIZ se suele llamar KERNEL o nuacutecleo del filtro

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DIGITAL

ENTENDIENDO LAS IMAacuteGENES

aplicacioacuten del kernel

3 x 3 5 x 5 7 x 7

1 1 1

1 2 1

1 1 1 matrices

LOS VALORES DEL KERNEL SE MULTIPLICAN POR EL PIacuteXEL QUE TIENEN DEBAJO Y LUEGO SE SUMAN TODOS LOS PRODUCTOS

Y PARA OBTENER EL VALOR DEL PIacuteXEL CENTRAL EN LA IMAGEN TRANSFORMADA SE LO DIVIDE POR LA SUMA DE LOS PONDERADOS O PESOS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO - PASO BAJO PASO ALTO

ENTENDIENDO LAS IMAacuteGENES

aplicacioacuten del kernel

26

FILTROS DE PASO BAJO SE FAVORECEN A LOS PIXELES

PERIFEacuteRICOS SE MINIMIZAN LAS DIFERENCIAS CON LOS VECINOS ES UNA ESPECIE DE SUAVIZADO

FILTRO DE PASO ALTO PONDERACIOacuteN DEL VALOR CENTRAL EN DETRIMENTO DE LOS CIRCUNDANTES

SE EXAGERAN DIFERENCIAS Y SE RESALTAN VARIACIONES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DE PASO BAJO

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm

simulacioacuten

IMAGEN ORIGINAL

FILTRO PASO BAJO 3x3 SE TRATA DE ASEMEJAR LOS VALORES DE ND DE UN PIXEL A LOS VALORES VECINOS EN TEacuteRMINOS VISUALES LA IMAGEN FILTRADA OFRECE PERFILES MENOS NIacuteTIDOS

FILTRO PASO BAJO 7x7 SIRVE PARA REDUCIR VARIABILIDAD ESPACIAL DE ALGUNA CATEGORIacuteA ANTES DE UN PROCESO DE CLASIFICACIOacuteN

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DE PASO ALTO

ENTENDIENDO LAS IMAacuteGENES

IMAGEN ORIGINAL

FILTRO PASO ALTO 3x3 SE TRATA DE AISLAR LOS COMPONENTES DE ALTA FRECUENCIA Y REMARCAR DIGITALMENTE CONTRASTES EN TEacuteRMINOS VISUALES LA IMAGEN FILTRADA REFUERZA LOS CONTORNOS EN AacuteREAS HOMOGEacuteNEAS

FILTRO PASO ALTO 7x7 SIRVE PARA LOGRAR REALCES DE RASGOS LINEALES COMO PUEDEN SER EN AacuteREAS URBANAS O RASGOS GEOLOacuteGICOS

simulacioacuten

httpgeograuahesrtm

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

Figura - Landsat USGS

IMAGEN ORIGINAL

FILTRO DIRECCIONAL PERMITEN IDENTIFICAR LOS RASGOS FRONTERIZOS EN LAS IMAacuteGENES COMO LOS FILTROS ANTERIORES PERO AHORA CONSIDERANDO LA ORIENTACIOacuteN

se tiene en cuenta la

orientacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

matrices con direccioacuten

NORTE

1 1 1

1 -2 1

-1 -1 -1

SUR

-1 -1 -1

1 -2 1

1 1 1

ESTE

-1 1 1

-1 -2 1

-1 1 1

OESTE

1 1 -1

1 -2 -1

1 1 -1

SURESTE

-1 -1 1

-1 -2 1

1 1 1

NOROESTE

1 1 1

1 -2 -1

1 -1 -1

SUROESTE

1 -1 -1

1 -2 -1

1 1 1

NORESTE

1 1 1

-1 -2 1

-1 -1 1

OBSERVACIOacuteN

LOS NOMBRES OBEDECEN A LA DIRECCIOacuteN DEL CONTRASTE QUE SENtildeALAN

LA DIRECCIOacuteN QUE REALZAN ES JUSTAMENTE LA PERPENDICULAR

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

48 Interpretacioacuten de Imaacutegenes

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Correcciones geomeacutetricas Georreferenciacioacuten Uso de puntos de control Fuentes de error Procesamiento geomeacutetrico Correccioacuten Transformacioacuten geomeacutetrica Calidad y ajuste Generacioacuten de la nueva imagen Transferencia de ND

INSTITUTO DE AGRIMENSURA - DEPARTAMENTO DE GEOMAacuteTICA PROF ADJUNTO GRADO 3 EDISON J ROSAS BERTON

El tratamiento de una imagen de sateacutelite Georreferenciacioacuten

(paso de un sistema de filas y columnas a un sistema de coordenadas estandard)

Para ello debe obtenerse una muestra de puntos de control de los que conozcamos tanto sus coordenadas reales como sus coordenadas en

la imagen deben ser por tanto objetos de un tamantildeo adecuado para resultar identificables tanto en la imagen como sobre el terreno el tamantildeo

dependeraacute loacutegicamente de la resolucioacuten de la imagen A partir de estos puntos de control se obtendraacuten por regresioacuten unas ecuaciones que permitiraacuten a cada par filacolumna un par de coordenadas

XY

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

GEORREFERENCIACIOacuteN

ENTENDIENDO LAS IMAacuteGENES

georreferenciacioacuten porqueacute

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PUNTOS DE CONTROL

ENTENDIENDO LAS IMAacuteGENES

uso de puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

DISTORSIONES POR LA PLATAFORMA ALTITUD DE LA OacuteRBITA ndash Cambio de escala

VELOCIDAD ndash Cambios de escala ORIENTACIOacuteN DE LOS TRES EJES ndash Distorsiones en la geometriacutea

NO SISTEMAacuteTICOS Y COMPLEJOS DE MODELAR

DISTORSIONES POR ROTACIOacuteN TERRESTRE

CONSIDERANDO ALTITUD (800 Km) y TAMANtildeO DE LA IMAGEN (180 Km)ndashEn latitudes medias tarda en adquirir unos 30 segundos la Tierra se desplaza unos 8 Km

ORIENTACIOacuteN NE SW

DISTORSIONES POR EL SENSOR ANOMALIacuteAS SENSOR y MOVIMIENTO ESPEJO ndash Barrido no lineal o cambio en intervalos

AacuteNGULO DE BARRIDO ndash Variacioacuten en el tamantildeo de pixel

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ERROR EN UNA IMAGEN ESPACIAL

ENTENDIENDO LAS IMAacuteGENES

fuentes de error

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Una correccioacuten geomeacutetrica incluye CUALQUIER CAMBIO EN LA POSICIOacuteN DE LOS PIXELES que

conforman la imagen f (c`) = f1 (c l) f (x y) f (l`) = f2 (c l) f (x y)

COORDENADAS DE IMAGEN CORREGIDA SON FUNCIOacuteN DE COORDENADAS COLUMNA Y LIacuteNEA DE LA

IMAGEN DE ENTRADA O DE LAS COORDENADAS DE MAPA AL QUE SUPERPONDREMOS LA IMAGEN

1 CON OBJETIVO DE REALIZAR UNA TRANSFORMACIOacuteN GEOMEacuteTRICA QUE PERMITA AJUSTARLA A OTRA IMAGEN REFERENCIA NORMALMENTE PARA REALIZAR ESTUDIOS MULTITEMPORALES O MOSAICOS CON EL FIN DE AMPLIAR LOS DATOS E INFORMACIOacuteN DE UNA ZONA

2 ESTO PERMITIRAacute QUE LA NUEVA IMAGEN LA PUEDA INTEGRAR CON INFORMACIOacuteN DE OTRAS FUENTES POR EJEMPLO EN UN AMBIENTE SIG

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

correccioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

asumimos que

NO SE CONOCE EL ORIGEN DE LOS ERRORES

modelamos

ECUACIONES EMPIacuteRICAS

aplicadas a un conjunto de puntos

COORDENADAS CONOCIDAS IMAGEN INPUT e IMAGEN OUTPUT

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

1 ndash SELECCIOacuteN DE REFERENCIAS 2 ndash ECUACIONES DE AJUSTE

3 ndash GENERACIOacuteN DE LA IMAGEN CORREGIDA

ES OBVIO CALIDAD DEL AJUSTE DEPENDERAacute DE PRECISIOacuteN CON QUE SE

LOCALICEN LOS PUNTOS DE CONTROL INEXACTA LOCALIZACIOacuteN

DISTRIBUCIOacuteN MUY SECTORIZADA NUacuteMERO DE PUNTOS DE CONTROL INADECUADO

ESTABLECER LOS PUNTOS DE CONTROL FASE MAS CRUCIAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

procesamiento de la correccioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Resaltamos la importancia de

NUacuteMERO LOCALIZACIOacuteN DISTRIBUCIOacuteN

Que debemos atender Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

que considero UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash Croquis ilustrativos de apoyo

TERRENO O ZONAS PLANAS CON IMG OBTENIDAS POR UN SENSOR DE ESTRECHA VISIOacuteN DE CAMPO

TRANSFORMACIOacuteN

BASADO EN ECUACIONES LINEALES SIMPLES

TERRENO ESCARPADO O RUGOSO O UTILIZACIOacuteN DE IMG OBTENIDAS EN UN SENSOR CON VARIACIONES EN LAS CONDICIONES DE OBSERVACIOacuteN

TRANSFORMACIOacuteN MAacuteS COMPLEJA

POLINOMIOS DE SEGUNDO O TERCER ORDEN

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Desde un punto de vista matemaacutetico

GRADO 1 ndash 3 puntos GRADO 2 ndash 6 puntos GRADO 3 ndash 10 puntos

Seguacuten mis objetivos del trabajo no es conveniente utilizar esos miacutenimos

14 a 20 puntos (Landsat 5 MMS ndash seguacuten Bernstein R y D G Ferneyhough Jr 1978)

100 a 120 puntos (Landsat 7 TM ndash seguacuten el National Remote Sensing Center de Inglaterra)

10 o 12 puntos (Pequentildea zona de 512 x 512 pixeles ndash seguacuten Emilio Chuvieco 2010)

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

matemaacuteticamente UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

QUE DEBEMOS DE CONSIDERAR EN CUANTO A LA LOCALIZACIOacuteN

CLARAMENTE IDENTIFICABLES EN IMAGEN Y MAPA RASGOS HUMANOS DEL PAISAJE NO SUJETOS A DINAMISMO TEMPORAL

CRUCE DE CARRETERAS

CAMINOS VIacuteA FEacuteRREAS

NO CONSIDERAR ELEMENTOS ASOCIADOS AL AGUA

COSTA CURSOS DE AGUA

EMBALSES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

localizacioacuten TCP UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la correccioacuten digital de la geometriacutea de una imagen se realiza a partir de establecer unas funciones que relacionen las coordenadas de la imagen

y las coordenadas del mapa

EJ CASO MAS SIMPLE REGRESIOacuteN LINEAL MUacuteLTIPLE

ci = a0 + a1 Xi + a2 Yi li = b0 + b1 Xi + b2 Yi

EN LA PRAacuteCTICA BASTA UNA FUNCIOacuteN LINEAL PARA ABORDAR UN GRAN NUacuteMERO DE

TRANSFORMACIONES Y SON SUFICIENTES SI LAS IMAacuteGENES NO SON MUY GRANDES ANTE LA NECESIDAD DE OTRAS TRANSFORMACIONES SE UTILIZAN DE 2ordm y 3ordm ORDEN CONSIDERANDO ALTERACIONES GEOMEacuteTRICAS NO LINEALES (FUNCIONES QUE NO SE DEFINEN EN UN PLANO

CON EJES LINEALES SINO QUE SUPERFICIES CON EJES CURVILIacuteNEOS)

LOS COEFICIENTES DE LAS FUNCIONES DE TRANSFORMACIOacuteN SE CALCULAN A PARTIR DE UN AJUSTE POR MIacuteNIMOS CUADRADOS

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

funciones de transformacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash ejemplos de funciones de transformacioacuten geomeacutetrica con el efecto causado

TRASLACIOacuteN

CAMBIO DE ESCALA

INCLINACIOacuteN

PERSPECTIVA

ROTACIOacuteN

x = a0 + xacute y = b0 + yacute

x = xacute + a2 yacute y = yacute

x = a1 xacute y = b1 yacute

x = a3xacute yacute y = yacute

x = a4xacute + a5yacute y = b4xacute + b5yacute a4 = b5 = cos Ɵ a5 = -b4 = sen Ɵ

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

transformacioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

comparacioacuten coordenadas reales y las estimadas por la regresioacuten

el promedio de los residuales se conoce como error medio cuadraacutetico

la calidad del ajuste lo da el RMSE (root mean squared error)

(error medio cuadraacutetico)

RMSE es la raiacutez cuadrada de las desviaciones entre los valores reales y los

calculados

RMSE para cada punto es la raiacutez de los residuales al cuadrado que es la distancia entre ellos

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

RMSE UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la praacutectica hace que fijemos una TOLERANCIA y es que si ese promedio supera un valor fijado previamente haya que rever

el valor fijado previamente generalmente es igual o menor a un PIXEL

una correcta verificacioacuten

NECESITA introducir PUNTOS de VERIFICACIOacuteN

que no hayan sido introducidos en el ajuste

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

tolerancias fijadas

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

traducimos coordenadas de un mapa a la imagen tambieacuten necesitamos a la nueva imagen

TRANSFERIR LOS VALORES DIGITALES no olvidar que lo que queremos es generar una nueva imagen que se

corresponda con las coordenadas y las funciones de ajuste

NO ORIGINAN NUEVA IMAGEN solo colocan a los pixeles en la posicioacuten correcta

en criollo las funciones de transformacioacuten generan una nueva matriz bien posicionada pero vaciacutea

DEBEMOS LLENAR LA MATRIZ problema maacutes complejo de lo que puede

pensarse Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

generacioacuten de la nueva imaacutegen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

cada pixel de la imagen corregida se corresponderiacutea con un pixel de la imagen original

LEJOS DE ESE IDEAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo I

vecino maacutes proacuteximo ( nearest neighbour )

a cada celda de la imagen corregida se asigna el ND del pixel maacutes cercano de la

imagen original

SOLUCIOacuteN RAacutePIDA MENOR DISTORSIOacuteN DE LOS ND

INTRODUCE RASGOS LINEALES QUE DISTORSIONAN

CORRECCIOacuteN DE IMAacuteGENES CLASIFICADAS

CONSERVAR LA RADIOMETRIacuteA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo II

interpolacioacuten bilineal ( bilinear interpolation )

supone promediar los ND de los cuatro pixeles mas cercanos

con ponderacioacuten seguacuten la distancia pixeles originalcorregido

REDUCE EL EFECTO DE DISTORSIOacuteN EN RASGOS LINEALES

TIENDE A DIFUMINAR LOS CONTRASTES ESPACIALES

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE IMAacuteGENES RECTIFICADAS MAPAS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo III

convolusioacuten cuacutebica ( cubic convolution )

supone considerar los ND de los 16 pixeles mas proacuteximos

media ponderada seguacuten la distancia pixeles originalcorregido

EFECTO VISUAL MAS CORRECTO

VOLUacuteMEN DE CAacuteLCULO MUY SUPERIOR TENDENCIA A AGUDIZAR BORDES DE LA IMAGEN

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE ORTOIMAacuteGENES IMPRESIONES DE CALIDAD

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

  • Nuacutemero de diapositiva 1
  • Nuacutemero de diapositiva 2
  • MOacuteDULO IV
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 5
  • Nuacutemero de diapositiva 6
  • Nuacutemero de diapositiva 7
  • Nuacutemero de diapositiva 8
  • Nuacutemero de diapositiva 9
  • Nuacutemero de diapositiva 10
  • Nuacutemero de diapositiva 11
  • Nuacutemero de diapositiva 12
  • Nuacutemero de diapositiva 13
  • Nuacutemero de diapositiva 14
  • Nuacutemero de diapositiva 15
  • Nuacutemero de diapositiva 16
  • Nuacutemero de diapositiva 17
  • Nuacutemero de diapositiva 18
  • Nuacutemero de diapositiva 19
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 21
  • Nuacutemero de diapositiva 22
  • Nuacutemero de diapositiva 23
  • Nuacutemero de diapositiva 24
  • Nuacutemero de diapositiva 25
  • Nuacutemero de diapositiva 26
  • Nuacutemero de diapositiva 27
  • Nuacutemero de diapositiva 28
  • Nuacutemero de diapositiva 29
  • Nuacutemero de diapositiva 30
  • Nuacutemero de diapositiva 31
  • Nuacutemero de diapositiva 32
  • Nuacutemero de diapositiva 33
  • Nuacutemero de diapositiva 34
  • Nuacutemero de diapositiva 35
  • Nuacutemero de diapositiva 36
  • Nuacutemero de diapositiva 37
  • Nuacutemero de diapositiva 38
  • Nuacutemero de diapositiva 39
  • Nuacutemero de diapositiva 40
  • 47 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 42
  • Nuacutemero de diapositiva 43
  • Nuacutemero de diapositiva 44
  • Nuacutemero de diapositiva 45
  • Nuacutemero de diapositiva 46
  • Nuacutemero de diapositiva 47
  • Nuacutemero de diapositiva 48
  • Nuacutemero de diapositiva 49
  • Nuacutemero de diapositiva 50
  • Nuacutemero de diapositiva 51
  • Nuacutemero de diapositiva 52
  • Nuacutemero de diapositiva 53
  • Nuacutemero de diapositiva 54
  • 48 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 56
  • Nuacutemero de diapositiva 57
  • Nuacutemero de diapositiva 58
  • Nuacutemero de diapositiva 59
  • Nuacutemero de diapositiva 60
  • Nuacutemero de diapositiva 61
  • Nuacutemero de diapositiva 62
  • Nuacutemero de diapositiva 63
  • Nuacutemero de diapositiva 64
  • Nuacutemero de diapositiva 65
  • Nuacutemero de diapositiva 66
  • Nuacutemero de diapositiva 67
  • Nuacutemero de diapositiva 68
  • Nuacutemero de diapositiva 69
  • Nuacutemero de diapositiva 70
  • Nuacutemero de diapositiva 71
  • Nuacutemero de diapositiva 72
  • Nuacutemero de diapositiva 73
  • Nuacutemero de diapositiva 74

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Filtros espaciales Concepto de kernel Filtros paso bajo y paso alto Filtros direccionales Anomaliacuteas y correccioacuten atmosfeacuterica Correcciones radiomeacutetricas Anomaliacuteas radiomeacutetricas Fallos en el sensorCorreccioacuten atmosfeacuterica concepto Meacutetodo valores miacutenimos Regresioacuten entre bandas Dispersioacuten por aerosolesCalibracioacuten Caso misioacuten Landsat

47 Interpretacioacuten de Imaacutegenes

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

conceptos de que es un filtro

espacial

FUNCIONES PARA MEJORAR ASPECTO DE LAS IMAacuteGENES

REALZAN O DISMINUYEN ELEMENTOS VISUALES DE LA IMG

BASADOS EN LA FRECUENCIA ESPACIAL

FRECUENCIAS ESPACIALES ALTAS Variaciones que se producen en pocos piacutexeles TENDENCIA GENERAL FRECUENCIAS ESPACIALES BAJAS

Variaciones que se producen en muchos piacutexeles CONTRASTES LOCALES

FILTROS Figura - CCRS CCT

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

conceptos de kernel

FILTRADO ESPACIAL Figura - CCRS CCT FILTRADO EN EL DOMINIO

ESPACIAL Lo mas comuacuten es la aplicacioacuten de una ventana deslizante con valores que son coeficientes fijos de una matriz La MATRIZ se suele llamar KERNEL o nuacutecleo del filtro

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DIGITAL

ENTENDIENDO LAS IMAacuteGENES

aplicacioacuten del kernel

3 x 3 5 x 5 7 x 7

1 1 1

1 2 1

1 1 1 matrices

LOS VALORES DEL KERNEL SE MULTIPLICAN POR EL PIacuteXEL QUE TIENEN DEBAJO Y LUEGO SE SUMAN TODOS LOS PRODUCTOS

Y PARA OBTENER EL VALOR DEL PIacuteXEL CENTRAL EN LA IMAGEN TRANSFORMADA SE LO DIVIDE POR LA SUMA DE LOS PONDERADOS O PESOS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO - PASO BAJO PASO ALTO

ENTENDIENDO LAS IMAacuteGENES

aplicacioacuten del kernel

26

FILTROS DE PASO BAJO SE FAVORECEN A LOS PIXELES

PERIFEacuteRICOS SE MINIMIZAN LAS DIFERENCIAS CON LOS VECINOS ES UNA ESPECIE DE SUAVIZADO

FILTRO DE PASO ALTO PONDERACIOacuteN DEL VALOR CENTRAL EN DETRIMENTO DE LOS CIRCUNDANTES

SE EXAGERAN DIFERENCIAS Y SE RESALTAN VARIACIONES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DE PASO BAJO

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm

simulacioacuten

IMAGEN ORIGINAL

FILTRO PASO BAJO 3x3 SE TRATA DE ASEMEJAR LOS VALORES DE ND DE UN PIXEL A LOS VALORES VECINOS EN TEacuteRMINOS VISUALES LA IMAGEN FILTRADA OFRECE PERFILES MENOS NIacuteTIDOS

FILTRO PASO BAJO 7x7 SIRVE PARA REDUCIR VARIABILIDAD ESPACIAL DE ALGUNA CATEGORIacuteA ANTES DE UN PROCESO DE CLASIFICACIOacuteN

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DE PASO ALTO

ENTENDIENDO LAS IMAacuteGENES

IMAGEN ORIGINAL

FILTRO PASO ALTO 3x3 SE TRATA DE AISLAR LOS COMPONENTES DE ALTA FRECUENCIA Y REMARCAR DIGITALMENTE CONTRASTES EN TEacuteRMINOS VISUALES LA IMAGEN FILTRADA REFUERZA LOS CONTORNOS EN AacuteREAS HOMOGEacuteNEAS

FILTRO PASO ALTO 7x7 SIRVE PARA LOGRAR REALCES DE RASGOS LINEALES COMO PUEDEN SER EN AacuteREAS URBANAS O RASGOS GEOLOacuteGICOS

simulacioacuten

httpgeograuahesrtm

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

Figura - Landsat USGS

IMAGEN ORIGINAL

FILTRO DIRECCIONAL PERMITEN IDENTIFICAR LOS RASGOS FRONTERIZOS EN LAS IMAacuteGENES COMO LOS FILTROS ANTERIORES PERO AHORA CONSIDERANDO LA ORIENTACIOacuteN

se tiene en cuenta la

orientacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

matrices con direccioacuten

NORTE

1 1 1

1 -2 1

-1 -1 -1

SUR

-1 -1 -1

1 -2 1

1 1 1

ESTE

-1 1 1

-1 -2 1

-1 1 1

OESTE

1 1 -1

1 -2 -1

1 1 -1

SURESTE

-1 -1 1

-1 -2 1

1 1 1

NOROESTE

1 1 1

1 -2 -1

1 -1 -1

SUROESTE

1 -1 -1

1 -2 -1

1 1 1

NORESTE

1 1 1

-1 -2 1

-1 -1 1

OBSERVACIOacuteN

LOS NOMBRES OBEDECEN A LA DIRECCIOacuteN DEL CONTRASTE QUE SENtildeALAN

LA DIRECCIOacuteN QUE REALZAN ES JUSTAMENTE LA PERPENDICULAR

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

48 Interpretacioacuten de Imaacutegenes

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Correcciones geomeacutetricas Georreferenciacioacuten Uso de puntos de control Fuentes de error Procesamiento geomeacutetrico Correccioacuten Transformacioacuten geomeacutetrica Calidad y ajuste Generacioacuten de la nueva imagen Transferencia de ND

INSTITUTO DE AGRIMENSURA - DEPARTAMENTO DE GEOMAacuteTICA PROF ADJUNTO GRADO 3 EDISON J ROSAS BERTON

El tratamiento de una imagen de sateacutelite Georreferenciacioacuten

(paso de un sistema de filas y columnas a un sistema de coordenadas estandard)

Para ello debe obtenerse una muestra de puntos de control de los que conozcamos tanto sus coordenadas reales como sus coordenadas en

la imagen deben ser por tanto objetos de un tamantildeo adecuado para resultar identificables tanto en la imagen como sobre el terreno el tamantildeo

dependeraacute loacutegicamente de la resolucioacuten de la imagen A partir de estos puntos de control se obtendraacuten por regresioacuten unas ecuaciones que permitiraacuten a cada par filacolumna un par de coordenadas

XY

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

GEORREFERENCIACIOacuteN

ENTENDIENDO LAS IMAacuteGENES

georreferenciacioacuten porqueacute

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PUNTOS DE CONTROL

ENTENDIENDO LAS IMAacuteGENES

uso de puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

DISTORSIONES POR LA PLATAFORMA ALTITUD DE LA OacuteRBITA ndash Cambio de escala

VELOCIDAD ndash Cambios de escala ORIENTACIOacuteN DE LOS TRES EJES ndash Distorsiones en la geometriacutea

NO SISTEMAacuteTICOS Y COMPLEJOS DE MODELAR

DISTORSIONES POR ROTACIOacuteN TERRESTRE

CONSIDERANDO ALTITUD (800 Km) y TAMANtildeO DE LA IMAGEN (180 Km)ndashEn latitudes medias tarda en adquirir unos 30 segundos la Tierra se desplaza unos 8 Km

ORIENTACIOacuteN NE SW

DISTORSIONES POR EL SENSOR ANOMALIacuteAS SENSOR y MOVIMIENTO ESPEJO ndash Barrido no lineal o cambio en intervalos

AacuteNGULO DE BARRIDO ndash Variacioacuten en el tamantildeo de pixel

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ERROR EN UNA IMAGEN ESPACIAL

ENTENDIENDO LAS IMAacuteGENES

fuentes de error

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Una correccioacuten geomeacutetrica incluye CUALQUIER CAMBIO EN LA POSICIOacuteN DE LOS PIXELES que

conforman la imagen f (c`) = f1 (c l) f (x y) f (l`) = f2 (c l) f (x y)

COORDENADAS DE IMAGEN CORREGIDA SON FUNCIOacuteN DE COORDENADAS COLUMNA Y LIacuteNEA DE LA

IMAGEN DE ENTRADA O DE LAS COORDENADAS DE MAPA AL QUE SUPERPONDREMOS LA IMAGEN

1 CON OBJETIVO DE REALIZAR UNA TRANSFORMACIOacuteN GEOMEacuteTRICA QUE PERMITA AJUSTARLA A OTRA IMAGEN REFERENCIA NORMALMENTE PARA REALIZAR ESTUDIOS MULTITEMPORALES O MOSAICOS CON EL FIN DE AMPLIAR LOS DATOS E INFORMACIOacuteN DE UNA ZONA

2 ESTO PERMITIRAacute QUE LA NUEVA IMAGEN LA PUEDA INTEGRAR CON INFORMACIOacuteN DE OTRAS FUENTES POR EJEMPLO EN UN AMBIENTE SIG

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

correccioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

asumimos que

NO SE CONOCE EL ORIGEN DE LOS ERRORES

modelamos

ECUACIONES EMPIacuteRICAS

aplicadas a un conjunto de puntos

COORDENADAS CONOCIDAS IMAGEN INPUT e IMAGEN OUTPUT

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

1 ndash SELECCIOacuteN DE REFERENCIAS 2 ndash ECUACIONES DE AJUSTE

3 ndash GENERACIOacuteN DE LA IMAGEN CORREGIDA

ES OBVIO CALIDAD DEL AJUSTE DEPENDERAacute DE PRECISIOacuteN CON QUE SE

LOCALICEN LOS PUNTOS DE CONTROL INEXACTA LOCALIZACIOacuteN

DISTRIBUCIOacuteN MUY SECTORIZADA NUacuteMERO DE PUNTOS DE CONTROL INADECUADO

ESTABLECER LOS PUNTOS DE CONTROL FASE MAS CRUCIAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

procesamiento de la correccioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Resaltamos la importancia de

NUacuteMERO LOCALIZACIOacuteN DISTRIBUCIOacuteN

Que debemos atender Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

que considero UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash Croquis ilustrativos de apoyo

TERRENO O ZONAS PLANAS CON IMG OBTENIDAS POR UN SENSOR DE ESTRECHA VISIOacuteN DE CAMPO

TRANSFORMACIOacuteN

BASADO EN ECUACIONES LINEALES SIMPLES

TERRENO ESCARPADO O RUGOSO O UTILIZACIOacuteN DE IMG OBTENIDAS EN UN SENSOR CON VARIACIONES EN LAS CONDICIONES DE OBSERVACIOacuteN

TRANSFORMACIOacuteN MAacuteS COMPLEJA

POLINOMIOS DE SEGUNDO O TERCER ORDEN

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Desde un punto de vista matemaacutetico

GRADO 1 ndash 3 puntos GRADO 2 ndash 6 puntos GRADO 3 ndash 10 puntos

Seguacuten mis objetivos del trabajo no es conveniente utilizar esos miacutenimos

14 a 20 puntos (Landsat 5 MMS ndash seguacuten Bernstein R y D G Ferneyhough Jr 1978)

100 a 120 puntos (Landsat 7 TM ndash seguacuten el National Remote Sensing Center de Inglaterra)

10 o 12 puntos (Pequentildea zona de 512 x 512 pixeles ndash seguacuten Emilio Chuvieco 2010)

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

matemaacuteticamente UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

QUE DEBEMOS DE CONSIDERAR EN CUANTO A LA LOCALIZACIOacuteN

CLARAMENTE IDENTIFICABLES EN IMAGEN Y MAPA RASGOS HUMANOS DEL PAISAJE NO SUJETOS A DINAMISMO TEMPORAL

CRUCE DE CARRETERAS

CAMINOS VIacuteA FEacuteRREAS

NO CONSIDERAR ELEMENTOS ASOCIADOS AL AGUA

COSTA CURSOS DE AGUA

EMBALSES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

localizacioacuten TCP UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la correccioacuten digital de la geometriacutea de una imagen se realiza a partir de establecer unas funciones que relacionen las coordenadas de la imagen

y las coordenadas del mapa

EJ CASO MAS SIMPLE REGRESIOacuteN LINEAL MUacuteLTIPLE

ci = a0 + a1 Xi + a2 Yi li = b0 + b1 Xi + b2 Yi

EN LA PRAacuteCTICA BASTA UNA FUNCIOacuteN LINEAL PARA ABORDAR UN GRAN NUacuteMERO DE

TRANSFORMACIONES Y SON SUFICIENTES SI LAS IMAacuteGENES NO SON MUY GRANDES ANTE LA NECESIDAD DE OTRAS TRANSFORMACIONES SE UTILIZAN DE 2ordm y 3ordm ORDEN CONSIDERANDO ALTERACIONES GEOMEacuteTRICAS NO LINEALES (FUNCIONES QUE NO SE DEFINEN EN UN PLANO

CON EJES LINEALES SINO QUE SUPERFICIES CON EJES CURVILIacuteNEOS)

LOS COEFICIENTES DE LAS FUNCIONES DE TRANSFORMACIOacuteN SE CALCULAN A PARTIR DE UN AJUSTE POR MIacuteNIMOS CUADRADOS

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

funciones de transformacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash ejemplos de funciones de transformacioacuten geomeacutetrica con el efecto causado

TRASLACIOacuteN

CAMBIO DE ESCALA

INCLINACIOacuteN

PERSPECTIVA

ROTACIOacuteN

x = a0 + xacute y = b0 + yacute

x = xacute + a2 yacute y = yacute

x = a1 xacute y = b1 yacute

x = a3xacute yacute y = yacute

x = a4xacute + a5yacute y = b4xacute + b5yacute a4 = b5 = cos Ɵ a5 = -b4 = sen Ɵ

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

transformacioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

comparacioacuten coordenadas reales y las estimadas por la regresioacuten

el promedio de los residuales se conoce como error medio cuadraacutetico

la calidad del ajuste lo da el RMSE (root mean squared error)

(error medio cuadraacutetico)

RMSE es la raiacutez cuadrada de las desviaciones entre los valores reales y los

calculados

RMSE para cada punto es la raiacutez de los residuales al cuadrado que es la distancia entre ellos

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

RMSE UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la praacutectica hace que fijemos una TOLERANCIA y es que si ese promedio supera un valor fijado previamente haya que rever

el valor fijado previamente generalmente es igual o menor a un PIXEL

una correcta verificacioacuten

NECESITA introducir PUNTOS de VERIFICACIOacuteN

que no hayan sido introducidos en el ajuste

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

tolerancias fijadas

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

traducimos coordenadas de un mapa a la imagen tambieacuten necesitamos a la nueva imagen

TRANSFERIR LOS VALORES DIGITALES no olvidar que lo que queremos es generar una nueva imagen que se

corresponda con las coordenadas y las funciones de ajuste

NO ORIGINAN NUEVA IMAGEN solo colocan a los pixeles en la posicioacuten correcta

en criollo las funciones de transformacioacuten generan una nueva matriz bien posicionada pero vaciacutea

DEBEMOS LLENAR LA MATRIZ problema maacutes complejo de lo que puede

pensarse Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

generacioacuten de la nueva imaacutegen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

cada pixel de la imagen corregida se corresponderiacutea con un pixel de la imagen original

LEJOS DE ESE IDEAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo I

vecino maacutes proacuteximo ( nearest neighbour )

a cada celda de la imagen corregida se asigna el ND del pixel maacutes cercano de la

imagen original

SOLUCIOacuteN RAacutePIDA MENOR DISTORSIOacuteN DE LOS ND

INTRODUCE RASGOS LINEALES QUE DISTORSIONAN

CORRECCIOacuteN DE IMAacuteGENES CLASIFICADAS

CONSERVAR LA RADIOMETRIacuteA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo II

interpolacioacuten bilineal ( bilinear interpolation )

supone promediar los ND de los cuatro pixeles mas cercanos

con ponderacioacuten seguacuten la distancia pixeles originalcorregido

REDUCE EL EFECTO DE DISTORSIOacuteN EN RASGOS LINEALES

TIENDE A DIFUMINAR LOS CONTRASTES ESPACIALES

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE IMAacuteGENES RECTIFICADAS MAPAS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo III

convolusioacuten cuacutebica ( cubic convolution )

supone considerar los ND de los 16 pixeles mas proacuteximos

media ponderada seguacuten la distancia pixeles originalcorregido

EFECTO VISUAL MAS CORRECTO

VOLUacuteMEN DE CAacuteLCULO MUY SUPERIOR TENDENCIA A AGUDIZAR BORDES DE LA IMAGEN

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE ORTOIMAacuteGENES IMPRESIONES DE CALIDAD

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

  • Nuacutemero de diapositiva 1
  • Nuacutemero de diapositiva 2
  • MOacuteDULO IV
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 5
  • Nuacutemero de diapositiva 6
  • Nuacutemero de diapositiva 7
  • Nuacutemero de diapositiva 8
  • Nuacutemero de diapositiva 9
  • Nuacutemero de diapositiva 10
  • Nuacutemero de diapositiva 11
  • Nuacutemero de diapositiva 12
  • Nuacutemero de diapositiva 13
  • Nuacutemero de diapositiva 14
  • Nuacutemero de diapositiva 15
  • Nuacutemero de diapositiva 16
  • Nuacutemero de diapositiva 17
  • Nuacutemero de diapositiva 18
  • Nuacutemero de diapositiva 19
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 21
  • Nuacutemero de diapositiva 22
  • Nuacutemero de diapositiva 23
  • Nuacutemero de diapositiva 24
  • Nuacutemero de diapositiva 25
  • Nuacutemero de diapositiva 26
  • Nuacutemero de diapositiva 27
  • Nuacutemero de diapositiva 28
  • Nuacutemero de diapositiva 29
  • Nuacutemero de diapositiva 30
  • Nuacutemero de diapositiva 31
  • Nuacutemero de diapositiva 32
  • Nuacutemero de diapositiva 33
  • Nuacutemero de diapositiva 34
  • Nuacutemero de diapositiva 35
  • Nuacutemero de diapositiva 36
  • Nuacutemero de diapositiva 37
  • Nuacutemero de diapositiva 38
  • Nuacutemero de diapositiva 39
  • Nuacutemero de diapositiva 40
  • 47 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 42
  • Nuacutemero de diapositiva 43
  • Nuacutemero de diapositiva 44
  • Nuacutemero de diapositiva 45
  • Nuacutemero de diapositiva 46
  • Nuacutemero de diapositiva 47
  • Nuacutemero de diapositiva 48
  • Nuacutemero de diapositiva 49
  • Nuacutemero de diapositiva 50
  • Nuacutemero de diapositiva 51
  • Nuacutemero de diapositiva 52
  • Nuacutemero de diapositiva 53
  • Nuacutemero de diapositiva 54
  • 48 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 56
  • Nuacutemero de diapositiva 57
  • Nuacutemero de diapositiva 58
  • Nuacutemero de diapositiva 59
  • Nuacutemero de diapositiva 60
  • Nuacutemero de diapositiva 61
  • Nuacutemero de diapositiva 62
  • Nuacutemero de diapositiva 63
  • Nuacutemero de diapositiva 64
  • Nuacutemero de diapositiva 65
  • Nuacutemero de diapositiva 66
  • Nuacutemero de diapositiva 67
  • Nuacutemero de diapositiva 68
  • Nuacutemero de diapositiva 69
  • Nuacutemero de diapositiva 70
  • Nuacutemero de diapositiva 71
  • Nuacutemero de diapositiva 72
  • Nuacutemero de diapositiva 73
  • Nuacutemero de diapositiva 74

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

conceptos de que es un filtro

espacial

FUNCIONES PARA MEJORAR ASPECTO DE LAS IMAacuteGENES

REALZAN O DISMINUYEN ELEMENTOS VISUALES DE LA IMG

BASADOS EN LA FRECUENCIA ESPACIAL

FRECUENCIAS ESPACIALES ALTAS Variaciones que se producen en pocos piacutexeles TENDENCIA GENERAL FRECUENCIAS ESPACIALES BAJAS

Variaciones que se producen en muchos piacutexeles CONTRASTES LOCALES

FILTROS Figura - CCRS CCT

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

conceptos de kernel

FILTRADO ESPACIAL Figura - CCRS CCT FILTRADO EN EL DOMINIO

ESPACIAL Lo mas comuacuten es la aplicacioacuten de una ventana deslizante con valores que son coeficientes fijos de una matriz La MATRIZ se suele llamar KERNEL o nuacutecleo del filtro

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DIGITAL

ENTENDIENDO LAS IMAacuteGENES

aplicacioacuten del kernel

3 x 3 5 x 5 7 x 7

1 1 1

1 2 1

1 1 1 matrices

LOS VALORES DEL KERNEL SE MULTIPLICAN POR EL PIacuteXEL QUE TIENEN DEBAJO Y LUEGO SE SUMAN TODOS LOS PRODUCTOS

Y PARA OBTENER EL VALOR DEL PIacuteXEL CENTRAL EN LA IMAGEN TRANSFORMADA SE LO DIVIDE POR LA SUMA DE LOS PONDERADOS O PESOS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO - PASO BAJO PASO ALTO

ENTENDIENDO LAS IMAacuteGENES

aplicacioacuten del kernel

26

FILTROS DE PASO BAJO SE FAVORECEN A LOS PIXELES

PERIFEacuteRICOS SE MINIMIZAN LAS DIFERENCIAS CON LOS VECINOS ES UNA ESPECIE DE SUAVIZADO

FILTRO DE PASO ALTO PONDERACIOacuteN DEL VALOR CENTRAL EN DETRIMENTO DE LOS CIRCUNDANTES

SE EXAGERAN DIFERENCIAS Y SE RESALTAN VARIACIONES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DE PASO BAJO

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm

simulacioacuten

IMAGEN ORIGINAL

FILTRO PASO BAJO 3x3 SE TRATA DE ASEMEJAR LOS VALORES DE ND DE UN PIXEL A LOS VALORES VECINOS EN TEacuteRMINOS VISUALES LA IMAGEN FILTRADA OFRECE PERFILES MENOS NIacuteTIDOS

FILTRO PASO BAJO 7x7 SIRVE PARA REDUCIR VARIABILIDAD ESPACIAL DE ALGUNA CATEGORIacuteA ANTES DE UN PROCESO DE CLASIFICACIOacuteN

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DE PASO ALTO

ENTENDIENDO LAS IMAacuteGENES

IMAGEN ORIGINAL

FILTRO PASO ALTO 3x3 SE TRATA DE AISLAR LOS COMPONENTES DE ALTA FRECUENCIA Y REMARCAR DIGITALMENTE CONTRASTES EN TEacuteRMINOS VISUALES LA IMAGEN FILTRADA REFUERZA LOS CONTORNOS EN AacuteREAS HOMOGEacuteNEAS

FILTRO PASO ALTO 7x7 SIRVE PARA LOGRAR REALCES DE RASGOS LINEALES COMO PUEDEN SER EN AacuteREAS URBANAS O RASGOS GEOLOacuteGICOS

simulacioacuten

httpgeograuahesrtm

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

Figura - Landsat USGS

IMAGEN ORIGINAL

FILTRO DIRECCIONAL PERMITEN IDENTIFICAR LOS RASGOS FRONTERIZOS EN LAS IMAacuteGENES COMO LOS FILTROS ANTERIORES PERO AHORA CONSIDERANDO LA ORIENTACIOacuteN

se tiene en cuenta la

orientacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

matrices con direccioacuten

NORTE

1 1 1

1 -2 1

-1 -1 -1

SUR

-1 -1 -1

1 -2 1

1 1 1

ESTE

-1 1 1

-1 -2 1

-1 1 1

OESTE

1 1 -1

1 -2 -1

1 1 -1

SURESTE

-1 -1 1

-1 -2 1

1 1 1

NOROESTE

1 1 1

1 -2 -1

1 -1 -1

SUROESTE

1 -1 -1

1 -2 -1

1 1 1

NORESTE

1 1 1

-1 -2 1

-1 -1 1

OBSERVACIOacuteN

LOS NOMBRES OBEDECEN A LA DIRECCIOacuteN DEL CONTRASTE QUE SENtildeALAN

LA DIRECCIOacuteN QUE REALZAN ES JUSTAMENTE LA PERPENDICULAR

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

48 Interpretacioacuten de Imaacutegenes

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Correcciones geomeacutetricas Georreferenciacioacuten Uso de puntos de control Fuentes de error Procesamiento geomeacutetrico Correccioacuten Transformacioacuten geomeacutetrica Calidad y ajuste Generacioacuten de la nueva imagen Transferencia de ND

INSTITUTO DE AGRIMENSURA - DEPARTAMENTO DE GEOMAacuteTICA PROF ADJUNTO GRADO 3 EDISON J ROSAS BERTON

El tratamiento de una imagen de sateacutelite Georreferenciacioacuten

(paso de un sistema de filas y columnas a un sistema de coordenadas estandard)

Para ello debe obtenerse una muestra de puntos de control de los que conozcamos tanto sus coordenadas reales como sus coordenadas en

la imagen deben ser por tanto objetos de un tamantildeo adecuado para resultar identificables tanto en la imagen como sobre el terreno el tamantildeo

dependeraacute loacutegicamente de la resolucioacuten de la imagen A partir de estos puntos de control se obtendraacuten por regresioacuten unas ecuaciones que permitiraacuten a cada par filacolumna un par de coordenadas

XY

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

GEORREFERENCIACIOacuteN

ENTENDIENDO LAS IMAacuteGENES

georreferenciacioacuten porqueacute

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PUNTOS DE CONTROL

ENTENDIENDO LAS IMAacuteGENES

uso de puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

DISTORSIONES POR LA PLATAFORMA ALTITUD DE LA OacuteRBITA ndash Cambio de escala

VELOCIDAD ndash Cambios de escala ORIENTACIOacuteN DE LOS TRES EJES ndash Distorsiones en la geometriacutea

NO SISTEMAacuteTICOS Y COMPLEJOS DE MODELAR

DISTORSIONES POR ROTACIOacuteN TERRESTRE

CONSIDERANDO ALTITUD (800 Km) y TAMANtildeO DE LA IMAGEN (180 Km)ndashEn latitudes medias tarda en adquirir unos 30 segundos la Tierra se desplaza unos 8 Km

ORIENTACIOacuteN NE SW

DISTORSIONES POR EL SENSOR ANOMALIacuteAS SENSOR y MOVIMIENTO ESPEJO ndash Barrido no lineal o cambio en intervalos

AacuteNGULO DE BARRIDO ndash Variacioacuten en el tamantildeo de pixel

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ERROR EN UNA IMAGEN ESPACIAL

ENTENDIENDO LAS IMAacuteGENES

fuentes de error

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Una correccioacuten geomeacutetrica incluye CUALQUIER CAMBIO EN LA POSICIOacuteN DE LOS PIXELES que

conforman la imagen f (c`) = f1 (c l) f (x y) f (l`) = f2 (c l) f (x y)

COORDENADAS DE IMAGEN CORREGIDA SON FUNCIOacuteN DE COORDENADAS COLUMNA Y LIacuteNEA DE LA

IMAGEN DE ENTRADA O DE LAS COORDENADAS DE MAPA AL QUE SUPERPONDREMOS LA IMAGEN

1 CON OBJETIVO DE REALIZAR UNA TRANSFORMACIOacuteN GEOMEacuteTRICA QUE PERMITA AJUSTARLA A OTRA IMAGEN REFERENCIA NORMALMENTE PARA REALIZAR ESTUDIOS MULTITEMPORALES O MOSAICOS CON EL FIN DE AMPLIAR LOS DATOS E INFORMACIOacuteN DE UNA ZONA

2 ESTO PERMITIRAacute QUE LA NUEVA IMAGEN LA PUEDA INTEGRAR CON INFORMACIOacuteN DE OTRAS FUENTES POR EJEMPLO EN UN AMBIENTE SIG

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

correccioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

asumimos que

NO SE CONOCE EL ORIGEN DE LOS ERRORES

modelamos

ECUACIONES EMPIacuteRICAS

aplicadas a un conjunto de puntos

COORDENADAS CONOCIDAS IMAGEN INPUT e IMAGEN OUTPUT

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

1 ndash SELECCIOacuteN DE REFERENCIAS 2 ndash ECUACIONES DE AJUSTE

3 ndash GENERACIOacuteN DE LA IMAGEN CORREGIDA

ES OBVIO CALIDAD DEL AJUSTE DEPENDERAacute DE PRECISIOacuteN CON QUE SE

LOCALICEN LOS PUNTOS DE CONTROL INEXACTA LOCALIZACIOacuteN

DISTRIBUCIOacuteN MUY SECTORIZADA NUacuteMERO DE PUNTOS DE CONTROL INADECUADO

ESTABLECER LOS PUNTOS DE CONTROL FASE MAS CRUCIAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

procesamiento de la correccioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Resaltamos la importancia de

NUacuteMERO LOCALIZACIOacuteN DISTRIBUCIOacuteN

Que debemos atender Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

que considero UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash Croquis ilustrativos de apoyo

TERRENO O ZONAS PLANAS CON IMG OBTENIDAS POR UN SENSOR DE ESTRECHA VISIOacuteN DE CAMPO

TRANSFORMACIOacuteN

BASADO EN ECUACIONES LINEALES SIMPLES

TERRENO ESCARPADO O RUGOSO O UTILIZACIOacuteN DE IMG OBTENIDAS EN UN SENSOR CON VARIACIONES EN LAS CONDICIONES DE OBSERVACIOacuteN

TRANSFORMACIOacuteN MAacuteS COMPLEJA

POLINOMIOS DE SEGUNDO O TERCER ORDEN

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Desde un punto de vista matemaacutetico

GRADO 1 ndash 3 puntos GRADO 2 ndash 6 puntos GRADO 3 ndash 10 puntos

Seguacuten mis objetivos del trabajo no es conveniente utilizar esos miacutenimos

14 a 20 puntos (Landsat 5 MMS ndash seguacuten Bernstein R y D G Ferneyhough Jr 1978)

100 a 120 puntos (Landsat 7 TM ndash seguacuten el National Remote Sensing Center de Inglaterra)

10 o 12 puntos (Pequentildea zona de 512 x 512 pixeles ndash seguacuten Emilio Chuvieco 2010)

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

matemaacuteticamente UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

QUE DEBEMOS DE CONSIDERAR EN CUANTO A LA LOCALIZACIOacuteN

CLARAMENTE IDENTIFICABLES EN IMAGEN Y MAPA RASGOS HUMANOS DEL PAISAJE NO SUJETOS A DINAMISMO TEMPORAL

CRUCE DE CARRETERAS

CAMINOS VIacuteA FEacuteRREAS

NO CONSIDERAR ELEMENTOS ASOCIADOS AL AGUA

COSTA CURSOS DE AGUA

EMBALSES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

localizacioacuten TCP UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la correccioacuten digital de la geometriacutea de una imagen se realiza a partir de establecer unas funciones que relacionen las coordenadas de la imagen

y las coordenadas del mapa

EJ CASO MAS SIMPLE REGRESIOacuteN LINEAL MUacuteLTIPLE

ci = a0 + a1 Xi + a2 Yi li = b0 + b1 Xi + b2 Yi

EN LA PRAacuteCTICA BASTA UNA FUNCIOacuteN LINEAL PARA ABORDAR UN GRAN NUacuteMERO DE

TRANSFORMACIONES Y SON SUFICIENTES SI LAS IMAacuteGENES NO SON MUY GRANDES ANTE LA NECESIDAD DE OTRAS TRANSFORMACIONES SE UTILIZAN DE 2ordm y 3ordm ORDEN CONSIDERANDO ALTERACIONES GEOMEacuteTRICAS NO LINEALES (FUNCIONES QUE NO SE DEFINEN EN UN PLANO

CON EJES LINEALES SINO QUE SUPERFICIES CON EJES CURVILIacuteNEOS)

LOS COEFICIENTES DE LAS FUNCIONES DE TRANSFORMACIOacuteN SE CALCULAN A PARTIR DE UN AJUSTE POR MIacuteNIMOS CUADRADOS

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

funciones de transformacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash ejemplos de funciones de transformacioacuten geomeacutetrica con el efecto causado

TRASLACIOacuteN

CAMBIO DE ESCALA

INCLINACIOacuteN

PERSPECTIVA

ROTACIOacuteN

x = a0 + xacute y = b0 + yacute

x = xacute + a2 yacute y = yacute

x = a1 xacute y = b1 yacute

x = a3xacute yacute y = yacute

x = a4xacute + a5yacute y = b4xacute + b5yacute a4 = b5 = cos Ɵ a5 = -b4 = sen Ɵ

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

transformacioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

comparacioacuten coordenadas reales y las estimadas por la regresioacuten

el promedio de los residuales se conoce como error medio cuadraacutetico

la calidad del ajuste lo da el RMSE (root mean squared error)

(error medio cuadraacutetico)

RMSE es la raiacutez cuadrada de las desviaciones entre los valores reales y los

calculados

RMSE para cada punto es la raiacutez de los residuales al cuadrado que es la distancia entre ellos

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

RMSE UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la praacutectica hace que fijemos una TOLERANCIA y es que si ese promedio supera un valor fijado previamente haya que rever

el valor fijado previamente generalmente es igual o menor a un PIXEL

una correcta verificacioacuten

NECESITA introducir PUNTOS de VERIFICACIOacuteN

que no hayan sido introducidos en el ajuste

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

tolerancias fijadas

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

traducimos coordenadas de un mapa a la imagen tambieacuten necesitamos a la nueva imagen

TRANSFERIR LOS VALORES DIGITALES no olvidar que lo que queremos es generar una nueva imagen que se

corresponda con las coordenadas y las funciones de ajuste

NO ORIGINAN NUEVA IMAGEN solo colocan a los pixeles en la posicioacuten correcta

en criollo las funciones de transformacioacuten generan una nueva matriz bien posicionada pero vaciacutea

DEBEMOS LLENAR LA MATRIZ problema maacutes complejo de lo que puede

pensarse Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

generacioacuten de la nueva imaacutegen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

cada pixel de la imagen corregida se corresponderiacutea con un pixel de la imagen original

LEJOS DE ESE IDEAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo I

vecino maacutes proacuteximo ( nearest neighbour )

a cada celda de la imagen corregida se asigna el ND del pixel maacutes cercano de la

imagen original

SOLUCIOacuteN RAacutePIDA MENOR DISTORSIOacuteN DE LOS ND

INTRODUCE RASGOS LINEALES QUE DISTORSIONAN

CORRECCIOacuteN DE IMAacuteGENES CLASIFICADAS

CONSERVAR LA RADIOMETRIacuteA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo II

interpolacioacuten bilineal ( bilinear interpolation )

supone promediar los ND de los cuatro pixeles mas cercanos

con ponderacioacuten seguacuten la distancia pixeles originalcorregido

REDUCE EL EFECTO DE DISTORSIOacuteN EN RASGOS LINEALES

TIENDE A DIFUMINAR LOS CONTRASTES ESPACIALES

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE IMAacuteGENES RECTIFICADAS MAPAS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo III

convolusioacuten cuacutebica ( cubic convolution )

supone considerar los ND de los 16 pixeles mas proacuteximos

media ponderada seguacuten la distancia pixeles originalcorregido

EFECTO VISUAL MAS CORRECTO

VOLUacuteMEN DE CAacuteLCULO MUY SUPERIOR TENDENCIA A AGUDIZAR BORDES DE LA IMAGEN

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE ORTOIMAacuteGENES IMPRESIONES DE CALIDAD

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

  • Nuacutemero de diapositiva 1
  • Nuacutemero de diapositiva 2
  • MOacuteDULO IV
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 5
  • Nuacutemero de diapositiva 6
  • Nuacutemero de diapositiva 7
  • Nuacutemero de diapositiva 8
  • Nuacutemero de diapositiva 9
  • Nuacutemero de diapositiva 10
  • Nuacutemero de diapositiva 11
  • Nuacutemero de diapositiva 12
  • Nuacutemero de diapositiva 13
  • Nuacutemero de diapositiva 14
  • Nuacutemero de diapositiva 15
  • Nuacutemero de diapositiva 16
  • Nuacutemero de diapositiva 17
  • Nuacutemero de diapositiva 18
  • Nuacutemero de diapositiva 19
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 21
  • Nuacutemero de diapositiva 22
  • Nuacutemero de diapositiva 23
  • Nuacutemero de diapositiva 24
  • Nuacutemero de diapositiva 25
  • Nuacutemero de diapositiva 26
  • Nuacutemero de diapositiva 27
  • Nuacutemero de diapositiva 28
  • Nuacutemero de diapositiva 29
  • Nuacutemero de diapositiva 30
  • Nuacutemero de diapositiva 31
  • Nuacutemero de diapositiva 32
  • Nuacutemero de diapositiva 33
  • Nuacutemero de diapositiva 34
  • Nuacutemero de diapositiva 35
  • Nuacutemero de diapositiva 36
  • Nuacutemero de diapositiva 37
  • Nuacutemero de diapositiva 38
  • Nuacutemero de diapositiva 39
  • Nuacutemero de diapositiva 40
  • 47 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 42
  • Nuacutemero de diapositiva 43
  • Nuacutemero de diapositiva 44
  • Nuacutemero de diapositiva 45
  • Nuacutemero de diapositiva 46
  • Nuacutemero de diapositiva 47
  • Nuacutemero de diapositiva 48
  • Nuacutemero de diapositiva 49
  • Nuacutemero de diapositiva 50
  • Nuacutemero de diapositiva 51
  • Nuacutemero de diapositiva 52
  • Nuacutemero de diapositiva 53
  • Nuacutemero de diapositiva 54
  • 48 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 56
  • Nuacutemero de diapositiva 57
  • Nuacutemero de diapositiva 58
  • Nuacutemero de diapositiva 59
  • Nuacutemero de diapositiva 60
  • Nuacutemero de diapositiva 61
  • Nuacutemero de diapositiva 62
  • Nuacutemero de diapositiva 63
  • Nuacutemero de diapositiva 64
  • Nuacutemero de diapositiva 65
  • Nuacutemero de diapositiva 66
  • Nuacutemero de diapositiva 67
  • Nuacutemero de diapositiva 68
  • Nuacutemero de diapositiva 69
  • Nuacutemero de diapositiva 70
  • Nuacutemero de diapositiva 71
  • Nuacutemero de diapositiva 72
  • Nuacutemero de diapositiva 73
  • Nuacutemero de diapositiva 74

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ENTENDIENDO LAS IMAacuteGENES

conceptos de kernel

FILTRADO ESPACIAL Figura - CCRS CCT FILTRADO EN EL DOMINIO

ESPACIAL Lo mas comuacuten es la aplicacioacuten de una ventana deslizante con valores que son coeficientes fijos de una matriz La MATRIZ se suele llamar KERNEL o nuacutecleo del filtro

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DIGITAL

ENTENDIENDO LAS IMAacuteGENES

aplicacioacuten del kernel

3 x 3 5 x 5 7 x 7

1 1 1

1 2 1

1 1 1 matrices

LOS VALORES DEL KERNEL SE MULTIPLICAN POR EL PIacuteXEL QUE TIENEN DEBAJO Y LUEGO SE SUMAN TODOS LOS PRODUCTOS

Y PARA OBTENER EL VALOR DEL PIacuteXEL CENTRAL EN LA IMAGEN TRANSFORMADA SE LO DIVIDE POR LA SUMA DE LOS PONDERADOS O PESOS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO - PASO BAJO PASO ALTO

ENTENDIENDO LAS IMAacuteGENES

aplicacioacuten del kernel

26

FILTROS DE PASO BAJO SE FAVORECEN A LOS PIXELES

PERIFEacuteRICOS SE MINIMIZAN LAS DIFERENCIAS CON LOS VECINOS ES UNA ESPECIE DE SUAVIZADO

FILTRO DE PASO ALTO PONDERACIOacuteN DEL VALOR CENTRAL EN DETRIMENTO DE LOS CIRCUNDANTES

SE EXAGERAN DIFERENCIAS Y SE RESALTAN VARIACIONES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DE PASO BAJO

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm

simulacioacuten

IMAGEN ORIGINAL

FILTRO PASO BAJO 3x3 SE TRATA DE ASEMEJAR LOS VALORES DE ND DE UN PIXEL A LOS VALORES VECINOS EN TEacuteRMINOS VISUALES LA IMAGEN FILTRADA OFRECE PERFILES MENOS NIacuteTIDOS

FILTRO PASO BAJO 7x7 SIRVE PARA REDUCIR VARIABILIDAD ESPACIAL DE ALGUNA CATEGORIacuteA ANTES DE UN PROCESO DE CLASIFICACIOacuteN

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DE PASO ALTO

ENTENDIENDO LAS IMAacuteGENES

IMAGEN ORIGINAL

FILTRO PASO ALTO 3x3 SE TRATA DE AISLAR LOS COMPONENTES DE ALTA FRECUENCIA Y REMARCAR DIGITALMENTE CONTRASTES EN TEacuteRMINOS VISUALES LA IMAGEN FILTRADA REFUERZA LOS CONTORNOS EN AacuteREAS HOMOGEacuteNEAS

FILTRO PASO ALTO 7x7 SIRVE PARA LOGRAR REALCES DE RASGOS LINEALES COMO PUEDEN SER EN AacuteREAS URBANAS O RASGOS GEOLOacuteGICOS

simulacioacuten

httpgeograuahesrtm

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

Figura - Landsat USGS

IMAGEN ORIGINAL

FILTRO DIRECCIONAL PERMITEN IDENTIFICAR LOS RASGOS FRONTERIZOS EN LAS IMAacuteGENES COMO LOS FILTROS ANTERIORES PERO AHORA CONSIDERANDO LA ORIENTACIOacuteN

se tiene en cuenta la

orientacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

matrices con direccioacuten

NORTE

1 1 1

1 -2 1

-1 -1 -1

SUR

-1 -1 -1

1 -2 1

1 1 1

ESTE

-1 1 1

-1 -2 1

-1 1 1

OESTE

1 1 -1

1 -2 -1

1 1 -1

SURESTE

-1 -1 1

-1 -2 1

1 1 1

NOROESTE

1 1 1

1 -2 -1

1 -1 -1

SUROESTE

1 -1 -1

1 -2 -1

1 1 1

NORESTE

1 1 1

-1 -2 1

-1 -1 1

OBSERVACIOacuteN

LOS NOMBRES OBEDECEN A LA DIRECCIOacuteN DEL CONTRASTE QUE SENtildeALAN

LA DIRECCIOacuteN QUE REALZAN ES JUSTAMENTE LA PERPENDICULAR

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

48 Interpretacioacuten de Imaacutegenes

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Correcciones geomeacutetricas Georreferenciacioacuten Uso de puntos de control Fuentes de error Procesamiento geomeacutetrico Correccioacuten Transformacioacuten geomeacutetrica Calidad y ajuste Generacioacuten de la nueva imagen Transferencia de ND

INSTITUTO DE AGRIMENSURA - DEPARTAMENTO DE GEOMAacuteTICA PROF ADJUNTO GRADO 3 EDISON J ROSAS BERTON

El tratamiento de una imagen de sateacutelite Georreferenciacioacuten

(paso de un sistema de filas y columnas a un sistema de coordenadas estandard)

Para ello debe obtenerse una muestra de puntos de control de los que conozcamos tanto sus coordenadas reales como sus coordenadas en

la imagen deben ser por tanto objetos de un tamantildeo adecuado para resultar identificables tanto en la imagen como sobre el terreno el tamantildeo

dependeraacute loacutegicamente de la resolucioacuten de la imagen A partir de estos puntos de control se obtendraacuten por regresioacuten unas ecuaciones que permitiraacuten a cada par filacolumna un par de coordenadas

XY

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

GEORREFERENCIACIOacuteN

ENTENDIENDO LAS IMAacuteGENES

georreferenciacioacuten porqueacute

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PUNTOS DE CONTROL

ENTENDIENDO LAS IMAacuteGENES

uso de puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

DISTORSIONES POR LA PLATAFORMA ALTITUD DE LA OacuteRBITA ndash Cambio de escala

VELOCIDAD ndash Cambios de escala ORIENTACIOacuteN DE LOS TRES EJES ndash Distorsiones en la geometriacutea

NO SISTEMAacuteTICOS Y COMPLEJOS DE MODELAR

DISTORSIONES POR ROTACIOacuteN TERRESTRE

CONSIDERANDO ALTITUD (800 Km) y TAMANtildeO DE LA IMAGEN (180 Km)ndashEn latitudes medias tarda en adquirir unos 30 segundos la Tierra se desplaza unos 8 Km

ORIENTACIOacuteN NE SW

DISTORSIONES POR EL SENSOR ANOMALIacuteAS SENSOR y MOVIMIENTO ESPEJO ndash Barrido no lineal o cambio en intervalos

AacuteNGULO DE BARRIDO ndash Variacioacuten en el tamantildeo de pixel

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ERROR EN UNA IMAGEN ESPACIAL

ENTENDIENDO LAS IMAacuteGENES

fuentes de error

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Una correccioacuten geomeacutetrica incluye CUALQUIER CAMBIO EN LA POSICIOacuteN DE LOS PIXELES que

conforman la imagen f (c`) = f1 (c l) f (x y) f (l`) = f2 (c l) f (x y)

COORDENADAS DE IMAGEN CORREGIDA SON FUNCIOacuteN DE COORDENADAS COLUMNA Y LIacuteNEA DE LA

IMAGEN DE ENTRADA O DE LAS COORDENADAS DE MAPA AL QUE SUPERPONDREMOS LA IMAGEN

1 CON OBJETIVO DE REALIZAR UNA TRANSFORMACIOacuteN GEOMEacuteTRICA QUE PERMITA AJUSTARLA A OTRA IMAGEN REFERENCIA NORMALMENTE PARA REALIZAR ESTUDIOS MULTITEMPORALES O MOSAICOS CON EL FIN DE AMPLIAR LOS DATOS E INFORMACIOacuteN DE UNA ZONA

2 ESTO PERMITIRAacute QUE LA NUEVA IMAGEN LA PUEDA INTEGRAR CON INFORMACIOacuteN DE OTRAS FUENTES POR EJEMPLO EN UN AMBIENTE SIG

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

correccioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

asumimos que

NO SE CONOCE EL ORIGEN DE LOS ERRORES

modelamos

ECUACIONES EMPIacuteRICAS

aplicadas a un conjunto de puntos

COORDENADAS CONOCIDAS IMAGEN INPUT e IMAGEN OUTPUT

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

1 ndash SELECCIOacuteN DE REFERENCIAS 2 ndash ECUACIONES DE AJUSTE

3 ndash GENERACIOacuteN DE LA IMAGEN CORREGIDA

ES OBVIO CALIDAD DEL AJUSTE DEPENDERAacute DE PRECISIOacuteN CON QUE SE

LOCALICEN LOS PUNTOS DE CONTROL INEXACTA LOCALIZACIOacuteN

DISTRIBUCIOacuteN MUY SECTORIZADA NUacuteMERO DE PUNTOS DE CONTROL INADECUADO

ESTABLECER LOS PUNTOS DE CONTROL FASE MAS CRUCIAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

procesamiento de la correccioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Resaltamos la importancia de

NUacuteMERO LOCALIZACIOacuteN DISTRIBUCIOacuteN

Que debemos atender Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

que considero UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash Croquis ilustrativos de apoyo

TERRENO O ZONAS PLANAS CON IMG OBTENIDAS POR UN SENSOR DE ESTRECHA VISIOacuteN DE CAMPO

TRANSFORMACIOacuteN

BASADO EN ECUACIONES LINEALES SIMPLES

TERRENO ESCARPADO O RUGOSO O UTILIZACIOacuteN DE IMG OBTENIDAS EN UN SENSOR CON VARIACIONES EN LAS CONDICIONES DE OBSERVACIOacuteN

TRANSFORMACIOacuteN MAacuteS COMPLEJA

POLINOMIOS DE SEGUNDO O TERCER ORDEN

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Desde un punto de vista matemaacutetico

GRADO 1 ndash 3 puntos GRADO 2 ndash 6 puntos GRADO 3 ndash 10 puntos

Seguacuten mis objetivos del trabajo no es conveniente utilizar esos miacutenimos

14 a 20 puntos (Landsat 5 MMS ndash seguacuten Bernstein R y D G Ferneyhough Jr 1978)

100 a 120 puntos (Landsat 7 TM ndash seguacuten el National Remote Sensing Center de Inglaterra)

10 o 12 puntos (Pequentildea zona de 512 x 512 pixeles ndash seguacuten Emilio Chuvieco 2010)

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

matemaacuteticamente UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

QUE DEBEMOS DE CONSIDERAR EN CUANTO A LA LOCALIZACIOacuteN

CLARAMENTE IDENTIFICABLES EN IMAGEN Y MAPA RASGOS HUMANOS DEL PAISAJE NO SUJETOS A DINAMISMO TEMPORAL

CRUCE DE CARRETERAS

CAMINOS VIacuteA FEacuteRREAS

NO CONSIDERAR ELEMENTOS ASOCIADOS AL AGUA

COSTA CURSOS DE AGUA

EMBALSES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

localizacioacuten TCP UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la correccioacuten digital de la geometriacutea de una imagen se realiza a partir de establecer unas funciones que relacionen las coordenadas de la imagen

y las coordenadas del mapa

EJ CASO MAS SIMPLE REGRESIOacuteN LINEAL MUacuteLTIPLE

ci = a0 + a1 Xi + a2 Yi li = b0 + b1 Xi + b2 Yi

EN LA PRAacuteCTICA BASTA UNA FUNCIOacuteN LINEAL PARA ABORDAR UN GRAN NUacuteMERO DE

TRANSFORMACIONES Y SON SUFICIENTES SI LAS IMAacuteGENES NO SON MUY GRANDES ANTE LA NECESIDAD DE OTRAS TRANSFORMACIONES SE UTILIZAN DE 2ordm y 3ordm ORDEN CONSIDERANDO ALTERACIONES GEOMEacuteTRICAS NO LINEALES (FUNCIONES QUE NO SE DEFINEN EN UN PLANO

CON EJES LINEALES SINO QUE SUPERFICIES CON EJES CURVILIacuteNEOS)

LOS COEFICIENTES DE LAS FUNCIONES DE TRANSFORMACIOacuteN SE CALCULAN A PARTIR DE UN AJUSTE POR MIacuteNIMOS CUADRADOS

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

funciones de transformacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash ejemplos de funciones de transformacioacuten geomeacutetrica con el efecto causado

TRASLACIOacuteN

CAMBIO DE ESCALA

INCLINACIOacuteN

PERSPECTIVA

ROTACIOacuteN

x = a0 + xacute y = b0 + yacute

x = xacute + a2 yacute y = yacute

x = a1 xacute y = b1 yacute

x = a3xacute yacute y = yacute

x = a4xacute + a5yacute y = b4xacute + b5yacute a4 = b5 = cos Ɵ a5 = -b4 = sen Ɵ

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

transformacioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

comparacioacuten coordenadas reales y las estimadas por la regresioacuten

el promedio de los residuales se conoce como error medio cuadraacutetico

la calidad del ajuste lo da el RMSE (root mean squared error)

(error medio cuadraacutetico)

RMSE es la raiacutez cuadrada de las desviaciones entre los valores reales y los

calculados

RMSE para cada punto es la raiacutez de los residuales al cuadrado que es la distancia entre ellos

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

RMSE UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la praacutectica hace que fijemos una TOLERANCIA y es que si ese promedio supera un valor fijado previamente haya que rever

el valor fijado previamente generalmente es igual o menor a un PIXEL

una correcta verificacioacuten

NECESITA introducir PUNTOS de VERIFICACIOacuteN

que no hayan sido introducidos en el ajuste

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

tolerancias fijadas

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

traducimos coordenadas de un mapa a la imagen tambieacuten necesitamos a la nueva imagen

TRANSFERIR LOS VALORES DIGITALES no olvidar que lo que queremos es generar una nueva imagen que se

corresponda con las coordenadas y las funciones de ajuste

NO ORIGINAN NUEVA IMAGEN solo colocan a los pixeles en la posicioacuten correcta

en criollo las funciones de transformacioacuten generan una nueva matriz bien posicionada pero vaciacutea

DEBEMOS LLENAR LA MATRIZ problema maacutes complejo de lo que puede

pensarse Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

generacioacuten de la nueva imaacutegen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

cada pixel de la imagen corregida se corresponderiacutea con un pixel de la imagen original

LEJOS DE ESE IDEAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo I

vecino maacutes proacuteximo ( nearest neighbour )

a cada celda de la imagen corregida se asigna el ND del pixel maacutes cercano de la

imagen original

SOLUCIOacuteN RAacutePIDA MENOR DISTORSIOacuteN DE LOS ND

INTRODUCE RASGOS LINEALES QUE DISTORSIONAN

CORRECCIOacuteN DE IMAacuteGENES CLASIFICADAS

CONSERVAR LA RADIOMETRIacuteA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo II

interpolacioacuten bilineal ( bilinear interpolation )

supone promediar los ND de los cuatro pixeles mas cercanos

con ponderacioacuten seguacuten la distancia pixeles originalcorregido

REDUCE EL EFECTO DE DISTORSIOacuteN EN RASGOS LINEALES

TIENDE A DIFUMINAR LOS CONTRASTES ESPACIALES

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE IMAacuteGENES RECTIFICADAS MAPAS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo III

convolusioacuten cuacutebica ( cubic convolution )

supone considerar los ND de los 16 pixeles mas proacuteximos

media ponderada seguacuten la distancia pixeles originalcorregido

EFECTO VISUAL MAS CORRECTO

VOLUacuteMEN DE CAacuteLCULO MUY SUPERIOR TENDENCIA A AGUDIZAR BORDES DE LA IMAGEN

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE ORTOIMAacuteGENES IMPRESIONES DE CALIDAD

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

  • Nuacutemero de diapositiva 1
  • Nuacutemero de diapositiva 2
  • MOacuteDULO IV
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 5
  • Nuacutemero de diapositiva 6
  • Nuacutemero de diapositiva 7
  • Nuacutemero de diapositiva 8
  • Nuacutemero de diapositiva 9
  • Nuacutemero de diapositiva 10
  • Nuacutemero de diapositiva 11
  • Nuacutemero de diapositiva 12
  • Nuacutemero de diapositiva 13
  • Nuacutemero de diapositiva 14
  • Nuacutemero de diapositiva 15
  • Nuacutemero de diapositiva 16
  • Nuacutemero de diapositiva 17
  • Nuacutemero de diapositiva 18
  • Nuacutemero de diapositiva 19
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 21
  • Nuacutemero de diapositiva 22
  • Nuacutemero de diapositiva 23
  • Nuacutemero de diapositiva 24
  • Nuacutemero de diapositiva 25
  • Nuacutemero de diapositiva 26
  • Nuacutemero de diapositiva 27
  • Nuacutemero de diapositiva 28
  • Nuacutemero de diapositiva 29
  • Nuacutemero de diapositiva 30
  • Nuacutemero de diapositiva 31
  • Nuacutemero de diapositiva 32
  • Nuacutemero de diapositiva 33
  • Nuacutemero de diapositiva 34
  • Nuacutemero de diapositiva 35
  • Nuacutemero de diapositiva 36
  • Nuacutemero de diapositiva 37
  • Nuacutemero de diapositiva 38
  • Nuacutemero de diapositiva 39
  • Nuacutemero de diapositiva 40
  • 47 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 42
  • Nuacutemero de diapositiva 43
  • Nuacutemero de diapositiva 44
  • Nuacutemero de diapositiva 45
  • Nuacutemero de diapositiva 46
  • Nuacutemero de diapositiva 47
  • Nuacutemero de diapositiva 48
  • Nuacutemero de diapositiva 49
  • Nuacutemero de diapositiva 50
  • Nuacutemero de diapositiva 51
  • Nuacutemero de diapositiva 52
  • Nuacutemero de diapositiva 53
  • Nuacutemero de diapositiva 54
  • 48 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 56
  • Nuacutemero de diapositiva 57
  • Nuacutemero de diapositiva 58
  • Nuacutemero de diapositiva 59
  • Nuacutemero de diapositiva 60
  • Nuacutemero de diapositiva 61
  • Nuacutemero de diapositiva 62
  • Nuacutemero de diapositiva 63
  • Nuacutemero de diapositiva 64
  • Nuacutemero de diapositiva 65
  • Nuacutemero de diapositiva 66
  • Nuacutemero de diapositiva 67
  • Nuacutemero de diapositiva 68
  • Nuacutemero de diapositiva 69
  • Nuacutemero de diapositiva 70
  • Nuacutemero de diapositiva 71
  • Nuacutemero de diapositiva 72
  • Nuacutemero de diapositiva 73
  • Nuacutemero de diapositiva 74

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DIGITAL

ENTENDIENDO LAS IMAacuteGENES

aplicacioacuten del kernel

3 x 3 5 x 5 7 x 7

1 1 1

1 2 1

1 1 1 matrices

LOS VALORES DEL KERNEL SE MULTIPLICAN POR EL PIacuteXEL QUE TIENEN DEBAJO Y LUEGO SE SUMAN TODOS LOS PRODUCTOS

Y PARA OBTENER EL VALOR DEL PIacuteXEL CENTRAL EN LA IMAGEN TRANSFORMADA SE LO DIVIDE POR LA SUMA DE LOS PONDERADOS O PESOS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO - PASO BAJO PASO ALTO

ENTENDIENDO LAS IMAacuteGENES

aplicacioacuten del kernel

26

FILTROS DE PASO BAJO SE FAVORECEN A LOS PIXELES

PERIFEacuteRICOS SE MINIMIZAN LAS DIFERENCIAS CON LOS VECINOS ES UNA ESPECIE DE SUAVIZADO

FILTRO DE PASO ALTO PONDERACIOacuteN DEL VALOR CENTRAL EN DETRIMENTO DE LOS CIRCUNDANTES

SE EXAGERAN DIFERENCIAS Y SE RESALTAN VARIACIONES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DE PASO BAJO

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm

simulacioacuten

IMAGEN ORIGINAL

FILTRO PASO BAJO 3x3 SE TRATA DE ASEMEJAR LOS VALORES DE ND DE UN PIXEL A LOS VALORES VECINOS EN TEacuteRMINOS VISUALES LA IMAGEN FILTRADA OFRECE PERFILES MENOS NIacuteTIDOS

FILTRO PASO BAJO 7x7 SIRVE PARA REDUCIR VARIABILIDAD ESPACIAL DE ALGUNA CATEGORIacuteA ANTES DE UN PROCESO DE CLASIFICACIOacuteN

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DE PASO ALTO

ENTENDIENDO LAS IMAacuteGENES

IMAGEN ORIGINAL

FILTRO PASO ALTO 3x3 SE TRATA DE AISLAR LOS COMPONENTES DE ALTA FRECUENCIA Y REMARCAR DIGITALMENTE CONTRASTES EN TEacuteRMINOS VISUALES LA IMAGEN FILTRADA REFUERZA LOS CONTORNOS EN AacuteREAS HOMOGEacuteNEAS

FILTRO PASO ALTO 7x7 SIRVE PARA LOGRAR REALCES DE RASGOS LINEALES COMO PUEDEN SER EN AacuteREAS URBANAS O RASGOS GEOLOacuteGICOS

simulacioacuten

httpgeograuahesrtm

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

Figura - Landsat USGS

IMAGEN ORIGINAL

FILTRO DIRECCIONAL PERMITEN IDENTIFICAR LOS RASGOS FRONTERIZOS EN LAS IMAacuteGENES COMO LOS FILTROS ANTERIORES PERO AHORA CONSIDERANDO LA ORIENTACIOacuteN

se tiene en cuenta la

orientacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

matrices con direccioacuten

NORTE

1 1 1

1 -2 1

-1 -1 -1

SUR

-1 -1 -1

1 -2 1

1 1 1

ESTE

-1 1 1

-1 -2 1

-1 1 1

OESTE

1 1 -1

1 -2 -1

1 1 -1

SURESTE

-1 -1 1

-1 -2 1

1 1 1

NOROESTE

1 1 1

1 -2 -1

1 -1 -1

SUROESTE

1 -1 -1

1 -2 -1

1 1 1

NORESTE

1 1 1

-1 -2 1

-1 -1 1

OBSERVACIOacuteN

LOS NOMBRES OBEDECEN A LA DIRECCIOacuteN DEL CONTRASTE QUE SENtildeALAN

LA DIRECCIOacuteN QUE REALZAN ES JUSTAMENTE LA PERPENDICULAR

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

48 Interpretacioacuten de Imaacutegenes

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Correcciones geomeacutetricas Georreferenciacioacuten Uso de puntos de control Fuentes de error Procesamiento geomeacutetrico Correccioacuten Transformacioacuten geomeacutetrica Calidad y ajuste Generacioacuten de la nueva imagen Transferencia de ND

INSTITUTO DE AGRIMENSURA - DEPARTAMENTO DE GEOMAacuteTICA PROF ADJUNTO GRADO 3 EDISON J ROSAS BERTON

El tratamiento de una imagen de sateacutelite Georreferenciacioacuten

(paso de un sistema de filas y columnas a un sistema de coordenadas estandard)

Para ello debe obtenerse una muestra de puntos de control de los que conozcamos tanto sus coordenadas reales como sus coordenadas en

la imagen deben ser por tanto objetos de un tamantildeo adecuado para resultar identificables tanto en la imagen como sobre el terreno el tamantildeo

dependeraacute loacutegicamente de la resolucioacuten de la imagen A partir de estos puntos de control se obtendraacuten por regresioacuten unas ecuaciones que permitiraacuten a cada par filacolumna un par de coordenadas

XY

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

GEORREFERENCIACIOacuteN

ENTENDIENDO LAS IMAacuteGENES

georreferenciacioacuten porqueacute

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PUNTOS DE CONTROL

ENTENDIENDO LAS IMAacuteGENES

uso de puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

DISTORSIONES POR LA PLATAFORMA ALTITUD DE LA OacuteRBITA ndash Cambio de escala

VELOCIDAD ndash Cambios de escala ORIENTACIOacuteN DE LOS TRES EJES ndash Distorsiones en la geometriacutea

NO SISTEMAacuteTICOS Y COMPLEJOS DE MODELAR

DISTORSIONES POR ROTACIOacuteN TERRESTRE

CONSIDERANDO ALTITUD (800 Km) y TAMANtildeO DE LA IMAGEN (180 Km)ndashEn latitudes medias tarda en adquirir unos 30 segundos la Tierra se desplaza unos 8 Km

ORIENTACIOacuteN NE SW

DISTORSIONES POR EL SENSOR ANOMALIacuteAS SENSOR y MOVIMIENTO ESPEJO ndash Barrido no lineal o cambio en intervalos

AacuteNGULO DE BARRIDO ndash Variacioacuten en el tamantildeo de pixel

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ERROR EN UNA IMAGEN ESPACIAL

ENTENDIENDO LAS IMAacuteGENES

fuentes de error

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Una correccioacuten geomeacutetrica incluye CUALQUIER CAMBIO EN LA POSICIOacuteN DE LOS PIXELES que

conforman la imagen f (c`) = f1 (c l) f (x y) f (l`) = f2 (c l) f (x y)

COORDENADAS DE IMAGEN CORREGIDA SON FUNCIOacuteN DE COORDENADAS COLUMNA Y LIacuteNEA DE LA

IMAGEN DE ENTRADA O DE LAS COORDENADAS DE MAPA AL QUE SUPERPONDREMOS LA IMAGEN

1 CON OBJETIVO DE REALIZAR UNA TRANSFORMACIOacuteN GEOMEacuteTRICA QUE PERMITA AJUSTARLA A OTRA IMAGEN REFERENCIA NORMALMENTE PARA REALIZAR ESTUDIOS MULTITEMPORALES O MOSAICOS CON EL FIN DE AMPLIAR LOS DATOS E INFORMACIOacuteN DE UNA ZONA

2 ESTO PERMITIRAacute QUE LA NUEVA IMAGEN LA PUEDA INTEGRAR CON INFORMACIOacuteN DE OTRAS FUENTES POR EJEMPLO EN UN AMBIENTE SIG

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

correccioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

asumimos que

NO SE CONOCE EL ORIGEN DE LOS ERRORES

modelamos

ECUACIONES EMPIacuteRICAS

aplicadas a un conjunto de puntos

COORDENADAS CONOCIDAS IMAGEN INPUT e IMAGEN OUTPUT

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

1 ndash SELECCIOacuteN DE REFERENCIAS 2 ndash ECUACIONES DE AJUSTE

3 ndash GENERACIOacuteN DE LA IMAGEN CORREGIDA

ES OBVIO CALIDAD DEL AJUSTE DEPENDERAacute DE PRECISIOacuteN CON QUE SE

LOCALICEN LOS PUNTOS DE CONTROL INEXACTA LOCALIZACIOacuteN

DISTRIBUCIOacuteN MUY SECTORIZADA NUacuteMERO DE PUNTOS DE CONTROL INADECUADO

ESTABLECER LOS PUNTOS DE CONTROL FASE MAS CRUCIAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

procesamiento de la correccioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Resaltamos la importancia de

NUacuteMERO LOCALIZACIOacuteN DISTRIBUCIOacuteN

Que debemos atender Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

que considero UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash Croquis ilustrativos de apoyo

TERRENO O ZONAS PLANAS CON IMG OBTENIDAS POR UN SENSOR DE ESTRECHA VISIOacuteN DE CAMPO

TRANSFORMACIOacuteN

BASADO EN ECUACIONES LINEALES SIMPLES

TERRENO ESCARPADO O RUGOSO O UTILIZACIOacuteN DE IMG OBTENIDAS EN UN SENSOR CON VARIACIONES EN LAS CONDICIONES DE OBSERVACIOacuteN

TRANSFORMACIOacuteN MAacuteS COMPLEJA

POLINOMIOS DE SEGUNDO O TERCER ORDEN

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Desde un punto de vista matemaacutetico

GRADO 1 ndash 3 puntos GRADO 2 ndash 6 puntos GRADO 3 ndash 10 puntos

Seguacuten mis objetivos del trabajo no es conveniente utilizar esos miacutenimos

14 a 20 puntos (Landsat 5 MMS ndash seguacuten Bernstein R y D G Ferneyhough Jr 1978)

100 a 120 puntos (Landsat 7 TM ndash seguacuten el National Remote Sensing Center de Inglaterra)

10 o 12 puntos (Pequentildea zona de 512 x 512 pixeles ndash seguacuten Emilio Chuvieco 2010)

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

matemaacuteticamente UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

QUE DEBEMOS DE CONSIDERAR EN CUANTO A LA LOCALIZACIOacuteN

CLARAMENTE IDENTIFICABLES EN IMAGEN Y MAPA RASGOS HUMANOS DEL PAISAJE NO SUJETOS A DINAMISMO TEMPORAL

CRUCE DE CARRETERAS

CAMINOS VIacuteA FEacuteRREAS

NO CONSIDERAR ELEMENTOS ASOCIADOS AL AGUA

COSTA CURSOS DE AGUA

EMBALSES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

localizacioacuten TCP UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la correccioacuten digital de la geometriacutea de una imagen se realiza a partir de establecer unas funciones que relacionen las coordenadas de la imagen

y las coordenadas del mapa

EJ CASO MAS SIMPLE REGRESIOacuteN LINEAL MUacuteLTIPLE

ci = a0 + a1 Xi + a2 Yi li = b0 + b1 Xi + b2 Yi

EN LA PRAacuteCTICA BASTA UNA FUNCIOacuteN LINEAL PARA ABORDAR UN GRAN NUacuteMERO DE

TRANSFORMACIONES Y SON SUFICIENTES SI LAS IMAacuteGENES NO SON MUY GRANDES ANTE LA NECESIDAD DE OTRAS TRANSFORMACIONES SE UTILIZAN DE 2ordm y 3ordm ORDEN CONSIDERANDO ALTERACIONES GEOMEacuteTRICAS NO LINEALES (FUNCIONES QUE NO SE DEFINEN EN UN PLANO

CON EJES LINEALES SINO QUE SUPERFICIES CON EJES CURVILIacuteNEOS)

LOS COEFICIENTES DE LAS FUNCIONES DE TRANSFORMACIOacuteN SE CALCULAN A PARTIR DE UN AJUSTE POR MIacuteNIMOS CUADRADOS

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

funciones de transformacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash ejemplos de funciones de transformacioacuten geomeacutetrica con el efecto causado

TRASLACIOacuteN

CAMBIO DE ESCALA

INCLINACIOacuteN

PERSPECTIVA

ROTACIOacuteN

x = a0 + xacute y = b0 + yacute

x = xacute + a2 yacute y = yacute

x = a1 xacute y = b1 yacute

x = a3xacute yacute y = yacute

x = a4xacute + a5yacute y = b4xacute + b5yacute a4 = b5 = cos Ɵ a5 = -b4 = sen Ɵ

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

transformacioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

comparacioacuten coordenadas reales y las estimadas por la regresioacuten

el promedio de los residuales se conoce como error medio cuadraacutetico

la calidad del ajuste lo da el RMSE (root mean squared error)

(error medio cuadraacutetico)

RMSE es la raiacutez cuadrada de las desviaciones entre los valores reales y los

calculados

RMSE para cada punto es la raiacutez de los residuales al cuadrado que es la distancia entre ellos

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

RMSE UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la praacutectica hace que fijemos una TOLERANCIA y es que si ese promedio supera un valor fijado previamente haya que rever

el valor fijado previamente generalmente es igual o menor a un PIXEL

una correcta verificacioacuten

NECESITA introducir PUNTOS de VERIFICACIOacuteN

que no hayan sido introducidos en el ajuste

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

tolerancias fijadas

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

traducimos coordenadas de un mapa a la imagen tambieacuten necesitamos a la nueva imagen

TRANSFERIR LOS VALORES DIGITALES no olvidar que lo que queremos es generar una nueva imagen que se

corresponda con las coordenadas y las funciones de ajuste

NO ORIGINAN NUEVA IMAGEN solo colocan a los pixeles en la posicioacuten correcta

en criollo las funciones de transformacioacuten generan una nueva matriz bien posicionada pero vaciacutea

DEBEMOS LLENAR LA MATRIZ problema maacutes complejo de lo que puede

pensarse Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

generacioacuten de la nueva imaacutegen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

cada pixel de la imagen corregida se corresponderiacutea con un pixel de la imagen original

LEJOS DE ESE IDEAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo I

vecino maacutes proacuteximo ( nearest neighbour )

a cada celda de la imagen corregida se asigna el ND del pixel maacutes cercano de la

imagen original

SOLUCIOacuteN RAacutePIDA MENOR DISTORSIOacuteN DE LOS ND

INTRODUCE RASGOS LINEALES QUE DISTORSIONAN

CORRECCIOacuteN DE IMAacuteGENES CLASIFICADAS

CONSERVAR LA RADIOMETRIacuteA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo II

interpolacioacuten bilineal ( bilinear interpolation )

supone promediar los ND de los cuatro pixeles mas cercanos

con ponderacioacuten seguacuten la distancia pixeles originalcorregido

REDUCE EL EFECTO DE DISTORSIOacuteN EN RASGOS LINEALES

TIENDE A DIFUMINAR LOS CONTRASTES ESPACIALES

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE IMAacuteGENES RECTIFICADAS MAPAS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo III

convolusioacuten cuacutebica ( cubic convolution )

supone considerar los ND de los 16 pixeles mas proacuteximos

media ponderada seguacuten la distancia pixeles originalcorregido

EFECTO VISUAL MAS CORRECTO

VOLUacuteMEN DE CAacuteLCULO MUY SUPERIOR TENDENCIA A AGUDIZAR BORDES DE LA IMAGEN

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE ORTOIMAacuteGENES IMPRESIONES DE CALIDAD

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

  • Nuacutemero de diapositiva 1
  • Nuacutemero de diapositiva 2
  • MOacuteDULO IV
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 5
  • Nuacutemero de diapositiva 6
  • Nuacutemero de diapositiva 7
  • Nuacutemero de diapositiva 8
  • Nuacutemero de diapositiva 9
  • Nuacutemero de diapositiva 10
  • Nuacutemero de diapositiva 11
  • Nuacutemero de diapositiva 12
  • Nuacutemero de diapositiva 13
  • Nuacutemero de diapositiva 14
  • Nuacutemero de diapositiva 15
  • Nuacutemero de diapositiva 16
  • Nuacutemero de diapositiva 17
  • Nuacutemero de diapositiva 18
  • Nuacutemero de diapositiva 19
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 21
  • Nuacutemero de diapositiva 22
  • Nuacutemero de diapositiva 23
  • Nuacutemero de diapositiva 24
  • Nuacutemero de diapositiva 25
  • Nuacutemero de diapositiva 26
  • Nuacutemero de diapositiva 27
  • Nuacutemero de diapositiva 28
  • Nuacutemero de diapositiva 29
  • Nuacutemero de diapositiva 30
  • Nuacutemero de diapositiva 31
  • Nuacutemero de diapositiva 32
  • Nuacutemero de diapositiva 33
  • Nuacutemero de diapositiva 34
  • Nuacutemero de diapositiva 35
  • Nuacutemero de diapositiva 36
  • Nuacutemero de diapositiva 37
  • Nuacutemero de diapositiva 38
  • Nuacutemero de diapositiva 39
  • Nuacutemero de diapositiva 40
  • 47 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 42
  • Nuacutemero de diapositiva 43
  • Nuacutemero de diapositiva 44
  • Nuacutemero de diapositiva 45
  • Nuacutemero de diapositiva 46
  • Nuacutemero de diapositiva 47
  • Nuacutemero de diapositiva 48
  • Nuacutemero de diapositiva 49
  • Nuacutemero de diapositiva 50
  • Nuacutemero de diapositiva 51
  • Nuacutemero de diapositiva 52
  • Nuacutemero de diapositiva 53
  • Nuacutemero de diapositiva 54
  • 48 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 56
  • Nuacutemero de diapositiva 57
  • Nuacutemero de diapositiva 58
  • Nuacutemero de diapositiva 59
  • Nuacutemero de diapositiva 60
  • Nuacutemero de diapositiva 61
  • Nuacutemero de diapositiva 62
  • Nuacutemero de diapositiva 63
  • Nuacutemero de diapositiva 64
  • Nuacutemero de diapositiva 65
  • Nuacutemero de diapositiva 66
  • Nuacutemero de diapositiva 67
  • Nuacutemero de diapositiva 68
  • Nuacutemero de diapositiva 69
  • Nuacutemero de diapositiva 70
  • Nuacutemero de diapositiva 71
  • Nuacutemero de diapositiva 72
  • Nuacutemero de diapositiva 73
  • Nuacutemero de diapositiva 74

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO - PASO BAJO PASO ALTO

ENTENDIENDO LAS IMAacuteGENES

aplicacioacuten del kernel

26

FILTROS DE PASO BAJO SE FAVORECEN A LOS PIXELES

PERIFEacuteRICOS SE MINIMIZAN LAS DIFERENCIAS CON LOS VECINOS ES UNA ESPECIE DE SUAVIZADO

FILTRO DE PASO ALTO PONDERACIOacuteN DEL VALOR CENTRAL EN DETRIMENTO DE LOS CIRCUNDANTES

SE EXAGERAN DIFERENCIAS Y SE RESALTAN VARIACIONES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DE PASO BAJO

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm

simulacioacuten

IMAGEN ORIGINAL

FILTRO PASO BAJO 3x3 SE TRATA DE ASEMEJAR LOS VALORES DE ND DE UN PIXEL A LOS VALORES VECINOS EN TEacuteRMINOS VISUALES LA IMAGEN FILTRADA OFRECE PERFILES MENOS NIacuteTIDOS

FILTRO PASO BAJO 7x7 SIRVE PARA REDUCIR VARIABILIDAD ESPACIAL DE ALGUNA CATEGORIacuteA ANTES DE UN PROCESO DE CLASIFICACIOacuteN

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DE PASO ALTO

ENTENDIENDO LAS IMAacuteGENES

IMAGEN ORIGINAL

FILTRO PASO ALTO 3x3 SE TRATA DE AISLAR LOS COMPONENTES DE ALTA FRECUENCIA Y REMARCAR DIGITALMENTE CONTRASTES EN TEacuteRMINOS VISUALES LA IMAGEN FILTRADA REFUERZA LOS CONTORNOS EN AacuteREAS HOMOGEacuteNEAS

FILTRO PASO ALTO 7x7 SIRVE PARA LOGRAR REALCES DE RASGOS LINEALES COMO PUEDEN SER EN AacuteREAS URBANAS O RASGOS GEOLOacuteGICOS

simulacioacuten

httpgeograuahesrtm

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

Figura - Landsat USGS

IMAGEN ORIGINAL

FILTRO DIRECCIONAL PERMITEN IDENTIFICAR LOS RASGOS FRONTERIZOS EN LAS IMAacuteGENES COMO LOS FILTROS ANTERIORES PERO AHORA CONSIDERANDO LA ORIENTACIOacuteN

se tiene en cuenta la

orientacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

matrices con direccioacuten

NORTE

1 1 1

1 -2 1

-1 -1 -1

SUR

-1 -1 -1

1 -2 1

1 1 1

ESTE

-1 1 1

-1 -2 1

-1 1 1

OESTE

1 1 -1

1 -2 -1

1 1 -1

SURESTE

-1 -1 1

-1 -2 1

1 1 1

NOROESTE

1 1 1

1 -2 -1

1 -1 -1

SUROESTE

1 -1 -1

1 -2 -1

1 1 1

NORESTE

1 1 1

-1 -2 1

-1 -1 1

OBSERVACIOacuteN

LOS NOMBRES OBEDECEN A LA DIRECCIOacuteN DEL CONTRASTE QUE SENtildeALAN

LA DIRECCIOacuteN QUE REALZAN ES JUSTAMENTE LA PERPENDICULAR

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

48 Interpretacioacuten de Imaacutegenes

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Correcciones geomeacutetricas Georreferenciacioacuten Uso de puntos de control Fuentes de error Procesamiento geomeacutetrico Correccioacuten Transformacioacuten geomeacutetrica Calidad y ajuste Generacioacuten de la nueva imagen Transferencia de ND

INSTITUTO DE AGRIMENSURA - DEPARTAMENTO DE GEOMAacuteTICA PROF ADJUNTO GRADO 3 EDISON J ROSAS BERTON

El tratamiento de una imagen de sateacutelite Georreferenciacioacuten

(paso de un sistema de filas y columnas a un sistema de coordenadas estandard)

Para ello debe obtenerse una muestra de puntos de control de los que conozcamos tanto sus coordenadas reales como sus coordenadas en

la imagen deben ser por tanto objetos de un tamantildeo adecuado para resultar identificables tanto en la imagen como sobre el terreno el tamantildeo

dependeraacute loacutegicamente de la resolucioacuten de la imagen A partir de estos puntos de control se obtendraacuten por regresioacuten unas ecuaciones que permitiraacuten a cada par filacolumna un par de coordenadas

XY

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

GEORREFERENCIACIOacuteN

ENTENDIENDO LAS IMAacuteGENES

georreferenciacioacuten porqueacute

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PUNTOS DE CONTROL

ENTENDIENDO LAS IMAacuteGENES

uso de puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

DISTORSIONES POR LA PLATAFORMA ALTITUD DE LA OacuteRBITA ndash Cambio de escala

VELOCIDAD ndash Cambios de escala ORIENTACIOacuteN DE LOS TRES EJES ndash Distorsiones en la geometriacutea

NO SISTEMAacuteTICOS Y COMPLEJOS DE MODELAR

DISTORSIONES POR ROTACIOacuteN TERRESTRE

CONSIDERANDO ALTITUD (800 Km) y TAMANtildeO DE LA IMAGEN (180 Km)ndashEn latitudes medias tarda en adquirir unos 30 segundos la Tierra se desplaza unos 8 Km

ORIENTACIOacuteN NE SW

DISTORSIONES POR EL SENSOR ANOMALIacuteAS SENSOR y MOVIMIENTO ESPEJO ndash Barrido no lineal o cambio en intervalos

AacuteNGULO DE BARRIDO ndash Variacioacuten en el tamantildeo de pixel

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ERROR EN UNA IMAGEN ESPACIAL

ENTENDIENDO LAS IMAacuteGENES

fuentes de error

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Una correccioacuten geomeacutetrica incluye CUALQUIER CAMBIO EN LA POSICIOacuteN DE LOS PIXELES que

conforman la imagen f (c`) = f1 (c l) f (x y) f (l`) = f2 (c l) f (x y)

COORDENADAS DE IMAGEN CORREGIDA SON FUNCIOacuteN DE COORDENADAS COLUMNA Y LIacuteNEA DE LA

IMAGEN DE ENTRADA O DE LAS COORDENADAS DE MAPA AL QUE SUPERPONDREMOS LA IMAGEN

1 CON OBJETIVO DE REALIZAR UNA TRANSFORMACIOacuteN GEOMEacuteTRICA QUE PERMITA AJUSTARLA A OTRA IMAGEN REFERENCIA NORMALMENTE PARA REALIZAR ESTUDIOS MULTITEMPORALES O MOSAICOS CON EL FIN DE AMPLIAR LOS DATOS E INFORMACIOacuteN DE UNA ZONA

2 ESTO PERMITIRAacute QUE LA NUEVA IMAGEN LA PUEDA INTEGRAR CON INFORMACIOacuteN DE OTRAS FUENTES POR EJEMPLO EN UN AMBIENTE SIG

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

correccioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

asumimos que

NO SE CONOCE EL ORIGEN DE LOS ERRORES

modelamos

ECUACIONES EMPIacuteRICAS

aplicadas a un conjunto de puntos

COORDENADAS CONOCIDAS IMAGEN INPUT e IMAGEN OUTPUT

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

1 ndash SELECCIOacuteN DE REFERENCIAS 2 ndash ECUACIONES DE AJUSTE

3 ndash GENERACIOacuteN DE LA IMAGEN CORREGIDA

ES OBVIO CALIDAD DEL AJUSTE DEPENDERAacute DE PRECISIOacuteN CON QUE SE

LOCALICEN LOS PUNTOS DE CONTROL INEXACTA LOCALIZACIOacuteN

DISTRIBUCIOacuteN MUY SECTORIZADA NUacuteMERO DE PUNTOS DE CONTROL INADECUADO

ESTABLECER LOS PUNTOS DE CONTROL FASE MAS CRUCIAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

procesamiento de la correccioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Resaltamos la importancia de

NUacuteMERO LOCALIZACIOacuteN DISTRIBUCIOacuteN

Que debemos atender Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

que considero UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash Croquis ilustrativos de apoyo

TERRENO O ZONAS PLANAS CON IMG OBTENIDAS POR UN SENSOR DE ESTRECHA VISIOacuteN DE CAMPO

TRANSFORMACIOacuteN

BASADO EN ECUACIONES LINEALES SIMPLES

TERRENO ESCARPADO O RUGOSO O UTILIZACIOacuteN DE IMG OBTENIDAS EN UN SENSOR CON VARIACIONES EN LAS CONDICIONES DE OBSERVACIOacuteN

TRANSFORMACIOacuteN MAacuteS COMPLEJA

POLINOMIOS DE SEGUNDO O TERCER ORDEN

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Desde un punto de vista matemaacutetico

GRADO 1 ndash 3 puntos GRADO 2 ndash 6 puntos GRADO 3 ndash 10 puntos

Seguacuten mis objetivos del trabajo no es conveniente utilizar esos miacutenimos

14 a 20 puntos (Landsat 5 MMS ndash seguacuten Bernstein R y D G Ferneyhough Jr 1978)

100 a 120 puntos (Landsat 7 TM ndash seguacuten el National Remote Sensing Center de Inglaterra)

10 o 12 puntos (Pequentildea zona de 512 x 512 pixeles ndash seguacuten Emilio Chuvieco 2010)

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

matemaacuteticamente UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

QUE DEBEMOS DE CONSIDERAR EN CUANTO A LA LOCALIZACIOacuteN

CLARAMENTE IDENTIFICABLES EN IMAGEN Y MAPA RASGOS HUMANOS DEL PAISAJE NO SUJETOS A DINAMISMO TEMPORAL

CRUCE DE CARRETERAS

CAMINOS VIacuteA FEacuteRREAS

NO CONSIDERAR ELEMENTOS ASOCIADOS AL AGUA

COSTA CURSOS DE AGUA

EMBALSES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

localizacioacuten TCP UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la correccioacuten digital de la geometriacutea de una imagen se realiza a partir de establecer unas funciones que relacionen las coordenadas de la imagen

y las coordenadas del mapa

EJ CASO MAS SIMPLE REGRESIOacuteN LINEAL MUacuteLTIPLE

ci = a0 + a1 Xi + a2 Yi li = b0 + b1 Xi + b2 Yi

EN LA PRAacuteCTICA BASTA UNA FUNCIOacuteN LINEAL PARA ABORDAR UN GRAN NUacuteMERO DE

TRANSFORMACIONES Y SON SUFICIENTES SI LAS IMAacuteGENES NO SON MUY GRANDES ANTE LA NECESIDAD DE OTRAS TRANSFORMACIONES SE UTILIZAN DE 2ordm y 3ordm ORDEN CONSIDERANDO ALTERACIONES GEOMEacuteTRICAS NO LINEALES (FUNCIONES QUE NO SE DEFINEN EN UN PLANO

CON EJES LINEALES SINO QUE SUPERFICIES CON EJES CURVILIacuteNEOS)

LOS COEFICIENTES DE LAS FUNCIONES DE TRANSFORMACIOacuteN SE CALCULAN A PARTIR DE UN AJUSTE POR MIacuteNIMOS CUADRADOS

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

funciones de transformacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash ejemplos de funciones de transformacioacuten geomeacutetrica con el efecto causado

TRASLACIOacuteN

CAMBIO DE ESCALA

INCLINACIOacuteN

PERSPECTIVA

ROTACIOacuteN

x = a0 + xacute y = b0 + yacute

x = xacute + a2 yacute y = yacute

x = a1 xacute y = b1 yacute

x = a3xacute yacute y = yacute

x = a4xacute + a5yacute y = b4xacute + b5yacute a4 = b5 = cos Ɵ a5 = -b4 = sen Ɵ

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

transformacioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

comparacioacuten coordenadas reales y las estimadas por la regresioacuten

el promedio de los residuales se conoce como error medio cuadraacutetico

la calidad del ajuste lo da el RMSE (root mean squared error)

(error medio cuadraacutetico)

RMSE es la raiacutez cuadrada de las desviaciones entre los valores reales y los

calculados

RMSE para cada punto es la raiacutez de los residuales al cuadrado que es la distancia entre ellos

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

RMSE UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la praacutectica hace que fijemos una TOLERANCIA y es que si ese promedio supera un valor fijado previamente haya que rever

el valor fijado previamente generalmente es igual o menor a un PIXEL

una correcta verificacioacuten

NECESITA introducir PUNTOS de VERIFICACIOacuteN

que no hayan sido introducidos en el ajuste

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

tolerancias fijadas

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

traducimos coordenadas de un mapa a la imagen tambieacuten necesitamos a la nueva imagen

TRANSFERIR LOS VALORES DIGITALES no olvidar que lo que queremos es generar una nueva imagen que se

corresponda con las coordenadas y las funciones de ajuste

NO ORIGINAN NUEVA IMAGEN solo colocan a los pixeles en la posicioacuten correcta

en criollo las funciones de transformacioacuten generan una nueva matriz bien posicionada pero vaciacutea

DEBEMOS LLENAR LA MATRIZ problema maacutes complejo de lo que puede

pensarse Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

generacioacuten de la nueva imaacutegen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

cada pixel de la imagen corregida se corresponderiacutea con un pixel de la imagen original

LEJOS DE ESE IDEAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo I

vecino maacutes proacuteximo ( nearest neighbour )

a cada celda de la imagen corregida se asigna el ND del pixel maacutes cercano de la

imagen original

SOLUCIOacuteN RAacutePIDA MENOR DISTORSIOacuteN DE LOS ND

INTRODUCE RASGOS LINEALES QUE DISTORSIONAN

CORRECCIOacuteN DE IMAacuteGENES CLASIFICADAS

CONSERVAR LA RADIOMETRIacuteA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo II

interpolacioacuten bilineal ( bilinear interpolation )

supone promediar los ND de los cuatro pixeles mas cercanos

con ponderacioacuten seguacuten la distancia pixeles originalcorregido

REDUCE EL EFECTO DE DISTORSIOacuteN EN RASGOS LINEALES

TIENDE A DIFUMINAR LOS CONTRASTES ESPACIALES

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE IMAacuteGENES RECTIFICADAS MAPAS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo III

convolusioacuten cuacutebica ( cubic convolution )

supone considerar los ND de los 16 pixeles mas proacuteximos

media ponderada seguacuten la distancia pixeles originalcorregido

EFECTO VISUAL MAS CORRECTO

VOLUacuteMEN DE CAacuteLCULO MUY SUPERIOR TENDENCIA A AGUDIZAR BORDES DE LA IMAGEN

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE ORTOIMAacuteGENES IMPRESIONES DE CALIDAD

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

  • Nuacutemero de diapositiva 1
  • Nuacutemero de diapositiva 2
  • MOacuteDULO IV
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 5
  • Nuacutemero de diapositiva 6
  • Nuacutemero de diapositiva 7
  • Nuacutemero de diapositiva 8
  • Nuacutemero de diapositiva 9
  • Nuacutemero de diapositiva 10
  • Nuacutemero de diapositiva 11
  • Nuacutemero de diapositiva 12
  • Nuacutemero de diapositiva 13
  • Nuacutemero de diapositiva 14
  • Nuacutemero de diapositiva 15
  • Nuacutemero de diapositiva 16
  • Nuacutemero de diapositiva 17
  • Nuacutemero de diapositiva 18
  • Nuacutemero de diapositiva 19
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 21
  • Nuacutemero de diapositiva 22
  • Nuacutemero de diapositiva 23
  • Nuacutemero de diapositiva 24
  • Nuacutemero de diapositiva 25
  • Nuacutemero de diapositiva 26
  • Nuacutemero de diapositiva 27
  • Nuacutemero de diapositiva 28
  • Nuacutemero de diapositiva 29
  • Nuacutemero de diapositiva 30
  • Nuacutemero de diapositiva 31
  • Nuacutemero de diapositiva 32
  • Nuacutemero de diapositiva 33
  • Nuacutemero de diapositiva 34
  • Nuacutemero de diapositiva 35
  • Nuacutemero de diapositiva 36
  • Nuacutemero de diapositiva 37
  • Nuacutemero de diapositiva 38
  • Nuacutemero de diapositiva 39
  • Nuacutemero de diapositiva 40
  • 47 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 42
  • Nuacutemero de diapositiva 43
  • Nuacutemero de diapositiva 44
  • Nuacutemero de diapositiva 45
  • Nuacutemero de diapositiva 46
  • Nuacutemero de diapositiva 47
  • Nuacutemero de diapositiva 48
  • Nuacutemero de diapositiva 49
  • Nuacutemero de diapositiva 50
  • Nuacutemero de diapositiva 51
  • Nuacutemero de diapositiva 52
  • Nuacutemero de diapositiva 53
  • Nuacutemero de diapositiva 54
  • 48 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 56
  • Nuacutemero de diapositiva 57
  • Nuacutemero de diapositiva 58
  • Nuacutemero de diapositiva 59
  • Nuacutemero de diapositiva 60
  • Nuacutemero de diapositiva 61
  • Nuacutemero de diapositiva 62
  • Nuacutemero de diapositiva 63
  • Nuacutemero de diapositiva 64
  • Nuacutemero de diapositiva 65
  • Nuacutemero de diapositiva 66
  • Nuacutemero de diapositiva 67
  • Nuacutemero de diapositiva 68
  • Nuacutemero de diapositiva 69
  • Nuacutemero de diapositiva 70
  • Nuacutemero de diapositiva 71
  • Nuacutemero de diapositiva 72
  • Nuacutemero de diapositiva 73
  • Nuacutemero de diapositiva 74

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DE PASO BAJO

ENTENDIENDO LAS IMAacuteGENES

httpgeograuahesrtm

simulacioacuten

IMAGEN ORIGINAL

FILTRO PASO BAJO 3x3 SE TRATA DE ASEMEJAR LOS VALORES DE ND DE UN PIXEL A LOS VALORES VECINOS EN TEacuteRMINOS VISUALES LA IMAGEN FILTRADA OFRECE PERFILES MENOS NIacuteTIDOS

FILTRO PASO BAJO 7x7 SIRVE PARA REDUCIR VARIABILIDAD ESPACIAL DE ALGUNA CATEGORIacuteA ANTES DE UN PROCESO DE CLASIFICACIOacuteN

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DE PASO ALTO

ENTENDIENDO LAS IMAacuteGENES

IMAGEN ORIGINAL

FILTRO PASO ALTO 3x3 SE TRATA DE AISLAR LOS COMPONENTES DE ALTA FRECUENCIA Y REMARCAR DIGITALMENTE CONTRASTES EN TEacuteRMINOS VISUALES LA IMAGEN FILTRADA REFUERZA LOS CONTORNOS EN AacuteREAS HOMOGEacuteNEAS

FILTRO PASO ALTO 7x7 SIRVE PARA LOGRAR REALCES DE RASGOS LINEALES COMO PUEDEN SER EN AacuteREAS URBANAS O RASGOS GEOLOacuteGICOS

simulacioacuten

httpgeograuahesrtm

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

Figura - Landsat USGS

IMAGEN ORIGINAL

FILTRO DIRECCIONAL PERMITEN IDENTIFICAR LOS RASGOS FRONTERIZOS EN LAS IMAacuteGENES COMO LOS FILTROS ANTERIORES PERO AHORA CONSIDERANDO LA ORIENTACIOacuteN

se tiene en cuenta la

orientacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

matrices con direccioacuten

NORTE

1 1 1

1 -2 1

-1 -1 -1

SUR

-1 -1 -1

1 -2 1

1 1 1

ESTE

-1 1 1

-1 -2 1

-1 1 1

OESTE

1 1 -1

1 -2 -1

1 1 -1

SURESTE

-1 -1 1

-1 -2 1

1 1 1

NOROESTE

1 1 1

1 -2 -1

1 -1 -1

SUROESTE

1 -1 -1

1 -2 -1

1 1 1

NORESTE

1 1 1

-1 -2 1

-1 -1 1

OBSERVACIOacuteN

LOS NOMBRES OBEDECEN A LA DIRECCIOacuteN DEL CONTRASTE QUE SENtildeALAN

LA DIRECCIOacuteN QUE REALZAN ES JUSTAMENTE LA PERPENDICULAR

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

48 Interpretacioacuten de Imaacutegenes

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Correcciones geomeacutetricas Georreferenciacioacuten Uso de puntos de control Fuentes de error Procesamiento geomeacutetrico Correccioacuten Transformacioacuten geomeacutetrica Calidad y ajuste Generacioacuten de la nueva imagen Transferencia de ND

INSTITUTO DE AGRIMENSURA - DEPARTAMENTO DE GEOMAacuteTICA PROF ADJUNTO GRADO 3 EDISON J ROSAS BERTON

El tratamiento de una imagen de sateacutelite Georreferenciacioacuten

(paso de un sistema de filas y columnas a un sistema de coordenadas estandard)

Para ello debe obtenerse una muestra de puntos de control de los que conozcamos tanto sus coordenadas reales como sus coordenadas en

la imagen deben ser por tanto objetos de un tamantildeo adecuado para resultar identificables tanto en la imagen como sobre el terreno el tamantildeo

dependeraacute loacutegicamente de la resolucioacuten de la imagen A partir de estos puntos de control se obtendraacuten por regresioacuten unas ecuaciones que permitiraacuten a cada par filacolumna un par de coordenadas

XY

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

GEORREFERENCIACIOacuteN

ENTENDIENDO LAS IMAacuteGENES

georreferenciacioacuten porqueacute

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PUNTOS DE CONTROL

ENTENDIENDO LAS IMAacuteGENES

uso de puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

DISTORSIONES POR LA PLATAFORMA ALTITUD DE LA OacuteRBITA ndash Cambio de escala

VELOCIDAD ndash Cambios de escala ORIENTACIOacuteN DE LOS TRES EJES ndash Distorsiones en la geometriacutea

NO SISTEMAacuteTICOS Y COMPLEJOS DE MODELAR

DISTORSIONES POR ROTACIOacuteN TERRESTRE

CONSIDERANDO ALTITUD (800 Km) y TAMANtildeO DE LA IMAGEN (180 Km)ndashEn latitudes medias tarda en adquirir unos 30 segundos la Tierra se desplaza unos 8 Km

ORIENTACIOacuteN NE SW

DISTORSIONES POR EL SENSOR ANOMALIacuteAS SENSOR y MOVIMIENTO ESPEJO ndash Barrido no lineal o cambio en intervalos

AacuteNGULO DE BARRIDO ndash Variacioacuten en el tamantildeo de pixel

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ERROR EN UNA IMAGEN ESPACIAL

ENTENDIENDO LAS IMAacuteGENES

fuentes de error

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Una correccioacuten geomeacutetrica incluye CUALQUIER CAMBIO EN LA POSICIOacuteN DE LOS PIXELES que

conforman la imagen f (c`) = f1 (c l) f (x y) f (l`) = f2 (c l) f (x y)

COORDENADAS DE IMAGEN CORREGIDA SON FUNCIOacuteN DE COORDENADAS COLUMNA Y LIacuteNEA DE LA

IMAGEN DE ENTRADA O DE LAS COORDENADAS DE MAPA AL QUE SUPERPONDREMOS LA IMAGEN

1 CON OBJETIVO DE REALIZAR UNA TRANSFORMACIOacuteN GEOMEacuteTRICA QUE PERMITA AJUSTARLA A OTRA IMAGEN REFERENCIA NORMALMENTE PARA REALIZAR ESTUDIOS MULTITEMPORALES O MOSAICOS CON EL FIN DE AMPLIAR LOS DATOS E INFORMACIOacuteN DE UNA ZONA

2 ESTO PERMITIRAacute QUE LA NUEVA IMAGEN LA PUEDA INTEGRAR CON INFORMACIOacuteN DE OTRAS FUENTES POR EJEMPLO EN UN AMBIENTE SIG

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

correccioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

asumimos que

NO SE CONOCE EL ORIGEN DE LOS ERRORES

modelamos

ECUACIONES EMPIacuteRICAS

aplicadas a un conjunto de puntos

COORDENADAS CONOCIDAS IMAGEN INPUT e IMAGEN OUTPUT

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

1 ndash SELECCIOacuteN DE REFERENCIAS 2 ndash ECUACIONES DE AJUSTE

3 ndash GENERACIOacuteN DE LA IMAGEN CORREGIDA

ES OBVIO CALIDAD DEL AJUSTE DEPENDERAacute DE PRECISIOacuteN CON QUE SE

LOCALICEN LOS PUNTOS DE CONTROL INEXACTA LOCALIZACIOacuteN

DISTRIBUCIOacuteN MUY SECTORIZADA NUacuteMERO DE PUNTOS DE CONTROL INADECUADO

ESTABLECER LOS PUNTOS DE CONTROL FASE MAS CRUCIAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

procesamiento de la correccioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Resaltamos la importancia de

NUacuteMERO LOCALIZACIOacuteN DISTRIBUCIOacuteN

Que debemos atender Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

que considero UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash Croquis ilustrativos de apoyo

TERRENO O ZONAS PLANAS CON IMG OBTENIDAS POR UN SENSOR DE ESTRECHA VISIOacuteN DE CAMPO

TRANSFORMACIOacuteN

BASADO EN ECUACIONES LINEALES SIMPLES

TERRENO ESCARPADO O RUGOSO O UTILIZACIOacuteN DE IMG OBTENIDAS EN UN SENSOR CON VARIACIONES EN LAS CONDICIONES DE OBSERVACIOacuteN

TRANSFORMACIOacuteN MAacuteS COMPLEJA

POLINOMIOS DE SEGUNDO O TERCER ORDEN

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Desde un punto de vista matemaacutetico

GRADO 1 ndash 3 puntos GRADO 2 ndash 6 puntos GRADO 3 ndash 10 puntos

Seguacuten mis objetivos del trabajo no es conveniente utilizar esos miacutenimos

14 a 20 puntos (Landsat 5 MMS ndash seguacuten Bernstein R y D G Ferneyhough Jr 1978)

100 a 120 puntos (Landsat 7 TM ndash seguacuten el National Remote Sensing Center de Inglaterra)

10 o 12 puntos (Pequentildea zona de 512 x 512 pixeles ndash seguacuten Emilio Chuvieco 2010)

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

matemaacuteticamente UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

QUE DEBEMOS DE CONSIDERAR EN CUANTO A LA LOCALIZACIOacuteN

CLARAMENTE IDENTIFICABLES EN IMAGEN Y MAPA RASGOS HUMANOS DEL PAISAJE NO SUJETOS A DINAMISMO TEMPORAL

CRUCE DE CARRETERAS

CAMINOS VIacuteA FEacuteRREAS

NO CONSIDERAR ELEMENTOS ASOCIADOS AL AGUA

COSTA CURSOS DE AGUA

EMBALSES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

localizacioacuten TCP UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la correccioacuten digital de la geometriacutea de una imagen se realiza a partir de establecer unas funciones que relacionen las coordenadas de la imagen

y las coordenadas del mapa

EJ CASO MAS SIMPLE REGRESIOacuteN LINEAL MUacuteLTIPLE

ci = a0 + a1 Xi + a2 Yi li = b0 + b1 Xi + b2 Yi

EN LA PRAacuteCTICA BASTA UNA FUNCIOacuteN LINEAL PARA ABORDAR UN GRAN NUacuteMERO DE

TRANSFORMACIONES Y SON SUFICIENTES SI LAS IMAacuteGENES NO SON MUY GRANDES ANTE LA NECESIDAD DE OTRAS TRANSFORMACIONES SE UTILIZAN DE 2ordm y 3ordm ORDEN CONSIDERANDO ALTERACIONES GEOMEacuteTRICAS NO LINEALES (FUNCIONES QUE NO SE DEFINEN EN UN PLANO

CON EJES LINEALES SINO QUE SUPERFICIES CON EJES CURVILIacuteNEOS)

LOS COEFICIENTES DE LAS FUNCIONES DE TRANSFORMACIOacuteN SE CALCULAN A PARTIR DE UN AJUSTE POR MIacuteNIMOS CUADRADOS

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

funciones de transformacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash ejemplos de funciones de transformacioacuten geomeacutetrica con el efecto causado

TRASLACIOacuteN

CAMBIO DE ESCALA

INCLINACIOacuteN

PERSPECTIVA

ROTACIOacuteN

x = a0 + xacute y = b0 + yacute

x = xacute + a2 yacute y = yacute

x = a1 xacute y = b1 yacute

x = a3xacute yacute y = yacute

x = a4xacute + a5yacute y = b4xacute + b5yacute a4 = b5 = cos Ɵ a5 = -b4 = sen Ɵ

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

transformacioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

comparacioacuten coordenadas reales y las estimadas por la regresioacuten

el promedio de los residuales se conoce como error medio cuadraacutetico

la calidad del ajuste lo da el RMSE (root mean squared error)

(error medio cuadraacutetico)

RMSE es la raiacutez cuadrada de las desviaciones entre los valores reales y los

calculados

RMSE para cada punto es la raiacutez de los residuales al cuadrado que es la distancia entre ellos

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

RMSE UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la praacutectica hace que fijemos una TOLERANCIA y es que si ese promedio supera un valor fijado previamente haya que rever

el valor fijado previamente generalmente es igual o menor a un PIXEL

una correcta verificacioacuten

NECESITA introducir PUNTOS de VERIFICACIOacuteN

que no hayan sido introducidos en el ajuste

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

tolerancias fijadas

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

traducimos coordenadas de un mapa a la imagen tambieacuten necesitamos a la nueva imagen

TRANSFERIR LOS VALORES DIGITALES no olvidar que lo que queremos es generar una nueva imagen que se

corresponda con las coordenadas y las funciones de ajuste

NO ORIGINAN NUEVA IMAGEN solo colocan a los pixeles en la posicioacuten correcta

en criollo las funciones de transformacioacuten generan una nueva matriz bien posicionada pero vaciacutea

DEBEMOS LLENAR LA MATRIZ problema maacutes complejo de lo que puede

pensarse Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

generacioacuten de la nueva imaacutegen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

cada pixel de la imagen corregida se corresponderiacutea con un pixel de la imagen original

LEJOS DE ESE IDEAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo I

vecino maacutes proacuteximo ( nearest neighbour )

a cada celda de la imagen corregida se asigna el ND del pixel maacutes cercano de la

imagen original

SOLUCIOacuteN RAacutePIDA MENOR DISTORSIOacuteN DE LOS ND

INTRODUCE RASGOS LINEALES QUE DISTORSIONAN

CORRECCIOacuteN DE IMAacuteGENES CLASIFICADAS

CONSERVAR LA RADIOMETRIacuteA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo II

interpolacioacuten bilineal ( bilinear interpolation )

supone promediar los ND de los cuatro pixeles mas cercanos

con ponderacioacuten seguacuten la distancia pixeles originalcorregido

REDUCE EL EFECTO DE DISTORSIOacuteN EN RASGOS LINEALES

TIENDE A DIFUMINAR LOS CONTRASTES ESPACIALES

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE IMAacuteGENES RECTIFICADAS MAPAS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo III

convolusioacuten cuacutebica ( cubic convolution )

supone considerar los ND de los 16 pixeles mas proacuteximos

media ponderada seguacuten la distancia pixeles originalcorregido

EFECTO VISUAL MAS CORRECTO

VOLUacuteMEN DE CAacuteLCULO MUY SUPERIOR TENDENCIA A AGUDIZAR BORDES DE LA IMAGEN

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE ORTOIMAacuteGENES IMPRESIONES DE CALIDAD

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

  • Nuacutemero de diapositiva 1
  • Nuacutemero de diapositiva 2
  • MOacuteDULO IV
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 5
  • Nuacutemero de diapositiva 6
  • Nuacutemero de diapositiva 7
  • Nuacutemero de diapositiva 8
  • Nuacutemero de diapositiva 9
  • Nuacutemero de diapositiva 10
  • Nuacutemero de diapositiva 11
  • Nuacutemero de diapositiva 12
  • Nuacutemero de diapositiva 13
  • Nuacutemero de diapositiva 14
  • Nuacutemero de diapositiva 15
  • Nuacutemero de diapositiva 16
  • Nuacutemero de diapositiva 17
  • Nuacutemero de diapositiva 18
  • Nuacutemero de diapositiva 19
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 21
  • Nuacutemero de diapositiva 22
  • Nuacutemero de diapositiva 23
  • Nuacutemero de diapositiva 24
  • Nuacutemero de diapositiva 25
  • Nuacutemero de diapositiva 26
  • Nuacutemero de diapositiva 27
  • Nuacutemero de diapositiva 28
  • Nuacutemero de diapositiva 29
  • Nuacutemero de diapositiva 30
  • Nuacutemero de diapositiva 31
  • Nuacutemero de diapositiva 32
  • Nuacutemero de diapositiva 33
  • Nuacutemero de diapositiva 34
  • Nuacutemero de diapositiva 35
  • Nuacutemero de diapositiva 36
  • Nuacutemero de diapositiva 37
  • Nuacutemero de diapositiva 38
  • Nuacutemero de diapositiva 39
  • Nuacutemero de diapositiva 40
  • 47 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 42
  • Nuacutemero de diapositiva 43
  • Nuacutemero de diapositiva 44
  • Nuacutemero de diapositiva 45
  • Nuacutemero de diapositiva 46
  • Nuacutemero de diapositiva 47
  • Nuacutemero de diapositiva 48
  • Nuacutemero de diapositiva 49
  • Nuacutemero de diapositiva 50
  • Nuacutemero de diapositiva 51
  • Nuacutemero de diapositiva 52
  • Nuacutemero de diapositiva 53
  • Nuacutemero de diapositiva 54
  • 48 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 56
  • Nuacutemero de diapositiva 57
  • Nuacutemero de diapositiva 58
  • Nuacutemero de diapositiva 59
  • Nuacutemero de diapositiva 60
  • Nuacutemero de diapositiva 61
  • Nuacutemero de diapositiva 62
  • Nuacutemero de diapositiva 63
  • Nuacutemero de diapositiva 64
  • Nuacutemero de diapositiva 65
  • Nuacutemero de diapositiva 66
  • Nuacutemero de diapositiva 67
  • Nuacutemero de diapositiva 68
  • Nuacutemero de diapositiva 69
  • Nuacutemero de diapositiva 70
  • Nuacutemero de diapositiva 71
  • Nuacutemero de diapositiva 72
  • Nuacutemero de diapositiva 73
  • Nuacutemero de diapositiva 74

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTRO DE PASO ALTO

ENTENDIENDO LAS IMAacuteGENES

IMAGEN ORIGINAL

FILTRO PASO ALTO 3x3 SE TRATA DE AISLAR LOS COMPONENTES DE ALTA FRECUENCIA Y REMARCAR DIGITALMENTE CONTRASTES EN TEacuteRMINOS VISUALES LA IMAGEN FILTRADA REFUERZA LOS CONTORNOS EN AacuteREAS HOMOGEacuteNEAS

FILTRO PASO ALTO 7x7 SIRVE PARA LOGRAR REALCES DE RASGOS LINEALES COMO PUEDEN SER EN AacuteREAS URBANAS O RASGOS GEOLOacuteGICOS

simulacioacuten

httpgeograuahesrtm

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

Figura - Landsat USGS

IMAGEN ORIGINAL

FILTRO DIRECCIONAL PERMITEN IDENTIFICAR LOS RASGOS FRONTERIZOS EN LAS IMAacuteGENES COMO LOS FILTROS ANTERIORES PERO AHORA CONSIDERANDO LA ORIENTACIOacuteN

se tiene en cuenta la

orientacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

matrices con direccioacuten

NORTE

1 1 1

1 -2 1

-1 -1 -1

SUR

-1 -1 -1

1 -2 1

1 1 1

ESTE

-1 1 1

-1 -2 1

-1 1 1

OESTE

1 1 -1

1 -2 -1

1 1 -1

SURESTE

-1 -1 1

-1 -2 1

1 1 1

NOROESTE

1 1 1

1 -2 -1

1 -1 -1

SUROESTE

1 -1 -1

1 -2 -1

1 1 1

NORESTE

1 1 1

-1 -2 1

-1 -1 1

OBSERVACIOacuteN

LOS NOMBRES OBEDECEN A LA DIRECCIOacuteN DEL CONTRASTE QUE SENtildeALAN

LA DIRECCIOacuteN QUE REALZAN ES JUSTAMENTE LA PERPENDICULAR

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

48 Interpretacioacuten de Imaacutegenes

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Correcciones geomeacutetricas Georreferenciacioacuten Uso de puntos de control Fuentes de error Procesamiento geomeacutetrico Correccioacuten Transformacioacuten geomeacutetrica Calidad y ajuste Generacioacuten de la nueva imagen Transferencia de ND

INSTITUTO DE AGRIMENSURA - DEPARTAMENTO DE GEOMAacuteTICA PROF ADJUNTO GRADO 3 EDISON J ROSAS BERTON

El tratamiento de una imagen de sateacutelite Georreferenciacioacuten

(paso de un sistema de filas y columnas a un sistema de coordenadas estandard)

Para ello debe obtenerse una muestra de puntos de control de los que conozcamos tanto sus coordenadas reales como sus coordenadas en

la imagen deben ser por tanto objetos de un tamantildeo adecuado para resultar identificables tanto en la imagen como sobre el terreno el tamantildeo

dependeraacute loacutegicamente de la resolucioacuten de la imagen A partir de estos puntos de control se obtendraacuten por regresioacuten unas ecuaciones que permitiraacuten a cada par filacolumna un par de coordenadas

XY

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

GEORREFERENCIACIOacuteN

ENTENDIENDO LAS IMAacuteGENES

georreferenciacioacuten porqueacute

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PUNTOS DE CONTROL

ENTENDIENDO LAS IMAacuteGENES

uso de puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

DISTORSIONES POR LA PLATAFORMA ALTITUD DE LA OacuteRBITA ndash Cambio de escala

VELOCIDAD ndash Cambios de escala ORIENTACIOacuteN DE LOS TRES EJES ndash Distorsiones en la geometriacutea

NO SISTEMAacuteTICOS Y COMPLEJOS DE MODELAR

DISTORSIONES POR ROTACIOacuteN TERRESTRE

CONSIDERANDO ALTITUD (800 Km) y TAMANtildeO DE LA IMAGEN (180 Km)ndashEn latitudes medias tarda en adquirir unos 30 segundos la Tierra se desplaza unos 8 Km

ORIENTACIOacuteN NE SW

DISTORSIONES POR EL SENSOR ANOMALIacuteAS SENSOR y MOVIMIENTO ESPEJO ndash Barrido no lineal o cambio en intervalos

AacuteNGULO DE BARRIDO ndash Variacioacuten en el tamantildeo de pixel

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ERROR EN UNA IMAGEN ESPACIAL

ENTENDIENDO LAS IMAacuteGENES

fuentes de error

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Una correccioacuten geomeacutetrica incluye CUALQUIER CAMBIO EN LA POSICIOacuteN DE LOS PIXELES que

conforman la imagen f (c`) = f1 (c l) f (x y) f (l`) = f2 (c l) f (x y)

COORDENADAS DE IMAGEN CORREGIDA SON FUNCIOacuteN DE COORDENADAS COLUMNA Y LIacuteNEA DE LA

IMAGEN DE ENTRADA O DE LAS COORDENADAS DE MAPA AL QUE SUPERPONDREMOS LA IMAGEN

1 CON OBJETIVO DE REALIZAR UNA TRANSFORMACIOacuteN GEOMEacuteTRICA QUE PERMITA AJUSTARLA A OTRA IMAGEN REFERENCIA NORMALMENTE PARA REALIZAR ESTUDIOS MULTITEMPORALES O MOSAICOS CON EL FIN DE AMPLIAR LOS DATOS E INFORMACIOacuteN DE UNA ZONA

2 ESTO PERMITIRAacute QUE LA NUEVA IMAGEN LA PUEDA INTEGRAR CON INFORMACIOacuteN DE OTRAS FUENTES POR EJEMPLO EN UN AMBIENTE SIG

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

correccioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

asumimos que

NO SE CONOCE EL ORIGEN DE LOS ERRORES

modelamos

ECUACIONES EMPIacuteRICAS

aplicadas a un conjunto de puntos

COORDENADAS CONOCIDAS IMAGEN INPUT e IMAGEN OUTPUT

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

1 ndash SELECCIOacuteN DE REFERENCIAS 2 ndash ECUACIONES DE AJUSTE

3 ndash GENERACIOacuteN DE LA IMAGEN CORREGIDA

ES OBVIO CALIDAD DEL AJUSTE DEPENDERAacute DE PRECISIOacuteN CON QUE SE

LOCALICEN LOS PUNTOS DE CONTROL INEXACTA LOCALIZACIOacuteN

DISTRIBUCIOacuteN MUY SECTORIZADA NUacuteMERO DE PUNTOS DE CONTROL INADECUADO

ESTABLECER LOS PUNTOS DE CONTROL FASE MAS CRUCIAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

procesamiento de la correccioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Resaltamos la importancia de

NUacuteMERO LOCALIZACIOacuteN DISTRIBUCIOacuteN

Que debemos atender Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

que considero UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash Croquis ilustrativos de apoyo

TERRENO O ZONAS PLANAS CON IMG OBTENIDAS POR UN SENSOR DE ESTRECHA VISIOacuteN DE CAMPO

TRANSFORMACIOacuteN

BASADO EN ECUACIONES LINEALES SIMPLES

TERRENO ESCARPADO O RUGOSO O UTILIZACIOacuteN DE IMG OBTENIDAS EN UN SENSOR CON VARIACIONES EN LAS CONDICIONES DE OBSERVACIOacuteN

TRANSFORMACIOacuteN MAacuteS COMPLEJA

POLINOMIOS DE SEGUNDO O TERCER ORDEN

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Desde un punto de vista matemaacutetico

GRADO 1 ndash 3 puntos GRADO 2 ndash 6 puntos GRADO 3 ndash 10 puntos

Seguacuten mis objetivos del trabajo no es conveniente utilizar esos miacutenimos

14 a 20 puntos (Landsat 5 MMS ndash seguacuten Bernstein R y D G Ferneyhough Jr 1978)

100 a 120 puntos (Landsat 7 TM ndash seguacuten el National Remote Sensing Center de Inglaterra)

10 o 12 puntos (Pequentildea zona de 512 x 512 pixeles ndash seguacuten Emilio Chuvieco 2010)

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

matemaacuteticamente UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

QUE DEBEMOS DE CONSIDERAR EN CUANTO A LA LOCALIZACIOacuteN

CLARAMENTE IDENTIFICABLES EN IMAGEN Y MAPA RASGOS HUMANOS DEL PAISAJE NO SUJETOS A DINAMISMO TEMPORAL

CRUCE DE CARRETERAS

CAMINOS VIacuteA FEacuteRREAS

NO CONSIDERAR ELEMENTOS ASOCIADOS AL AGUA

COSTA CURSOS DE AGUA

EMBALSES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

localizacioacuten TCP UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la correccioacuten digital de la geometriacutea de una imagen se realiza a partir de establecer unas funciones que relacionen las coordenadas de la imagen

y las coordenadas del mapa

EJ CASO MAS SIMPLE REGRESIOacuteN LINEAL MUacuteLTIPLE

ci = a0 + a1 Xi + a2 Yi li = b0 + b1 Xi + b2 Yi

EN LA PRAacuteCTICA BASTA UNA FUNCIOacuteN LINEAL PARA ABORDAR UN GRAN NUacuteMERO DE

TRANSFORMACIONES Y SON SUFICIENTES SI LAS IMAacuteGENES NO SON MUY GRANDES ANTE LA NECESIDAD DE OTRAS TRANSFORMACIONES SE UTILIZAN DE 2ordm y 3ordm ORDEN CONSIDERANDO ALTERACIONES GEOMEacuteTRICAS NO LINEALES (FUNCIONES QUE NO SE DEFINEN EN UN PLANO

CON EJES LINEALES SINO QUE SUPERFICIES CON EJES CURVILIacuteNEOS)

LOS COEFICIENTES DE LAS FUNCIONES DE TRANSFORMACIOacuteN SE CALCULAN A PARTIR DE UN AJUSTE POR MIacuteNIMOS CUADRADOS

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

funciones de transformacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash ejemplos de funciones de transformacioacuten geomeacutetrica con el efecto causado

TRASLACIOacuteN

CAMBIO DE ESCALA

INCLINACIOacuteN

PERSPECTIVA

ROTACIOacuteN

x = a0 + xacute y = b0 + yacute

x = xacute + a2 yacute y = yacute

x = a1 xacute y = b1 yacute

x = a3xacute yacute y = yacute

x = a4xacute + a5yacute y = b4xacute + b5yacute a4 = b5 = cos Ɵ a5 = -b4 = sen Ɵ

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

transformacioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

comparacioacuten coordenadas reales y las estimadas por la regresioacuten

el promedio de los residuales se conoce como error medio cuadraacutetico

la calidad del ajuste lo da el RMSE (root mean squared error)

(error medio cuadraacutetico)

RMSE es la raiacutez cuadrada de las desviaciones entre los valores reales y los

calculados

RMSE para cada punto es la raiacutez de los residuales al cuadrado que es la distancia entre ellos

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

RMSE UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la praacutectica hace que fijemos una TOLERANCIA y es que si ese promedio supera un valor fijado previamente haya que rever

el valor fijado previamente generalmente es igual o menor a un PIXEL

una correcta verificacioacuten

NECESITA introducir PUNTOS de VERIFICACIOacuteN

que no hayan sido introducidos en el ajuste

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

tolerancias fijadas

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

traducimos coordenadas de un mapa a la imagen tambieacuten necesitamos a la nueva imagen

TRANSFERIR LOS VALORES DIGITALES no olvidar que lo que queremos es generar una nueva imagen que se

corresponda con las coordenadas y las funciones de ajuste

NO ORIGINAN NUEVA IMAGEN solo colocan a los pixeles en la posicioacuten correcta

en criollo las funciones de transformacioacuten generan una nueva matriz bien posicionada pero vaciacutea

DEBEMOS LLENAR LA MATRIZ problema maacutes complejo de lo que puede

pensarse Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

generacioacuten de la nueva imaacutegen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

cada pixel de la imagen corregida se corresponderiacutea con un pixel de la imagen original

LEJOS DE ESE IDEAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo I

vecino maacutes proacuteximo ( nearest neighbour )

a cada celda de la imagen corregida se asigna el ND del pixel maacutes cercano de la

imagen original

SOLUCIOacuteN RAacutePIDA MENOR DISTORSIOacuteN DE LOS ND

INTRODUCE RASGOS LINEALES QUE DISTORSIONAN

CORRECCIOacuteN DE IMAacuteGENES CLASIFICADAS

CONSERVAR LA RADIOMETRIacuteA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo II

interpolacioacuten bilineal ( bilinear interpolation )

supone promediar los ND de los cuatro pixeles mas cercanos

con ponderacioacuten seguacuten la distancia pixeles originalcorregido

REDUCE EL EFECTO DE DISTORSIOacuteN EN RASGOS LINEALES

TIENDE A DIFUMINAR LOS CONTRASTES ESPACIALES

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE IMAacuteGENES RECTIFICADAS MAPAS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo III

convolusioacuten cuacutebica ( cubic convolution )

supone considerar los ND de los 16 pixeles mas proacuteximos

media ponderada seguacuten la distancia pixeles originalcorregido

EFECTO VISUAL MAS CORRECTO

VOLUacuteMEN DE CAacuteLCULO MUY SUPERIOR TENDENCIA A AGUDIZAR BORDES DE LA IMAGEN

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE ORTOIMAacuteGENES IMPRESIONES DE CALIDAD

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

  • Nuacutemero de diapositiva 1
  • Nuacutemero de diapositiva 2
  • MOacuteDULO IV
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 5
  • Nuacutemero de diapositiva 6
  • Nuacutemero de diapositiva 7
  • Nuacutemero de diapositiva 8
  • Nuacutemero de diapositiva 9
  • Nuacutemero de diapositiva 10
  • Nuacutemero de diapositiva 11
  • Nuacutemero de diapositiva 12
  • Nuacutemero de diapositiva 13
  • Nuacutemero de diapositiva 14
  • Nuacutemero de diapositiva 15
  • Nuacutemero de diapositiva 16
  • Nuacutemero de diapositiva 17
  • Nuacutemero de diapositiva 18
  • Nuacutemero de diapositiva 19
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 21
  • Nuacutemero de diapositiva 22
  • Nuacutemero de diapositiva 23
  • Nuacutemero de diapositiva 24
  • Nuacutemero de diapositiva 25
  • Nuacutemero de diapositiva 26
  • Nuacutemero de diapositiva 27
  • Nuacutemero de diapositiva 28
  • Nuacutemero de diapositiva 29
  • Nuacutemero de diapositiva 30
  • Nuacutemero de diapositiva 31
  • Nuacutemero de diapositiva 32
  • Nuacutemero de diapositiva 33
  • Nuacutemero de diapositiva 34
  • Nuacutemero de diapositiva 35
  • Nuacutemero de diapositiva 36
  • Nuacutemero de diapositiva 37
  • Nuacutemero de diapositiva 38
  • Nuacutemero de diapositiva 39
  • Nuacutemero de diapositiva 40
  • 47 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 42
  • Nuacutemero de diapositiva 43
  • Nuacutemero de diapositiva 44
  • Nuacutemero de diapositiva 45
  • Nuacutemero de diapositiva 46
  • Nuacutemero de diapositiva 47
  • Nuacutemero de diapositiva 48
  • Nuacutemero de diapositiva 49
  • Nuacutemero de diapositiva 50
  • Nuacutemero de diapositiva 51
  • Nuacutemero de diapositiva 52
  • Nuacutemero de diapositiva 53
  • Nuacutemero de diapositiva 54
  • 48 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 56
  • Nuacutemero de diapositiva 57
  • Nuacutemero de diapositiva 58
  • Nuacutemero de diapositiva 59
  • Nuacutemero de diapositiva 60
  • Nuacutemero de diapositiva 61
  • Nuacutemero de diapositiva 62
  • Nuacutemero de diapositiva 63
  • Nuacutemero de diapositiva 64
  • Nuacutemero de diapositiva 65
  • Nuacutemero de diapositiva 66
  • Nuacutemero de diapositiva 67
  • Nuacutemero de diapositiva 68
  • Nuacutemero de diapositiva 69
  • Nuacutemero de diapositiva 70
  • Nuacutemero de diapositiva 71
  • Nuacutemero de diapositiva 72
  • Nuacutemero de diapositiva 73
  • Nuacutemero de diapositiva 74

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

Figura - Landsat USGS

IMAGEN ORIGINAL

FILTRO DIRECCIONAL PERMITEN IDENTIFICAR LOS RASGOS FRONTERIZOS EN LAS IMAacuteGENES COMO LOS FILTROS ANTERIORES PERO AHORA CONSIDERANDO LA ORIENTACIOacuteN

se tiene en cuenta la

orientacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

matrices con direccioacuten

NORTE

1 1 1

1 -2 1

-1 -1 -1

SUR

-1 -1 -1

1 -2 1

1 1 1

ESTE

-1 1 1

-1 -2 1

-1 1 1

OESTE

1 1 -1

1 -2 -1

1 1 -1

SURESTE

-1 -1 1

-1 -2 1

1 1 1

NOROESTE

1 1 1

1 -2 -1

1 -1 -1

SUROESTE

1 -1 -1

1 -2 -1

1 1 1

NORESTE

1 1 1

-1 -2 1

-1 -1 1

OBSERVACIOacuteN

LOS NOMBRES OBEDECEN A LA DIRECCIOacuteN DEL CONTRASTE QUE SENtildeALAN

LA DIRECCIOacuteN QUE REALZAN ES JUSTAMENTE LA PERPENDICULAR

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

48 Interpretacioacuten de Imaacutegenes

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Correcciones geomeacutetricas Georreferenciacioacuten Uso de puntos de control Fuentes de error Procesamiento geomeacutetrico Correccioacuten Transformacioacuten geomeacutetrica Calidad y ajuste Generacioacuten de la nueva imagen Transferencia de ND

INSTITUTO DE AGRIMENSURA - DEPARTAMENTO DE GEOMAacuteTICA PROF ADJUNTO GRADO 3 EDISON J ROSAS BERTON

El tratamiento de una imagen de sateacutelite Georreferenciacioacuten

(paso de un sistema de filas y columnas a un sistema de coordenadas estandard)

Para ello debe obtenerse una muestra de puntos de control de los que conozcamos tanto sus coordenadas reales como sus coordenadas en

la imagen deben ser por tanto objetos de un tamantildeo adecuado para resultar identificables tanto en la imagen como sobre el terreno el tamantildeo

dependeraacute loacutegicamente de la resolucioacuten de la imagen A partir de estos puntos de control se obtendraacuten por regresioacuten unas ecuaciones que permitiraacuten a cada par filacolumna un par de coordenadas

XY

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

GEORREFERENCIACIOacuteN

ENTENDIENDO LAS IMAacuteGENES

georreferenciacioacuten porqueacute

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PUNTOS DE CONTROL

ENTENDIENDO LAS IMAacuteGENES

uso de puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

DISTORSIONES POR LA PLATAFORMA ALTITUD DE LA OacuteRBITA ndash Cambio de escala

VELOCIDAD ndash Cambios de escala ORIENTACIOacuteN DE LOS TRES EJES ndash Distorsiones en la geometriacutea

NO SISTEMAacuteTICOS Y COMPLEJOS DE MODELAR

DISTORSIONES POR ROTACIOacuteN TERRESTRE

CONSIDERANDO ALTITUD (800 Km) y TAMANtildeO DE LA IMAGEN (180 Km)ndashEn latitudes medias tarda en adquirir unos 30 segundos la Tierra se desplaza unos 8 Km

ORIENTACIOacuteN NE SW

DISTORSIONES POR EL SENSOR ANOMALIacuteAS SENSOR y MOVIMIENTO ESPEJO ndash Barrido no lineal o cambio en intervalos

AacuteNGULO DE BARRIDO ndash Variacioacuten en el tamantildeo de pixel

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ERROR EN UNA IMAGEN ESPACIAL

ENTENDIENDO LAS IMAacuteGENES

fuentes de error

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Una correccioacuten geomeacutetrica incluye CUALQUIER CAMBIO EN LA POSICIOacuteN DE LOS PIXELES que

conforman la imagen f (c`) = f1 (c l) f (x y) f (l`) = f2 (c l) f (x y)

COORDENADAS DE IMAGEN CORREGIDA SON FUNCIOacuteN DE COORDENADAS COLUMNA Y LIacuteNEA DE LA

IMAGEN DE ENTRADA O DE LAS COORDENADAS DE MAPA AL QUE SUPERPONDREMOS LA IMAGEN

1 CON OBJETIVO DE REALIZAR UNA TRANSFORMACIOacuteN GEOMEacuteTRICA QUE PERMITA AJUSTARLA A OTRA IMAGEN REFERENCIA NORMALMENTE PARA REALIZAR ESTUDIOS MULTITEMPORALES O MOSAICOS CON EL FIN DE AMPLIAR LOS DATOS E INFORMACIOacuteN DE UNA ZONA

2 ESTO PERMITIRAacute QUE LA NUEVA IMAGEN LA PUEDA INTEGRAR CON INFORMACIOacuteN DE OTRAS FUENTES POR EJEMPLO EN UN AMBIENTE SIG

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

correccioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

asumimos que

NO SE CONOCE EL ORIGEN DE LOS ERRORES

modelamos

ECUACIONES EMPIacuteRICAS

aplicadas a un conjunto de puntos

COORDENADAS CONOCIDAS IMAGEN INPUT e IMAGEN OUTPUT

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

1 ndash SELECCIOacuteN DE REFERENCIAS 2 ndash ECUACIONES DE AJUSTE

3 ndash GENERACIOacuteN DE LA IMAGEN CORREGIDA

ES OBVIO CALIDAD DEL AJUSTE DEPENDERAacute DE PRECISIOacuteN CON QUE SE

LOCALICEN LOS PUNTOS DE CONTROL INEXACTA LOCALIZACIOacuteN

DISTRIBUCIOacuteN MUY SECTORIZADA NUacuteMERO DE PUNTOS DE CONTROL INADECUADO

ESTABLECER LOS PUNTOS DE CONTROL FASE MAS CRUCIAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

procesamiento de la correccioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Resaltamos la importancia de

NUacuteMERO LOCALIZACIOacuteN DISTRIBUCIOacuteN

Que debemos atender Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

que considero UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash Croquis ilustrativos de apoyo

TERRENO O ZONAS PLANAS CON IMG OBTENIDAS POR UN SENSOR DE ESTRECHA VISIOacuteN DE CAMPO

TRANSFORMACIOacuteN

BASADO EN ECUACIONES LINEALES SIMPLES

TERRENO ESCARPADO O RUGOSO O UTILIZACIOacuteN DE IMG OBTENIDAS EN UN SENSOR CON VARIACIONES EN LAS CONDICIONES DE OBSERVACIOacuteN

TRANSFORMACIOacuteN MAacuteS COMPLEJA

POLINOMIOS DE SEGUNDO O TERCER ORDEN

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Desde un punto de vista matemaacutetico

GRADO 1 ndash 3 puntos GRADO 2 ndash 6 puntos GRADO 3 ndash 10 puntos

Seguacuten mis objetivos del trabajo no es conveniente utilizar esos miacutenimos

14 a 20 puntos (Landsat 5 MMS ndash seguacuten Bernstein R y D G Ferneyhough Jr 1978)

100 a 120 puntos (Landsat 7 TM ndash seguacuten el National Remote Sensing Center de Inglaterra)

10 o 12 puntos (Pequentildea zona de 512 x 512 pixeles ndash seguacuten Emilio Chuvieco 2010)

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

matemaacuteticamente UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

QUE DEBEMOS DE CONSIDERAR EN CUANTO A LA LOCALIZACIOacuteN

CLARAMENTE IDENTIFICABLES EN IMAGEN Y MAPA RASGOS HUMANOS DEL PAISAJE NO SUJETOS A DINAMISMO TEMPORAL

CRUCE DE CARRETERAS

CAMINOS VIacuteA FEacuteRREAS

NO CONSIDERAR ELEMENTOS ASOCIADOS AL AGUA

COSTA CURSOS DE AGUA

EMBALSES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

localizacioacuten TCP UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la correccioacuten digital de la geometriacutea de una imagen se realiza a partir de establecer unas funciones que relacionen las coordenadas de la imagen

y las coordenadas del mapa

EJ CASO MAS SIMPLE REGRESIOacuteN LINEAL MUacuteLTIPLE

ci = a0 + a1 Xi + a2 Yi li = b0 + b1 Xi + b2 Yi

EN LA PRAacuteCTICA BASTA UNA FUNCIOacuteN LINEAL PARA ABORDAR UN GRAN NUacuteMERO DE

TRANSFORMACIONES Y SON SUFICIENTES SI LAS IMAacuteGENES NO SON MUY GRANDES ANTE LA NECESIDAD DE OTRAS TRANSFORMACIONES SE UTILIZAN DE 2ordm y 3ordm ORDEN CONSIDERANDO ALTERACIONES GEOMEacuteTRICAS NO LINEALES (FUNCIONES QUE NO SE DEFINEN EN UN PLANO

CON EJES LINEALES SINO QUE SUPERFICIES CON EJES CURVILIacuteNEOS)

LOS COEFICIENTES DE LAS FUNCIONES DE TRANSFORMACIOacuteN SE CALCULAN A PARTIR DE UN AJUSTE POR MIacuteNIMOS CUADRADOS

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

funciones de transformacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash ejemplos de funciones de transformacioacuten geomeacutetrica con el efecto causado

TRASLACIOacuteN

CAMBIO DE ESCALA

INCLINACIOacuteN

PERSPECTIVA

ROTACIOacuteN

x = a0 + xacute y = b0 + yacute

x = xacute + a2 yacute y = yacute

x = a1 xacute y = b1 yacute

x = a3xacute yacute y = yacute

x = a4xacute + a5yacute y = b4xacute + b5yacute a4 = b5 = cos Ɵ a5 = -b4 = sen Ɵ

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

transformacioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

comparacioacuten coordenadas reales y las estimadas por la regresioacuten

el promedio de los residuales se conoce como error medio cuadraacutetico

la calidad del ajuste lo da el RMSE (root mean squared error)

(error medio cuadraacutetico)

RMSE es la raiacutez cuadrada de las desviaciones entre los valores reales y los

calculados

RMSE para cada punto es la raiacutez de los residuales al cuadrado que es la distancia entre ellos

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

RMSE UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la praacutectica hace que fijemos una TOLERANCIA y es que si ese promedio supera un valor fijado previamente haya que rever

el valor fijado previamente generalmente es igual o menor a un PIXEL

una correcta verificacioacuten

NECESITA introducir PUNTOS de VERIFICACIOacuteN

que no hayan sido introducidos en el ajuste

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

tolerancias fijadas

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

traducimos coordenadas de un mapa a la imagen tambieacuten necesitamos a la nueva imagen

TRANSFERIR LOS VALORES DIGITALES no olvidar que lo que queremos es generar una nueva imagen que se

corresponda con las coordenadas y las funciones de ajuste

NO ORIGINAN NUEVA IMAGEN solo colocan a los pixeles en la posicioacuten correcta

en criollo las funciones de transformacioacuten generan una nueva matriz bien posicionada pero vaciacutea

DEBEMOS LLENAR LA MATRIZ problema maacutes complejo de lo que puede

pensarse Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

generacioacuten de la nueva imaacutegen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

cada pixel de la imagen corregida se corresponderiacutea con un pixel de la imagen original

LEJOS DE ESE IDEAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo I

vecino maacutes proacuteximo ( nearest neighbour )

a cada celda de la imagen corregida se asigna el ND del pixel maacutes cercano de la

imagen original

SOLUCIOacuteN RAacutePIDA MENOR DISTORSIOacuteN DE LOS ND

INTRODUCE RASGOS LINEALES QUE DISTORSIONAN

CORRECCIOacuteN DE IMAacuteGENES CLASIFICADAS

CONSERVAR LA RADIOMETRIacuteA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo II

interpolacioacuten bilineal ( bilinear interpolation )

supone promediar los ND de los cuatro pixeles mas cercanos

con ponderacioacuten seguacuten la distancia pixeles originalcorregido

REDUCE EL EFECTO DE DISTORSIOacuteN EN RASGOS LINEALES

TIENDE A DIFUMINAR LOS CONTRASTES ESPACIALES

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE IMAacuteGENES RECTIFICADAS MAPAS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo III

convolusioacuten cuacutebica ( cubic convolution )

supone considerar los ND de los 16 pixeles mas proacuteximos

media ponderada seguacuten la distancia pixeles originalcorregido

EFECTO VISUAL MAS CORRECTO

VOLUacuteMEN DE CAacuteLCULO MUY SUPERIOR TENDENCIA A AGUDIZAR BORDES DE LA IMAGEN

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE ORTOIMAacuteGENES IMPRESIONES DE CALIDAD

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

  • Nuacutemero de diapositiva 1
  • Nuacutemero de diapositiva 2
  • MOacuteDULO IV
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 5
  • Nuacutemero de diapositiva 6
  • Nuacutemero de diapositiva 7
  • Nuacutemero de diapositiva 8
  • Nuacutemero de diapositiva 9
  • Nuacutemero de diapositiva 10
  • Nuacutemero de diapositiva 11
  • Nuacutemero de diapositiva 12
  • Nuacutemero de diapositiva 13
  • Nuacutemero de diapositiva 14
  • Nuacutemero de diapositiva 15
  • Nuacutemero de diapositiva 16
  • Nuacutemero de diapositiva 17
  • Nuacutemero de diapositiva 18
  • Nuacutemero de diapositiva 19
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 21
  • Nuacutemero de diapositiva 22
  • Nuacutemero de diapositiva 23
  • Nuacutemero de diapositiva 24
  • Nuacutemero de diapositiva 25
  • Nuacutemero de diapositiva 26
  • Nuacutemero de diapositiva 27
  • Nuacutemero de diapositiva 28
  • Nuacutemero de diapositiva 29
  • Nuacutemero de diapositiva 30
  • Nuacutemero de diapositiva 31
  • Nuacutemero de diapositiva 32
  • Nuacutemero de diapositiva 33
  • Nuacutemero de diapositiva 34
  • Nuacutemero de diapositiva 35
  • Nuacutemero de diapositiva 36
  • Nuacutemero de diapositiva 37
  • Nuacutemero de diapositiva 38
  • Nuacutemero de diapositiva 39
  • Nuacutemero de diapositiva 40
  • 47 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 42
  • Nuacutemero de diapositiva 43
  • Nuacutemero de diapositiva 44
  • Nuacutemero de diapositiva 45
  • Nuacutemero de diapositiva 46
  • Nuacutemero de diapositiva 47
  • Nuacutemero de diapositiva 48
  • Nuacutemero de diapositiva 49
  • Nuacutemero de diapositiva 50
  • Nuacutemero de diapositiva 51
  • Nuacutemero de diapositiva 52
  • Nuacutemero de diapositiva 53
  • Nuacutemero de diapositiva 54
  • 48 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 56
  • Nuacutemero de diapositiva 57
  • Nuacutemero de diapositiva 58
  • Nuacutemero de diapositiva 59
  • Nuacutemero de diapositiva 60
  • Nuacutemero de diapositiva 61
  • Nuacutemero de diapositiva 62
  • Nuacutemero de diapositiva 63
  • Nuacutemero de diapositiva 64
  • Nuacutemero de diapositiva 65
  • Nuacutemero de diapositiva 66
  • Nuacutemero de diapositiva 67
  • Nuacutemero de diapositiva 68
  • Nuacutemero de diapositiva 69
  • Nuacutemero de diapositiva 70
  • Nuacutemero de diapositiva 71
  • Nuacutemero de diapositiva 72
  • Nuacutemero de diapositiva 73
  • Nuacutemero de diapositiva 74

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

Figura - Landsat USGS

IMAGEN ORIGINAL

FILTRO DIRECCIONAL PERMITEN IDENTIFICAR LOS RASGOS FRONTERIZOS EN LAS IMAacuteGENES COMO LOS FILTROS ANTERIORES PERO AHORA CONSIDERANDO LA ORIENTACIOacuteN

se tiene en cuenta la

orientacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

matrices con direccioacuten

NORTE

1 1 1

1 -2 1

-1 -1 -1

SUR

-1 -1 -1

1 -2 1

1 1 1

ESTE

-1 1 1

-1 -2 1

-1 1 1

OESTE

1 1 -1

1 -2 -1

1 1 -1

SURESTE

-1 -1 1

-1 -2 1

1 1 1

NOROESTE

1 1 1

1 -2 -1

1 -1 -1

SUROESTE

1 -1 -1

1 -2 -1

1 1 1

NORESTE

1 1 1

-1 -2 1

-1 -1 1

OBSERVACIOacuteN

LOS NOMBRES OBEDECEN A LA DIRECCIOacuteN DEL CONTRASTE QUE SENtildeALAN

LA DIRECCIOacuteN QUE REALZAN ES JUSTAMENTE LA PERPENDICULAR

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

48 Interpretacioacuten de Imaacutegenes

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Correcciones geomeacutetricas Georreferenciacioacuten Uso de puntos de control Fuentes de error Procesamiento geomeacutetrico Correccioacuten Transformacioacuten geomeacutetrica Calidad y ajuste Generacioacuten de la nueva imagen Transferencia de ND

INSTITUTO DE AGRIMENSURA - DEPARTAMENTO DE GEOMAacuteTICA PROF ADJUNTO GRADO 3 EDISON J ROSAS BERTON

El tratamiento de una imagen de sateacutelite Georreferenciacioacuten

(paso de un sistema de filas y columnas a un sistema de coordenadas estandard)

Para ello debe obtenerse una muestra de puntos de control de los que conozcamos tanto sus coordenadas reales como sus coordenadas en

la imagen deben ser por tanto objetos de un tamantildeo adecuado para resultar identificables tanto en la imagen como sobre el terreno el tamantildeo

dependeraacute loacutegicamente de la resolucioacuten de la imagen A partir de estos puntos de control se obtendraacuten por regresioacuten unas ecuaciones que permitiraacuten a cada par filacolumna un par de coordenadas

XY

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

GEORREFERENCIACIOacuteN

ENTENDIENDO LAS IMAacuteGENES

georreferenciacioacuten porqueacute

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PUNTOS DE CONTROL

ENTENDIENDO LAS IMAacuteGENES

uso de puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

DISTORSIONES POR LA PLATAFORMA ALTITUD DE LA OacuteRBITA ndash Cambio de escala

VELOCIDAD ndash Cambios de escala ORIENTACIOacuteN DE LOS TRES EJES ndash Distorsiones en la geometriacutea

NO SISTEMAacuteTICOS Y COMPLEJOS DE MODELAR

DISTORSIONES POR ROTACIOacuteN TERRESTRE

CONSIDERANDO ALTITUD (800 Km) y TAMANtildeO DE LA IMAGEN (180 Km)ndashEn latitudes medias tarda en adquirir unos 30 segundos la Tierra se desplaza unos 8 Km

ORIENTACIOacuteN NE SW

DISTORSIONES POR EL SENSOR ANOMALIacuteAS SENSOR y MOVIMIENTO ESPEJO ndash Barrido no lineal o cambio en intervalos

AacuteNGULO DE BARRIDO ndash Variacioacuten en el tamantildeo de pixel

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ERROR EN UNA IMAGEN ESPACIAL

ENTENDIENDO LAS IMAacuteGENES

fuentes de error

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Una correccioacuten geomeacutetrica incluye CUALQUIER CAMBIO EN LA POSICIOacuteN DE LOS PIXELES que

conforman la imagen f (c`) = f1 (c l) f (x y) f (l`) = f2 (c l) f (x y)

COORDENADAS DE IMAGEN CORREGIDA SON FUNCIOacuteN DE COORDENADAS COLUMNA Y LIacuteNEA DE LA

IMAGEN DE ENTRADA O DE LAS COORDENADAS DE MAPA AL QUE SUPERPONDREMOS LA IMAGEN

1 CON OBJETIVO DE REALIZAR UNA TRANSFORMACIOacuteN GEOMEacuteTRICA QUE PERMITA AJUSTARLA A OTRA IMAGEN REFERENCIA NORMALMENTE PARA REALIZAR ESTUDIOS MULTITEMPORALES O MOSAICOS CON EL FIN DE AMPLIAR LOS DATOS E INFORMACIOacuteN DE UNA ZONA

2 ESTO PERMITIRAacute QUE LA NUEVA IMAGEN LA PUEDA INTEGRAR CON INFORMACIOacuteN DE OTRAS FUENTES POR EJEMPLO EN UN AMBIENTE SIG

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

correccioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

asumimos que

NO SE CONOCE EL ORIGEN DE LOS ERRORES

modelamos

ECUACIONES EMPIacuteRICAS

aplicadas a un conjunto de puntos

COORDENADAS CONOCIDAS IMAGEN INPUT e IMAGEN OUTPUT

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

1 ndash SELECCIOacuteN DE REFERENCIAS 2 ndash ECUACIONES DE AJUSTE

3 ndash GENERACIOacuteN DE LA IMAGEN CORREGIDA

ES OBVIO CALIDAD DEL AJUSTE DEPENDERAacute DE PRECISIOacuteN CON QUE SE

LOCALICEN LOS PUNTOS DE CONTROL INEXACTA LOCALIZACIOacuteN

DISTRIBUCIOacuteN MUY SECTORIZADA NUacuteMERO DE PUNTOS DE CONTROL INADECUADO

ESTABLECER LOS PUNTOS DE CONTROL FASE MAS CRUCIAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

procesamiento de la correccioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Resaltamos la importancia de

NUacuteMERO LOCALIZACIOacuteN DISTRIBUCIOacuteN

Que debemos atender Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

que considero UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash Croquis ilustrativos de apoyo

TERRENO O ZONAS PLANAS CON IMG OBTENIDAS POR UN SENSOR DE ESTRECHA VISIOacuteN DE CAMPO

TRANSFORMACIOacuteN

BASADO EN ECUACIONES LINEALES SIMPLES

TERRENO ESCARPADO O RUGOSO O UTILIZACIOacuteN DE IMG OBTENIDAS EN UN SENSOR CON VARIACIONES EN LAS CONDICIONES DE OBSERVACIOacuteN

TRANSFORMACIOacuteN MAacuteS COMPLEJA

POLINOMIOS DE SEGUNDO O TERCER ORDEN

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Desde un punto de vista matemaacutetico

GRADO 1 ndash 3 puntos GRADO 2 ndash 6 puntos GRADO 3 ndash 10 puntos

Seguacuten mis objetivos del trabajo no es conveniente utilizar esos miacutenimos

14 a 20 puntos (Landsat 5 MMS ndash seguacuten Bernstein R y D G Ferneyhough Jr 1978)

100 a 120 puntos (Landsat 7 TM ndash seguacuten el National Remote Sensing Center de Inglaterra)

10 o 12 puntos (Pequentildea zona de 512 x 512 pixeles ndash seguacuten Emilio Chuvieco 2010)

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

matemaacuteticamente UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

QUE DEBEMOS DE CONSIDERAR EN CUANTO A LA LOCALIZACIOacuteN

CLARAMENTE IDENTIFICABLES EN IMAGEN Y MAPA RASGOS HUMANOS DEL PAISAJE NO SUJETOS A DINAMISMO TEMPORAL

CRUCE DE CARRETERAS

CAMINOS VIacuteA FEacuteRREAS

NO CONSIDERAR ELEMENTOS ASOCIADOS AL AGUA

COSTA CURSOS DE AGUA

EMBALSES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

localizacioacuten TCP UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la correccioacuten digital de la geometriacutea de una imagen se realiza a partir de establecer unas funciones que relacionen las coordenadas de la imagen

y las coordenadas del mapa

EJ CASO MAS SIMPLE REGRESIOacuteN LINEAL MUacuteLTIPLE

ci = a0 + a1 Xi + a2 Yi li = b0 + b1 Xi + b2 Yi

EN LA PRAacuteCTICA BASTA UNA FUNCIOacuteN LINEAL PARA ABORDAR UN GRAN NUacuteMERO DE

TRANSFORMACIONES Y SON SUFICIENTES SI LAS IMAacuteGENES NO SON MUY GRANDES ANTE LA NECESIDAD DE OTRAS TRANSFORMACIONES SE UTILIZAN DE 2ordm y 3ordm ORDEN CONSIDERANDO ALTERACIONES GEOMEacuteTRICAS NO LINEALES (FUNCIONES QUE NO SE DEFINEN EN UN PLANO

CON EJES LINEALES SINO QUE SUPERFICIES CON EJES CURVILIacuteNEOS)

LOS COEFICIENTES DE LAS FUNCIONES DE TRANSFORMACIOacuteN SE CALCULAN A PARTIR DE UN AJUSTE POR MIacuteNIMOS CUADRADOS

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

funciones de transformacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash ejemplos de funciones de transformacioacuten geomeacutetrica con el efecto causado

TRASLACIOacuteN

CAMBIO DE ESCALA

INCLINACIOacuteN

PERSPECTIVA

ROTACIOacuteN

x = a0 + xacute y = b0 + yacute

x = xacute + a2 yacute y = yacute

x = a1 xacute y = b1 yacute

x = a3xacute yacute y = yacute

x = a4xacute + a5yacute y = b4xacute + b5yacute a4 = b5 = cos Ɵ a5 = -b4 = sen Ɵ

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

transformacioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

comparacioacuten coordenadas reales y las estimadas por la regresioacuten

el promedio de los residuales se conoce como error medio cuadraacutetico

la calidad del ajuste lo da el RMSE (root mean squared error)

(error medio cuadraacutetico)

RMSE es la raiacutez cuadrada de las desviaciones entre los valores reales y los

calculados

RMSE para cada punto es la raiacutez de los residuales al cuadrado que es la distancia entre ellos

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

RMSE UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la praacutectica hace que fijemos una TOLERANCIA y es que si ese promedio supera un valor fijado previamente haya que rever

el valor fijado previamente generalmente es igual o menor a un PIXEL

una correcta verificacioacuten

NECESITA introducir PUNTOS de VERIFICACIOacuteN

que no hayan sido introducidos en el ajuste

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

tolerancias fijadas

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

traducimos coordenadas de un mapa a la imagen tambieacuten necesitamos a la nueva imagen

TRANSFERIR LOS VALORES DIGITALES no olvidar que lo que queremos es generar una nueva imagen que se

corresponda con las coordenadas y las funciones de ajuste

NO ORIGINAN NUEVA IMAGEN solo colocan a los pixeles en la posicioacuten correcta

en criollo las funciones de transformacioacuten generan una nueva matriz bien posicionada pero vaciacutea

DEBEMOS LLENAR LA MATRIZ problema maacutes complejo de lo que puede

pensarse Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

generacioacuten de la nueva imaacutegen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

cada pixel de la imagen corregida se corresponderiacutea con un pixel de la imagen original

LEJOS DE ESE IDEAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo I

vecino maacutes proacuteximo ( nearest neighbour )

a cada celda de la imagen corregida se asigna el ND del pixel maacutes cercano de la

imagen original

SOLUCIOacuteN RAacutePIDA MENOR DISTORSIOacuteN DE LOS ND

INTRODUCE RASGOS LINEALES QUE DISTORSIONAN

CORRECCIOacuteN DE IMAacuteGENES CLASIFICADAS

CONSERVAR LA RADIOMETRIacuteA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo II

interpolacioacuten bilineal ( bilinear interpolation )

supone promediar los ND de los cuatro pixeles mas cercanos

con ponderacioacuten seguacuten la distancia pixeles originalcorregido

REDUCE EL EFECTO DE DISTORSIOacuteN EN RASGOS LINEALES

TIENDE A DIFUMINAR LOS CONTRASTES ESPACIALES

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE IMAacuteGENES RECTIFICADAS MAPAS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo III

convolusioacuten cuacutebica ( cubic convolution )

supone considerar los ND de los 16 pixeles mas proacuteximos

media ponderada seguacuten la distancia pixeles originalcorregido

EFECTO VISUAL MAS CORRECTO

VOLUacuteMEN DE CAacuteLCULO MUY SUPERIOR TENDENCIA A AGUDIZAR BORDES DE LA IMAGEN

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE ORTOIMAacuteGENES IMPRESIONES DE CALIDAD

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

  • Nuacutemero de diapositiva 1
  • Nuacutemero de diapositiva 2
  • MOacuteDULO IV
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 5
  • Nuacutemero de diapositiva 6
  • Nuacutemero de diapositiva 7
  • Nuacutemero de diapositiva 8
  • Nuacutemero de diapositiva 9
  • Nuacutemero de diapositiva 10
  • Nuacutemero de diapositiva 11
  • Nuacutemero de diapositiva 12
  • Nuacutemero de diapositiva 13
  • Nuacutemero de diapositiva 14
  • Nuacutemero de diapositiva 15
  • Nuacutemero de diapositiva 16
  • Nuacutemero de diapositiva 17
  • Nuacutemero de diapositiva 18
  • Nuacutemero de diapositiva 19
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 21
  • Nuacutemero de diapositiva 22
  • Nuacutemero de diapositiva 23
  • Nuacutemero de diapositiva 24
  • Nuacutemero de diapositiva 25
  • Nuacutemero de diapositiva 26
  • Nuacutemero de diapositiva 27
  • Nuacutemero de diapositiva 28
  • Nuacutemero de diapositiva 29
  • Nuacutemero de diapositiva 30
  • Nuacutemero de diapositiva 31
  • Nuacutemero de diapositiva 32
  • Nuacutemero de diapositiva 33
  • Nuacutemero de diapositiva 34
  • Nuacutemero de diapositiva 35
  • Nuacutemero de diapositiva 36
  • Nuacutemero de diapositiva 37
  • Nuacutemero de diapositiva 38
  • Nuacutemero de diapositiva 39
  • Nuacutemero de diapositiva 40
  • 47 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 42
  • Nuacutemero de diapositiva 43
  • Nuacutemero de diapositiva 44
  • Nuacutemero de diapositiva 45
  • Nuacutemero de diapositiva 46
  • Nuacutemero de diapositiva 47
  • Nuacutemero de diapositiva 48
  • Nuacutemero de diapositiva 49
  • Nuacutemero de diapositiva 50
  • Nuacutemero de diapositiva 51
  • Nuacutemero de diapositiva 52
  • Nuacutemero de diapositiva 53
  • Nuacutemero de diapositiva 54
  • 48 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 56
  • Nuacutemero de diapositiva 57
  • Nuacutemero de diapositiva 58
  • Nuacutemero de diapositiva 59
  • Nuacutemero de diapositiva 60
  • Nuacutemero de diapositiva 61
  • Nuacutemero de diapositiva 62
  • Nuacutemero de diapositiva 63
  • Nuacutemero de diapositiva 64
  • Nuacutemero de diapositiva 65
  • Nuacutemero de diapositiva 66
  • Nuacutemero de diapositiva 67
  • Nuacutemero de diapositiva 68
  • Nuacutemero de diapositiva 69
  • Nuacutemero de diapositiva 70
  • Nuacutemero de diapositiva 71
  • Nuacutemero de diapositiva 72
  • Nuacutemero de diapositiva 73
  • Nuacutemero de diapositiva 74

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

Figura - Landsat USGS

IMAGEN ORIGINAL

FILTRO DIRECCIONAL PERMITEN IDENTIFICAR LOS RASGOS FRONTERIZOS EN LAS IMAacuteGENES COMO LOS FILTROS ANTERIORES PERO AHORA CONSIDERANDO LA ORIENTACIOacuteN

se tiene en cuenta la

orientacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

matrices con direccioacuten

NORTE

1 1 1

1 -2 1

-1 -1 -1

SUR

-1 -1 -1

1 -2 1

1 1 1

ESTE

-1 1 1

-1 -2 1

-1 1 1

OESTE

1 1 -1

1 -2 -1

1 1 -1

SURESTE

-1 -1 1

-1 -2 1

1 1 1

NOROESTE

1 1 1

1 -2 -1

1 -1 -1

SUROESTE

1 -1 -1

1 -2 -1

1 1 1

NORESTE

1 1 1

-1 -2 1

-1 -1 1

OBSERVACIOacuteN

LOS NOMBRES OBEDECEN A LA DIRECCIOacuteN DEL CONTRASTE QUE SENtildeALAN

LA DIRECCIOacuteN QUE REALZAN ES JUSTAMENTE LA PERPENDICULAR

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

48 Interpretacioacuten de Imaacutegenes

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Correcciones geomeacutetricas Georreferenciacioacuten Uso de puntos de control Fuentes de error Procesamiento geomeacutetrico Correccioacuten Transformacioacuten geomeacutetrica Calidad y ajuste Generacioacuten de la nueva imagen Transferencia de ND

INSTITUTO DE AGRIMENSURA - DEPARTAMENTO DE GEOMAacuteTICA PROF ADJUNTO GRADO 3 EDISON J ROSAS BERTON

El tratamiento de una imagen de sateacutelite Georreferenciacioacuten

(paso de un sistema de filas y columnas a un sistema de coordenadas estandard)

Para ello debe obtenerse una muestra de puntos de control de los que conozcamos tanto sus coordenadas reales como sus coordenadas en

la imagen deben ser por tanto objetos de un tamantildeo adecuado para resultar identificables tanto en la imagen como sobre el terreno el tamantildeo

dependeraacute loacutegicamente de la resolucioacuten de la imagen A partir de estos puntos de control se obtendraacuten por regresioacuten unas ecuaciones que permitiraacuten a cada par filacolumna un par de coordenadas

XY

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

GEORREFERENCIACIOacuteN

ENTENDIENDO LAS IMAacuteGENES

georreferenciacioacuten porqueacute

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PUNTOS DE CONTROL

ENTENDIENDO LAS IMAacuteGENES

uso de puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

DISTORSIONES POR LA PLATAFORMA ALTITUD DE LA OacuteRBITA ndash Cambio de escala

VELOCIDAD ndash Cambios de escala ORIENTACIOacuteN DE LOS TRES EJES ndash Distorsiones en la geometriacutea

NO SISTEMAacuteTICOS Y COMPLEJOS DE MODELAR

DISTORSIONES POR ROTACIOacuteN TERRESTRE

CONSIDERANDO ALTITUD (800 Km) y TAMANtildeO DE LA IMAGEN (180 Km)ndashEn latitudes medias tarda en adquirir unos 30 segundos la Tierra se desplaza unos 8 Km

ORIENTACIOacuteN NE SW

DISTORSIONES POR EL SENSOR ANOMALIacuteAS SENSOR y MOVIMIENTO ESPEJO ndash Barrido no lineal o cambio en intervalos

AacuteNGULO DE BARRIDO ndash Variacioacuten en el tamantildeo de pixel

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ERROR EN UNA IMAGEN ESPACIAL

ENTENDIENDO LAS IMAacuteGENES

fuentes de error

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Una correccioacuten geomeacutetrica incluye CUALQUIER CAMBIO EN LA POSICIOacuteN DE LOS PIXELES que

conforman la imagen f (c`) = f1 (c l) f (x y) f (l`) = f2 (c l) f (x y)

COORDENADAS DE IMAGEN CORREGIDA SON FUNCIOacuteN DE COORDENADAS COLUMNA Y LIacuteNEA DE LA

IMAGEN DE ENTRADA O DE LAS COORDENADAS DE MAPA AL QUE SUPERPONDREMOS LA IMAGEN

1 CON OBJETIVO DE REALIZAR UNA TRANSFORMACIOacuteN GEOMEacuteTRICA QUE PERMITA AJUSTARLA A OTRA IMAGEN REFERENCIA NORMALMENTE PARA REALIZAR ESTUDIOS MULTITEMPORALES O MOSAICOS CON EL FIN DE AMPLIAR LOS DATOS E INFORMACIOacuteN DE UNA ZONA

2 ESTO PERMITIRAacute QUE LA NUEVA IMAGEN LA PUEDA INTEGRAR CON INFORMACIOacuteN DE OTRAS FUENTES POR EJEMPLO EN UN AMBIENTE SIG

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

correccioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

asumimos que

NO SE CONOCE EL ORIGEN DE LOS ERRORES

modelamos

ECUACIONES EMPIacuteRICAS

aplicadas a un conjunto de puntos

COORDENADAS CONOCIDAS IMAGEN INPUT e IMAGEN OUTPUT

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

1 ndash SELECCIOacuteN DE REFERENCIAS 2 ndash ECUACIONES DE AJUSTE

3 ndash GENERACIOacuteN DE LA IMAGEN CORREGIDA

ES OBVIO CALIDAD DEL AJUSTE DEPENDERAacute DE PRECISIOacuteN CON QUE SE

LOCALICEN LOS PUNTOS DE CONTROL INEXACTA LOCALIZACIOacuteN

DISTRIBUCIOacuteN MUY SECTORIZADA NUacuteMERO DE PUNTOS DE CONTROL INADECUADO

ESTABLECER LOS PUNTOS DE CONTROL FASE MAS CRUCIAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

procesamiento de la correccioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Resaltamos la importancia de

NUacuteMERO LOCALIZACIOacuteN DISTRIBUCIOacuteN

Que debemos atender Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

que considero UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash Croquis ilustrativos de apoyo

TERRENO O ZONAS PLANAS CON IMG OBTENIDAS POR UN SENSOR DE ESTRECHA VISIOacuteN DE CAMPO

TRANSFORMACIOacuteN

BASADO EN ECUACIONES LINEALES SIMPLES

TERRENO ESCARPADO O RUGOSO O UTILIZACIOacuteN DE IMG OBTENIDAS EN UN SENSOR CON VARIACIONES EN LAS CONDICIONES DE OBSERVACIOacuteN

TRANSFORMACIOacuteN MAacuteS COMPLEJA

POLINOMIOS DE SEGUNDO O TERCER ORDEN

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Desde un punto de vista matemaacutetico

GRADO 1 ndash 3 puntos GRADO 2 ndash 6 puntos GRADO 3 ndash 10 puntos

Seguacuten mis objetivos del trabajo no es conveniente utilizar esos miacutenimos

14 a 20 puntos (Landsat 5 MMS ndash seguacuten Bernstein R y D G Ferneyhough Jr 1978)

100 a 120 puntos (Landsat 7 TM ndash seguacuten el National Remote Sensing Center de Inglaterra)

10 o 12 puntos (Pequentildea zona de 512 x 512 pixeles ndash seguacuten Emilio Chuvieco 2010)

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

matemaacuteticamente UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

QUE DEBEMOS DE CONSIDERAR EN CUANTO A LA LOCALIZACIOacuteN

CLARAMENTE IDENTIFICABLES EN IMAGEN Y MAPA RASGOS HUMANOS DEL PAISAJE NO SUJETOS A DINAMISMO TEMPORAL

CRUCE DE CARRETERAS

CAMINOS VIacuteA FEacuteRREAS

NO CONSIDERAR ELEMENTOS ASOCIADOS AL AGUA

COSTA CURSOS DE AGUA

EMBALSES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

localizacioacuten TCP UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la correccioacuten digital de la geometriacutea de una imagen se realiza a partir de establecer unas funciones que relacionen las coordenadas de la imagen

y las coordenadas del mapa

EJ CASO MAS SIMPLE REGRESIOacuteN LINEAL MUacuteLTIPLE

ci = a0 + a1 Xi + a2 Yi li = b0 + b1 Xi + b2 Yi

EN LA PRAacuteCTICA BASTA UNA FUNCIOacuteN LINEAL PARA ABORDAR UN GRAN NUacuteMERO DE

TRANSFORMACIONES Y SON SUFICIENTES SI LAS IMAacuteGENES NO SON MUY GRANDES ANTE LA NECESIDAD DE OTRAS TRANSFORMACIONES SE UTILIZAN DE 2ordm y 3ordm ORDEN CONSIDERANDO ALTERACIONES GEOMEacuteTRICAS NO LINEALES (FUNCIONES QUE NO SE DEFINEN EN UN PLANO

CON EJES LINEALES SINO QUE SUPERFICIES CON EJES CURVILIacuteNEOS)

LOS COEFICIENTES DE LAS FUNCIONES DE TRANSFORMACIOacuteN SE CALCULAN A PARTIR DE UN AJUSTE POR MIacuteNIMOS CUADRADOS

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

funciones de transformacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash ejemplos de funciones de transformacioacuten geomeacutetrica con el efecto causado

TRASLACIOacuteN

CAMBIO DE ESCALA

INCLINACIOacuteN

PERSPECTIVA

ROTACIOacuteN

x = a0 + xacute y = b0 + yacute

x = xacute + a2 yacute y = yacute

x = a1 xacute y = b1 yacute

x = a3xacute yacute y = yacute

x = a4xacute + a5yacute y = b4xacute + b5yacute a4 = b5 = cos Ɵ a5 = -b4 = sen Ɵ

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

transformacioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

comparacioacuten coordenadas reales y las estimadas por la regresioacuten

el promedio de los residuales se conoce como error medio cuadraacutetico

la calidad del ajuste lo da el RMSE (root mean squared error)

(error medio cuadraacutetico)

RMSE es la raiacutez cuadrada de las desviaciones entre los valores reales y los

calculados

RMSE para cada punto es la raiacutez de los residuales al cuadrado que es la distancia entre ellos

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

RMSE UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la praacutectica hace que fijemos una TOLERANCIA y es que si ese promedio supera un valor fijado previamente haya que rever

el valor fijado previamente generalmente es igual o menor a un PIXEL

una correcta verificacioacuten

NECESITA introducir PUNTOS de VERIFICACIOacuteN

que no hayan sido introducidos en el ajuste

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

tolerancias fijadas

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

traducimos coordenadas de un mapa a la imagen tambieacuten necesitamos a la nueva imagen

TRANSFERIR LOS VALORES DIGITALES no olvidar que lo que queremos es generar una nueva imagen que se

corresponda con las coordenadas y las funciones de ajuste

NO ORIGINAN NUEVA IMAGEN solo colocan a los pixeles en la posicioacuten correcta

en criollo las funciones de transformacioacuten generan una nueva matriz bien posicionada pero vaciacutea

DEBEMOS LLENAR LA MATRIZ problema maacutes complejo de lo que puede

pensarse Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

generacioacuten de la nueva imaacutegen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

cada pixel de la imagen corregida se corresponderiacutea con un pixel de la imagen original

LEJOS DE ESE IDEAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo I

vecino maacutes proacuteximo ( nearest neighbour )

a cada celda de la imagen corregida se asigna el ND del pixel maacutes cercano de la

imagen original

SOLUCIOacuteN RAacutePIDA MENOR DISTORSIOacuteN DE LOS ND

INTRODUCE RASGOS LINEALES QUE DISTORSIONAN

CORRECCIOacuteN DE IMAacuteGENES CLASIFICADAS

CONSERVAR LA RADIOMETRIacuteA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo II

interpolacioacuten bilineal ( bilinear interpolation )

supone promediar los ND de los cuatro pixeles mas cercanos

con ponderacioacuten seguacuten la distancia pixeles originalcorregido

REDUCE EL EFECTO DE DISTORSIOacuteN EN RASGOS LINEALES

TIENDE A DIFUMINAR LOS CONTRASTES ESPACIALES

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE IMAacuteGENES RECTIFICADAS MAPAS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo III

convolusioacuten cuacutebica ( cubic convolution )

supone considerar los ND de los 16 pixeles mas proacuteximos

media ponderada seguacuten la distancia pixeles originalcorregido

EFECTO VISUAL MAS CORRECTO

VOLUacuteMEN DE CAacuteLCULO MUY SUPERIOR TENDENCIA A AGUDIZAR BORDES DE LA IMAGEN

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE ORTOIMAacuteGENES IMPRESIONES DE CALIDAD

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

  • Nuacutemero de diapositiva 1
  • Nuacutemero de diapositiva 2
  • MOacuteDULO IV
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 5
  • Nuacutemero de diapositiva 6
  • Nuacutemero de diapositiva 7
  • Nuacutemero de diapositiva 8
  • Nuacutemero de diapositiva 9
  • Nuacutemero de diapositiva 10
  • Nuacutemero de diapositiva 11
  • Nuacutemero de diapositiva 12
  • Nuacutemero de diapositiva 13
  • Nuacutemero de diapositiva 14
  • Nuacutemero de diapositiva 15
  • Nuacutemero de diapositiva 16
  • Nuacutemero de diapositiva 17
  • Nuacutemero de diapositiva 18
  • Nuacutemero de diapositiva 19
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 21
  • Nuacutemero de diapositiva 22
  • Nuacutemero de diapositiva 23
  • Nuacutemero de diapositiva 24
  • Nuacutemero de diapositiva 25
  • Nuacutemero de diapositiva 26
  • Nuacutemero de diapositiva 27
  • Nuacutemero de diapositiva 28
  • Nuacutemero de diapositiva 29
  • Nuacutemero de diapositiva 30
  • Nuacutemero de diapositiva 31
  • Nuacutemero de diapositiva 32
  • Nuacutemero de diapositiva 33
  • Nuacutemero de diapositiva 34
  • Nuacutemero de diapositiva 35
  • Nuacutemero de diapositiva 36
  • Nuacutemero de diapositiva 37
  • Nuacutemero de diapositiva 38
  • Nuacutemero de diapositiva 39
  • Nuacutemero de diapositiva 40
  • 47 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 42
  • Nuacutemero de diapositiva 43
  • Nuacutemero de diapositiva 44
  • Nuacutemero de diapositiva 45
  • Nuacutemero de diapositiva 46
  • Nuacutemero de diapositiva 47
  • Nuacutemero de diapositiva 48
  • Nuacutemero de diapositiva 49
  • Nuacutemero de diapositiva 50
  • Nuacutemero de diapositiva 51
  • Nuacutemero de diapositiva 52
  • Nuacutemero de diapositiva 53
  • Nuacutemero de diapositiva 54
  • 48 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 56
  • Nuacutemero de diapositiva 57
  • Nuacutemero de diapositiva 58
  • Nuacutemero de diapositiva 59
  • Nuacutemero de diapositiva 60
  • Nuacutemero de diapositiva 61
  • Nuacutemero de diapositiva 62
  • Nuacutemero de diapositiva 63
  • Nuacutemero de diapositiva 64
  • Nuacutemero de diapositiva 65
  • Nuacutemero de diapositiva 66
  • Nuacutemero de diapositiva 67
  • Nuacutemero de diapositiva 68
  • Nuacutemero de diapositiva 69
  • Nuacutemero de diapositiva 70
  • Nuacutemero de diapositiva 71
  • Nuacutemero de diapositiva 72
  • Nuacutemero de diapositiva 73
  • Nuacutemero de diapositiva 74

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

Figura - Landsat USGS

IMAGEN ORIGINAL

FILTRO DIRECCIONAL PERMITEN IDENTIFICAR LOS RASGOS FRONTERIZOS EN LAS IMAacuteGENES COMO LOS FILTROS ANTERIORES PERO AHORA CONSIDERANDO LA ORIENTACIOacuteN

se tiene en cuenta la

orientacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

matrices con direccioacuten

NORTE

1 1 1

1 -2 1

-1 -1 -1

SUR

-1 -1 -1

1 -2 1

1 1 1

ESTE

-1 1 1

-1 -2 1

-1 1 1

OESTE

1 1 -1

1 -2 -1

1 1 -1

SURESTE

-1 -1 1

-1 -2 1

1 1 1

NOROESTE

1 1 1

1 -2 -1

1 -1 -1

SUROESTE

1 -1 -1

1 -2 -1

1 1 1

NORESTE

1 1 1

-1 -2 1

-1 -1 1

OBSERVACIOacuteN

LOS NOMBRES OBEDECEN A LA DIRECCIOacuteN DEL CONTRASTE QUE SENtildeALAN

LA DIRECCIOacuteN QUE REALZAN ES JUSTAMENTE LA PERPENDICULAR

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

48 Interpretacioacuten de Imaacutegenes

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Correcciones geomeacutetricas Georreferenciacioacuten Uso de puntos de control Fuentes de error Procesamiento geomeacutetrico Correccioacuten Transformacioacuten geomeacutetrica Calidad y ajuste Generacioacuten de la nueva imagen Transferencia de ND

INSTITUTO DE AGRIMENSURA - DEPARTAMENTO DE GEOMAacuteTICA PROF ADJUNTO GRADO 3 EDISON J ROSAS BERTON

El tratamiento de una imagen de sateacutelite Georreferenciacioacuten

(paso de un sistema de filas y columnas a un sistema de coordenadas estandard)

Para ello debe obtenerse una muestra de puntos de control de los que conozcamos tanto sus coordenadas reales como sus coordenadas en

la imagen deben ser por tanto objetos de un tamantildeo adecuado para resultar identificables tanto en la imagen como sobre el terreno el tamantildeo

dependeraacute loacutegicamente de la resolucioacuten de la imagen A partir de estos puntos de control se obtendraacuten por regresioacuten unas ecuaciones que permitiraacuten a cada par filacolumna un par de coordenadas

XY

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

GEORREFERENCIACIOacuteN

ENTENDIENDO LAS IMAacuteGENES

georreferenciacioacuten porqueacute

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PUNTOS DE CONTROL

ENTENDIENDO LAS IMAacuteGENES

uso de puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

DISTORSIONES POR LA PLATAFORMA ALTITUD DE LA OacuteRBITA ndash Cambio de escala

VELOCIDAD ndash Cambios de escala ORIENTACIOacuteN DE LOS TRES EJES ndash Distorsiones en la geometriacutea

NO SISTEMAacuteTICOS Y COMPLEJOS DE MODELAR

DISTORSIONES POR ROTACIOacuteN TERRESTRE

CONSIDERANDO ALTITUD (800 Km) y TAMANtildeO DE LA IMAGEN (180 Km)ndashEn latitudes medias tarda en adquirir unos 30 segundos la Tierra se desplaza unos 8 Km

ORIENTACIOacuteN NE SW

DISTORSIONES POR EL SENSOR ANOMALIacuteAS SENSOR y MOVIMIENTO ESPEJO ndash Barrido no lineal o cambio en intervalos

AacuteNGULO DE BARRIDO ndash Variacioacuten en el tamantildeo de pixel

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ERROR EN UNA IMAGEN ESPACIAL

ENTENDIENDO LAS IMAacuteGENES

fuentes de error

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Una correccioacuten geomeacutetrica incluye CUALQUIER CAMBIO EN LA POSICIOacuteN DE LOS PIXELES que

conforman la imagen f (c`) = f1 (c l) f (x y) f (l`) = f2 (c l) f (x y)

COORDENADAS DE IMAGEN CORREGIDA SON FUNCIOacuteN DE COORDENADAS COLUMNA Y LIacuteNEA DE LA

IMAGEN DE ENTRADA O DE LAS COORDENADAS DE MAPA AL QUE SUPERPONDREMOS LA IMAGEN

1 CON OBJETIVO DE REALIZAR UNA TRANSFORMACIOacuteN GEOMEacuteTRICA QUE PERMITA AJUSTARLA A OTRA IMAGEN REFERENCIA NORMALMENTE PARA REALIZAR ESTUDIOS MULTITEMPORALES O MOSAICOS CON EL FIN DE AMPLIAR LOS DATOS E INFORMACIOacuteN DE UNA ZONA

2 ESTO PERMITIRAacute QUE LA NUEVA IMAGEN LA PUEDA INTEGRAR CON INFORMACIOacuteN DE OTRAS FUENTES POR EJEMPLO EN UN AMBIENTE SIG

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

correccioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

asumimos que

NO SE CONOCE EL ORIGEN DE LOS ERRORES

modelamos

ECUACIONES EMPIacuteRICAS

aplicadas a un conjunto de puntos

COORDENADAS CONOCIDAS IMAGEN INPUT e IMAGEN OUTPUT

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

1 ndash SELECCIOacuteN DE REFERENCIAS 2 ndash ECUACIONES DE AJUSTE

3 ndash GENERACIOacuteN DE LA IMAGEN CORREGIDA

ES OBVIO CALIDAD DEL AJUSTE DEPENDERAacute DE PRECISIOacuteN CON QUE SE

LOCALICEN LOS PUNTOS DE CONTROL INEXACTA LOCALIZACIOacuteN

DISTRIBUCIOacuteN MUY SECTORIZADA NUacuteMERO DE PUNTOS DE CONTROL INADECUADO

ESTABLECER LOS PUNTOS DE CONTROL FASE MAS CRUCIAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

procesamiento de la correccioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Resaltamos la importancia de

NUacuteMERO LOCALIZACIOacuteN DISTRIBUCIOacuteN

Que debemos atender Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

que considero UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash Croquis ilustrativos de apoyo

TERRENO O ZONAS PLANAS CON IMG OBTENIDAS POR UN SENSOR DE ESTRECHA VISIOacuteN DE CAMPO

TRANSFORMACIOacuteN

BASADO EN ECUACIONES LINEALES SIMPLES

TERRENO ESCARPADO O RUGOSO O UTILIZACIOacuteN DE IMG OBTENIDAS EN UN SENSOR CON VARIACIONES EN LAS CONDICIONES DE OBSERVACIOacuteN

TRANSFORMACIOacuteN MAacuteS COMPLEJA

POLINOMIOS DE SEGUNDO O TERCER ORDEN

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Desde un punto de vista matemaacutetico

GRADO 1 ndash 3 puntos GRADO 2 ndash 6 puntos GRADO 3 ndash 10 puntos

Seguacuten mis objetivos del trabajo no es conveniente utilizar esos miacutenimos

14 a 20 puntos (Landsat 5 MMS ndash seguacuten Bernstein R y D G Ferneyhough Jr 1978)

100 a 120 puntos (Landsat 7 TM ndash seguacuten el National Remote Sensing Center de Inglaterra)

10 o 12 puntos (Pequentildea zona de 512 x 512 pixeles ndash seguacuten Emilio Chuvieco 2010)

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

matemaacuteticamente UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

QUE DEBEMOS DE CONSIDERAR EN CUANTO A LA LOCALIZACIOacuteN

CLARAMENTE IDENTIFICABLES EN IMAGEN Y MAPA RASGOS HUMANOS DEL PAISAJE NO SUJETOS A DINAMISMO TEMPORAL

CRUCE DE CARRETERAS

CAMINOS VIacuteA FEacuteRREAS

NO CONSIDERAR ELEMENTOS ASOCIADOS AL AGUA

COSTA CURSOS DE AGUA

EMBALSES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

localizacioacuten TCP UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la correccioacuten digital de la geometriacutea de una imagen se realiza a partir de establecer unas funciones que relacionen las coordenadas de la imagen

y las coordenadas del mapa

EJ CASO MAS SIMPLE REGRESIOacuteN LINEAL MUacuteLTIPLE

ci = a0 + a1 Xi + a2 Yi li = b0 + b1 Xi + b2 Yi

EN LA PRAacuteCTICA BASTA UNA FUNCIOacuteN LINEAL PARA ABORDAR UN GRAN NUacuteMERO DE

TRANSFORMACIONES Y SON SUFICIENTES SI LAS IMAacuteGENES NO SON MUY GRANDES ANTE LA NECESIDAD DE OTRAS TRANSFORMACIONES SE UTILIZAN DE 2ordm y 3ordm ORDEN CONSIDERANDO ALTERACIONES GEOMEacuteTRICAS NO LINEALES (FUNCIONES QUE NO SE DEFINEN EN UN PLANO

CON EJES LINEALES SINO QUE SUPERFICIES CON EJES CURVILIacuteNEOS)

LOS COEFICIENTES DE LAS FUNCIONES DE TRANSFORMACIOacuteN SE CALCULAN A PARTIR DE UN AJUSTE POR MIacuteNIMOS CUADRADOS

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

funciones de transformacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash ejemplos de funciones de transformacioacuten geomeacutetrica con el efecto causado

TRASLACIOacuteN

CAMBIO DE ESCALA

INCLINACIOacuteN

PERSPECTIVA

ROTACIOacuteN

x = a0 + xacute y = b0 + yacute

x = xacute + a2 yacute y = yacute

x = a1 xacute y = b1 yacute

x = a3xacute yacute y = yacute

x = a4xacute + a5yacute y = b4xacute + b5yacute a4 = b5 = cos Ɵ a5 = -b4 = sen Ɵ

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

transformacioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

comparacioacuten coordenadas reales y las estimadas por la regresioacuten

el promedio de los residuales se conoce como error medio cuadraacutetico

la calidad del ajuste lo da el RMSE (root mean squared error)

(error medio cuadraacutetico)

RMSE es la raiacutez cuadrada de las desviaciones entre los valores reales y los

calculados

RMSE para cada punto es la raiacutez de los residuales al cuadrado que es la distancia entre ellos

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

RMSE UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la praacutectica hace que fijemos una TOLERANCIA y es que si ese promedio supera un valor fijado previamente haya que rever

el valor fijado previamente generalmente es igual o menor a un PIXEL

una correcta verificacioacuten

NECESITA introducir PUNTOS de VERIFICACIOacuteN

que no hayan sido introducidos en el ajuste

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

tolerancias fijadas

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

traducimos coordenadas de un mapa a la imagen tambieacuten necesitamos a la nueva imagen

TRANSFERIR LOS VALORES DIGITALES no olvidar que lo que queremos es generar una nueva imagen que se

corresponda con las coordenadas y las funciones de ajuste

NO ORIGINAN NUEVA IMAGEN solo colocan a los pixeles en la posicioacuten correcta

en criollo las funciones de transformacioacuten generan una nueva matriz bien posicionada pero vaciacutea

DEBEMOS LLENAR LA MATRIZ problema maacutes complejo de lo que puede

pensarse Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

generacioacuten de la nueva imaacutegen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

cada pixel de la imagen corregida se corresponderiacutea con un pixel de la imagen original

LEJOS DE ESE IDEAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo I

vecino maacutes proacuteximo ( nearest neighbour )

a cada celda de la imagen corregida se asigna el ND del pixel maacutes cercano de la

imagen original

SOLUCIOacuteN RAacutePIDA MENOR DISTORSIOacuteN DE LOS ND

INTRODUCE RASGOS LINEALES QUE DISTORSIONAN

CORRECCIOacuteN DE IMAacuteGENES CLASIFICADAS

CONSERVAR LA RADIOMETRIacuteA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo II

interpolacioacuten bilineal ( bilinear interpolation )

supone promediar los ND de los cuatro pixeles mas cercanos

con ponderacioacuten seguacuten la distancia pixeles originalcorregido

REDUCE EL EFECTO DE DISTORSIOacuteN EN RASGOS LINEALES

TIENDE A DIFUMINAR LOS CONTRASTES ESPACIALES

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE IMAacuteGENES RECTIFICADAS MAPAS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo III

convolusioacuten cuacutebica ( cubic convolution )

supone considerar los ND de los 16 pixeles mas proacuteximos

media ponderada seguacuten la distancia pixeles originalcorregido

EFECTO VISUAL MAS CORRECTO

VOLUacuteMEN DE CAacuteLCULO MUY SUPERIOR TENDENCIA A AGUDIZAR BORDES DE LA IMAGEN

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE ORTOIMAacuteGENES IMPRESIONES DE CALIDAD

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

  • Nuacutemero de diapositiva 1
  • Nuacutemero de diapositiva 2
  • MOacuteDULO IV
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 5
  • Nuacutemero de diapositiva 6
  • Nuacutemero de diapositiva 7
  • Nuacutemero de diapositiva 8
  • Nuacutemero de diapositiva 9
  • Nuacutemero de diapositiva 10
  • Nuacutemero de diapositiva 11
  • Nuacutemero de diapositiva 12
  • Nuacutemero de diapositiva 13
  • Nuacutemero de diapositiva 14
  • Nuacutemero de diapositiva 15
  • Nuacutemero de diapositiva 16
  • Nuacutemero de diapositiva 17
  • Nuacutemero de diapositiva 18
  • Nuacutemero de diapositiva 19
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 21
  • Nuacutemero de diapositiva 22
  • Nuacutemero de diapositiva 23
  • Nuacutemero de diapositiva 24
  • Nuacutemero de diapositiva 25
  • Nuacutemero de diapositiva 26
  • Nuacutemero de diapositiva 27
  • Nuacutemero de diapositiva 28
  • Nuacutemero de diapositiva 29
  • Nuacutemero de diapositiva 30
  • Nuacutemero de diapositiva 31
  • Nuacutemero de diapositiva 32
  • Nuacutemero de diapositiva 33
  • Nuacutemero de diapositiva 34
  • Nuacutemero de diapositiva 35
  • Nuacutemero de diapositiva 36
  • Nuacutemero de diapositiva 37
  • Nuacutemero de diapositiva 38
  • Nuacutemero de diapositiva 39
  • Nuacutemero de diapositiva 40
  • 47 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 42
  • Nuacutemero de diapositiva 43
  • Nuacutemero de diapositiva 44
  • Nuacutemero de diapositiva 45
  • Nuacutemero de diapositiva 46
  • Nuacutemero de diapositiva 47
  • Nuacutemero de diapositiva 48
  • Nuacutemero de diapositiva 49
  • Nuacutemero de diapositiva 50
  • Nuacutemero de diapositiva 51
  • Nuacutemero de diapositiva 52
  • Nuacutemero de diapositiva 53
  • Nuacutemero de diapositiva 54
  • 48 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 56
  • Nuacutemero de diapositiva 57
  • Nuacutemero de diapositiva 58
  • Nuacutemero de diapositiva 59
  • Nuacutemero de diapositiva 60
  • Nuacutemero de diapositiva 61
  • Nuacutemero de diapositiva 62
  • Nuacutemero de diapositiva 63
  • Nuacutemero de diapositiva 64
  • Nuacutemero de diapositiva 65
  • Nuacutemero de diapositiva 66
  • Nuacutemero de diapositiva 67
  • Nuacutemero de diapositiva 68
  • Nuacutemero de diapositiva 69
  • Nuacutemero de diapositiva 70
  • Nuacutemero de diapositiva 71
  • Nuacutemero de diapositiva 72
  • Nuacutemero de diapositiva 73
  • Nuacutemero de diapositiva 74

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EJEMPLOS

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

Figura - Landsat USGS

IMAGEN ORIGINAL

FILTRO DIRECCIONAL PERMITEN IDENTIFICAR LOS RASGOS FRONTERIZOS EN LAS IMAacuteGENES COMO LOS FILTROS ANTERIORES PERO AHORA CONSIDERANDO LA ORIENTACIOacuteN

se tiene en cuenta la

orientacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

matrices con direccioacuten

NORTE

1 1 1

1 -2 1

-1 -1 -1

SUR

-1 -1 -1

1 -2 1

1 1 1

ESTE

-1 1 1

-1 -2 1

-1 1 1

OESTE

1 1 -1

1 -2 -1

1 1 -1

SURESTE

-1 -1 1

-1 -2 1

1 1 1

NOROESTE

1 1 1

1 -2 -1

1 -1 -1

SUROESTE

1 -1 -1

1 -2 -1

1 1 1

NORESTE

1 1 1

-1 -2 1

-1 -1 1

OBSERVACIOacuteN

LOS NOMBRES OBEDECEN A LA DIRECCIOacuteN DEL CONTRASTE QUE SENtildeALAN

LA DIRECCIOacuteN QUE REALZAN ES JUSTAMENTE LA PERPENDICULAR

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

48 Interpretacioacuten de Imaacutegenes

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Correcciones geomeacutetricas Georreferenciacioacuten Uso de puntos de control Fuentes de error Procesamiento geomeacutetrico Correccioacuten Transformacioacuten geomeacutetrica Calidad y ajuste Generacioacuten de la nueva imagen Transferencia de ND

INSTITUTO DE AGRIMENSURA - DEPARTAMENTO DE GEOMAacuteTICA PROF ADJUNTO GRADO 3 EDISON J ROSAS BERTON

El tratamiento de una imagen de sateacutelite Georreferenciacioacuten

(paso de un sistema de filas y columnas a un sistema de coordenadas estandard)

Para ello debe obtenerse una muestra de puntos de control de los que conozcamos tanto sus coordenadas reales como sus coordenadas en

la imagen deben ser por tanto objetos de un tamantildeo adecuado para resultar identificables tanto en la imagen como sobre el terreno el tamantildeo

dependeraacute loacutegicamente de la resolucioacuten de la imagen A partir de estos puntos de control se obtendraacuten por regresioacuten unas ecuaciones que permitiraacuten a cada par filacolumna un par de coordenadas

XY

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

GEORREFERENCIACIOacuteN

ENTENDIENDO LAS IMAacuteGENES

georreferenciacioacuten porqueacute

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PUNTOS DE CONTROL

ENTENDIENDO LAS IMAacuteGENES

uso de puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

DISTORSIONES POR LA PLATAFORMA ALTITUD DE LA OacuteRBITA ndash Cambio de escala

VELOCIDAD ndash Cambios de escala ORIENTACIOacuteN DE LOS TRES EJES ndash Distorsiones en la geometriacutea

NO SISTEMAacuteTICOS Y COMPLEJOS DE MODELAR

DISTORSIONES POR ROTACIOacuteN TERRESTRE

CONSIDERANDO ALTITUD (800 Km) y TAMANtildeO DE LA IMAGEN (180 Km)ndashEn latitudes medias tarda en adquirir unos 30 segundos la Tierra se desplaza unos 8 Km

ORIENTACIOacuteN NE SW

DISTORSIONES POR EL SENSOR ANOMALIacuteAS SENSOR y MOVIMIENTO ESPEJO ndash Barrido no lineal o cambio en intervalos

AacuteNGULO DE BARRIDO ndash Variacioacuten en el tamantildeo de pixel

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ERROR EN UNA IMAGEN ESPACIAL

ENTENDIENDO LAS IMAacuteGENES

fuentes de error

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Una correccioacuten geomeacutetrica incluye CUALQUIER CAMBIO EN LA POSICIOacuteN DE LOS PIXELES que

conforman la imagen f (c`) = f1 (c l) f (x y) f (l`) = f2 (c l) f (x y)

COORDENADAS DE IMAGEN CORREGIDA SON FUNCIOacuteN DE COORDENADAS COLUMNA Y LIacuteNEA DE LA

IMAGEN DE ENTRADA O DE LAS COORDENADAS DE MAPA AL QUE SUPERPONDREMOS LA IMAGEN

1 CON OBJETIVO DE REALIZAR UNA TRANSFORMACIOacuteN GEOMEacuteTRICA QUE PERMITA AJUSTARLA A OTRA IMAGEN REFERENCIA NORMALMENTE PARA REALIZAR ESTUDIOS MULTITEMPORALES O MOSAICOS CON EL FIN DE AMPLIAR LOS DATOS E INFORMACIOacuteN DE UNA ZONA

2 ESTO PERMITIRAacute QUE LA NUEVA IMAGEN LA PUEDA INTEGRAR CON INFORMACIOacuteN DE OTRAS FUENTES POR EJEMPLO EN UN AMBIENTE SIG

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

correccioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

asumimos que

NO SE CONOCE EL ORIGEN DE LOS ERRORES

modelamos

ECUACIONES EMPIacuteRICAS

aplicadas a un conjunto de puntos

COORDENADAS CONOCIDAS IMAGEN INPUT e IMAGEN OUTPUT

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

1 ndash SELECCIOacuteN DE REFERENCIAS 2 ndash ECUACIONES DE AJUSTE

3 ndash GENERACIOacuteN DE LA IMAGEN CORREGIDA

ES OBVIO CALIDAD DEL AJUSTE DEPENDERAacute DE PRECISIOacuteN CON QUE SE

LOCALICEN LOS PUNTOS DE CONTROL INEXACTA LOCALIZACIOacuteN

DISTRIBUCIOacuteN MUY SECTORIZADA NUacuteMERO DE PUNTOS DE CONTROL INADECUADO

ESTABLECER LOS PUNTOS DE CONTROL FASE MAS CRUCIAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

procesamiento de la correccioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Resaltamos la importancia de

NUacuteMERO LOCALIZACIOacuteN DISTRIBUCIOacuteN

Que debemos atender Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

que considero UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash Croquis ilustrativos de apoyo

TERRENO O ZONAS PLANAS CON IMG OBTENIDAS POR UN SENSOR DE ESTRECHA VISIOacuteN DE CAMPO

TRANSFORMACIOacuteN

BASADO EN ECUACIONES LINEALES SIMPLES

TERRENO ESCARPADO O RUGOSO O UTILIZACIOacuteN DE IMG OBTENIDAS EN UN SENSOR CON VARIACIONES EN LAS CONDICIONES DE OBSERVACIOacuteN

TRANSFORMACIOacuteN MAacuteS COMPLEJA

POLINOMIOS DE SEGUNDO O TERCER ORDEN

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Desde un punto de vista matemaacutetico

GRADO 1 ndash 3 puntos GRADO 2 ndash 6 puntos GRADO 3 ndash 10 puntos

Seguacuten mis objetivos del trabajo no es conveniente utilizar esos miacutenimos

14 a 20 puntos (Landsat 5 MMS ndash seguacuten Bernstein R y D G Ferneyhough Jr 1978)

100 a 120 puntos (Landsat 7 TM ndash seguacuten el National Remote Sensing Center de Inglaterra)

10 o 12 puntos (Pequentildea zona de 512 x 512 pixeles ndash seguacuten Emilio Chuvieco 2010)

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

matemaacuteticamente UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

QUE DEBEMOS DE CONSIDERAR EN CUANTO A LA LOCALIZACIOacuteN

CLARAMENTE IDENTIFICABLES EN IMAGEN Y MAPA RASGOS HUMANOS DEL PAISAJE NO SUJETOS A DINAMISMO TEMPORAL

CRUCE DE CARRETERAS

CAMINOS VIacuteA FEacuteRREAS

NO CONSIDERAR ELEMENTOS ASOCIADOS AL AGUA

COSTA CURSOS DE AGUA

EMBALSES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

localizacioacuten TCP UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la correccioacuten digital de la geometriacutea de una imagen se realiza a partir de establecer unas funciones que relacionen las coordenadas de la imagen

y las coordenadas del mapa

EJ CASO MAS SIMPLE REGRESIOacuteN LINEAL MUacuteLTIPLE

ci = a0 + a1 Xi + a2 Yi li = b0 + b1 Xi + b2 Yi

EN LA PRAacuteCTICA BASTA UNA FUNCIOacuteN LINEAL PARA ABORDAR UN GRAN NUacuteMERO DE

TRANSFORMACIONES Y SON SUFICIENTES SI LAS IMAacuteGENES NO SON MUY GRANDES ANTE LA NECESIDAD DE OTRAS TRANSFORMACIONES SE UTILIZAN DE 2ordm y 3ordm ORDEN CONSIDERANDO ALTERACIONES GEOMEacuteTRICAS NO LINEALES (FUNCIONES QUE NO SE DEFINEN EN UN PLANO

CON EJES LINEALES SINO QUE SUPERFICIES CON EJES CURVILIacuteNEOS)

LOS COEFICIENTES DE LAS FUNCIONES DE TRANSFORMACIOacuteN SE CALCULAN A PARTIR DE UN AJUSTE POR MIacuteNIMOS CUADRADOS

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

funciones de transformacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash ejemplos de funciones de transformacioacuten geomeacutetrica con el efecto causado

TRASLACIOacuteN

CAMBIO DE ESCALA

INCLINACIOacuteN

PERSPECTIVA

ROTACIOacuteN

x = a0 + xacute y = b0 + yacute

x = xacute + a2 yacute y = yacute

x = a1 xacute y = b1 yacute

x = a3xacute yacute y = yacute

x = a4xacute + a5yacute y = b4xacute + b5yacute a4 = b5 = cos Ɵ a5 = -b4 = sen Ɵ

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

transformacioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

comparacioacuten coordenadas reales y las estimadas por la regresioacuten

el promedio de los residuales se conoce como error medio cuadraacutetico

la calidad del ajuste lo da el RMSE (root mean squared error)

(error medio cuadraacutetico)

RMSE es la raiacutez cuadrada de las desviaciones entre los valores reales y los

calculados

RMSE para cada punto es la raiacutez de los residuales al cuadrado que es la distancia entre ellos

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

RMSE UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la praacutectica hace que fijemos una TOLERANCIA y es que si ese promedio supera un valor fijado previamente haya que rever

el valor fijado previamente generalmente es igual o menor a un PIXEL

una correcta verificacioacuten

NECESITA introducir PUNTOS de VERIFICACIOacuteN

que no hayan sido introducidos en el ajuste

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

tolerancias fijadas

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

traducimos coordenadas de un mapa a la imagen tambieacuten necesitamos a la nueva imagen

TRANSFERIR LOS VALORES DIGITALES no olvidar que lo que queremos es generar una nueva imagen que se

corresponda con las coordenadas y las funciones de ajuste

NO ORIGINAN NUEVA IMAGEN solo colocan a los pixeles en la posicioacuten correcta

en criollo las funciones de transformacioacuten generan una nueva matriz bien posicionada pero vaciacutea

DEBEMOS LLENAR LA MATRIZ problema maacutes complejo de lo que puede

pensarse Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

generacioacuten de la nueva imaacutegen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

cada pixel de la imagen corregida se corresponderiacutea con un pixel de la imagen original

LEJOS DE ESE IDEAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo I

vecino maacutes proacuteximo ( nearest neighbour )

a cada celda de la imagen corregida se asigna el ND del pixel maacutes cercano de la

imagen original

SOLUCIOacuteN RAacutePIDA MENOR DISTORSIOacuteN DE LOS ND

INTRODUCE RASGOS LINEALES QUE DISTORSIONAN

CORRECCIOacuteN DE IMAacuteGENES CLASIFICADAS

CONSERVAR LA RADIOMETRIacuteA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo II

interpolacioacuten bilineal ( bilinear interpolation )

supone promediar los ND de los cuatro pixeles mas cercanos

con ponderacioacuten seguacuten la distancia pixeles originalcorregido

REDUCE EL EFECTO DE DISTORSIOacuteN EN RASGOS LINEALES

TIENDE A DIFUMINAR LOS CONTRASTES ESPACIALES

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE IMAacuteGENES RECTIFICADAS MAPAS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo III

convolusioacuten cuacutebica ( cubic convolution )

supone considerar los ND de los 16 pixeles mas proacuteximos

media ponderada seguacuten la distancia pixeles originalcorregido

EFECTO VISUAL MAS CORRECTO

VOLUacuteMEN DE CAacuteLCULO MUY SUPERIOR TENDENCIA A AGUDIZAR BORDES DE LA IMAGEN

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE ORTOIMAacuteGENES IMPRESIONES DE CALIDAD

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

  • Nuacutemero de diapositiva 1
  • Nuacutemero de diapositiva 2
  • MOacuteDULO IV
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 5
  • Nuacutemero de diapositiva 6
  • Nuacutemero de diapositiva 7
  • Nuacutemero de diapositiva 8
  • Nuacutemero de diapositiva 9
  • Nuacutemero de diapositiva 10
  • Nuacutemero de diapositiva 11
  • Nuacutemero de diapositiva 12
  • Nuacutemero de diapositiva 13
  • Nuacutemero de diapositiva 14
  • Nuacutemero de diapositiva 15
  • Nuacutemero de diapositiva 16
  • Nuacutemero de diapositiva 17
  • Nuacutemero de diapositiva 18
  • Nuacutemero de diapositiva 19
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 21
  • Nuacutemero de diapositiva 22
  • Nuacutemero de diapositiva 23
  • Nuacutemero de diapositiva 24
  • Nuacutemero de diapositiva 25
  • Nuacutemero de diapositiva 26
  • Nuacutemero de diapositiva 27
  • Nuacutemero de diapositiva 28
  • Nuacutemero de diapositiva 29
  • Nuacutemero de diapositiva 30
  • Nuacutemero de diapositiva 31
  • Nuacutemero de diapositiva 32
  • Nuacutemero de diapositiva 33
  • Nuacutemero de diapositiva 34
  • Nuacutemero de diapositiva 35
  • Nuacutemero de diapositiva 36
  • Nuacutemero de diapositiva 37
  • Nuacutemero de diapositiva 38
  • Nuacutemero de diapositiva 39
  • Nuacutemero de diapositiva 40
  • 47 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 42
  • Nuacutemero de diapositiva 43
  • Nuacutemero de diapositiva 44
  • Nuacutemero de diapositiva 45
  • Nuacutemero de diapositiva 46
  • Nuacutemero de diapositiva 47
  • Nuacutemero de diapositiva 48
  • Nuacutemero de diapositiva 49
  • Nuacutemero de diapositiva 50
  • Nuacutemero de diapositiva 51
  • Nuacutemero de diapositiva 52
  • Nuacutemero de diapositiva 53
  • Nuacutemero de diapositiva 54
  • 48 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 56
  • Nuacutemero de diapositiva 57
  • Nuacutemero de diapositiva 58
  • Nuacutemero de diapositiva 59
  • Nuacutemero de diapositiva 60
  • Nuacutemero de diapositiva 61
  • Nuacutemero de diapositiva 62
  • Nuacutemero de diapositiva 63
  • Nuacutemero de diapositiva 64
  • Nuacutemero de diapositiva 65
  • Nuacutemero de diapositiva 66
  • Nuacutemero de diapositiva 67
  • Nuacutemero de diapositiva 68
  • Nuacutemero de diapositiva 69
  • Nuacutemero de diapositiva 70
  • Nuacutemero de diapositiva 71
  • Nuacutemero de diapositiva 72
  • Nuacutemero de diapositiva 73
  • Nuacutemero de diapositiva 74

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

Figura - Landsat USGS

IMAGEN ORIGINAL

FILTRO DIRECCIONAL PERMITEN IDENTIFICAR LOS RASGOS FRONTERIZOS EN LAS IMAacuteGENES COMO LOS FILTROS ANTERIORES PERO AHORA CONSIDERANDO LA ORIENTACIOacuteN

se tiene en cuenta la

orientacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

matrices con direccioacuten

NORTE

1 1 1

1 -2 1

-1 -1 -1

SUR

-1 -1 -1

1 -2 1

1 1 1

ESTE

-1 1 1

-1 -2 1

-1 1 1

OESTE

1 1 -1

1 -2 -1

1 1 -1

SURESTE

-1 -1 1

-1 -2 1

1 1 1

NOROESTE

1 1 1

1 -2 -1

1 -1 -1

SUROESTE

1 -1 -1

1 -2 -1

1 1 1

NORESTE

1 1 1

-1 -2 1

-1 -1 1

OBSERVACIOacuteN

LOS NOMBRES OBEDECEN A LA DIRECCIOacuteN DEL CONTRASTE QUE SENtildeALAN

LA DIRECCIOacuteN QUE REALZAN ES JUSTAMENTE LA PERPENDICULAR

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

48 Interpretacioacuten de Imaacutegenes

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Correcciones geomeacutetricas Georreferenciacioacuten Uso de puntos de control Fuentes de error Procesamiento geomeacutetrico Correccioacuten Transformacioacuten geomeacutetrica Calidad y ajuste Generacioacuten de la nueva imagen Transferencia de ND

INSTITUTO DE AGRIMENSURA - DEPARTAMENTO DE GEOMAacuteTICA PROF ADJUNTO GRADO 3 EDISON J ROSAS BERTON

El tratamiento de una imagen de sateacutelite Georreferenciacioacuten

(paso de un sistema de filas y columnas a un sistema de coordenadas estandard)

Para ello debe obtenerse una muestra de puntos de control de los que conozcamos tanto sus coordenadas reales como sus coordenadas en

la imagen deben ser por tanto objetos de un tamantildeo adecuado para resultar identificables tanto en la imagen como sobre el terreno el tamantildeo

dependeraacute loacutegicamente de la resolucioacuten de la imagen A partir de estos puntos de control se obtendraacuten por regresioacuten unas ecuaciones que permitiraacuten a cada par filacolumna un par de coordenadas

XY

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

GEORREFERENCIACIOacuteN

ENTENDIENDO LAS IMAacuteGENES

georreferenciacioacuten porqueacute

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PUNTOS DE CONTROL

ENTENDIENDO LAS IMAacuteGENES

uso de puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

DISTORSIONES POR LA PLATAFORMA ALTITUD DE LA OacuteRBITA ndash Cambio de escala

VELOCIDAD ndash Cambios de escala ORIENTACIOacuteN DE LOS TRES EJES ndash Distorsiones en la geometriacutea

NO SISTEMAacuteTICOS Y COMPLEJOS DE MODELAR

DISTORSIONES POR ROTACIOacuteN TERRESTRE

CONSIDERANDO ALTITUD (800 Km) y TAMANtildeO DE LA IMAGEN (180 Km)ndashEn latitudes medias tarda en adquirir unos 30 segundos la Tierra se desplaza unos 8 Km

ORIENTACIOacuteN NE SW

DISTORSIONES POR EL SENSOR ANOMALIacuteAS SENSOR y MOVIMIENTO ESPEJO ndash Barrido no lineal o cambio en intervalos

AacuteNGULO DE BARRIDO ndash Variacioacuten en el tamantildeo de pixel

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ERROR EN UNA IMAGEN ESPACIAL

ENTENDIENDO LAS IMAacuteGENES

fuentes de error

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Una correccioacuten geomeacutetrica incluye CUALQUIER CAMBIO EN LA POSICIOacuteN DE LOS PIXELES que

conforman la imagen f (c`) = f1 (c l) f (x y) f (l`) = f2 (c l) f (x y)

COORDENADAS DE IMAGEN CORREGIDA SON FUNCIOacuteN DE COORDENADAS COLUMNA Y LIacuteNEA DE LA

IMAGEN DE ENTRADA O DE LAS COORDENADAS DE MAPA AL QUE SUPERPONDREMOS LA IMAGEN

1 CON OBJETIVO DE REALIZAR UNA TRANSFORMACIOacuteN GEOMEacuteTRICA QUE PERMITA AJUSTARLA A OTRA IMAGEN REFERENCIA NORMALMENTE PARA REALIZAR ESTUDIOS MULTITEMPORALES O MOSAICOS CON EL FIN DE AMPLIAR LOS DATOS E INFORMACIOacuteN DE UNA ZONA

2 ESTO PERMITIRAacute QUE LA NUEVA IMAGEN LA PUEDA INTEGRAR CON INFORMACIOacuteN DE OTRAS FUENTES POR EJEMPLO EN UN AMBIENTE SIG

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

correccioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

asumimos que

NO SE CONOCE EL ORIGEN DE LOS ERRORES

modelamos

ECUACIONES EMPIacuteRICAS

aplicadas a un conjunto de puntos

COORDENADAS CONOCIDAS IMAGEN INPUT e IMAGEN OUTPUT

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

1 ndash SELECCIOacuteN DE REFERENCIAS 2 ndash ECUACIONES DE AJUSTE

3 ndash GENERACIOacuteN DE LA IMAGEN CORREGIDA

ES OBVIO CALIDAD DEL AJUSTE DEPENDERAacute DE PRECISIOacuteN CON QUE SE

LOCALICEN LOS PUNTOS DE CONTROL INEXACTA LOCALIZACIOacuteN

DISTRIBUCIOacuteN MUY SECTORIZADA NUacuteMERO DE PUNTOS DE CONTROL INADECUADO

ESTABLECER LOS PUNTOS DE CONTROL FASE MAS CRUCIAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

procesamiento de la correccioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Resaltamos la importancia de

NUacuteMERO LOCALIZACIOacuteN DISTRIBUCIOacuteN

Que debemos atender Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

que considero UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash Croquis ilustrativos de apoyo

TERRENO O ZONAS PLANAS CON IMG OBTENIDAS POR UN SENSOR DE ESTRECHA VISIOacuteN DE CAMPO

TRANSFORMACIOacuteN

BASADO EN ECUACIONES LINEALES SIMPLES

TERRENO ESCARPADO O RUGOSO O UTILIZACIOacuteN DE IMG OBTENIDAS EN UN SENSOR CON VARIACIONES EN LAS CONDICIONES DE OBSERVACIOacuteN

TRANSFORMACIOacuteN MAacuteS COMPLEJA

POLINOMIOS DE SEGUNDO O TERCER ORDEN

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Desde un punto de vista matemaacutetico

GRADO 1 ndash 3 puntos GRADO 2 ndash 6 puntos GRADO 3 ndash 10 puntos

Seguacuten mis objetivos del trabajo no es conveniente utilizar esos miacutenimos

14 a 20 puntos (Landsat 5 MMS ndash seguacuten Bernstein R y D G Ferneyhough Jr 1978)

100 a 120 puntos (Landsat 7 TM ndash seguacuten el National Remote Sensing Center de Inglaterra)

10 o 12 puntos (Pequentildea zona de 512 x 512 pixeles ndash seguacuten Emilio Chuvieco 2010)

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

matemaacuteticamente UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

QUE DEBEMOS DE CONSIDERAR EN CUANTO A LA LOCALIZACIOacuteN

CLARAMENTE IDENTIFICABLES EN IMAGEN Y MAPA RASGOS HUMANOS DEL PAISAJE NO SUJETOS A DINAMISMO TEMPORAL

CRUCE DE CARRETERAS

CAMINOS VIacuteA FEacuteRREAS

NO CONSIDERAR ELEMENTOS ASOCIADOS AL AGUA

COSTA CURSOS DE AGUA

EMBALSES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

localizacioacuten TCP UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la correccioacuten digital de la geometriacutea de una imagen se realiza a partir de establecer unas funciones que relacionen las coordenadas de la imagen

y las coordenadas del mapa

EJ CASO MAS SIMPLE REGRESIOacuteN LINEAL MUacuteLTIPLE

ci = a0 + a1 Xi + a2 Yi li = b0 + b1 Xi + b2 Yi

EN LA PRAacuteCTICA BASTA UNA FUNCIOacuteN LINEAL PARA ABORDAR UN GRAN NUacuteMERO DE

TRANSFORMACIONES Y SON SUFICIENTES SI LAS IMAacuteGENES NO SON MUY GRANDES ANTE LA NECESIDAD DE OTRAS TRANSFORMACIONES SE UTILIZAN DE 2ordm y 3ordm ORDEN CONSIDERANDO ALTERACIONES GEOMEacuteTRICAS NO LINEALES (FUNCIONES QUE NO SE DEFINEN EN UN PLANO

CON EJES LINEALES SINO QUE SUPERFICIES CON EJES CURVILIacuteNEOS)

LOS COEFICIENTES DE LAS FUNCIONES DE TRANSFORMACIOacuteN SE CALCULAN A PARTIR DE UN AJUSTE POR MIacuteNIMOS CUADRADOS

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

funciones de transformacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash ejemplos de funciones de transformacioacuten geomeacutetrica con el efecto causado

TRASLACIOacuteN

CAMBIO DE ESCALA

INCLINACIOacuteN

PERSPECTIVA

ROTACIOacuteN

x = a0 + xacute y = b0 + yacute

x = xacute + a2 yacute y = yacute

x = a1 xacute y = b1 yacute

x = a3xacute yacute y = yacute

x = a4xacute + a5yacute y = b4xacute + b5yacute a4 = b5 = cos Ɵ a5 = -b4 = sen Ɵ

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

transformacioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

comparacioacuten coordenadas reales y las estimadas por la regresioacuten

el promedio de los residuales se conoce como error medio cuadraacutetico

la calidad del ajuste lo da el RMSE (root mean squared error)

(error medio cuadraacutetico)

RMSE es la raiacutez cuadrada de las desviaciones entre los valores reales y los

calculados

RMSE para cada punto es la raiacutez de los residuales al cuadrado que es la distancia entre ellos

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

RMSE UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la praacutectica hace que fijemos una TOLERANCIA y es que si ese promedio supera un valor fijado previamente haya que rever

el valor fijado previamente generalmente es igual o menor a un PIXEL

una correcta verificacioacuten

NECESITA introducir PUNTOS de VERIFICACIOacuteN

que no hayan sido introducidos en el ajuste

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

tolerancias fijadas

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

traducimos coordenadas de un mapa a la imagen tambieacuten necesitamos a la nueva imagen

TRANSFERIR LOS VALORES DIGITALES no olvidar que lo que queremos es generar una nueva imagen que se

corresponda con las coordenadas y las funciones de ajuste

NO ORIGINAN NUEVA IMAGEN solo colocan a los pixeles en la posicioacuten correcta

en criollo las funciones de transformacioacuten generan una nueva matriz bien posicionada pero vaciacutea

DEBEMOS LLENAR LA MATRIZ problema maacutes complejo de lo que puede

pensarse Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

generacioacuten de la nueva imaacutegen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

cada pixel de la imagen corregida se corresponderiacutea con un pixel de la imagen original

LEJOS DE ESE IDEAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo I

vecino maacutes proacuteximo ( nearest neighbour )

a cada celda de la imagen corregida se asigna el ND del pixel maacutes cercano de la

imagen original

SOLUCIOacuteN RAacutePIDA MENOR DISTORSIOacuteN DE LOS ND

INTRODUCE RASGOS LINEALES QUE DISTORSIONAN

CORRECCIOacuteN DE IMAacuteGENES CLASIFICADAS

CONSERVAR LA RADIOMETRIacuteA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo II

interpolacioacuten bilineal ( bilinear interpolation )

supone promediar los ND de los cuatro pixeles mas cercanos

con ponderacioacuten seguacuten la distancia pixeles originalcorregido

REDUCE EL EFECTO DE DISTORSIOacuteN EN RASGOS LINEALES

TIENDE A DIFUMINAR LOS CONTRASTES ESPACIALES

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE IMAacuteGENES RECTIFICADAS MAPAS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo III

convolusioacuten cuacutebica ( cubic convolution )

supone considerar los ND de los 16 pixeles mas proacuteximos

media ponderada seguacuten la distancia pixeles originalcorregido

EFECTO VISUAL MAS CORRECTO

VOLUacuteMEN DE CAacuteLCULO MUY SUPERIOR TENDENCIA A AGUDIZAR BORDES DE LA IMAGEN

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE ORTOIMAacuteGENES IMPRESIONES DE CALIDAD

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

  • Nuacutemero de diapositiva 1
  • Nuacutemero de diapositiva 2
  • MOacuteDULO IV
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 5
  • Nuacutemero de diapositiva 6
  • Nuacutemero de diapositiva 7
  • Nuacutemero de diapositiva 8
  • Nuacutemero de diapositiva 9
  • Nuacutemero de diapositiva 10
  • Nuacutemero de diapositiva 11
  • Nuacutemero de diapositiva 12
  • Nuacutemero de diapositiva 13
  • Nuacutemero de diapositiva 14
  • Nuacutemero de diapositiva 15
  • Nuacutemero de diapositiva 16
  • Nuacutemero de diapositiva 17
  • Nuacutemero de diapositiva 18
  • Nuacutemero de diapositiva 19
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 21
  • Nuacutemero de diapositiva 22
  • Nuacutemero de diapositiva 23
  • Nuacutemero de diapositiva 24
  • Nuacutemero de diapositiva 25
  • Nuacutemero de diapositiva 26
  • Nuacutemero de diapositiva 27
  • Nuacutemero de diapositiva 28
  • Nuacutemero de diapositiva 29
  • Nuacutemero de diapositiva 30
  • Nuacutemero de diapositiva 31
  • Nuacutemero de diapositiva 32
  • Nuacutemero de diapositiva 33
  • Nuacutemero de diapositiva 34
  • Nuacutemero de diapositiva 35
  • Nuacutemero de diapositiva 36
  • Nuacutemero de diapositiva 37
  • Nuacutemero de diapositiva 38
  • Nuacutemero de diapositiva 39
  • Nuacutemero de diapositiva 40
  • 47 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 42
  • Nuacutemero de diapositiva 43
  • Nuacutemero de diapositiva 44
  • Nuacutemero de diapositiva 45
  • Nuacutemero de diapositiva 46
  • Nuacutemero de diapositiva 47
  • Nuacutemero de diapositiva 48
  • Nuacutemero de diapositiva 49
  • Nuacutemero de diapositiva 50
  • Nuacutemero de diapositiva 51
  • Nuacutemero de diapositiva 52
  • Nuacutemero de diapositiva 53
  • Nuacutemero de diapositiva 54
  • 48 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 56
  • Nuacutemero de diapositiva 57
  • Nuacutemero de diapositiva 58
  • Nuacutemero de diapositiva 59
  • Nuacutemero de diapositiva 60
  • Nuacutemero de diapositiva 61
  • Nuacutemero de diapositiva 62
  • Nuacutemero de diapositiva 63
  • Nuacutemero de diapositiva 64
  • Nuacutemero de diapositiva 65
  • Nuacutemero de diapositiva 66
  • Nuacutemero de diapositiva 67
  • Nuacutemero de diapositiva 68
  • Nuacutemero de diapositiva 69
  • Nuacutemero de diapositiva 70
  • Nuacutemero de diapositiva 71
  • Nuacutemero de diapositiva 72
  • Nuacutemero de diapositiva 73
  • Nuacutemero de diapositiva 74

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

FILTROS DIRECCIONALES

ENTENDIENDO LAS IMAacuteGENES

matrices con direccioacuten

NORTE

1 1 1

1 -2 1

-1 -1 -1

SUR

-1 -1 -1

1 -2 1

1 1 1

ESTE

-1 1 1

-1 -2 1

-1 1 1

OESTE

1 1 -1

1 -2 -1

1 1 -1

SURESTE

-1 -1 1

-1 -2 1

1 1 1

NOROESTE

1 1 1

1 -2 -1

1 -1 -1

SUROESTE

1 -1 -1

1 -2 -1

1 1 1

NORESTE

1 1 1

-1 -2 1

-1 -1 1

OBSERVACIOacuteN

LOS NOMBRES OBEDECEN A LA DIRECCIOacuteN DEL CONTRASTE QUE SENtildeALAN

LA DIRECCIOacuteN QUE REALZAN ES JUSTAMENTE LA PERPENDICULAR

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

48 Interpretacioacuten de Imaacutegenes

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Correcciones geomeacutetricas Georreferenciacioacuten Uso de puntos de control Fuentes de error Procesamiento geomeacutetrico Correccioacuten Transformacioacuten geomeacutetrica Calidad y ajuste Generacioacuten de la nueva imagen Transferencia de ND

INSTITUTO DE AGRIMENSURA - DEPARTAMENTO DE GEOMAacuteTICA PROF ADJUNTO GRADO 3 EDISON J ROSAS BERTON

El tratamiento de una imagen de sateacutelite Georreferenciacioacuten

(paso de un sistema de filas y columnas a un sistema de coordenadas estandard)

Para ello debe obtenerse una muestra de puntos de control de los que conozcamos tanto sus coordenadas reales como sus coordenadas en

la imagen deben ser por tanto objetos de un tamantildeo adecuado para resultar identificables tanto en la imagen como sobre el terreno el tamantildeo

dependeraacute loacutegicamente de la resolucioacuten de la imagen A partir de estos puntos de control se obtendraacuten por regresioacuten unas ecuaciones que permitiraacuten a cada par filacolumna un par de coordenadas

XY

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

GEORREFERENCIACIOacuteN

ENTENDIENDO LAS IMAacuteGENES

georreferenciacioacuten porqueacute

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PUNTOS DE CONTROL

ENTENDIENDO LAS IMAacuteGENES

uso de puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

DISTORSIONES POR LA PLATAFORMA ALTITUD DE LA OacuteRBITA ndash Cambio de escala

VELOCIDAD ndash Cambios de escala ORIENTACIOacuteN DE LOS TRES EJES ndash Distorsiones en la geometriacutea

NO SISTEMAacuteTICOS Y COMPLEJOS DE MODELAR

DISTORSIONES POR ROTACIOacuteN TERRESTRE

CONSIDERANDO ALTITUD (800 Km) y TAMANtildeO DE LA IMAGEN (180 Km)ndashEn latitudes medias tarda en adquirir unos 30 segundos la Tierra se desplaza unos 8 Km

ORIENTACIOacuteN NE SW

DISTORSIONES POR EL SENSOR ANOMALIacuteAS SENSOR y MOVIMIENTO ESPEJO ndash Barrido no lineal o cambio en intervalos

AacuteNGULO DE BARRIDO ndash Variacioacuten en el tamantildeo de pixel

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ERROR EN UNA IMAGEN ESPACIAL

ENTENDIENDO LAS IMAacuteGENES

fuentes de error

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Una correccioacuten geomeacutetrica incluye CUALQUIER CAMBIO EN LA POSICIOacuteN DE LOS PIXELES que

conforman la imagen f (c`) = f1 (c l) f (x y) f (l`) = f2 (c l) f (x y)

COORDENADAS DE IMAGEN CORREGIDA SON FUNCIOacuteN DE COORDENADAS COLUMNA Y LIacuteNEA DE LA

IMAGEN DE ENTRADA O DE LAS COORDENADAS DE MAPA AL QUE SUPERPONDREMOS LA IMAGEN

1 CON OBJETIVO DE REALIZAR UNA TRANSFORMACIOacuteN GEOMEacuteTRICA QUE PERMITA AJUSTARLA A OTRA IMAGEN REFERENCIA NORMALMENTE PARA REALIZAR ESTUDIOS MULTITEMPORALES O MOSAICOS CON EL FIN DE AMPLIAR LOS DATOS E INFORMACIOacuteN DE UNA ZONA

2 ESTO PERMITIRAacute QUE LA NUEVA IMAGEN LA PUEDA INTEGRAR CON INFORMACIOacuteN DE OTRAS FUENTES POR EJEMPLO EN UN AMBIENTE SIG

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

correccioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

asumimos que

NO SE CONOCE EL ORIGEN DE LOS ERRORES

modelamos

ECUACIONES EMPIacuteRICAS

aplicadas a un conjunto de puntos

COORDENADAS CONOCIDAS IMAGEN INPUT e IMAGEN OUTPUT

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

1 ndash SELECCIOacuteN DE REFERENCIAS 2 ndash ECUACIONES DE AJUSTE

3 ndash GENERACIOacuteN DE LA IMAGEN CORREGIDA

ES OBVIO CALIDAD DEL AJUSTE DEPENDERAacute DE PRECISIOacuteN CON QUE SE

LOCALICEN LOS PUNTOS DE CONTROL INEXACTA LOCALIZACIOacuteN

DISTRIBUCIOacuteN MUY SECTORIZADA NUacuteMERO DE PUNTOS DE CONTROL INADECUADO

ESTABLECER LOS PUNTOS DE CONTROL FASE MAS CRUCIAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

procesamiento de la correccioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Resaltamos la importancia de

NUacuteMERO LOCALIZACIOacuteN DISTRIBUCIOacuteN

Que debemos atender Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

que considero UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash Croquis ilustrativos de apoyo

TERRENO O ZONAS PLANAS CON IMG OBTENIDAS POR UN SENSOR DE ESTRECHA VISIOacuteN DE CAMPO

TRANSFORMACIOacuteN

BASADO EN ECUACIONES LINEALES SIMPLES

TERRENO ESCARPADO O RUGOSO O UTILIZACIOacuteN DE IMG OBTENIDAS EN UN SENSOR CON VARIACIONES EN LAS CONDICIONES DE OBSERVACIOacuteN

TRANSFORMACIOacuteN MAacuteS COMPLEJA

POLINOMIOS DE SEGUNDO O TERCER ORDEN

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Desde un punto de vista matemaacutetico

GRADO 1 ndash 3 puntos GRADO 2 ndash 6 puntos GRADO 3 ndash 10 puntos

Seguacuten mis objetivos del trabajo no es conveniente utilizar esos miacutenimos

14 a 20 puntos (Landsat 5 MMS ndash seguacuten Bernstein R y D G Ferneyhough Jr 1978)

100 a 120 puntos (Landsat 7 TM ndash seguacuten el National Remote Sensing Center de Inglaterra)

10 o 12 puntos (Pequentildea zona de 512 x 512 pixeles ndash seguacuten Emilio Chuvieco 2010)

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

matemaacuteticamente UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

QUE DEBEMOS DE CONSIDERAR EN CUANTO A LA LOCALIZACIOacuteN

CLARAMENTE IDENTIFICABLES EN IMAGEN Y MAPA RASGOS HUMANOS DEL PAISAJE NO SUJETOS A DINAMISMO TEMPORAL

CRUCE DE CARRETERAS

CAMINOS VIacuteA FEacuteRREAS

NO CONSIDERAR ELEMENTOS ASOCIADOS AL AGUA

COSTA CURSOS DE AGUA

EMBALSES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

localizacioacuten TCP UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la correccioacuten digital de la geometriacutea de una imagen se realiza a partir de establecer unas funciones que relacionen las coordenadas de la imagen

y las coordenadas del mapa

EJ CASO MAS SIMPLE REGRESIOacuteN LINEAL MUacuteLTIPLE

ci = a0 + a1 Xi + a2 Yi li = b0 + b1 Xi + b2 Yi

EN LA PRAacuteCTICA BASTA UNA FUNCIOacuteN LINEAL PARA ABORDAR UN GRAN NUacuteMERO DE

TRANSFORMACIONES Y SON SUFICIENTES SI LAS IMAacuteGENES NO SON MUY GRANDES ANTE LA NECESIDAD DE OTRAS TRANSFORMACIONES SE UTILIZAN DE 2ordm y 3ordm ORDEN CONSIDERANDO ALTERACIONES GEOMEacuteTRICAS NO LINEALES (FUNCIONES QUE NO SE DEFINEN EN UN PLANO

CON EJES LINEALES SINO QUE SUPERFICIES CON EJES CURVILIacuteNEOS)

LOS COEFICIENTES DE LAS FUNCIONES DE TRANSFORMACIOacuteN SE CALCULAN A PARTIR DE UN AJUSTE POR MIacuteNIMOS CUADRADOS

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

funciones de transformacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash ejemplos de funciones de transformacioacuten geomeacutetrica con el efecto causado

TRASLACIOacuteN

CAMBIO DE ESCALA

INCLINACIOacuteN

PERSPECTIVA

ROTACIOacuteN

x = a0 + xacute y = b0 + yacute

x = xacute + a2 yacute y = yacute

x = a1 xacute y = b1 yacute

x = a3xacute yacute y = yacute

x = a4xacute + a5yacute y = b4xacute + b5yacute a4 = b5 = cos Ɵ a5 = -b4 = sen Ɵ

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

transformacioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

comparacioacuten coordenadas reales y las estimadas por la regresioacuten

el promedio de los residuales se conoce como error medio cuadraacutetico

la calidad del ajuste lo da el RMSE (root mean squared error)

(error medio cuadraacutetico)

RMSE es la raiacutez cuadrada de las desviaciones entre los valores reales y los

calculados

RMSE para cada punto es la raiacutez de los residuales al cuadrado que es la distancia entre ellos

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

RMSE UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la praacutectica hace que fijemos una TOLERANCIA y es que si ese promedio supera un valor fijado previamente haya que rever

el valor fijado previamente generalmente es igual o menor a un PIXEL

una correcta verificacioacuten

NECESITA introducir PUNTOS de VERIFICACIOacuteN

que no hayan sido introducidos en el ajuste

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

tolerancias fijadas

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

traducimos coordenadas de un mapa a la imagen tambieacuten necesitamos a la nueva imagen

TRANSFERIR LOS VALORES DIGITALES no olvidar que lo que queremos es generar una nueva imagen que se

corresponda con las coordenadas y las funciones de ajuste

NO ORIGINAN NUEVA IMAGEN solo colocan a los pixeles en la posicioacuten correcta

en criollo las funciones de transformacioacuten generan una nueva matriz bien posicionada pero vaciacutea

DEBEMOS LLENAR LA MATRIZ problema maacutes complejo de lo que puede

pensarse Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

generacioacuten de la nueva imaacutegen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

cada pixel de la imagen corregida se corresponderiacutea con un pixel de la imagen original

LEJOS DE ESE IDEAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo I

vecino maacutes proacuteximo ( nearest neighbour )

a cada celda de la imagen corregida se asigna el ND del pixel maacutes cercano de la

imagen original

SOLUCIOacuteN RAacutePIDA MENOR DISTORSIOacuteN DE LOS ND

INTRODUCE RASGOS LINEALES QUE DISTORSIONAN

CORRECCIOacuteN DE IMAacuteGENES CLASIFICADAS

CONSERVAR LA RADIOMETRIacuteA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo II

interpolacioacuten bilineal ( bilinear interpolation )

supone promediar los ND de los cuatro pixeles mas cercanos

con ponderacioacuten seguacuten la distancia pixeles originalcorregido

REDUCE EL EFECTO DE DISTORSIOacuteN EN RASGOS LINEALES

TIENDE A DIFUMINAR LOS CONTRASTES ESPACIALES

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE IMAacuteGENES RECTIFICADAS MAPAS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo III

convolusioacuten cuacutebica ( cubic convolution )

supone considerar los ND de los 16 pixeles mas proacuteximos

media ponderada seguacuten la distancia pixeles originalcorregido

EFECTO VISUAL MAS CORRECTO

VOLUacuteMEN DE CAacuteLCULO MUY SUPERIOR TENDENCIA A AGUDIZAR BORDES DE LA IMAGEN

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE ORTOIMAacuteGENES IMPRESIONES DE CALIDAD

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

  • Nuacutemero de diapositiva 1
  • Nuacutemero de diapositiva 2
  • MOacuteDULO IV
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 5
  • Nuacutemero de diapositiva 6
  • Nuacutemero de diapositiva 7
  • Nuacutemero de diapositiva 8
  • Nuacutemero de diapositiva 9
  • Nuacutemero de diapositiva 10
  • Nuacutemero de diapositiva 11
  • Nuacutemero de diapositiva 12
  • Nuacutemero de diapositiva 13
  • Nuacutemero de diapositiva 14
  • Nuacutemero de diapositiva 15
  • Nuacutemero de diapositiva 16
  • Nuacutemero de diapositiva 17
  • Nuacutemero de diapositiva 18
  • Nuacutemero de diapositiva 19
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 21
  • Nuacutemero de diapositiva 22
  • Nuacutemero de diapositiva 23
  • Nuacutemero de diapositiva 24
  • Nuacutemero de diapositiva 25
  • Nuacutemero de diapositiva 26
  • Nuacutemero de diapositiva 27
  • Nuacutemero de diapositiva 28
  • Nuacutemero de diapositiva 29
  • Nuacutemero de diapositiva 30
  • Nuacutemero de diapositiva 31
  • Nuacutemero de diapositiva 32
  • Nuacutemero de diapositiva 33
  • Nuacutemero de diapositiva 34
  • Nuacutemero de diapositiva 35
  • Nuacutemero de diapositiva 36
  • Nuacutemero de diapositiva 37
  • Nuacutemero de diapositiva 38
  • Nuacutemero de diapositiva 39
  • Nuacutemero de diapositiva 40
  • 47 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 42
  • Nuacutemero de diapositiva 43
  • Nuacutemero de diapositiva 44
  • Nuacutemero de diapositiva 45
  • Nuacutemero de diapositiva 46
  • Nuacutemero de diapositiva 47
  • Nuacutemero de diapositiva 48
  • Nuacutemero de diapositiva 49
  • Nuacutemero de diapositiva 50
  • Nuacutemero de diapositiva 51
  • Nuacutemero de diapositiva 52
  • Nuacutemero de diapositiva 53
  • Nuacutemero de diapositiva 54
  • 48 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 56
  • Nuacutemero de diapositiva 57
  • Nuacutemero de diapositiva 58
  • Nuacutemero de diapositiva 59
  • Nuacutemero de diapositiva 60
  • Nuacutemero de diapositiva 61
  • Nuacutemero de diapositiva 62
  • Nuacutemero de diapositiva 63
  • Nuacutemero de diapositiva 64
  • Nuacutemero de diapositiva 65
  • Nuacutemero de diapositiva 66
  • Nuacutemero de diapositiva 67
  • Nuacutemero de diapositiva 68
  • Nuacutemero de diapositiva 69
  • Nuacutemero de diapositiva 70
  • Nuacutemero de diapositiva 71
  • Nuacutemero de diapositiva 72
  • Nuacutemero de diapositiva 73
  • Nuacutemero de diapositiva 74

48 Interpretacioacuten de Imaacutegenes

Interpretacioacuten de Imaacutegenes Interpretacioacuten de Imaacutegenes Tratamiento Digital Correcciones geomeacutetricas Georreferenciacioacuten Uso de puntos de control Fuentes de error Procesamiento geomeacutetrico Correccioacuten Transformacioacuten geomeacutetrica Calidad y ajuste Generacioacuten de la nueva imagen Transferencia de ND

INSTITUTO DE AGRIMENSURA - DEPARTAMENTO DE GEOMAacuteTICA PROF ADJUNTO GRADO 3 EDISON J ROSAS BERTON

El tratamiento de una imagen de sateacutelite Georreferenciacioacuten

(paso de un sistema de filas y columnas a un sistema de coordenadas estandard)

Para ello debe obtenerse una muestra de puntos de control de los que conozcamos tanto sus coordenadas reales como sus coordenadas en

la imagen deben ser por tanto objetos de un tamantildeo adecuado para resultar identificables tanto en la imagen como sobre el terreno el tamantildeo

dependeraacute loacutegicamente de la resolucioacuten de la imagen A partir de estos puntos de control se obtendraacuten por regresioacuten unas ecuaciones que permitiraacuten a cada par filacolumna un par de coordenadas

XY

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

GEORREFERENCIACIOacuteN

ENTENDIENDO LAS IMAacuteGENES

georreferenciacioacuten porqueacute

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PUNTOS DE CONTROL

ENTENDIENDO LAS IMAacuteGENES

uso de puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

DISTORSIONES POR LA PLATAFORMA ALTITUD DE LA OacuteRBITA ndash Cambio de escala

VELOCIDAD ndash Cambios de escala ORIENTACIOacuteN DE LOS TRES EJES ndash Distorsiones en la geometriacutea

NO SISTEMAacuteTICOS Y COMPLEJOS DE MODELAR

DISTORSIONES POR ROTACIOacuteN TERRESTRE

CONSIDERANDO ALTITUD (800 Km) y TAMANtildeO DE LA IMAGEN (180 Km)ndashEn latitudes medias tarda en adquirir unos 30 segundos la Tierra se desplaza unos 8 Km

ORIENTACIOacuteN NE SW

DISTORSIONES POR EL SENSOR ANOMALIacuteAS SENSOR y MOVIMIENTO ESPEJO ndash Barrido no lineal o cambio en intervalos

AacuteNGULO DE BARRIDO ndash Variacioacuten en el tamantildeo de pixel

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ERROR EN UNA IMAGEN ESPACIAL

ENTENDIENDO LAS IMAacuteGENES

fuentes de error

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Una correccioacuten geomeacutetrica incluye CUALQUIER CAMBIO EN LA POSICIOacuteN DE LOS PIXELES que

conforman la imagen f (c`) = f1 (c l) f (x y) f (l`) = f2 (c l) f (x y)

COORDENADAS DE IMAGEN CORREGIDA SON FUNCIOacuteN DE COORDENADAS COLUMNA Y LIacuteNEA DE LA

IMAGEN DE ENTRADA O DE LAS COORDENADAS DE MAPA AL QUE SUPERPONDREMOS LA IMAGEN

1 CON OBJETIVO DE REALIZAR UNA TRANSFORMACIOacuteN GEOMEacuteTRICA QUE PERMITA AJUSTARLA A OTRA IMAGEN REFERENCIA NORMALMENTE PARA REALIZAR ESTUDIOS MULTITEMPORALES O MOSAICOS CON EL FIN DE AMPLIAR LOS DATOS E INFORMACIOacuteN DE UNA ZONA

2 ESTO PERMITIRAacute QUE LA NUEVA IMAGEN LA PUEDA INTEGRAR CON INFORMACIOacuteN DE OTRAS FUENTES POR EJEMPLO EN UN AMBIENTE SIG

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

correccioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

asumimos que

NO SE CONOCE EL ORIGEN DE LOS ERRORES

modelamos

ECUACIONES EMPIacuteRICAS

aplicadas a un conjunto de puntos

COORDENADAS CONOCIDAS IMAGEN INPUT e IMAGEN OUTPUT

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

1 ndash SELECCIOacuteN DE REFERENCIAS 2 ndash ECUACIONES DE AJUSTE

3 ndash GENERACIOacuteN DE LA IMAGEN CORREGIDA

ES OBVIO CALIDAD DEL AJUSTE DEPENDERAacute DE PRECISIOacuteN CON QUE SE

LOCALICEN LOS PUNTOS DE CONTROL INEXACTA LOCALIZACIOacuteN

DISTRIBUCIOacuteN MUY SECTORIZADA NUacuteMERO DE PUNTOS DE CONTROL INADECUADO

ESTABLECER LOS PUNTOS DE CONTROL FASE MAS CRUCIAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

procesamiento de la correccioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Resaltamos la importancia de

NUacuteMERO LOCALIZACIOacuteN DISTRIBUCIOacuteN

Que debemos atender Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

que considero UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash Croquis ilustrativos de apoyo

TERRENO O ZONAS PLANAS CON IMG OBTENIDAS POR UN SENSOR DE ESTRECHA VISIOacuteN DE CAMPO

TRANSFORMACIOacuteN

BASADO EN ECUACIONES LINEALES SIMPLES

TERRENO ESCARPADO O RUGOSO O UTILIZACIOacuteN DE IMG OBTENIDAS EN UN SENSOR CON VARIACIONES EN LAS CONDICIONES DE OBSERVACIOacuteN

TRANSFORMACIOacuteN MAacuteS COMPLEJA

POLINOMIOS DE SEGUNDO O TERCER ORDEN

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Desde un punto de vista matemaacutetico

GRADO 1 ndash 3 puntos GRADO 2 ndash 6 puntos GRADO 3 ndash 10 puntos

Seguacuten mis objetivos del trabajo no es conveniente utilizar esos miacutenimos

14 a 20 puntos (Landsat 5 MMS ndash seguacuten Bernstein R y D G Ferneyhough Jr 1978)

100 a 120 puntos (Landsat 7 TM ndash seguacuten el National Remote Sensing Center de Inglaterra)

10 o 12 puntos (Pequentildea zona de 512 x 512 pixeles ndash seguacuten Emilio Chuvieco 2010)

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

matemaacuteticamente UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

QUE DEBEMOS DE CONSIDERAR EN CUANTO A LA LOCALIZACIOacuteN

CLARAMENTE IDENTIFICABLES EN IMAGEN Y MAPA RASGOS HUMANOS DEL PAISAJE NO SUJETOS A DINAMISMO TEMPORAL

CRUCE DE CARRETERAS

CAMINOS VIacuteA FEacuteRREAS

NO CONSIDERAR ELEMENTOS ASOCIADOS AL AGUA

COSTA CURSOS DE AGUA

EMBALSES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

localizacioacuten TCP UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la correccioacuten digital de la geometriacutea de una imagen se realiza a partir de establecer unas funciones que relacionen las coordenadas de la imagen

y las coordenadas del mapa

EJ CASO MAS SIMPLE REGRESIOacuteN LINEAL MUacuteLTIPLE

ci = a0 + a1 Xi + a2 Yi li = b0 + b1 Xi + b2 Yi

EN LA PRAacuteCTICA BASTA UNA FUNCIOacuteN LINEAL PARA ABORDAR UN GRAN NUacuteMERO DE

TRANSFORMACIONES Y SON SUFICIENTES SI LAS IMAacuteGENES NO SON MUY GRANDES ANTE LA NECESIDAD DE OTRAS TRANSFORMACIONES SE UTILIZAN DE 2ordm y 3ordm ORDEN CONSIDERANDO ALTERACIONES GEOMEacuteTRICAS NO LINEALES (FUNCIONES QUE NO SE DEFINEN EN UN PLANO

CON EJES LINEALES SINO QUE SUPERFICIES CON EJES CURVILIacuteNEOS)

LOS COEFICIENTES DE LAS FUNCIONES DE TRANSFORMACIOacuteN SE CALCULAN A PARTIR DE UN AJUSTE POR MIacuteNIMOS CUADRADOS

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

funciones de transformacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash ejemplos de funciones de transformacioacuten geomeacutetrica con el efecto causado

TRASLACIOacuteN

CAMBIO DE ESCALA

INCLINACIOacuteN

PERSPECTIVA

ROTACIOacuteN

x = a0 + xacute y = b0 + yacute

x = xacute + a2 yacute y = yacute

x = a1 xacute y = b1 yacute

x = a3xacute yacute y = yacute

x = a4xacute + a5yacute y = b4xacute + b5yacute a4 = b5 = cos Ɵ a5 = -b4 = sen Ɵ

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

transformacioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

comparacioacuten coordenadas reales y las estimadas por la regresioacuten

el promedio de los residuales se conoce como error medio cuadraacutetico

la calidad del ajuste lo da el RMSE (root mean squared error)

(error medio cuadraacutetico)

RMSE es la raiacutez cuadrada de las desviaciones entre los valores reales y los

calculados

RMSE para cada punto es la raiacutez de los residuales al cuadrado que es la distancia entre ellos

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

RMSE UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la praacutectica hace que fijemos una TOLERANCIA y es que si ese promedio supera un valor fijado previamente haya que rever

el valor fijado previamente generalmente es igual o menor a un PIXEL

una correcta verificacioacuten

NECESITA introducir PUNTOS de VERIFICACIOacuteN

que no hayan sido introducidos en el ajuste

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

tolerancias fijadas

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

traducimos coordenadas de un mapa a la imagen tambieacuten necesitamos a la nueva imagen

TRANSFERIR LOS VALORES DIGITALES no olvidar que lo que queremos es generar una nueva imagen que se

corresponda con las coordenadas y las funciones de ajuste

NO ORIGINAN NUEVA IMAGEN solo colocan a los pixeles en la posicioacuten correcta

en criollo las funciones de transformacioacuten generan una nueva matriz bien posicionada pero vaciacutea

DEBEMOS LLENAR LA MATRIZ problema maacutes complejo de lo que puede

pensarse Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

generacioacuten de la nueva imaacutegen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

cada pixel de la imagen corregida se corresponderiacutea con un pixel de la imagen original

LEJOS DE ESE IDEAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo I

vecino maacutes proacuteximo ( nearest neighbour )

a cada celda de la imagen corregida se asigna el ND del pixel maacutes cercano de la

imagen original

SOLUCIOacuteN RAacutePIDA MENOR DISTORSIOacuteN DE LOS ND

INTRODUCE RASGOS LINEALES QUE DISTORSIONAN

CORRECCIOacuteN DE IMAacuteGENES CLASIFICADAS

CONSERVAR LA RADIOMETRIacuteA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo II

interpolacioacuten bilineal ( bilinear interpolation )

supone promediar los ND de los cuatro pixeles mas cercanos

con ponderacioacuten seguacuten la distancia pixeles originalcorregido

REDUCE EL EFECTO DE DISTORSIOacuteN EN RASGOS LINEALES

TIENDE A DIFUMINAR LOS CONTRASTES ESPACIALES

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE IMAacuteGENES RECTIFICADAS MAPAS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo III

convolusioacuten cuacutebica ( cubic convolution )

supone considerar los ND de los 16 pixeles mas proacuteximos

media ponderada seguacuten la distancia pixeles originalcorregido

EFECTO VISUAL MAS CORRECTO

VOLUacuteMEN DE CAacuteLCULO MUY SUPERIOR TENDENCIA A AGUDIZAR BORDES DE LA IMAGEN

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE ORTOIMAacuteGENES IMPRESIONES DE CALIDAD

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

  • Nuacutemero de diapositiva 1
  • Nuacutemero de diapositiva 2
  • MOacuteDULO IV
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 5
  • Nuacutemero de diapositiva 6
  • Nuacutemero de diapositiva 7
  • Nuacutemero de diapositiva 8
  • Nuacutemero de diapositiva 9
  • Nuacutemero de diapositiva 10
  • Nuacutemero de diapositiva 11
  • Nuacutemero de diapositiva 12
  • Nuacutemero de diapositiva 13
  • Nuacutemero de diapositiva 14
  • Nuacutemero de diapositiva 15
  • Nuacutemero de diapositiva 16
  • Nuacutemero de diapositiva 17
  • Nuacutemero de diapositiva 18
  • Nuacutemero de diapositiva 19
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 21
  • Nuacutemero de diapositiva 22
  • Nuacutemero de diapositiva 23
  • Nuacutemero de diapositiva 24
  • Nuacutemero de diapositiva 25
  • Nuacutemero de diapositiva 26
  • Nuacutemero de diapositiva 27
  • Nuacutemero de diapositiva 28
  • Nuacutemero de diapositiva 29
  • Nuacutemero de diapositiva 30
  • Nuacutemero de diapositiva 31
  • Nuacutemero de diapositiva 32
  • Nuacutemero de diapositiva 33
  • Nuacutemero de diapositiva 34
  • Nuacutemero de diapositiva 35
  • Nuacutemero de diapositiva 36
  • Nuacutemero de diapositiva 37
  • Nuacutemero de diapositiva 38
  • Nuacutemero de diapositiva 39
  • Nuacutemero de diapositiva 40
  • 47 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 42
  • Nuacutemero de diapositiva 43
  • Nuacutemero de diapositiva 44
  • Nuacutemero de diapositiva 45
  • Nuacutemero de diapositiva 46
  • Nuacutemero de diapositiva 47
  • Nuacutemero de diapositiva 48
  • Nuacutemero de diapositiva 49
  • Nuacutemero de diapositiva 50
  • Nuacutemero de diapositiva 51
  • Nuacutemero de diapositiva 52
  • Nuacutemero de diapositiva 53
  • Nuacutemero de diapositiva 54
  • 48 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 56
  • Nuacutemero de diapositiva 57
  • Nuacutemero de diapositiva 58
  • Nuacutemero de diapositiva 59
  • Nuacutemero de diapositiva 60
  • Nuacutemero de diapositiva 61
  • Nuacutemero de diapositiva 62
  • Nuacutemero de diapositiva 63
  • Nuacutemero de diapositiva 64
  • Nuacutemero de diapositiva 65
  • Nuacutemero de diapositiva 66
  • Nuacutemero de diapositiva 67
  • Nuacutemero de diapositiva 68
  • Nuacutemero de diapositiva 69
  • Nuacutemero de diapositiva 70
  • Nuacutemero de diapositiva 71
  • Nuacutemero de diapositiva 72
  • Nuacutemero de diapositiva 73
  • Nuacutemero de diapositiva 74

INSTITUTO DE AGRIMENSURA - DEPARTAMENTO DE GEOMAacuteTICA PROF ADJUNTO GRADO 3 EDISON J ROSAS BERTON

El tratamiento de una imagen de sateacutelite Georreferenciacioacuten

(paso de un sistema de filas y columnas a un sistema de coordenadas estandard)

Para ello debe obtenerse una muestra de puntos de control de los que conozcamos tanto sus coordenadas reales como sus coordenadas en

la imagen deben ser por tanto objetos de un tamantildeo adecuado para resultar identificables tanto en la imagen como sobre el terreno el tamantildeo

dependeraacute loacutegicamente de la resolucioacuten de la imagen A partir de estos puntos de control se obtendraacuten por regresioacuten unas ecuaciones que permitiraacuten a cada par filacolumna un par de coordenadas

XY

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

GEORREFERENCIACIOacuteN

ENTENDIENDO LAS IMAacuteGENES

georreferenciacioacuten porqueacute

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PUNTOS DE CONTROL

ENTENDIENDO LAS IMAacuteGENES

uso de puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

DISTORSIONES POR LA PLATAFORMA ALTITUD DE LA OacuteRBITA ndash Cambio de escala

VELOCIDAD ndash Cambios de escala ORIENTACIOacuteN DE LOS TRES EJES ndash Distorsiones en la geometriacutea

NO SISTEMAacuteTICOS Y COMPLEJOS DE MODELAR

DISTORSIONES POR ROTACIOacuteN TERRESTRE

CONSIDERANDO ALTITUD (800 Km) y TAMANtildeO DE LA IMAGEN (180 Km)ndashEn latitudes medias tarda en adquirir unos 30 segundos la Tierra se desplaza unos 8 Km

ORIENTACIOacuteN NE SW

DISTORSIONES POR EL SENSOR ANOMALIacuteAS SENSOR y MOVIMIENTO ESPEJO ndash Barrido no lineal o cambio en intervalos

AacuteNGULO DE BARRIDO ndash Variacioacuten en el tamantildeo de pixel

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ERROR EN UNA IMAGEN ESPACIAL

ENTENDIENDO LAS IMAacuteGENES

fuentes de error

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Una correccioacuten geomeacutetrica incluye CUALQUIER CAMBIO EN LA POSICIOacuteN DE LOS PIXELES que

conforman la imagen f (c`) = f1 (c l) f (x y) f (l`) = f2 (c l) f (x y)

COORDENADAS DE IMAGEN CORREGIDA SON FUNCIOacuteN DE COORDENADAS COLUMNA Y LIacuteNEA DE LA

IMAGEN DE ENTRADA O DE LAS COORDENADAS DE MAPA AL QUE SUPERPONDREMOS LA IMAGEN

1 CON OBJETIVO DE REALIZAR UNA TRANSFORMACIOacuteN GEOMEacuteTRICA QUE PERMITA AJUSTARLA A OTRA IMAGEN REFERENCIA NORMALMENTE PARA REALIZAR ESTUDIOS MULTITEMPORALES O MOSAICOS CON EL FIN DE AMPLIAR LOS DATOS E INFORMACIOacuteN DE UNA ZONA

2 ESTO PERMITIRAacute QUE LA NUEVA IMAGEN LA PUEDA INTEGRAR CON INFORMACIOacuteN DE OTRAS FUENTES POR EJEMPLO EN UN AMBIENTE SIG

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

correccioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

asumimos que

NO SE CONOCE EL ORIGEN DE LOS ERRORES

modelamos

ECUACIONES EMPIacuteRICAS

aplicadas a un conjunto de puntos

COORDENADAS CONOCIDAS IMAGEN INPUT e IMAGEN OUTPUT

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

1 ndash SELECCIOacuteN DE REFERENCIAS 2 ndash ECUACIONES DE AJUSTE

3 ndash GENERACIOacuteN DE LA IMAGEN CORREGIDA

ES OBVIO CALIDAD DEL AJUSTE DEPENDERAacute DE PRECISIOacuteN CON QUE SE

LOCALICEN LOS PUNTOS DE CONTROL INEXACTA LOCALIZACIOacuteN

DISTRIBUCIOacuteN MUY SECTORIZADA NUacuteMERO DE PUNTOS DE CONTROL INADECUADO

ESTABLECER LOS PUNTOS DE CONTROL FASE MAS CRUCIAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

procesamiento de la correccioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Resaltamos la importancia de

NUacuteMERO LOCALIZACIOacuteN DISTRIBUCIOacuteN

Que debemos atender Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

que considero UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash Croquis ilustrativos de apoyo

TERRENO O ZONAS PLANAS CON IMG OBTENIDAS POR UN SENSOR DE ESTRECHA VISIOacuteN DE CAMPO

TRANSFORMACIOacuteN

BASADO EN ECUACIONES LINEALES SIMPLES

TERRENO ESCARPADO O RUGOSO O UTILIZACIOacuteN DE IMG OBTENIDAS EN UN SENSOR CON VARIACIONES EN LAS CONDICIONES DE OBSERVACIOacuteN

TRANSFORMACIOacuteN MAacuteS COMPLEJA

POLINOMIOS DE SEGUNDO O TERCER ORDEN

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Desde un punto de vista matemaacutetico

GRADO 1 ndash 3 puntos GRADO 2 ndash 6 puntos GRADO 3 ndash 10 puntos

Seguacuten mis objetivos del trabajo no es conveniente utilizar esos miacutenimos

14 a 20 puntos (Landsat 5 MMS ndash seguacuten Bernstein R y D G Ferneyhough Jr 1978)

100 a 120 puntos (Landsat 7 TM ndash seguacuten el National Remote Sensing Center de Inglaterra)

10 o 12 puntos (Pequentildea zona de 512 x 512 pixeles ndash seguacuten Emilio Chuvieco 2010)

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

matemaacuteticamente UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

QUE DEBEMOS DE CONSIDERAR EN CUANTO A LA LOCALIZACIOacuteN

CLARAMENTE IDENTIFICABLES EN IMAGEN Y MAPA RASGOS HUMANOS DEL PAISAJE NO SUJETOS A DINAMISMO TEMPORAL

CRUCE DE CARRETERAS

CAMINOS VIacuteA FEacuteRREAS

NO CONSIDERAR ELEMENTOS ASOCIADOS AL AGUA

COSTA CURSOS DE AGUA

EMBALSES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

localizacioacuten TCP UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la correccioacuten digital de la geometriacutea de una imagen se realiza a partir de establecer unas funciones que relacionen las coordenadas de la imagen

y las coordenadas del mapa

EJ CASO MAS SIMPLE REGRESIOacuteN LINEAL MUacuteLTIPLE

ci = a0 + a1 Xi + a2 Yi li = b0 + b1 Xi + b2 Yi

EN LA PRAacuteCTICA BASTA UNA FUNCIOacuteN LINEAL PARA ABORDAR UN GRAN NUacuteMERO DE

TRANSFORMACIONES Y SON SUFICIENTES SI LAS IMAacuteGENES NO SON MUY GRANDES ANTE LA NECESIDAD DE OTRAS TRANSFORMACIONES SE UTILIZAN DE 2ordm y 3ordm ORDEN CONSIDERANDO ALTERACIONES GEOMEacuteTRICAS NO LINEALES (FUNCIONES QUE NO SE DEFINEN EN UN PLANO

CON EJES LINEALES SINO QUE SUPERFICIES CON EJES CURVILIacuteNEOS)

LOS COEFICIENTES DE LAS FUNCIONES DE TRANSFORMACIOacuteN SE CALCULAN A PARTIR DE UN AJUSTE POR MIacuteNIMOS CUADRADOS

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

funciones de transformacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash ejemplos de funciones de transformacioacuten geomeacutetrica con el efecto causado

TRASLACIOacuteN

CAMBIO DE ESCALA

INCLINACIOacuteN

PERSPECTIVA

ROTACIOacuteN

x = a0 + xacute y = b0 + yacute

x = xacute + a2 yacute y = yacute

x = a1 xacute y = b1 yacute

x = a3xacute yacute y = yacute

x = a4xacute + a5yacute y = b4xacute + b5yacute a4 = b5 = cos Ɵ a5 = -b4 = sen Ɵ

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

transformacioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

comparacioacuten coordenadas reales y las estimadas por la regresioacuten

el promedio de los residuales se conoce como error medio cuadraacutetico

la calidad del ajuste lo da el RMSE (root mean squared error)

(error medio cuadraacutetico)

RMSE es la raiacutez cuadrada de las desviaciones entre los valores reales y los

calculados

RMSE para cada punto es la raiacutez de los residuales al cuadrado que es la distancia entre ellos

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

RMSE UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la praacutectica hace que fijemos una TOLERANCIA y es que si ese promedio supera un valor fijado previamente haya que rever

el valor fijado previamente generalmente es igual o menor a un PIXEL

una correcta verificacioacuten

NECESITA introducir PUNTOS de VERIFICACIOacuteN

que no hayan sido introducidos en el ajuste

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

tolerancias fijadas

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

traducimos coordenadas de un mapa a la imagen tambieacuten necesitamos a la nueva imagen

TRANSFERIR LOS VALORES DIGITALES no olvidar que lo que queremos es generar una nueva imagen que se

corresponda con las coordenadas y las funciones de ajuste

NO ORIGINAN NUEVA IMAGEN solo colocan a los pixeles en la posicioacuten correcta

en criollo las funciones de transformacioacuten generan una nueva matriz bien posicionada pero vaciacutea

DEBEMOS LLENAR LA MATRIZ problema maacutes complejo de lo que puede

pensarse Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

generacioacuten de la nueva imaacutegen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

cada pixel de la imagen corregida se corresponderiacutea con un pixel de la imagen original

LEJOS DE ESE IDEAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo I

vecino maacutes proacuteximo ( nearest neighbour )

a cada celda de la imagen corregida se asigna el ND del pixel maacutes cercano de la

imagen original

SOLUCIOacuteN RAacutePIDA MENOR DISTORSIOacuteN DE LOS ND

INTRODUCE RASGOS LINEALES QUE DISTORSIONAN

CORRECCIOacuteN DE IMAacuteGENES CLASIFICADAS

CONSERVAR LA RADIOMETRIacuteA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo II

interpolacioacuten bilineal ( bilinear interpolation )

supone promediar los ND de los cuatro pixeles mas cercanos

con ponderacioacuten seguacuten la distancia pixeles originalcorregido

REDUCE EL EFECTO DE DISTORSIOacuteN EN RASGOS LINEALES

TIENDE A DIFUMINAR LOS CONTRASTES ESPACIALES

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE IMAacuteGENES RECTIFICADAS MAPAS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo III

convolusioacuten cuacutebica ( cubic convolution )

supone considerar los ND de los 16 pixeles mas proacuteximos

media ponderada seguacuten la distancia pixeles originalcorregido

EFECTO VISUAL MAS CORRECTO

VOLUacuteMEN DE CAacuteLCULO MUY SUPERIOR TENDENCIA A AGUDIZAR BORDES DE LA IMAGEN

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE ORTOIMAacuteGENES IMPRESIONES DE CALIDAD

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

  • Nuacutemero de diapositiva 1
  • Nuacutemero de diapositiva 2
  • MOacuteDULO IV
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 5
  • Nuacutemero de diapositiva 6
  • Nuacutemero de diapositiva 7
  • Nuacutemero de diapositiva 8
  • Nuacutemero de diapositiva 9
  • Nuacutemero de diapositiva 10
  • Nuacutemero de diapositiva 11
  • Nuacutemero de diapositiva 12
  • Nuacutemero de diapositiva 13
  • Nuacutemero de diapositiva 14
  • Nuacutemero de diapositiva 15
  • Nuacutemero de diapositiva 16
  • Nuacutemero de diapositiva 17
  • Nuacutemero de diapositiva 18
  • Nuacutemero de diapositiva 19
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 21
  • Nuacutemero de diapositiva 22
  • Nuacutemero de diapositiva 23
  • Nuacutemero de diapositiva 24
  • Nuacutemero de diapositiva 25
  • Nuacutemero de diapositiva 26
  • Nuacutemero de diapositiva 27
  • Nuacutemero de diapositiva 28
  • Nuacutemero de diapositiva 29
  • Nuacutemero de diapositiva 30
  • Nuacutemero de diapositiva 31
  • Nuacutemero de diapositiva 32
  • Nuacutemero de diapositiva 33
  • Nuacutemero de diapositiva 34
  • Nuacutemero de diapositiva 35
  • Nuacutemero de diapositiva 36
  • Nuacutemero de diapositiva 37
  • Nuacutemero de diapositiva 38
  • Nuacutemero de diapositiva 39
  • Nuacutemero de diapositiva 40
  • 47 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 42
  • Nuacutemero de diapositiva 43
  • Nuacutemero de diapositiva 44
  • Nuacutemero de diapositiva 45
  • Nuacutemero de diapositiva 46
  • Nuacutemero de diapositiva 47
  • Nuacutemero de diapositiva 48
  • Nuacutemero de diapositiva 49
  • Nuacutemero de diapositiva 50
  • Nuacutemero de diapositiva 51
  • Nuacutemero de diapositiva 52
  • Nuacutemero de diapositiva 53
  • Nuacutemero de diapositiva 54
  • 48 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 56
  • Nuacutemero de diapositiva 57
  • Nuacutemero de diapositiva 58
  • Nuacutemero de diapositiva 59
  • Nuacutemero de diapositiva 60
  • Nuacutemero de diapositiva 61
  • Nuacutemero de diapositiva 62
  • Nuacutemero de diapositiva 63
  • Nuacutemero de diapositiva 64
  • Nuacutemero de diapositiva 65
  • Nuacutemero de diapositiva 66
  • Nuacutemero de diapositiva 67
  • Nuacutemero de diapositiva 68
  • Nuacutemero de diapositiva 69
  • Nuacutemero de diapositiva 70
  • Nuacutemero de diapositiva 71
  • Nuacutemero de diapositiva 72
  • Nuacutemero de diapositiva 73
  • Nuacutemero de diapositiva 74

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PUNTOS DE CONTROL

ENTENDIENDO LAS IMAacuteGENES

uso de puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

DISTORSIONES POR LA PLATAFORMA ALTITUD DE LA OacuteRBITA ndash Cambio de escala

VELOCIDAD ndash Cambios de escala ORIENTACIOacuteN DE LOS TRES EJES ndash Distorsiones en la geometriacutea

NO SISTEMAacuteTICOS Y COMPLEJOS DE MODELAR

DISTORSIONES POR ROTACIOacuteN TERRESTRE

CONSIDERANDO ALTITUD (800 Km) y TAMANtildeO DE LA IMAGEN (180 Km)ndashEn latitudes medias tarda en adquirir unos 30 segundos la Tierra se desplaza unos 8 Km

ORIENTACIOacuteN NE SW

DISTORSIONES POR EL SENSOR ANOMALIacuteAS SENSOR y MOVIMIENTO ESPEJO ndash Barrido no lineal o cambio en intervalos

AacuteNGULO DE BARRIDO ndash Variacioacuten en el tamantildeo de pixel

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ERROR EN UNA IMAGEN ESPACIAL

ENTENDIENDO LAS IMAacuteGENES

fuentes de error

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Una correccioacuten geomeacutetrica incluye CUALQUIER CAMBIO EN LA POSICIOacuteN DE LOS PIXELES que

conforman la imagen f (c`) = f1 (c l) f (x y) f (l`) = f2 (c l) f (x y)

COORDENADAS DE IMAGEN CORREGIDA SON FUNCIOacuteN DE COORDENADAS COLUMNA Y LIacuteNEA DE LA

IMAGEN DE ENTRADA O DE LAS COORDENADAS DE MAPA AL QUE SUPERPONDREMOS LA IMAGEN

1 CON OBJETIVO DE REALIZAR UNA TRANSFORMACIOacuteN GEOMEacuteTRICA QUE PERMITA AJUSTARLA A OTRA IMAGEN REFERENCIA NORMALMENTE PARA REALIZAR ESTUDIOS MULTITEMPORALES O MOSAICOS CON EL FIN DE AMPLIAR LOS DATOS E INFORMACIOacuteN DE UNA ZONA

2 ESTO PERMITIRAacute QUE LA NUEVA IMAGEN LA PUEDA INTEGRAR CON INFORMACIOacuteN DE OTRAS FUENTES POR EJEMPLO EN UN AMBIENTE SIG

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

correccioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

asumimos que

NO SE CONOCE EL ORIGEN DE LOS ERRORES

modelamos

ECUACIONES EMPIacuteRICAS

aplicadas a un conjunto de puntos

COORDENADAS CONOCIDAS IMAGEN INPUT e IMAGEN OUTPUT

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

1 ndash SELECCIOacuteN DE REFERENCIAS 2 ndash ECUACIONES DE AJUSTE

3 ndash GENERACIOacuteN DE LA IMAGEN CORREGIDA

ES OBVIO CALIDAD DEL AJUSTE DEPENDERAacute DE PRECISIOacuteN CON QUE SE

LOCALICEN LOS PUNTOS DE CONTROL INEXACTA LOCALIZACIOacuteN

DISTRIBUCIOacuteN MUY SECTORIZADA NUacuteMERO DE PUNTOS DE CONTROL INADECUADO

ESTABLECER LOS PUNTOS DE CONTROL FASE MAS CRUCIAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

procesamiento de la correccioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Resaltamos la importancia de

NUacuteMERO LOCALIZACIOacuteN DISTRIBUCIOacuteN

Que debemos atender Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

que considero UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash Croquis ilustrativos de apoyo

TERRENO O ZONAS PLANAS CON IMG OBTENIDAS POR UN SENSOR DE ESTRECHA VISIOacuteN DE CAMPO

TRANSFORMACIOacuteN

BASADO EN ECUACIONES LINEALES SIMPLES

TERRENO ESCARPADO O RUGOSO O UTILIZACIOacuteN DE IMG OBTENIDAS EN UN SENSOR CON VARIACIONES EN LAS CONDICIONES DE OBSERVACIOacuteN

TRANSFORMACIOacuteN MAacuteS COMPLEJA

POLINOMIOS DE SEGUNDO O TERCER ORDEN

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Desde un punto de vista matemaacutetico

GRADO 1 ndash 3 puntos GRADO 2 ndash 6 puntos GRADO 3 ndash 10 puntos

Seguacuten mis objetivos del trabajo no es conveniente utilizar esos miacutenimos

14 a 20 puntos (Landsat 5 MMS ndash seguacuten Bernstein R y D G Ferneyhough Jr 1978)

100 a 120 puntos (Landsat 7 TM ndash seguacuten el National Remote Sensing Center de Inglaterra)

10 o 12 puntos (Pequentildea zona de 512 x 512 pixeles ndash seguacuten Emilio Chuvieco 2010)

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

matemaacuteticamente UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

QUE DEBEMOS DE CONSIDERAR EN CUANTO A LA LOCALIZACIOacuteN

CLARAMENTE IDENTIFICABLES EN IMAGEN Y MAPA RASGOS HUMANOS DEL PAISAJE NO SUJETOS A DINAMISMO TEMPORAL

CRUCE DE CARRETERAS

CAMINOS VIacuteA FEacuteRREAS

NO CONSIDERAR ELEMENTOS ASOCIADOS AL AGUA

COSTA CURSOS DE AGUA

EMBALSES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

localizacioacuten TCP UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la correccioacuten digital de la geometriacutea de una imagen se realiza a partir de establecer unas funciones que relacionen las coordenadas de la imagen

y las coordenadas del mapa

EJ CASO MAS SIMPLE REGRESIOacuteN LINEAL MUacuteLTIPLE

ci = a0 + a1 Xi + a2 Yi li = b0 + b1 Xi + b2 Yi

EN LA PRAacuteCTICA BASTA UNA FUNCIOacuteN LINEAL PARA ABORDAR UN GRAN NUacuteMERO DE

TRANSFORMACIONES Y SON SUFICIENTES SI LAS IMAacuteGENES NO SON MUY GRANDES ANTE LA NECESIDAD DE OTRAS TRANSFORMACIONES SE UTILIZAN DE 2ordm y 3ordm ORDEN CONSIDERANDO ALTERACIONES GEOMEacuteTRICAS NO LINEALES (FUNCIONES QUE NO SE DEFINEN EN UN PLANO

CON EJES LINEALES SINO QUE SUPERFICIES CON EJES CURVILIacuteNEOS)

LOS COEFICIENTES DE LAS FUNCIONES DE TRANSFORMACIOacuteN SE CALCULAN A PARTIR DE UN AJUSTE POR MIacuteNIMOS CUADRADOS

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

funciones de transformacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash ejemplos de funciones de transformacioacuten geomeacutetrica con el efecto causado

TRASLACIOacuteN

CAMBIO DE ESCALA

INCLINACIOacuteN

PERSPECTIVA

ROTACIOacuteN

x = a0 + xacute y = b0 + yacute

x = xacute + a2 yacute y = yacute

x = a1 xacute y = b1 yacute

x = a3xacute yacute y = yacute

x = a4xacute + a5yacute y = b4xacute + b5yacute a4 = b5 = cos Ɵ a5 = -b4 = sen Ɵ

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

transformacioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

comparacioacuten coordenadas reales y las estimadas por la regresioacuten

el promedio de los residuales se conoce como error medio cuadraacutetico

la calidad del ajuste lo da el RMSE (root mean squared error)

(error medio cuadraacutetico)

RMSE es la raiacutez cuadrada de las desviaciones entre los valores reales y los

calculados

RMSE para cada punto es la raiacutez de los residuales al cuadrado que es la distancia entre ellos

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

RMSE UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la praacutectica hace que fijemos una TOLERANCIA y es que si ese promedio supera un valor fijado previamente haya que rever

el valor fijado previamente generalmente es igual o menor a un PIXEL

una correcta verificacioacuten

NECESITA introducir PUNTOS de VERIFICACIOacuteN

que no hayan sido introducidos en el ajuste

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

tolerancias fijadas

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

traducimos coordenadas de un mapa a la imagen tambieacuten necesitamos a la nueva imagen

TRANSFERIR LOS VALORES DIGITALES no olvidar que lo que queremos es generar una nueva imagen que se

corresponda con las coordenadas y las funciones de ajuste

NO ORIGINAN NUEVA IMAGEN solo colocan a los pixeles en la posicioacuten correcta

en criollo las funciones de transformacioacuten generan una nueva matriz bien posicionada pero vaciacutea

DEBEMOS LLENAR LA MATRIZ problema maacutes complejo de lo que puede

pensarse Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

generacioacuten de la nueva imaacutegen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

cada pixel de la imagen corregida se corresponderiacutea con un pixel de la imagen original

LEJOS DE ESE IDEAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo I

vecino maacutes proacuteximo ( nearest neighbour )

a cada celda de la imagen corregida se asigna el ND del pixel maacutes cercano de la

imagen original

SOLUCIOacuteN RAacutePIDA MENOR DISTORSIOacuteN DE LOS ND

INTRODUCE RASGOS LINEALES QUE DISTORSIONAN

CORRECCIOacuteN DE IMAacuteGENES CLASIFICADAS

CONSERVAR LA RADIOMETRIacuteA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo II

interpolacioacuten bilineal ( bilinear interpolation )

supone promediar los ND de los cuatro pixeles mas cercanos

con ponderacioacuten seguacuten la distancia pixeles originalcorregido

REDUCE EL EFECTO DE DISTORSIOacuteN EN RASGOS LINEALES

TIENDE A DIFUMINAR LOS CONTRASTES ESPACIALES

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE IMAacuteGENES RECTIFICADAS MAPAS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo III

convolusioacuten cuacutebica ( cubic convolution )

supone considerar los ND de los 16 pixeles mas proacuteximos

media ponderada seguacuten la distancia pixeles originalcorregido

EFECTO VISUAL MAS CORRECTO

VOLUacuteMEN DE CAacuteLCULO MUY SUPERIOR TENDENCIA A AGUDIZAR BORDES DE LA IMAGEN

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE ORTOIMAacuteGENES IMPRESIONES DE CALIDAD

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

  • Nuacutemero de diapositiva 1
  • Nuacutemero de diapositiva 2
  • MOacuteDULO IV
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 5
  • Nuacutemero de diapositiva 6
  • Nuacutemero de diapositiva 7
  • Nuacutemero de diapositiva 8
  • Nuacutemero de diapositiva 9
  • Nuacutemero de diapositiva 10
  • Nuacutemero de diapositiva 11
  • Nuacutemero de diapositiva 12
  • Nuacutemero de diapositiva 13
  • Nuacutemero de diapositiva 14
  • Nuacutemero de diapositiva 15
  • Nuacutemero de diapositiva 16
  • Nuacutemero de diapositiva 17
  • Nuacutemero de diapositiva 18
  • Nuacutemero de diapositiva 19
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 21
  • Nuacutemero de diapositiva 22
  • Nuacutemero de diapositiva 23
  • Nuacutemero de diapositiva 24
  • Nuacutemero de diapositiva 25
  • Nuacutemero de diapositiva 26
  • Nuacutemero de diapositiva 27
  • Nuacutemero de diapositiva 28
  • Nuacutemero de diapositiva 29
  • Nuacutemero de diapositiva 30
  • Nuacutemero de diapositiva 31
  • Nuacutemero de diapositiva 32
  • Nuacutemero de diapositiva 33
  • Nuacutemero de diapositiva 34
  • Nuacutemero de diapositiva 35
  • Nuacutemero de diapositiva 36
  • Nuacutemero de diapositiva 37
  • Nuacutemero de diapositiva 38
  • Nuacutemero de diapositiva 39
  • Nuacutemero de diapositiva 40
  • 47 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 42
  • Nuacutemero de diapositiva 43
  • Nuacutemero de diapositiva 44
  • Nuacutemero de diapositiva 45
  • Nuacutemero de diapositiva 46
  • Nuacutemero de diapositiva 47
  • Nuacutemero de diapositiva 48
  • Nuacutemero de diapositiva 49
  • Nuacutemero de diapositiva 50
  • Nuacutemero de diapositiva 51
  • Nuacutemero de diapositiva 52
  • Nuacutemero de diapositiva 53
  • Nuacutemero de diapositiva 54
  • 48 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 56
  • Nuacutemero de diapositiva 57
  • Nuacutemero de diapositiva 58
  • Nuacutemero de diapositiva 59
  • Nuacutemero de diapositiva 60
  • Nuacutemero de diapositiva 61
  • Nuacutemero de diapositiva 62
  • Nuacutemero de diapositiva 63
  • Nuacutemero de diapositiva 64
  • Nuacutemero de diapositiva 65
  • Nuacutemero de diapositiva 66
  • Nuacutemero de diapositiva 67
  • Nuacutemero de diapositiva 68
  • Nuacutemero de diapositiva 69
  • Nuacutemero de diapositiva 70
  • Nuacutemero de diapositiva 71
  • Nuacutemero de diapositiva 72
  • Nuacutemero de diapositiva 73
  • Nuacutemero de diapositiva 74

DISTORSIONES POR LA PLATAFORMA ALTITUD DE LA OacuteRBITA ndash Cambio de escala

VELOCIDAD ndash Cambios de escala ORIENTACIOacuteN DE LOS TRES EJES ndash Distorsiones en la geometriacutea

NO SISTEMAacuteTICOS Y COMPLEJOS DE MODELAR

DISTORSIONES POR ROTACIOacuteN TERRESTRE

CONSIDERANDO ALTITUD (800 Km) y TAMANtildeO DE LA IMAGEN (180 Km)ndashEn latitudes medias tarda en adquirir unos 30 segundos la Tierra se desplaza unos 8 Km

ORIENTACIOacuteN NE SW

DISTORSIONES POR EL SENSOR ANOMALIacuteAS SENSOR y MOVIMIENTO ESPEJO ndash Barrido no lineal o cambio en intervalos

AacuteNGULO DE BARRIDO ndash Variacioacuten en el tamantildeo de pixel

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

ERROR EN UNA IMAGEN ESPACIAL

ENTENDIENDO LAS IMAacuteGENES

fuentes de error

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Una correccioacuten geomeacutetrica incluye CUALQUIER CAMBIO EN LA POSICIOacuteN DE LOS PIXELES que

conforman la imagen f (c`) = f1 (c l) f (x y) f (l`) = f2 (c l) f (x y)

COORDENADAS DE IMAGEN CORREGIDA SON FUNCIOacuteN DE COORDENADAS COLUMNA Y LIacuteNEA DE LA

IMAGEN DE ENTRADA O DE LAS COORDENADAS DE MAPA AL QUE SUPERPONDREMOS LA IMAGEN

1 CON OBJETIVO DE REALIZAR UNA TRANSFORMACIOacuteN GEOMEacuteTRICA QUE PERMITA AJUSTARLA A OTRA IMAGEN REFERENCIA NORMALMENTE PARA REALIZAR ESTUDIOS MULTITEMPORALES O MOSAICOS CON EL FIN DE AMPLIAR LOS DATOS E INFORMACIOacuteN DE UNA ZONA

2 ESTO PERMITIRAacute QUE LA NUEVA IMAGEN LA PUEDA INTEGRAR CON INFORMACIOacuteN DE OTRAS FUENTES POR EJEMPLO EN UN AMBIENTE SIG

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

correccioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

asumimos que

NO SE CONOCE EL ORIGEN DE LOS ERRORES

modelamos

ECUACIONES EMPIacuteRICAS

aplicadas a un conjunto de puntos

COORDENADAS CONOCIDAS IMAGEN INPUT e IMAGEN OUTPUT

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

1 ndash SELECCIOacuteN DE REFERENCIAS 2 ndash ECUACIONES DE AJUSTE

3 ndash GENERACIOacuteN DE LA IMAGEN CORREGIDA

ES OBVIO CALIDAD DEL AJUSTE DEPENDERAacute DE PRECISIOacuteN CON QUE SE

LOCALICEN LOS PUNTOS DE CONTROL INEXACTA LOCALIZACIOacuteN

DISTRIBUCIOacuteN MUY SECTORIZADA NUacuteMERO DE PUNTOS DE CONTROL INADECUADO

ESTABLECER LOS PUNTOS DE CONTROL FASE MAS CRUCIAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

procesamiento de la correccioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Resaltamos la importancia de

NUacuteMERO LOCALIZACIOacuteN DISTRIBUCIOacuteN

Que debemos atender Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

que considero UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash Croquis ilustrativos de apoyo

TERRENO O ZONAS PLANAS CON IMG OBTENIDAS POR UN SENSOR DE ESTRECHA VISIOacuteN DE CAMPO

TRANSFORMACIOacuteN

BASADO EN ECUACIONES LINEALES SIMPLES

TERRENO ESCARPADO O RUGOSO O UTILIZACIOacuteN DE IMG OBTENIDAS EN UN SENSOR CON VARIACIONES EN LAS CONDICIONES DE OBSERVACIOacuteN

TRANSFORMACIOacuteN MAacuteS COMPLEJA

POLINOMIOS DE SEGUNDO O TERCER ORDEN

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Desde un punto de vista matemaacutetico

GRADO 1 ndash 3 puntos GRADO 2 ndash 6 puntos GRADO 3 ndash 10 puntos

Seguacuten mis objetivos del trabajo no es conveniente utilizar esos miacutenimos

14 a 20 puntos (Landsat 5 MMS ndash seguacuten Bernstein R y D G Ferneyhough Jr 1978)

100 a 120 puntos (Landsat 7 TM ndash seguacuten el National Remote Sensing Center de Inglaterra)

10 o 12 puntos (Pequentildea zona de 512 x 512 pixeles ndash seguacuten Emilio Chuvieco 2010)

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

matemaacuteticamente UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

QUE DEBEMOS DE CONSIDERAR EN CUANTO A LA LOCALIZACIOacuteN

CLARAMENTE IDENTIFICABLES EN IMAGEN Y MAPA RASGOS HUMANOS DEL PAISAJE NO SUJETOS A DINAMISMO TEMPORAL

CRUCE DE CARRETERAS

CAMINOS VIacuteA FEacuteRREAS

NO CONSIDERAR ELEMENTOS ASOCIADOS AL AGUA

COSTA CURSOS DE AGUA

EMBALSES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

localizacioacuten TCP UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la correccioacuten digital de la geometriacutea de una imagen se realiza a partir de establecer unas funciones que relacionen las coordenadas de la imagen

y las coordenadas del mapa

EJ CASO MAS SIMPLE REGRESIOacuteN LINEAL MUacuteLTIPLE

ci = a0 + a1 Xi + a2 Yi li = b0 + b1 Xi + b2 Yi

EN LA PRAacuteCTICA BASTA UNA FUNCIOacuteN LINEAL PARA ABORDAR UN GRAN NUacuteMERO DE

TRANSFORMACIONES Y SON SUFICIENTES SI LAS IMAacuteGENES NO SON MUY GRANDES ANTE LA NECESIDAD DE OTRAS TRANSFORMACIONES SE UTILIZAN DE 2ordm y 3ordm ORDEN CONSIDERANDO ALTERACIONES GEOMEacuteTRICAS NO LINEALES (FUNCIONES QUE NO SE DEFINEN EN UN PLANO

CON EJES LINEALES SINO QUE SUPERFICIES CON EJES CURVILIacuteNEOS)

LOS COEFICIENTES DE LAS FUNCIONES DE TRANSFORMACIOacuteN SE CALCULAN A PARTIR DE UN AJUSTE POR MIacuteNIMOS CUADRADOS

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

funciones de transformacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash ejemplos de funciones de transformacioacuten geomeacutetrica con el efecto causado

TRASLACIOacuteN

CAMBIO DE ESCALA

INCLINACIOacuteN

PERSPECTIVA

ROTACIOacuteN

x = a0 + xacute y = b0 + yacute

x = xacute + a2 yacute y = yacute

x = a1 xacute y = b1 yacute

x = a3xacute yacute y = yacute

x = a4xacute + a5yacute y = b4xacute + b5yacute a4 = b5 = cos Ɵ a5 = -b4 = sen Ɵ

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

transformacioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

comparacioacuten coordenadas reales y las estimadas por la regresioacuten

el promedio de los residuales se conoce como error medio cuadraacutetico

la calidad del ajuste lo da el RMSE (root mean squared error)

(error medio cuadraacutetico)

RMSE es la raiacutez cuadrada de las desviaciones entre los valores reales y los

calculados

RMSE para cada punto es la raiacutez de los residuales al cuadrado que es la distancia entre ellos

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

RMSE UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la praacutectica hace que fijemos una TOLERANCIA y es que si ese promedio supera un valor fijado previamente haya que rever

el valor fijado previamente generalmente es igual o menor a un PIXEL

una correcta verificacioacuten

NECESITA introducir PUNTOS de VERIFICACIOacuteN

que no hayan sido introducidos en el ajuste

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

tolerancias fijadas

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

traducimos coordenadas de un mapa a la imagen tambieacuten necesitamos a la nueva imagen

TRANSFERIR LOS VALORES DIGITALES no olvidar que lo que queremos es generar una nueva imagen que se

corresponda con las coordenadas y las funciones de ajuste

NO ORIGINAN NUEVA IMAGEN solo colocan a los pixeles en la posicioacuten correcta

en criollo las funciones de transformacioacuten generan una nueva matriz bien posicionada pero vaciacutea

DEBEMOS LLENAR LA MATRIZ problema maacutes complejo de lo que puede

pensarse Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

generacioacuten de la nueva imaacutegen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

cada pixel de la imagen corregida se corresponderiacutea con un pixel de la imagen original

LEJOS DE ESE IDEAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo I

vecino maacutes proacuteximo ( nearest neighbour )

a cada celda de la imagen corregida se asigna el ND del pixel maacutes cercano de la

imagen original

SOLUCIOacuteN RAacutePIDA MENOR DISTORSIOacuteN DE LOS ND

INTRODUCE RASGOS LINEALES QUE DISTORSIONAN

CORRECCIOacuteN DE IMAacuteGENES CLASIFICADAS

CONSERVAR LA RADIOMETRIacuteA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo II

interpolacioacuten bilineal ( bilinear interpolation )

supone promediar los ND de los cuatro pixeles mas cercanos

con ponderacioacuten seguacuten la distancia pixeles originalcorregido

REDUCE EL EFECTO DE DISTORSIOacuteN EN RASGOS LINEALES

TIENDE A DIFUMINAR LOS CONTRASTES ESPACIALES

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE IMAacuteGENES RECTIFICADAS MAPAS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo III

convolusioacuten cuacutebica ( cubic convolution )

supone considerar los ND de los 16 pixeles mas proacuteximos

media ponderada seguacuten la distancia pixeles originalcorregido

EFECTO VISUAL MAS CORRECTO

VOLUacuteMEN DE CAacuteLCULO MUY SUPERIOR TENDENCIA A AGUDIZAR BORDES DE LA IMAGEN

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE ORTOIMAacuteGENES IMPRESIONES DE CALIDAD

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

  • Nuacutemero de diapositiva 1
  • Nuacutemero de diapositiva 2
  • MOacuteDULO IV
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 5
  • Nuacutemero de diapositiva 6
  • Nuacutemero de diapositiva 7
  • Nuacutemero de diapositiva 8
  • Nuacutemero de diapositiva 9
  • Nuacutemero de diapositiva 10
  • Nuacutemero de diapositiva 11
  • Nuacutemero de diapositiva 12
  • Nuacutemero de diapositiva 13
  • Nuacutemero de diapositiva 14
  • Nuacutemero de diapositiva 15
  • Nuacutemero de diapositiva 16
  • Nuacutemero de diapositiva 17
  • Nuacutemero de diapositiva 18
  • Nuacutemero de diapositiva 19
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 21
  • Nuacutemero de diapositiva 22
  • Nuacutemero de diapositiva 23
  • Nuacutemero de diapositiva 24
  • Nuacutemero de diapositiva 25
  • Nuacutemero de diapositiva 26
  • Nuacutemero de diapositiva 27
  • Nuacutemero de diapositiva 28
  • Nuacutemero de diapositiva 29
  • Nuacutemero de diapositiva 30
  • Nuacutemero de diapositiva 31
  • Nuacutemero de diapositiva 32
  • Nuacutemero de diapositiva 33
  • Nuacutemero de diapositiva 34
  • Nuacutemero de diapositiva 35
  • Nuacutemero de diapositiva 36
  • Nuacutemero de diapositiva 37
  • Nuacutemero de diapositiva 38
  • Nuacutemero de diapositiva 39
  • Nuacutemero de diapositiva 40
  • 47 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 42
  • Nuacutemero de diapositiva 43
  • Nuacutemero de diapositiva 44
  • Nuacutemero de diapositiva 45
  • Nuacutemero de diapositiva 46
  • Nuacutemero de diapositiva 47
  • Nuacutemero de diapositiva 48
  • Nuacutemero de diapositiva 49
  • Nuacutemero de diapositiva 50
  • Nuacutemero de diapositiva 51
  • Nuacutemero de diapositiva 52
  • Nuacutemero de diapositiva 53
  • Nuacutemero de diapositiva 54
  • 48 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 56
  • Nuacutemero de diapositiva 57
  • Nuacutemero de diapositiva 58
  • Nuacutemero de diapositiva 59
  • Nuacutemero de diapositiva 60
  • Nuacutemero de diapositiva 61
  • Nuacutemero de diapositiva 62
  • Nuacutemero de diapositiva 63
  • Nuacutemero de diapositiva 64
  • Nuacutemero de diapositiva 65
  • Nuacutemero de diapositiva 66
  • Nuacutemero de diapositiva 67
  • Nuacutemero de diapositiva 68
  • Nuacutemero de diapositiva 69
  • Nuacutemero de diapositiva 70
  • Nuacutemero de diapositiva 71
  • Nuacutemero de diapositiva 72
  • Nuacutemero de diapositiva 73
  • Nuacutemero de diapositiva 74

Una correccioacuten geomeacutetrica incluye CUALQUIER CAMBIO EN LA POSICIOacuteN DE LOS PIXELES que

conforman la imagen f (c`) = f1 (c l) f (x y) f (l`) = f2 (c l) f (x y)

COORDENADAS DE IMAGEN CORREGIDA SON FUNCIOacuteN DE COORDENADAS COLUMNA Y LIacuteNEA DE LA

IMAGEN DE ENTRADA O DE LAS COORDENADAS DE MAPA AL QUE SUPERPONDREMOS LA IMAGEN

1 CON OBJETIVO DE REALIZAR UNA TRANSFORMACIOacuteN GEOMEacuteTRICA QUE PERMITA AJUSTARLA A OTRA IMAGEN REFERENCIA NORMALMENTE PARA REALIZAR ESTUDIOS MULTITEMPORALES O MOSAICOS CON EL FIN DE AMPLIAR LOS DATOS E INFORMACIOacuteN DE UNA ZONA

2 ESTO PERMITIRAacute QUE LA NUEVA IMAGEN LA PUEDA INTEGRAR CON INFORMACIOacuteN DE OTRAS FUENTES POR EJEMPLO EN UN AMBIENTE SIG

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

correccioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

asumimos que

NO SE CONOCE EL ORIGEN DE LOS ERRORES

modelamos

ECUACIONES EMPIacuteRICAS

aplicadas a un conjunto de puntos

COORDENADAS CONOCIDAS IMAGEN INPUT e IMAGEN OUTPUT

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

1 ndash SELECCIOacuteN DE REFERENCIAS 2 ndash ECUACIONES DE AJUSTE

3 ndash GENERACIOacuteN DE LA IMAGEN CORREGIDA

ES OBVIO CALIDAD DEL AJUSTE DEPENDERAacute DE PRECISIOacuteN CON QUE SE

LOCALICEN LOS PUNTOS DE CONTROL INEXACTA LOCALIZACIOacuteN

DISTRIBUCIOacuteN MUY SECTORIZADA NUacuteMERO DE PUNTOS DE CONTROL INADECUADO

ESTABLECER LOS PUNTOS DE CONTROL FASE MAS CRUCIAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

procesamiento de la correccioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Resaltamos la importancia de

NUacuteMERO LOCALIZACIOacuteN DISTRIBUCIOacuteN

Que debemos atender Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

que considero UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash Croquis ilustrativos de apoyo

TERRENO O ZONAS PLANAS CON IMG OBTENIDAS POR UN SENSOR DE ESTRECHA VISIOacuteN DE CAMPO

TRANSFORMACIOacuteN

BASADO EN ECUACIONES LINEALES SIMPLES

TERRENO ESCARPADO O RUGOSO O UTILIZACIOacuteN DE IMG OBTENIDAS EN UN SENSOR CON VARIACIONES EN LAS CONDICIONES DE OBSERVACIOacuteN

TRANSFORMACIOacuteN MAacuteS COMPLEJA

POLINOMIOS DE SEGUNDO O TERCER ORDEN

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Desde un punto de vista matemaacutetico

GRADO 1 ndash 3 puntos GRADO 2 ndash 6 puntos GRADO 3 ndash 10 puntos

Seguacuten mis objetivos del trabajo no es conveniente utilizar esos miacutenimos

14 a 20 puntos (Landsat 5 MMS ndash seguacuten Bernstein R y D G Ferneyhough Jr 1978)

100 a 120 puntos (Landsat 7 TM ndash seguacuten el National Remote Sensing Center de Inglaterra)

10 o 12 puntos (Pequentildea zona de 512 x 512 pixeles ndash seguacuten Emilio Chuvieco 2010)

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

matemaacuteticamente UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

QUE DEBEMOS DE CONSIDERAR EN CUANTO A LA LOCALIZACIOacuteN

CLARAMENTE IDENTIFICABLES EN IMAGEN Y MAPA RASGOS HUMANOS DEL PAISAJE NO SUJETOS A DINAMISMO TEMPORAL

CRUCE DE CARRETERAS

CAMINOS VIacuteA FEacuteRREAS

NO CONSIDERAR ELEMENTOS ASOCIADOS AL AGUA

COSTA CURSOS DE AGUA

EMBALSES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

localizacioacuten TCP UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la correccioacuten digital de la geometriacutea de una imagen se realiza a partir de establecer unas funciones que relacionen las coordenadas de la imagen

y las coordenadas del mapa

EJ CASO MAS SIMPLE REGRESIOacuteN LINEAL MUacuteLTIPLE

ci = a0 + a1 Xi + a2 Yi li = b0 + b1 Xi + b2 Yi

EN LA PRAacuteCTICA BASTA UNA FUNCIOacuteN LINEAL PARA ABORDAR UN GRAN NUacuteMERO DE

TRANSFORMACIONES Y SON SUFICIENTES SI LAS IMAacuteGENES NO SON MUY GRANDES ANTE LA NECESIDAD DE OTRAS TRANSFORMACIONES SE UTILIZAN DE 2ordm y 3ordm ORDEN CONSIDERANDO ALTERACIONES GEOMEacuteTRICAS NO LINEALES (FUNCIONES QUE NO SE DEFINEN EN UN PLANO

CON EJES LINEALES SINO QUE SUPERFICIES CON EJES CURVILIacuteNEOS)

LOS COEFICIENTES DE LAS FUNCIONES DE TRANSFORMACIOacuteN SE CALCULAN A PARTIR DE UN AJUSTE POR MIacuteNIMOS CUADRADOS

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

funciones de transformacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash ejemplos de funciones de transformacioacuten geomeacutetrica con el efecto causado

TRASLACIOacuteN

CAMBIO DE ESCALA

INCLINACIOacuteN

PERSPECTIVA

ROTACIOacuteN

x = a0 + xacute y = b0 + yacute

x = xacute + a2 yacute y = yacute

x = a1 xacute y = b1 yacute

x = a3xacute yacute y = yacute

x = a4xacute + a5yacute y = b4xacute + b5yacute a4 = b5 = cos Ɵ a5 = -b4 = sen Ɵ

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

transformacioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

comparacioacuten coordenadas reales y las estimadas por la regresioacuten

el promedio de los residuales se conoce como error medio cuadraacutetico

la calidad del ajuste lo da el RMSE (root mean squared error)

(error medio cuadraacutetico)

RMSE es la raiacutez cuadrada de las desviaciones entre los valores reales y los

calculados

RMSE para cada punto es la raiacutez de los residuales al cuadrado que es la distancia entre ellos

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

RMSE UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la praacutectica hace que fijemos una TOLERANCIA y es que si ese promedio supera un valor fijado previamente haya que rever

el valor fijado previamente generalmente es igual o menor a un PIXEL

una correcta verificacioacuten

NECESITA introducir PUNTOS de VERIFICACIOacuteN

que no hayan sido introducidos en el ajuste

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

tolerancias fijadas

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

traducimos coordenadas de un mapa a la imagen tambieacuten necesitamos a la nueva imagen

TRANSFERIR LOS VALORES DIGITALES no olvidar que lo que queremos es generar una nueva imagen que se

corresponda con las coordenadas y las funciones de ajuste

NO ORIGINAN NUEVA IMAGEN solo colocan a los pixeles en la posicioacuten correcta

en criollo las funciones de transformacioacuten generan una nueva matriz bien posicionada pero vaciacutea

DEBEMOS LLENAR LA MATRIZ problema maacutes complejo de lo que puede

pensarse Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

generacioacuten de la nueva imaacutegen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

cada pixel de la imagen corregida se corresponderiacutea con un pixel de la imagen original

LEJOS DE ESE IDEAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo I

vecino maacutes proacuteximo ( nearest neighbour )

a cada celda de la imagen corregida se asigna el ND del pixel maacutes cercano de la

imagen original

SOLUCIOacuteN RAacutePIDA MENOR DISTORSIOacuteN DE LOS ND

INTRODUCE RASGOS LINEALES QUE DISTORSIONAN

CORRECCIOacuteN DE IMAacuteGENES CLASIFICADAS

CONSERVAR LA RADIOMETRIacuteA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo II

interpolacioacuten bilineal ( bilinear interpolation )

supone promediar los ND de los cuatro pixeles mas cercanos

con ponderacioacuten seguacuten la distancia pixeles originalcorregido

REDUCE EL EFECTO DE DISTORSIOacuteN EN RASGOS LINEALES

TIENDE A DIFUMINAR LOS CONTRASTES ESPACIALES

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE IMAacuteGENES RECTIFICADAS MAPAS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo III

convolusioacuten cuacutebica ( cubic convolution )

supone considerar los ND de los 16 pixeles mas proacuteximos

media ponderada seguacuten la distancia pixeles originalcorregido

EFECTO VISUAL MAS CORRECTO

VOLUacuteMEN DE CAacuteLCULO MUY SUPERIOR TENDENCIA A AGUDIZAR BORDES DE LA IMAGEN

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE ORTOIMAacuteGENES IMPRESIONES DE CALIDAD

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

  • Nuacutemero de diapositiva 1
  • Nuacutemero de diapositiva 2
  • MOacuteDULO IV
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 5
  • Nuacutemero de diapositiva 6
  • Nuacutemero de diapositiva 7
  • Nuacutemero de diapositiva 8
  • Nuacutemero de diapositiva 9
  • Nuacutemero de diapositiva 10
  • Nuacutemero de diapositiva 11
  • Nuacutemero de diapositiva 12
  • Nuacutemero de diapositiva 13
  • Nuacutemero de diapositiva 14
  • Nuacutemero de diapositiva 15
  • Nuacutemero de diapositiva 16
  • Nuacutemero de diapositiva 17
  • Nuacutemero de diapositiva 18
  • Nuacutemero de diapositiva 19
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 21
  • Nuacutemero de diapositiva 22
  • Nuacutemero de diapositiva 23
  • Nuacutemero de diapositiva 24
  • Nuacutemero de diapositiva 25
  • Nuacutemero de diapositiva 26
  • Nuacutemero de diapositiva 27
  • Nuacutemero de diapositiva 28
  • Nuacutemero de diapositiva 29
  • Nuacutemero de diapositiva 30
  • Nuacutemero de diapositiva 31
  • Nuacutemero de diapositiva 32
  • Nuacutemero de diapositiva 33
  • Nuacutemero de diapositiva 34
  • Nuacutemero de diapositiva 35
  • Nuacutemero de diapositiva 36
  • Nuacutemero de diapositiva 37
  • Nuacutemero de diapositiva 38
  • Nuacutemero de diapositiva 39
  • Nuacutemero de diapositiva 40
  • 47 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 42
  • Nuacutemero de diapositiva 43
  • Nuacutemero de diapositiva 44
  • Nuacutemero de diapositiva 45
  • Nuacutemero de diapositiva 46
  • Nuacutemero de diapositiva 47
  • Nuacutemero de diapositiva 48
  • Nuacutemero de diapositiva 49
  • Nuacutemero de diapositiva 50
  • Nuacutemero de diapositiva 51
  • Nuacutemero de diapositiva 52
  • Nuacutemero de diapositiva 53
  • Nuacutemero de diapositiva 54
  • 48 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 56
  • Nuacutemero de diapositiva 57
  • Nuacutemero de diapositiva 58
  • Nuacutemero de diapositiva 59
  • Nuacutemero de diapositiva 60
  • Nuacutemero de diapositiva 61
  • Nuacutemero de diapositiva 62
  • Nuacutemero de diapositiva 63
  • Nuacutemero de diapositiva 64
  • Nuacutemero de diapositiva 65
  • Nuacutemero de diapositiva 66
  • Nuacutemero de diapositiva 67
  • Nuacutemero de diapositiva 68
  • Nuacutemero de diapositiva 69
  • Nuacutemero de diapositiva 70
  • Nuacutemero de diapositiva 71
  • Nuacutemero de diapositiva 72
  • Nuacutemero de diapositiva 73
  • Nuacutemero de diapositiva 74

asumimos que

NO SE CONOCE EL ORIGEN DE LOS ERRORES

modelamos

ECUACIONES EMPIacuteRICAS

aplicadas a un conjunto de puntos

COORDENADAS CONOCIDAS IMAGEN INPUT e IMAGEN OUTPUT

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

puntos de control

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

1 ndash SELECCIOacuteN DE REFERENCIAS 2 ndash ECUACIONES DE AJUSTE

3 ndash GENERACIOacuteN DE LA IMAGEN CORREGIDA

ES OBVIO CALIDAD DEL AJUSTE DEPENDERAacute DE PRECISIOacuteN CON QUE SE

LOCALICEN LOS PUNTOS DE CONTROL INEXACTA LOCALIZACIOacuteN

DISTRIBUCIOacuteN MUY SECTORIZADA NUacuteMERO DE PUNTOS DE CONTROL INADECUADO

ESTABLECER LOS PUNTOS DE CONTROL FASE MAS CRUCIAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

procesamiento de la correccioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Resaltamos la importancia de

NUacuteMERO LOCALIZACIOacuteN DISTRIBUCIOacuteN

Que debemos atender Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

que considero UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash Croquis ilustrativos de apoyo

TERRENO O ZONAS PLANAS CON IMG OBTENIDAS POR UN SENSOR DE ESTRECHA VISIOacuteN DE CAMPO

TRANSFORMACIOacuteN

BASADO EN ECUACIONES LINEALES SIMPLES

TERRENO ESCARPADO O RUGOSO O UTILIZACIOacuteN DE IMG OBTENIDAS EN UN SENSOR CON VARIACIONES EN LAS CONDICIONES DE OBSERVACIOacuteN

TRANSFORMACIOacuteN MAacuteS COMPLEJA

POLINOMIOS DE SEGUNDO O TERCER ORDEN

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Desde un punto de vista matemaacutetico

GRADO 1 ndash 3 puntos GRADO 2 ndash 6 puntos GRADO 3 ndash 10 puntos

Seguacuten mis objetivos del trabajo no es conveniente utilizar esos miacutenimos

14 a 20 puntos (Landsat 5 MMS ndash seguacuten Bernstein R y D G Ferneyhough Jr 1978)

100 a 120 puntos (Landsat 7 TM ndash seguacuten el National Remote Sensing Center de Inglaterra)

10 o 12 puntos (Pequentildea zona de 512 x 512 pixeles ndash seguacuten Emilio Chuvieco 2010)

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

matemaacuteticamente UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

QUE DEBEMOS DE CONSIDERAR EN CUANTO A LA LOCALIZACIOacuteN

CLARAMENTE IDENTIFICABLES EN IMAGEN Y MAPA RASGOS HUMANOS DEL PAISAJE NO SUJETOS A DINAMISMO TEMPORAL

CRUCE DE CARRETERAS

CAMINOS VIacuteA FEacuteRREAS

NO CONSIDERAR ELEMENTOS ASOCIADOS AL AGUA

COSTA CURSOS DE AGUA

EMBALSES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

localizacioacuten TCP UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la correccioacuten digital de la geometriacutea de una imagen se realiza a partir de establecer unas funciones que relacionen las coordenadas de la imagen

y las coordenadas del mapa

EJ CASO MAS SIMPLE REGRESIOacuteN LINEAL MUacuteLTIPLE

ci = a0 + a1 Xi + a2 Yi li = b0 + b1 Xi + b2 Yi

EN LA PRAacuteCTICA BASTA UNA FUNCIOacuteN LINEAL PARA ABORDAR UN GRAN NUacuteMERO DE

TRANSFORMACIONES Y SON SUFICIENTES SI LAS IMAacuteGENES NO SON MUY GRANDES ANTE LA NECESIDAD DE OTRAS TRANSFORMACIONES SE UTILIZAN DE 2ordm y 3ordm ORDEN CONSIDERANDO ALTERACIONES GEOMEacuteTRICAS NO LINEALES (FUNCIONES QUE NO SE DEFINEN EN UN PLANO

CON EJES LINEALES SINO QUE SUPERFICIES CON EJES CURVILIacuteNEOS)

LOS COEFICIENTES DE LAS FUNCIONES DE TRANSFORMACIOacuteN SE CALCULAN A PARTIR DE UN AJUSTE POR MIacuteNIMOS CUADRADOS

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

funciones de transformacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash ejemplos de funciones de transformacioacuten geomeacutetrica con el efecto causado

TRASLACIOacuteN

CAMBIO DE ESCALA

INCLINACIOacuteN

PERSPECTIVA

ROTACIOacuteN

x = a0 + xacute y = b0 + yacute

x = xacute + a2 yacute y = yacute

x = a1 xacute y = b1 yacute

x = a3xacute yacute y = yacute

x = a4xacute + a5yacute y = b4xacute + b5yacute a4 = b5 = cos Ɵ a5 = -b4 = sen Ɵ

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

transformacioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

comparacioacuten coordenadas reales y las estimadas por la regresioacuten

el promedio de los residuales se conoce como error medio cuadraacutetico

la calidad del ajuste lo da el RMSE (root mean squared error)

(error medio cuadraacutetico)

RMSE es la raiacutez cuadrada de las desviaciones entre los valores reales y los

calculados

RMSE para cada punto es la raiacutez de los residuales al cuadrado que es la distancia entre ellos

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

RMSE UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la praacutectica hace que fijemos una TOLERANCIA y es que si ese promedio supera un valor fijado previamente haya que rever

el valor fijado previamente generalmente es igual o menor a un PIXEL

una correcta verificacioacuten

NECESITA introducir PUNTOS de VERIFICACIOacuteN

que no hayan sido introducidos en el ajuste

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

tolerancias fijadas

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

traducimos coordenadas de un mapa a la imagen tambieacuten necesitamos a la nueva imagen

TRANSFERIR LOS VALORES DIGITALES no olvidar que lo que queremos es generar una nueva imagen que se

corresponda con las coordenadas y las funciones de ajuste

NO ORIGINAN NUEVA IMAGEN solo colocan a los pixeles en la posicioacuten correcta

en criollo las funciones de transformacioacuten generan una nueva matriz bien posicionada pero vaciacutea

DEBEMOS LLENAR LA MATRIZ problema maacutes complejo de lo que puede

pensarse Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

generacioacuten de la nueva imaacutegen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

cada pixel de la imagen corregida se corresponderiacutea con un pixel de la imagen original

LEJOS DE ESE IDEAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo I

vecino maacutes proacuteximo ( nearest neighbour )

a cada celda de la imagen corregida se asigna el ND del pixel maacutes cercano de la

imagen original

SOLUCIOacuteN RAacutePIDA MENOR DISTORSIOacuteN DE LOS ND

INTRODUCE RASGOS LINEALES QUE DISTORSIONAN

CORRECCIOacuteN DE IMAacuteGENES CLASIFICADAS

CONSERVAR LA RADIOMETRIacuteA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo II

interpolacioacuten bilineal ( bilinear interpolation )

supone promediar los ND de los cuatro pixeles mas cercanos

con ponderacioacuten seguacuten la distancia pixeles originalcorregido

REDUCE EL EFECTO DE DISTORSIOacuteN EN RASGOS LINEALES

TIENDE A DIFUMINAR LOS CONTRASTES ESPACIALES

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE IMAacuteGENES RECTIFICADAS MAPAS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo III

convolusioacuten cuacutebica ( cubic convolution )

supone considerar los ND de los 16 pixeles mas proacuteximos

media ponderada seguacuten la distancia pixeles originalcorregido

EFECTO VISUAL MAS CORRECTO

VOLUacuteMEN DE CAacuteLCULO MUY SUPERIOR TENDENCIA A AGUDIZAR BORDES DE LA IMAGEN

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE ORTOIMAacuteGENES IMPRESIONES DE CALIDAD

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

  • Nuacutemero de diapositiva 1
  • Nuacutemero de diapositiva 2
  • MOacuteDULO IV
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 5
  • Nuacutemero de diapositiva 6
  • Nuacutemero de diapositiva 7
  • Nuacutemero de diapositiva 8
  • Nuacutemero de diapositiva 9
  • Nuacutemero de diapositiva 10
  • Nuacutemero de diapositiva 11
  • Nuacutemero de diapositiva 12
  • Nuacutemero de diapositiva 13
  • Nuacutemero de diapositiva 14
  • Nuacutemero de diapositiva 15
  • Nuacutemero de diapositiva 16
  • Nuacutemero de diapositiva 17
  • Nuacutemero de diapositiva 18
  • Nuacutemero de diapositiva 19
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 21
  • Nuacutemero de diapositiva 22
  • Nuacutemero de diapositiva 23
  • Nuacutemero de diapositiva 24
  • Nuacutemero de diapositiva 25
  • Nuacutemero de diapositiva 26
  • Nuacutemero de diapositiva 27
  • Nuacutemero de diapositiva 28
  • Nuacutemero de diapositiva 29
  • Nuacutemero de diapositiva 30
  • Nuacutemero de diapositiva 31
  • Nuacutemero de diapositiva 32
  • Nuacutemero de diapositiva 33
  • Nuacutemero de diapositiva 34
  • Nuacutemero de diapositiva 35
  • Nuacutemero de diapositiva 36
  • Nuacutemero de diapositiva 37
  • Nuacutemero de diapositiva 38
  • Nuacutemero de diapositiva 39
  • Nuacutemero de diapositiva 40
  • 47 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 42
  • Nuacutemero de diapositiva 43
  • Nuacutemero de diapositiva 44
  • Nuacutemero de diapositiva 45
  • Nuacutemero de diapositiva 46
  • Nuacutemero de diapositiva 47
  • Nuacutemero de diapositiva 48
  • Nuacutemero de diapositiva 49
  • Nuacutemero de diapositiva 50
  • Nuacutemero de diapositiva 51
  • Nuacutemero de diapositiva 52
  • Nuacutemero de diapositiva 53
  • Nuacutemero de diapositiva 54
  • 48 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 56
  • Nuacutemero de diapositiva 57
  • Nuacutemero de diapositiva 58
  • Nuacutemero de diapositiva 59
  • Nuacutemero de diapositiva 60
  • Nuacutemero de diapositiva 61
  • Nuacutemero de diapositiva 62
  • Nuacutemero de diapositiva 63
  • Nuacutemero de diapositiva 64
  • Nuacutemero de diapositiva 65
  • Nuacutemero de diapositiva 66
  • Nuacutemero de diapositiva 67
  • Nuacutemero de diapositiva 68
  • Nuacutemero de diapositiva 69
  • Nuacutemero de diapositiva 70
  • Nuacutemero de diapositiva 71
  • Nuacutemero de diapositiva 72
  • Nuacutemero de diapositiva 73
  • Nuacutemero de diapositiva 74

1 ndash SELECCIOacuteN DE REFERENCIAS 2 ndash ECUACIONES DE AJUSTE

3 ndash GENERACIOacuteN DE LA IMAGEN CORREGIDA

ES OBVIO CALIDAD DEL AJUSTE DEPENDERAacute DE PRECISIOacuteN CON QUE SE

LOCALICEN LOS PUNTOS DE CONTROL INEXACTA LOCALIZACIOacuteN

DISTRIBUCIOacuteN MUY SECTORIZADA NUacuteMERO DE PUNTOS DE CONTROL INADECUADO

ESTABLECER LOS PUNTOS DE CONTROL FASE MAS CRUCIAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

procesamiento de la correccioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Resaltamos la importancia de

NUacuteMERO LOCALIZACIOacuteN DISTRIBUCIOacuteN

Que debemos atender Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

que considero UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash Croquis ilustrativos de apoyo

TERRENO O ZONAS PLANAS CON IMG OBTENIDAS POR UN SENSOR DE ESTRECHA VISIOacuteN DE CAMPO

TRANSFORMACIOacuteN

BASADO EN ECUACIONES LINEALES SIMPLES

TERRENO ESCARPADO O RUGOSO O UTILIZACIOacuteN DE IMG OBTENIDAS EN UN SENSOR CON VARIACIONES EN LAS CONDICIONES DE OBSERVACIOacuteN

TRANSFORMACIOacuteN MAacuteS COMPLEJA

POLINOMIOS DE SEGUNDO O TERCER ORDEN

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Desde un punto de vista matemaacutetico

GRADO 1 ndash 3 puntos GRADO 2 ndash 6 puntos GRADO 3 ndash 10 puntos

Seguacuten mis objetivos del trabajo no es conveniente utilizar esos miacutenimos

14 a 20 puntos (Landsat 5 MMS ndash seguacuten Bernstein R y D G Ferneyhough Jr 1978)

100 a 120 puntos (Landsat 7 TM ndash seguacuten el National Remote Sensing Center de Inglaterra)

10 o 12 puntos (Pequentildea zona de 512 x 512 pixeles ndash seguacuten Emilio Chuvieco 2010)

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

matemaacuteticamente UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

QUE DEBEMOS DE CONSIDERAR EN CUANTO A LA LOCALIZACIOacuteN

CLARAMENTE IDENTIFICABLES EN IMAGEN Y MAPA RASGOS HUMANOS DEL PAISAJE NO SUJETOS A DINAMISMO TEMPORAL

CRUCE DE CARRETERAS

CAMINOS VIacuteA FEacuteRREAS

NO CONSIDERAR ELEMENTOS ASOCIADOS AL AGUA

COSTA CURSOS DE AGUA

EMBALSES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

localizacioacuten TCP UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la correccioacuten digital de la geometriacutea de una imagen se realiza a partir de establecer unas funciones que relacionen las coordenadas de la imagen

y las coordenadas del mapa

EJ CASO MAS SIMPLE REGRESIOacuteN LINEAL MUacuteLTIPLE

ci = a0 + a1 Xi + a2 Yi li = b0 + b1 Xi + b2 Yi

EN LA PRAacuteCTICA BASTA UNA FUNCIOacuteN LINEAL PARA ABORDAR UN GRAN NUacuteMERO DE

TRANSFORMACIONES Y SON SUFICIENTES SI LAS IMAacuteGENES NO SON MUY GRANDES ANTE LA NECESIDAD DE OTRAS TRANSFORMACIONES SE UTILIZAN DE 2ordm y 3ordm ORDEN CONSIDERANDO ALTERACIONES GEOMEacuteTRICAS NO LINEALES (FUNCIONES QUE NO SE DEFINEN EN UN PLANO

CON EJES LINEALES SINO QUE SUPERFICIES CON EJES CURVILIacuteNEOS)

LOS COEFICIENTES DE LAS FUNCIONES DE TRANSFORMACIOacuteN SE CALCULAN A PARTIR DE UN AJUSTE POR MIacuteNIMOS CUADRADOS

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

funciones de transformacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash ejemplos de funciones de transformacioacuten geomeacutetrica con el efecto causado

TRASLACIOacuteN

CAMBIO DE ESCALA

INCLINACIOacuteN

PERSPECTIVA

ROTACIOacuteN

x = a0 + xacute y = b0 + yacute

x = xacute + a2 yacute y = yacute

x = a1 xacute y = b1 yacute

x = a3xacute yacute y = yacute

x = a4xacute + a5yacute y = b4xacute + b5yacute a4 = b5 = cos Ɵ a5 = -b4 = sen Ɵ

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

transformacioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

comparacioacuten coordenadas reales y las estimadas por la regresioacuten

el promedio de los residuales se conoce como error medio cuadraacutetico

la calidad del ajuste lo da el RMSE (root mean squared error)

(error medio cuadraacutetico)

RMSE es la raiacutez cuadrada de las desviaciones entre los valores reales y los

calculados

RMSE para cada punto es la raiacutez de los residuales al cuadrado que es la distancia entre ellos

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

RMSE UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la praacutectica hace que fijemos una TOLERANCIA y es que si ese promedio supera un valor fijado previamente haya que rever

el valor fijado previamente generalmente es igual o menor a un PIXEL

una correcta verificacioacuten

NECESITA introducir PUNTOS de VERIFICACIOacuteN

que no hayan sido introducidos en el ajuste

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

tolerancias fijadas

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

traducimos coordenadas de un mapa a la imagen tambieacuten necesitamos a la nueva imagen

TRANSFERIR LOS VALORES DIGITALES no olvidar que lo que queremos es generar una nueva imagen que se

corresponda con las coordenadas y las funciones de ajuste

NO ORIGINAN NUEVA IMAGEN solo colocan a los pixeles en la posicioacuten correcta

en criollo las funciones de transformacioacuten generan una nueva matriz bien posicionada pero vaciacutea

DEBEMOS LLENAR LA MATRIZ problema maacutes complejo de lo que puede

pensarse Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

generacioacuten de la nueva imaacutegen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

cada pixel de la imagen corregida se corresponderiacutea con un pixel de la imagen original

LEJOS DE ESE IDEAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo I

vecino maacutes proacuteximo ( nearest neighbour )

a cada celda de la imagen corregida se asigna el ND del pixel maacutes cercano de la

imagen original

SOLUCIOacuteN RAacutePIDA MENOR DISTORSIOacuteN DE LOS ND

INTRODUCE RASGOS LINEALES QUE DISTORSIONAN

CORRECCIOacuteN DE IMAacuteGENES CLASIFICADAS

CONSERVAR LA RADIOMETRIacuteA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo II

interpolacioacuten bilineal ( bilinear interpolation )

supone promediar los ND de los cuatro pixeles mas cercanos

con ponderacioacuten seguacuten la distancia pixeles originalcorregido

REDUCE EL EFECTO DE DISTORSIOacuteN EN RASGOS LINEALES

TIENDE A DIFUMINAR LOS CONTRASTES ESPACIALES

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE IMAacuteGENES RECTIFICADAS MAPAS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo III

convolusioacuten cuacutebica ( cubic convolution )

supone considerar los ND de los 16 pixeles mas proacuteximos

media ponderada seguacuten la distancia pixeles originalcorregido

EFECTO VISUAL MAS CORRECTO

VOLUacuteMEN DE CAacuteLCULO MUY SUPERIOR TENDENCIA A AGUDIZAR BORDES DE LA IMAGEN

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE ORTOIMAacuteGENES IMPRESIONES DE CALIDAD

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

  • Nuacutemero de diapositiva 1
  • Nuacutemero de diapositiva 2
  • MOacuteDULO IV
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 5
  • Nuacutemero de diapositiva 6
  • Nuacutemero de diapositiva 7
  • Nuacutemero de diapositiva 8
  • Nuacutemero de diapositiva 9
  • Nuacutemero de diapositiva 10
  • Nuacutemero de diapositiva 11
  • Nuacutemero de diapositiva 12
  • Nuacutemero de diapositiva 13
  • Nuacutemero de diapositiva 14
  • Nuacutemero de diapositiva 15
  • Nuacutemero de diapositiva 16
  • Nuacutemero de diapositiva 17
  • Nuacutemero de diapositiva 18
  • Nuacutemero de diapositiva 19
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 21
  • Nuacutemero de diapositiva 22
  • Nuacutemero de diapositiva 23
  • Nuacutemero de diapositiva 24
  • Nuacutemero de diapositiva 25
  • Nuacutemero de diapositiva 26
  • Nuacutemero de diapositiva 27
  • Nuacutemero de diapositiva 28
  • Nuacutemero de diapositiva 29
  • Nuacutemero de diapositiva 30
  • Nuacutemero de diapositiva 31
  • Nuacutemero de diapositiva 32
  • Nuacutemero de diapositiva 33
  • Nuacutemero de diapositiva 34
  • Nuacutemero de diapositiva 35
  • Nuacutemero de diapositiva 36
  • Nuacutemero de diapositiva 37
  • Nuacutemero de diapositiva 38
  • Nuacutemero de diapositiva 39
  • Nuacutemero de diapositiva 40
  • 47 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 42
  • Nuacutemero de diapositiva 43
  • Nuacutemero de diapositiva 44
  • Nuacutemero de diapositiva 45
  • Nuacutemero de diapositiva 46
  • Nuacutemero de diapositiva 47
  • Nuacutemero de diapositiva 48
  • Nuacutemero de diapositiva 49
  • Nuacutemero de diapositiva 50
  • Nuacutemero de diapositiva 51
  • Nuacutemero de diapositiva 52
  • Nuacutemero de diapositiva 53
  • Nuacutemero de diapositiva 54
  • 48 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 56
  • Nuacutemero de diapositiva 57
  • Nuacutemero de diapositiva 58
  • Nuacutemero de diapositiva 59
  • Nuacutemero de diapositiva 60
  • Nuacutemero de diapositiva 61
  • Nuacutemero de diapositiva 62
  • Nuacutemero de diapositiva 63
  • Nuacutemero de diapositiva 64
  • Nuacutemero de diapositiva 65
  • Nuacutemero de diapositiva 66
  • Nuacutemero de diapositiva 67
  • Nuacutemero de diapositiva 68
  • Nuacutemero de diapositiva 69
  • Nuacutemero de diapositiva 70
  • Nuacutemero de diapositiva 71
  • Nuacutemero de diapositiva 72
  • Nuacutemero de diapositiva 73
  • Nuacutemero de diapositiva 74

Resaltamos la importancia de

NUacuteMERO LOCALIZACIOacuteN DISTRIBUCIOacuteN

Que debemos atender Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

PROCESAMIENTO GEOMEacuteTRICO

ENTENDIENDO LAS IMAacuteGENES

que considero UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash Croquis ilustrativos de apoyo

TERRENO O ZONAS PLANAS CON IMG OBTENIDAS POR UN SENSOR DE ESTRECHA VISIOacuteN DE CAMPO

TRANSFORMACIOacuteN

BASADO EN ECUACIONES LINEALES SIMPLES

TERRENO ESCARPADO O RUGOSO O UTILIZACIOacuteN DE IMG OBTENIDAS EN UN SENSOR CON VARIACIONES EN LAS CONDICIONES DE OBSERVACIOacuteN

TRANSFORMACIOacuteN MAacuteS COMPLEJA

POLINOMIOS DE SEGUNDO O TERCER ORDEN

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Desde un punto de vista matemaacutetico

GRADO 1 ndash 3 puntos GRADO 2 ndash 6 puntos GRADO 3 ndash 10 puntos

Seguacuten mis objetivos del trabajo no es conveniente utilizar esos miacutenimos

14 a 20 puntos (Landsat 5 MMS ndash seguacuten Bernstein R y D G Ferneyhough Jr 1978)

100 a 120 puntos (Landsat 7 TM ndash seguacuten el National Remote Sensing Center de Inglaterra)

10 o 12 puntos (Pequentildea zona de 512 x 512 pixeles ndash seguacuten Emilio Chuvieco 2010)

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

matemaacuteticamente UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

QUE DEBEMOS DE CONSIDERAR EN CUANTO A LA LOCALIZACIOacuteN

CLARAMENTE IDENTIFICABLES EN IMAGEN Y MAPA RASGOS HUMANOS DEL PAISAJE NO SUJETOS A DINAMISMO TEMPORAL

CRUCE DE CARRETERAS

CAMINOS VIacuteA FEacuteRREAS

NO CONSIDERAR ELEMENTOS ASOCIADOS AL AGUA

COSTA CURSOS DE AGUA

EMBALSES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

localizacioacuten TCP UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la correccioacuten digital de la geometriacutea de una imagen se realiza a partir de establecer unas funciones que relacionen las coordenadas de la imagen

y las coordenadas del mapa

EJ CASO MAS SIMPLE REGRESIOacuteN LINEAL MUacuteLTIPLE

ci = a0 + a1 Xi + a2 Yi li = b0 + b1 Xi + b2 Yi

EN LA PRAacuteCTICA BASTA UNA FUNCIOacuteN LINEAL PARA ABORDAR UN GRAN NUacuteMERO DE

TRANSFORMACIONES Y SON SUFICIENTES SI LAS IMAacuteGENES NO SON MUY GRANDES ANTE LA NECESIDAD DE OTRAS TRANSFORMACIONES SE UTILIZAN DE 2ordm y 3ordm ORDEN CONSIDERANDO ALTERACIONES GEOMEacuteTRICAS NO LINEALES (FUNCIONES QUE NO SE DEFINEN EN UN PLANO

CON EJES LINEALES SINO QUE SUPERFICIES CON EJES CURVILIacuteNEOS)

LOS COEFICIENTES DE LAS FUNCIONES DE TRANSFORMACIOacuteN SE CALCULAN A PARTIR DE UN AJUSTE POR MIacuteNIMOS CUADRADOS

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

funciones de transformacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash ejemplos de funciones de transformacioacuten geomeacutetrica con el efecto causado

TRASLACIOacuteN

CAMBIO DE ESCALA

INCLINACIOacuteN

PERSPECTIVA

ROTACIOacuteN

x = a0 + xacute y = b0 + yacute

x = xacute + a2 yacute y = yacute

x = a1 xacute y = b1 yacute

x = a3xacute yacute y = yacute

x = a4xacute + a5yacute y = b4xacute + b5yacute a4 = b5 = cos Ɵ a5 = -b4 = sen Ɵ

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

transformacioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

comparacioacuten coordenadas reales y las estimadas por la regresioacuten

el promedio de los residuales se conoce como error medio cuadraacutetico

la calidad del ajuste lo da el RMSE (root mean squared error)

(error medio cuadraacutetico)

RMSE es la raiacutez cuadrada de las desviaciones entre los valores reales y los

calculados

RMSE para cada punto es la raiacutez de los residuales al cuadrado que es la distancia entre ellos

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

RMSE UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la praacutectica hace que fijemos una TOLERANCIA y es que si ese promedio supera un valor fijado previamente haya que rever

el valor fijado previamente generalmente es igual o menor a un PIXEL

una correcta verificacioacuten

NECESITA introducir PUNTOS de VERIFICACIOacuteN

que no hayan sido introducidos en el ajuste

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

tolerancias fijadas

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

traducimos coordenadas de un mapa a la imagen tambieacuten necesitamos a la nueva imagen

TRANSFERIR LOS VALORES DIGITALES no olvidar que lo que queremos es generar una nueva imagen que se

corresponda con las coordenadas y las funciones de ajuste

NO ORIGINAN NUEVA IMAGEN solo colocan a los pixeles en la posicioacuten correcta

en criollo las funciones de transformacioacuten generan una nueva matriz bien posicionada pero vaciacutea

DEBEMOS LLENAR LA MATRIZ problema maacutes complejo de lo que puede

pensarse Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

generacioacuten de la nueva imaacutegen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

cada pixel de la imagen corregida se corresponderiacutea con un pixel de la imagen original

LEJOS DE ESE IDEAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo I

vecino maacutes proacuteximo ( nearest neighbour )

a cada celda de la imagen corregida se asigna el ND del pixel maacutes cercano de la

imagen original

SOLUCIOacuteN RAacutePIDA MENOR DISTORSIOacuteN DE LOS ND

INTRODUCE RASGOS LINEALES QUE DISTORSIONAN

CORRECCIOacuteN DE IMAacuteGENES CLASIFICADAS

CONSERVAR LA RADIOMETRIacuteA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo II

interpolacioacuten bilineal ( bilinear interpolation )

supone promediar los ND de los cuatro pixeles mas cercanos

con ponderacioacuten seguacuten la distancia pixeles originalcorregido

REDUCE EL EFECTO DE DISTORSIOacuteN EN RASGOS LINEALES

TIENDE A DIFUMINAR LOS CONTRASTES ESPACIALES

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE IMAacuteGENES RECTIFICADAS MAPAS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo III

convolusioacuten cuacutebica ( cubic convolution )

supone considerar los ND de los 16 pixeles mas proacuteximos

media ponderada seguacuten la distancia pixeles originalcorregido

EFECTO VISUAL MAS CORRECTO

VOLUacuteMEN DE CAacuteLCULO MUY SUPERIOR TENDENCIA A AGUDIZAR BORDES DE LA IMAGEN

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE ORTOIMAacuteGENES IMPRESIONES DE CALIDAD

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

  • Nuacutemero de diapositiva 1
  • Nuacutemero de diapositiva 2
  • MOacuteDULO IV
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 5
  • Nuacutemero de diapositiva 6
  • Nuacutemero de diapositiva 7
  • Nuacutemero de diapositiva 8
  • Nuacutemero de diapositiva 9
  • Nuacutemero de diapositiva 10
  • Nuacutemero de diapositiva 11
  • Nuacutemero de diapositiva 12
  • Nuacutemero de diapositiva 13
  • Nuacutemero de diapositiva 14
  • Nuacutemero de diapositiva 15
  • Nuacutemero de diapositiva 16
  • Nuacutemero de diapositiva 17
  • Nuacutemero de diapositiva 18
  • Nuacutemero de diapositiva 19
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 21
  • Nuacutemero de diapositiva 22
  • Nuacutemero de diapositiva 23
  • Nuacutemero de diapositiva 24
  • Nuacutemero de diapositiva 25
  • Nuacutemero de diapositiva 26
  • Nuacutemero de diapositiva 27
  • Nuacutemero de diapositiva 28
  • Nuacutemero de diapositiva 29
  • Nuacutemero de diapositiva 30
  • Nuacutemero de diapositiva 31
  • Nuacutemero de diapositiva 32
  • Nuacutemero de diapositiva 33
  • Nuacutemero de diapositiva 34
  • Nuacutemero de diapositiva 35
  • Nuacutemero de diapositiva 36
  • Nuacutemero de diapositiva 37
  • Nuacutemero de diapositiva 38
  • Nuacutemero de diapositiva 39
  • Nuacutemero de diapositiva 40
  • 47 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 42
  • Nuacutemero de diapositiva 43
  • Nuacutemero de diapositiva 44
  • Nuacutemero de diapositiva 45
  • Nuacutemero de diapositiva 46
  • Nuacutemero de diapositiva 47
  • Nuacutemero de diapositiva 48
  • Nuacutemero de diapositiva 49
  • Nuacutemero de diapositiva 50
  • Nuacutemero de diapositiva 51
  • Nuacutemero de diapositiva 52
  • Nuacutemero de diapositiva 53
  • Nuacutemero de diapositiva 54
  • 48 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 56
  • Nuacutemero de diapositiva 57
  • Nuacutemero de diapositiva 58
  • Nuacutemero de diapositiva 59
  • Nuacutemero de diapositiva 60
  • Nuacutemero de diapositiva 61
  • Nuacutemero de diapositiva 62
  • Nuacutemero de diapositiva 63
  • Nuacutemero de diapositiva 64
  • Nuacutemero de diapositiva 65
  • Nuacutemero de diapositiva 66
  • Nuacutemero de diapositiva 67
  • Nuacutemero de diapositiva 68
  • Nuacutemero de diapositiva 69
  • Nuacutemero de diapositiva 70
  • Nuacutemero de diapositiva 71
  • Nuacutemero de diapositiva 72
  • Nuacutemero de diapositiva 73
  • Nuacutemero de diapositiva 74

Figura ndash Croquis ilustrativos de apoyo

TERRENO O ZONAS PLANAS CON IMG OBTENIDAS POR UN SENSOR DE ESTRECHA VISIOacuteN DE CAMPO

TRANSFORMACIOacuteN

BASADO EN ECUACIONES LINEALES SIMPLES

TERRENO ESCARPADO O RUGOSO O UTILIZACIOacuteN DE IMG OBTENIDAS EN UN SENSOR CON VARIACIONES EN LAS CONDICIONES DE OBSERVACIOacuteN

TRANSFORMACIOacuteN MAacuteS COMPLEJA

POLINOMIOS DE SEGUNDO O TERCER ORDEN

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Desde un punto de vista matemaacutetico

GRADO 1 ndash 3 puntos GRADO 2 ndash 6 puntos GRADO 3 ndash 10 puntos

Seguacuten mis objetivos del trabajo no es conveniente utilizar esos miacutenimos

14 a 20 puntos (Landsat 5 MMS ndash seguacuten Bernstein R y D G Ferneyhough Jr 1978)

100 a 120 puntos (Landsat 7 TM ndash seguacuten el National Remote Sensing Center de Inglaterra)

10 o 12 puntos (Pequentildea zona de 512 x 512 pixeles ndash seguacuten Emilio Chuvieco 2010)

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

matemaacuteticamente UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

QUE DEBEMOS DE CONSIDERAR EN CUANTO A LA LOCALIZACIOacuteN

CLARAMENTE IDENTIFICABLES EN IMAGEN Y MAPA RASGOS HUMANOS DEL PAISAJE NO SUJETOS A DINAMISMO TEMPORAL

CRUCE DE CARRETERAS

CAMINOS VIacuteA FEacuteRREAS

NO CONSIDERAR ELEMENTOS ASOCIADOS AL AGUA

COSTA CURSOS DE AGUA

EMBALSES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

localizacioacuten TCP UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la correccioacuten digital de la geometriacutea de una imagen se realiza a partir de establecer unas funciones que relacionen las coordenadas de la imagen

y las coordenadas del mapa

EJ CASO MAS SIMPLE REGRESIOacuteN LINEAL MUacuteLTIPLE

ci = a0 + a1 Xi + a2 Yi li = b0 + b1 Xi + b2 Yi

EN LA PRAacuteCTICA BASTA UNA FUNCIOacuteN LINEAL PARA ABORDAR UN GRAN NUacuteMERO DE

TRANSFORMACIONES Y SON SUFICIENTES SI LAS IMAacuteGENES NO SON MUY GRANDES ANTE LA NECESIDAD DE OTRAS TRANSFORMACIONES SE UTILIZAN DE 2ordm y 3ordm ORDEN CONSIDERANDO ALTERACIONES GEOMEacuteTRICAS NO LINEALES (FUNCIONES QUE NO SE DEFINEN EN UN PLANO

CON EJES LINEALES SINO QUE SUPERFICIES CON EJES CURVILIacuteNEOS)

LOS COEFICIENTES DE LAS FUNCIONES DE TRANSFORMACIOacuteN SE CALCULAN A PARTIR DE UN AJUSTE POR MIacuteNIMOS CUADRADOS

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

funciones de transformacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash ejemplos de funciones de transformacioacuten geomeacutetrica con el efecto causado

TRASLACIOacuteN

CAMBIO DE ESCALA

INCLINACIOacuteN

PERSPECTIVA

ROTACIOacuteN

x = a0 + xacute y = b0 + yacute

x = xacute + a2 yacute y = yacute

x = a1 xacute y = b1 yacute

x = a3xacute yacute y = yacute

x = a4xacute + a5yacute y = b4xacute + b5yacute a4 = b5 = cos Ɵ a5 = -b4 = sen Ɵ

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

transformacioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

comparacioacuten coordenadas reales y las estimadas por la regresioacuten

el promedio de los residuales se conoce como error medio cuadraacutetico

la calidad del ajuste lo da el RMSE (root mean squared error)

(error medio cuadraacutetico)

RMSE es la raiacutez cuadrada de las desviaciones entre los valores reales y los

calculados

RMSE para cada punto es la raiacutez de los residuales al cuadrado que es la distancia entre ellos

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

RMSE UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la praacutectica hace que fijemos una TOLERANCIA y es que si ese promedio supera un valor fijado previamente haya que rever

el valor fijado previamente generalmente es igual o menor a un PIXEL

una correcta verificacioacuten

NECESITA introducir PUNTOS de VERIFICACIOacuteN

que no hayan sido introducidos en el ajuste

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

tolerancias fijadas

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

traducimos coordenadas de un mapa a la imagen tambieacuten necesitamos a la nueva imagen

TRANSFERIR LOS VALORES DIGITALES no olvidar que lo que queremos es generar una nueva imagen que se

corresponda con las coordenadas y las funciones de ajuste

NO ORIGINAN NUEVA IMAGEN solo colocan a los pixeles en la posicioacuten correcta

en criollo las funciones de transformacioacuten generan una nueva matriz bien posicionada pero vaciacutea

DEBEMOS LLENAR LA MATRIZ problema maacutes complejo de lo que puede

pensarse Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

generacioacuten de la nueva imaacutegen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

cada pixel de la imagen corregida se corresponderiacutea con un pixel de la imagen original

LEJOS DE ESE IDEAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo I

vecino maacutes proacuteximo ( nearest neighbour )

a cada celda de la imagen corregida se asigna el ND del pixel maacutes cercano de la

imagen original

SOLUCIOacuteN RAacutePIDA MENOR DISTORSIOacuteN DE LOS ND

INTRODUCE RASGOS LINEALES QUE DISTORSIONAN

CORRECCIOacuteN DE IMAacuteGENES CLASIFICADAS

CONSERVAR LA RADIOMETRIacuteA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo II

interpolacioacuten bilineal ( bilinear interpolation )

supone promediar los ND de los cuatro pixeles mas cercanos

con ponderacioacuten seguacuten la distancia pixeles originalcorregido

REDUCE EL EFECTO DE DISTORSIOacuteN EN RASGOS LINEALES

TIENDE A DIFUMINAR LOS CONTRASTES ESPACIALES

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE IMAacuteGENES RECTIFICADAS MAPAS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo III

convolusioacuten cuacutebica ( cubic convolution )

supone considerar los ND de los 16 pixeles mas proacuteximos

media ponderada seguacuten la distancia pixeles originalcorregido

EFECTO VISUAL MAS CORRECTO

VOLUacuteMEN DE CAacuteLCULO MUY SUPERIOR TENDENCIA A AGUDIZAR BORDES DE LA IMAGEN

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE ORTOIMAacuteGENES IMPRESIONES DE CALIDAD

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

  • Nuacutemero de diapositiva 1
  • Nuacutemero de diapositiva 2
  • MOacuteDULO IV
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 5
  • Nuacutemero de diapositiva 6
  • Nuacutemero de diapositiva 7
  • Nuacutemero de diapositiva 8
  • Nuacutemero de diapositiva 9
  • Nuacutemero de diapositiva 10
  • Nuacutemero de diapositiva 11
  • Nuacutemero de diapositiva 12
  • Nuacutemero de diapositiva 13
  • Nuacutemero de diapositiva 14
  • Nuacutemero de diapositiva 15
  • Nuacutemero de diapositiva 16
  • Nuacutemero de diapositiva 17
  • Nuacutemero de diapositiva 18
  • Nuacutemero de diapositiva 19
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 21
  • Nuacutemero de diapositiva 22
  • Nuacutemero de diapositiva 23
  • Nuacutemero de diapositiva 24
  • Nuacutemero de diapositiva 25
  • Nuacutemero de diapositiva 26
  • Nuacutemero de diapositiva 27
  • Nuacutemero de diapositiva 28
  • Nuacutemero de diapositiva 29
  • Nuacutemero de diapositiva 30
  • Nuacutemero de diapositiva 31
  • Nuacutemero de diapositiva 32
  • Nuacutemero de diapositiva 33
  • Nuacutemero de diapositiva 34
  • Nuacutemero de diapositiva 35
  • Nuacutemero de diapositiva 36
  • Nuacutemero de diapositiva 37
  • Nuacutemero de diapositiva 38
  • Nuacutemero de diapositiva 39
  • Nuacutemero de diapositiva 40
  • 47 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 42
  • Nuacutemero de diapositiva 43
  • Nuacutemero de diapositiva 44
  • Nuacutemero de diapositiva 45
  • Nuacutemero de diapositiva 46
  • Nuacutemero de diapositiva 47
  • Nuacutemero de diapositiva 48
  • Nuacutemero de diapositiva 49
  • Nuacutemero de diapositiva 50
  • Nuacutemero de diapositiva 51
  • Nuacutemero de diapositiva 52
  • Nuacutemero de diapositiva 53
  • Nuacutemero de diapositiva 54
  • 48 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 56
  • Nuacutemero de diapositiva 57
  • Nuacutemero de diapositiva 58
  • Nuacutemero de diapositiva 59
  • Nuacutemero de diapositiva 60
  • Nuacutemero de diapositiva 61
  • Nuacutemero de diapositiva 62
  • Nuacutemero de diapositiva 63
  • Nuacutemero de diapositiva 64
  • Nuacutemero de diapositiva 65
  • Nuacutemero de diapositiva 66
  • Nuacutemero de diapositiva 67
  • Nuacutemero de diapositiva 68
  • Nuacutemero de diapositiva 69
  • Nuacutemero de diapositiva 70
  • Nuacutemero de diapositiva 71
  • Nuacutemero de diapositiva 72
  • Nuacutemero de diapositiva 73
  • Nuacutemero de diapositiva 74

Desde un punto de vista matemaacutetico

GRADO 1 ndash 3 puntos GRADO 2 ndash 6 puntos GRADO 3 ndash 10 puntos

Seguacuten mis objetivos del trabajo no es conveniente utilizar esos miacutenimos

14 a 20 puntos (Landsat 5 MMS ndash seguacuten Bernstein R y D G Ferneyhough Jr 1978)

100 a 120 puntos (Landsat 7 TM ndash seguacuten el National Remote Sensing Center de Inglaterra)

10 o 12 puntos (Pequentildea zona de 512 x 512 pixeles ndash seguacuten Emilio Chuvieco 2010)

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

matemaacuteticamente UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

QUE DEBEMOS DE CONSIDERAR EN CUANTO A LA LOCALIZACIOacuteN

CLARAMENTE IDENTIFICABLES EN IMAGEN Y MAPA RASGOS HUMANOS DEL PAISAJE NO SUJETOS A DINAMISMO TEMPORAL

CRUCE DE CARRETERAS

CAMINOS VIacuteA FEacuteRREAS

NO CONSIDERAR ELEMENTOS ASOCIADOS AL AGUA

COSTA CURSOS DE AGUA

EMBALSES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

localizacioacuten TCP UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la correccioacuten digital de la geometriacutea de una imagen se realiza a partir de establecer unas funciones que relacionen las coordenadas de la imagen

y las coordenadas del mapa

EJ CASO MAS SIMPLE REGRESIOacuteN LINEAL MUacuteLTIPLE

ci = a0 + a1 Xi + a2 Yi li = b0 + b1 Xi + b2 Yi

EN LA PRAacuteCTICA BASTA UNA FUNCIOacuteN LINEAL PARA ABORDAR UN GRAN NUacuteMERO DE

TRANSFORMACIONES Y SON SUFICIENTES SI LAS IMAacuteGENES NO SON MUY GRANDES ANTE LA NECESIDAD DE OTRAS TRANSFORMACIONES SE UTILIZAN DE 2ordm y 3ordm ORDEN CONSIDERANDO ALTERACIONES GEOMEacuteTRICAS NO LINEALES (FUNCIONES QUE NO SE DEFINEN EN UN PLANO

CON EJES LINEALES SINO QUE SUPERFICIES CON EJES CURVILIacuteNEOS)

LOS COEFICIENTES DE LAS FUNCIONES DE TRANSFORMACIOacuteN SE CALCULAN A PARTIR DE UN AJUSTE POR MIacuteNIMOS CUADRADOS

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

funciones de transformacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash ejemplos de funciones de transformacioacuten geomeacutetrica con el efecto causado

TRASLACIOacuteN

CAMBIO DE ESCALA

INCLINACIOacuteN

PERSPECTIVA

ROTACIOacuteN

x = a0 + xacute y = b0 + yacute

x = xacute + a2 yacute y = yacute

x = a1 xacute y = b1 yacute

x = a3xacute yacute y = yacute

x = a4xacute + a5yacute y = b4xacute + b5yacute a4 = b5 = cos Ɵ a5 = -b4 = sen Ɵ

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

transformacioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

comparacioacuten coordenadas reales y las estimadas por la regresioacuten

el promedio de los residuales se conoce como error medio cuadraacutetico

la calidad del ajuste lo da el RMSE (root mean squared error)

(error medio cuadraacutetico)

RMSE es la raiacutez cuadrada de las desviaciones entre los valores reales y los

calculados

RMSE para cada punto es la raiacutez de los residuales al cuadrado que es la distancia entre ellos

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

RMSE UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la praacutectica hace que fijemos una TOLERANCIA y es que si ese promedio supera un valor fijado previamente haya que rever

el valor fijado previamente generalmente es igual o menor a un PIXEL

una correcta verificacioacuten

NECESITA introducir PUNTOS de VERIFICACIOacuteN

que no hayan sido introducidos en el ajuste

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

tolerancias fijadas

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

traducimos coordenadas de un mapa a la imagen tambieacuten necesitamos a la nueva imagen

TRANSFERIR LOS VALORES DIGITALES no olvidar que lo que queremos es generar una nueva imagen que se

corresponda con las coordenadas y las funciones de ajuste

NO ORIGINAN NUEVA IMAGEN solo colocan a los pixeles en la posicioacuten correcta

en criollo las funciones de transformacioacuten generan una nueva matriz bien posicionada pero vaciacutea

DEBEMOS LLENAR LA MATRIZ problema maacutes complejo de lo que puede

pensarse Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

generacioacuten de la nueva imaacutegen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

cada pixel de la imagen corregida se corresponderiacutea con un pixel de la imagen original

LEJOS DE ESE IDEAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo I

vecino maacutes proacuteximo ( nearest neighbour )

a cada celda de la imagen corregida se asigna el ND del pixel maacutes cercano de la

imagen original

SOLUCIOacuteN RAacutePIDA MENOR DISTORSIOacuteN DE LOS ND

INTRODUCE RASGOS LINEALES QUE DISTORSIONAN

CORRECCIOacuteN DE IMAacuteGENES CLASIFICADAS

CONSERVAR LA RADIOMETRIacuteA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo II

interpolacioacuten bilineal ( bilinear interpolation )

supone promediar los ND de los cuatro pixeles mas cercanos

con ponderacioacuten seguacuten la distancia pixeles originalcorregido

REDUCE EL EFECTO DE DISTORSIOacuteN EN RASGOS LINEALES

TIENDE A DIFUMINAR LOS CONTRASTES ESPACIALES

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE IMAacuteGENES RECTIFICADAS MAPAS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo III

convolusioacuten cuacutebica ( cubic convolution )

supone considerar los ND de los 16 pixeles mas proacuteximos

media ponderada seguacuten la distancia pixeles originalcorregido

EFECTO VISUAL MAS CORRECTO

VOLUacuteMEN DE CAacuteLCULO MUY SUPERIOR TENDENCIA A AGUDIZAR BORDES DE LA IMAGEN

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE ORTOIMAacuteGENES IMPRESIONES DE CALIDAD

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

  • Nuacutemero de diapositiva 1
  • Nuacutemero de diapositiva 2
  • MOacuteDULO IV
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 5
  • Nuacutemero de diapositiva 6
  • Nuacutemero de diapositiva 7
  • Nuacutemero de diapositiva 8
  • Nuacutemero de diapositiva 9
  • Nuacutemero de diapositiva 10
  • Nuacutemero de diapositiva 11
  • Nuacutemero de diapositiva 12
  • Nuacutemero de diapositiva 13
  • Nuacutemero de diapositiva 14
  • Nuacutemero de diapositiva 15
  • Nuacutemero de diapositiva 16
  • Nuacutemero de diapositiva 17
  • Nuacutemero de diapositiva 18
  • Nuacutemero de diapositiva 19
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 21
  • Nuacutemero de diapositiva 22
  • Nuacutemero de diapositiva 23
  • Nuacutemero de diapositiva 24
  • Nuacutemero de diapositiva 25
  • Nuacutemero de diapositiva 26
  • Nuacutemero de diapositiva 27
  • Nuacutemero de diapositiva 28
  • Nuacutemero de diapositiva 29
  • Nuacutemero de diapositiva 30
  • Nuacutemero de diapositiva 31
  • Nuacutemero de diapositiva 32
  • Nuacutemero de diapositiva 33
  • Nuacutemero de diapositiva 34
  • Nuacutemero de diapositiva 35
  • Nuacutemero de diapositiva 36
  • Nuacutemero de diapositiva 37
  • Nuacutemero de diapositiva 38
  • Nuacutemero de diapositiva 39
  • Nuacutemero de diapositiva 40
  • 47 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 42
  • Nuacutemero de diapositiva 43
  • Nuacutemero de diapositiva 44
  • Nuacutemero de diapositiva 45
  • Nuacutemero de diapositiva 46
  • Nuacutemero de diapositiva 47
  • Nuacutemero de diapositiva 48
  • Nuacutemero de diapositiva 49
  • Nuacutemero de diapositiva 50
  • Nuacutemero de diapositiva 51
  • Nuacutemero de diapositiva 52
  • Nuacutemero de diapositiva 53
  • Nuacutemero de diapositiva 54
  • 48 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 56
  • Nuacutemero de diapositiva 57
  • Nuacutemero de diapositiva 58
  • Nuacutemero de diapositiva 59
  • Nuacutemero de diapositiva 60
  • Nuacutemero de diapositiva 61
  • Nuacutemero de diapositiva 62
  • Nuacutemero de diapositiva 63
  • Nuacutemero de diapositiva 64
  • Nuacutemero de diapositiva 65
  • Nuacutemero de diapositiva 66
  • Nuacutemero de diapositiva 67
  • Nuacutemero de diapositiva 68
  • Nuacutemero de diapositiva 69
  • Nuacutemero de diapositiva 70
  • Nuacutemero de diapositiva 71
  • Nuacutemero de diapositiva 72
  • Nuacutemero de diapositiva 73
  • Nuacutemero de diapositiva 74

QUE DEBEMOS DE CONSIDERAR EN CUANTO A LA LOCALIZACIOacuteN

CLARAMENTE IDENTIFICABLES EN IMAGEN Y MAPA RASGOS HUMANOS DEL PAISAJE NO SUJETOS A DINAMISMO TEMPORAL

CRUCE DE CARRETERAS

CAMINOS VIacuteA FEacuteRREAS

NO CONSIDERAR ELEMENTOS ASOCIADOS AL AGUA

COSTA CURSOS DE AGUA

EMBALSES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

localizacioacuten TCP UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la correccioacuten digital de la geometriacutea de una imagen se realiza a partir de establecer unas funciones que relacionen las coordenadas de la imagen

y las coordenadas del mapa

EJ CASO MAS SIMPLE REGRESIOacuteN LINEAL MUacuteLTIPLE

ci = a0 + a1 Xi + a2 Yi li = b0 + b1 Xi + b2 Yi

EN LA PRAacuteCTICA BASTA UNA FUNCIOacuteN LINEAL PARA ABORDAR UN GRAN NUacuteMERO DE

TRANSFORMACIONES Y SON SUFICIENTES SI LAS IMAacuteGENES NO SON MUY GRANDES ANTE LA NECESIDAD DE OTRAS TRANSFORMACIONES SE UTILIZAN DE 2ordm y 3ordm ORDEN CONSIDERANDO ALTERACIONES GEOMEacuteTRICAS NO LINEALES (FUNCIONES QUE NO SE DEFINEN EN UN PLANO

CON EJES LINEALES SINO QUE SUPERFICIES CON EJES CURVILIacuteNEOS)

LOS COEFICIENTES DE LAS FUNCIONES DE TRANSFORMACIOacuteN SE CALCULAN A PARTIR DE UN AJUSTE POR MIacuteNIMOS CUADRADOS

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

funciones de transformacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash ejemplos de funciones de transformacioacuten geomeacutetrica con el efecto causado

TRASLACIOacuteN

CAMBIO DE ESCALA

INCLINACIOacuteN

PERSPECTIVA

ROTACIOacuteN

x = a0 + xacute y = b0 + yacute

x = xacute + a2 yacute y = yacute

x = a1 xacute y = b1 yacute

x = a3xacute yacute y = yacute

x = a4xacute + a5yacute y = b4xacute + b5yacute a4 = b5 = cos Ɵ a5 = -b4 = sen Ɵ

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

transformacioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

comparacioacuten coordenadas reales y las estimadas por la regresioacuten

el promedio de los residuales se conoce como error medio cuadraacutetico

la calidad del ajuste lo da el RMSE (root mean squared error)

(error medio cuadraacutetico)

RMSE es la raiacutez cuadrada de las desviaciones entre los valores reales y los

calculados

RMSE para cada punto es la raiacutez de los residuales al cuadrado que es la distancia entre ellos

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

RMSE UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la praacutectica hace que fijemos una TOLERANCIA y es que si ese promedio supera un valor fijado previamente haya que rever

el valor fijado previamente generalmente es igual o menor a un PIXEL

una correcta verificacioacuten

NECESITA introducir PUNTOS de VERIFICACIOacuteN

que no hayan sido introducidos en el ajuste

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

tolerancias fijadas

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

traducimos coordenadas de un mapa a la imagen tambieacuten necesitamos a la nueva imagen

TRANSFERIR LOS VALORES DIGITALES no olvidar que lo que queremos es generar una nueva imagen que se

corresponda con las coordenadas y las funciones de ajuste

NO ORIGINAN NUEVA IMAGEN solo colocan a los pixeles en la posicioacuten correcta

en criollo las funciones de transformacioacuten generan una nueva matriz bien posicionada pero vaciacutea

DEBEMOS LLENAR LA MATRIZ problema maacutes complejo de lo que puede

pensarse Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

generacioacuten de la nueva imaacutegen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

cada pixel de la imagen corregida se corresponderiacutea con un pixel de la imagen original

LEJOS DE ESE IDEAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo I

vecino maacutes proacuteximo ( nearest neighbour )

a cada celda de la imagen corregida se asigna el ND del pixel maacutes cercano de la

imagen original

SOLUCIOacuteN RAacutePIDA MENOR DISTORSIOacuteN DE LOS ND

INTRODUCE RASGOS LINEALES QUE DISTORSIONAN

CORRECCIOacuteN DE IMAacuteGENES CLASIFICADAS

CONSERVAR LA RADIOMETRIacuteA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo II

interpolacioacuten bilineal ( bilinear interpolation )

supone promediar los ND de los cuatro pixeles mas cercanos

con ponderacioacuten seguacuten la distancia pixeles originalcorregido

REDUCE EL EFECTO DE DISTORSIOacuteN EN RASGOS LINEALES

TIENDE A DIFUMINAR LOS CONTRASTES ESPACIALES

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE IMAacuteGENES RECTIFICADAS MAPAS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo III

convolusioacuten cuacutebica ( cubic convolution )

supone considerar los ND de los 16 pixeles mas proacuteximos

media ponderada seguacuten la distancia pixeles originalcorregido

EFECTO VISUAL MAS CORRECTO

VOLUacuteMEN DE CAacuteLCULO MUY SUPERIOR TENDENCIA A AGUDIZAR BORDES DE LA IMAGEN

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE ORTOIMAacuteGENES IMPRESIONES DE CALIDAD

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

  • Nuacutemero de diapositiva 1
  • Nuacutemero de diapositiva 2
  • MOacuteDULO IV
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 5
  • Nuacutemero de diapositiva 6
  • Nuacutemero de diapositiva 7
  • Nuacutemero de diapositiva 8
  • Nuacutemero de diapositiva 9
  • Nuacutemero de diapositiva 10
  • Nuacutemero de diapositiva 11
  • Nuacutemero de diapositiva 12
  • Nuacutemero de diapositiva 13
  • Nuacutemero de diapositiva 14
  • Nuacutemero de diapositiva 15
  • Nuacutemero de diapositiva 16
  • Nuacutemero de diapositiva 17
  • Nuacutemero de diapositiva 18
  • Nuacutemero de diapositiva 19
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 21
  • Nuacutemero de diapositiva 22
  • Nuacutemero de diapositiva 23
  • Nuacutemero de diapositiva 24
  • Nuacutemero de diapositiva 25
  • Nuacutemero de diapositiva 26
  • Nuacutemero de diapositiva 27
  • Nuacutemero de diapositiva 28
  • Nuacutemero de diapositiva 29
  • Nuacutemero de diapositiva 30
  • Nuacutemero de diapositiva 31
  • Nuacutemero de diapositiva 32
  • Nuacutemero de diapositiva 33
  • Nuacutemero de diapositiva 34
  • Nuacutemero de diapositiva 35
  • Nuacutemero de diapositiva 36
  • Nuacutemero de diapositiva 37
  • Nuacutemero de diapositiva 38
  • Nuacutemero de diapositiva 39
  • Nuacutemero de diapositiva 40
  • 47 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 42
  • Nuacutemero de diapositiva 43
  • Nuacutemero de diapositiva 44
  • Nuacutemero de diapositiva 45
  • Nuacutemero de diapositiva 46
  • Nuacutemero de diapositiva 47
  • Nuacutemero de diapositiva 48
  • Nuacutemero de diapositiva 49
  • Nuacutemero de diapositiva 50
  • Nuacutemero de diapositiva 51
  • Nuacutemero de diapositiva 52
  • Nuacutemero de diapositiva 53
  • Nuacutemero de diapositiva 54
  • 48 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 56
  • Nuacutemero de diapositiva 57
  • Nuacutemero de diapositiva 58
  • Nuacutemero de diapositiva 59
  • Nuacutemero de diapositiva 60
  • Nuacutemero de diapositiva 61
  • Nuacutemero de diapositiva 62
  • Nuacutemero de diapositiva 63
  • Nuacutemero de diapositiva 64
  • Nuacutemero de diapositiva 65
  • Nuacutemero de diapositiva 66
  • Nuacutemero de diapositiva 67
  • Nuacutemero de diapositiva 68
  • Nuacutemero de diapositiva 69
  • Nuacutemero de diapositiva 70
  • Nuacutemero de diapositiva 71
  • Nuacutemero de diapositiva 72
  • Nuacutemero de diapositiva 73
  • Nuacutemero de diapositiva 74

la correccioacuten digital de la geometriacutea de una imagen se realiza a partir de establecer unas funciones que relacionen las coordenadas de la imagen

y las coordenadas del mapa

EJ CASO MAS SIMPLE REGRESIOacuteN LINEAL MUacuteLTIPLE

ci = a0 + a1 Xi + a2 Yi li = b0 + b1 Xi + b2 Yi

EN LA PRAacuteCTICA BASTA UNA FUNCIOacuteN LINEAL PARA ABORDAR UN GRAN NUacuteMERO DE

TRANSFORMACIONES Y SON SUFICIENTES SI LAS IMAacuteGENES NO SON MUY GRANDES ANTE LA NECESIDAD DE OTRAS TRANSFORMACIONES SE UTILIZAN DE 2ordm y 3ordm ORDEN CONSIDERANDO ALTERACIONES GEOMEacuteTRICAS NO LINEALES (FUNCIONES QUE NO SE DEFINEN EN UN PLANO

CON EJES LINEALES SINO QUE SUPERFICIES CON EJES CURVILIacuteNEOS)

LOS COEFICIENTES DE LAS FUNCIONES DE TRANSFORMACIOacuteN SE CALCULAN A PARTIR DE UN AJUSTE POR MIacuteNIMOS CUADRADOS

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

funciones de transformacioacuten

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Figura ndash ejemplos de funciones de transformacioacuten geomeacutetrica con el efecto causado

TRASLACIOacuteN

CAMBIO DE ESCALA

INCLINACIOacuteN

PERSPECTIVA

ROTACIOacuteN

x = a0 + xacute y = b0 + yacute

x = xacute + a2 yacute y = yacute

x = a1 xacute y = b1 yacute

x = a3xacute yacute y = yacute

x = a4xacute + a5yacute y = b4xacute + b5yacute a4 = b5 = cos Ɵ a5 = -b4 = sen Ɵ

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

transformacioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

comparacioacuten coordenadas reales y las estimadas por la regresioacuten

el promedio de los residuales se conoce como error medio cuadraacutetico

la calidad del ajuste lo da el RMSE (root mean squared error)

(error medio cuadraacutetico)

RMSE es la raiacutez cuadrada de las desviaciones entre los valores reales y los

calculados

RMSE para cada punto es la raiacutez de los residuales al cuadrado que es la distancia entre ellos

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

RMSE UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la praacutectica hace que fijemos una TOLERANCIA y es que si ese promedio supera un valor fijado previamente haya que rever

el valor fijado previamente generalmente es igual o menor a un PIXEL

una correcta verificacioacuten

NECESITA introducir PUNTOS de VERIFICACIOacuteN

que no hayan sido introducidos en el ajuste

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

tolerancias fijadas

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

traducimos coordenadas de un mapa a la imagen tambieacuten necesitamos a la nueva imagen

TRANSFERIR LOS VALORES DIGITALES no olvidar que lo que queremos es generar una nueva imagen que se

corresponda con las coordenadas y las funciones de ajuste

NO ORIGINAN NUEVA IMAGEN solo colocan a los pixeles en la posicioacuten correcta

en criollo las funciones de transformacioacuten generan una nueva matriz bien posicionada pero vaciacutea

DEBEMOS LLENAR LA MATRIZ problema maacutes complejo de lo que puede

pensarse Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

generacioacuten de la nueva imaacutegen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

cada pixel de la imagen corregida se corresponderiacutea con un pixel de la imagen original

LEJOS DE ESE IDEAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo I

vecino maacutes proacuteximo ( nearest neighbour )

a cada celda de la imagen corregida se asigna el ND del pixel maacutes cercano de la

imagen original

SOLUCIOacuteN RAacutePIDA MENOR DISTORSIOacuteN DE LOS ND

INTRODUCE RASGOS LINEALES QUE DISTORSIONAN

CORRECCIOacuteN DE IMAacuteGENES CLASIFICADAS

CONSERVAR LA RADIOMETRIacuteA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo II

interpolacioacuten bilineal ( bilinear interpolation )

supone promediar los ND de los cuatro pixeles mas cercanos

con ponderacioacuten seguacuten la distancia pixeles originalcorregido

REDUCE EL EFECTO DE DISTORSIOacuteN EN RASGOS LINEALES

TIENDE A DIFUMINAR LOS CONTRASTES ESPACIALES

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE IMAacuteGENES RECTIFICADAS MAPAS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo III

convolusioacuten cuacutebica ( cubic convolution )

supone considerar los ND de los 16 pixeles mas proacuteximos

media ponderada seguacuten la distancia pixeles originalcorregido

EFECTO VISUAL MAS CORRECTO

VOLUacuteMEN DE CAacuteLCULO MUY SUPERIOR TENDENCIA A AGUDIZAR BORDES DE LA IMAGEN

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE ORTOIMAacuteGENES IMPRESIONES DE CALIDAD

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

  • Nuacutemero de diapositiva 1
  • Nuacutemero de diapositiva 2
  • MOacuteDULO IV
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 5
  • Nuacutemero de diapositiva 6
  • Nuacutemero de diapositiva 7
  • Nuacutemero de diapositiva 8
  • Nuacutemero de diapositiva 9
  • Nuacutemero de diapositiva 10
  • Nuacutemero de diapositiva 11
  • Nuacutemero de diapositiva 12
  • Nuacutemero de diapositiva 13
  • Nuacutemero de diapositiva 14
  • Nuacutemero de diapositiva 15
  • Nuacutemero de diapositiva 16
  • Nuacutemero de diapositiva 17
  • Nuacutemero de diapositiva 18
  • Nuacutemero de diapositiva 19
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 21
  • Nuacutemero de diapositiva 22
  • Nuacutemero de diapositiva 23
  • Nuacutemero de diapositiva 24
  • Nuacutemero de diapositiva 25
  • Nuacutemero de diapositiva 26
  • Nuacutemero de diapositiva 27
  • Nuacutemero de diapositiva 28
  • Nuacutemero de diapositiva 29
  • Nuacutemero de diapositiva 30
  • Nuacutemero de diapositiva 31
  • Nuacutemero de diapositiva 32
  • Nuacutemero de diapositiva 33
  • Nuacutemero de diapositiva 34
  • Nuacutemero de diapositiva 35
  • Nuacutemero de diapositiva 36
  • Nuacutemero de diapositiva 37
  • Nuacutemero de diapositiva 38
  • Nuacutemero de diapositiva 39
  • Nuacutemero de diapositiva 40
  • 47 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 42
  • Nuacutemero de diapositiva 43
  • Nuacutemero de diapositiva 44
  • Nuacutemero de diapositiva 45
  • Nuacutemero de diapositiva 46
  • Nuacutemero de diapositiva 47
  • Nuacutemero de diapositiva 48
  • Nuacutemero de diapositiva 49
  • Nuacutemero de diapositiva 50
  • Nuacutemero de diapositiva 51
  • Nuacutemero de diapositiva 52
  • Nuacutemero de diapositiva 53
  • Nuacutemero de diapositiva 54
  • 48 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 56
  • Nuacutemero de diapositiva 57
  • Nuacutemero de diapositiva 58
  • Nuacutemero de diapositiva 59
  • Nuacutemero de diapositiva 60
  • Nuacutemero de diapositiva 61
  • Nuacutemero de diapositiva 62
  • Nuacutemero de diapositiva 63
  • Nuacutemero de diapositiva 64
  • Nuacutemero de diapositiva 65
  • Nuacutemero de diapositiva 66
  • Nuacutemero de diapositiva 67
  • Nuacutemero de diapositiva 68
  • Nuacutemero de diapositiva 69
  • Nuacutemero de diapositiva 70
  • Nuacutemero de diapositiva 71
  • Nuacutemero de diapositiva 72
  • Nuacutemero de diapositiva 73
  • Nuacutemero de diapositiva 74

Figura ndash ejemplos de funciones de transformacioacuten geomeacutetrica con el efecto causado

TRASLACIOacuteN

CAMBIO DE ESCALA

INCLINACIOacuteN

PERSPECTIVA

ROTACIOacuteN

x = a0 + xacute y = b0 + yacute

x = xacute + a2 yacute y = yacute

x = a1 xacute y = b1 yacute

x = a3xacute yacute y = yacute

x = a4xacute + a5yacute y = b4xacute + b5yacute a4 = b5 = cos Ɵ a5 = -b4 = sen Ɵ

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

transformacioacuten geomeacutetrica

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

comparacioacuten coordenadas reales y las estimadas por la regresioacuten

el promedio de los residuales se conoce como error medio cuadraacutetico

la calidad del ajuste lo da el RMSE (root mean squared error)

(error medio cuadraacutetico)

RMSE es la raiacutez cuadrada de las desviaciones entre los valores reales y los

calculados

RMSE para cada punto es la raiacutez de los residuales al cuadrado que es la distancia entre ellos

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

RMSE UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la praacutectica hace que fijemos una TOLERANCIA y es que si ese promedio supera un valor fijado previamente haya que rever

el valor fijado previamente generalmente es igual o menor a un PIXEL

una correcta verificacioacuten

NECESITA introducir PUNTOS de VERIFICACIOacuteN

que no hayan sido introducidos en el ajuste

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

tolerancias fijadas

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

traducimos coordenadas de un mapa a la imagen tambieacuten necesitamos a la nueva imagen

TRANSFERIR LOS VALORES DIGITALES no olvidar que lo que queremos es generar una nueva imagen que se

corresponda con las coordenadas y las funciones de ajuste

NO ORIGINAN NUEVA IMAGEN solo colocan a los pixeles en la posicioacuten correcta

en criollo las funciones de transformacioacuten generan una nueva matriz bien posicionada pero vaciacutea

DEBEMOS LLENAR LA MATRIZ problema maacutes complejo de lo que puede

pensarse Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

generacioacuten de la nueva imaacutegen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

cada pixel de la imagen corregida se corresponderiacutea con un pixel de la imagen original

LEJOS DE ESE IDEAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo I

vecino maacutes proacuteximo ( nearest neighbour )

a cada celda de la imagen corregida se asigna el ND del pixel maacutes cercano de la

imagen original

SOLUCIOacuteN RAacutePIDA MENOR DISTORSIOacuteN DE LOS ND

INTRODUCE RASGOS LINEALES QUE DISTORSIONAN

CORRECCIOacuteN DE IMAacuteGENES CLASIFICADAS

CONSERVAR LA RADIOMETRIacuteA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo II

interpolacioacuten bilineal ( bilinear interpolation )

supone promediar los ND de los cuatro pixeles mas cercanos

con ponderacioacuten seguacuten la distancia pixeles originalcorregido

REDUCE EL EFECTO DE DISTORSIOacuteN EN RASGOS LINEALES

TIENDE A DIFUMINAR LOS CONTRASTES ESPACIALES

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE IMAacuteGENES RECTIFICADAS MAPAS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo III

convolusioacuten cuacutebica ( cubic convolution )

supone considerar los ND de los 16 pixeles mas proacuteximos

media ponderada seguacuten la distancia pixeles originalcorregido

EFECTO VISUAL MAS CORRECTO

VOLUacuteMEN DE CAacuteLCULO MUY SUPERIOR TENDENCIA A AGUDIZAR BORDES DE LA IMAGEN

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE ORTOIMAacuteGENES IMPRESIONES DE CALIDAD

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

  • Nuacutemero de diapositiva 1
  • Nuacutemero de diapositiva 2
  • MOacuteDULO IV
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 5
  • Nuacutemero de diapositiva 6
  • Nuacutemero de diapositiva 7
  • Nuacutemero de diapositiva 8
  • Nuacutemero de diapositiva 9
  • Nuacutemero de diapositiva 10
  • Nuacutemero de diapositiva 11
  • Nuacutemero de diapositiva 12
  • Nuacutemero de diapositiva 13
  • Nuacutemero de diapositiva 14
  • Nuacutemero de diapositiva 15
  • Nuacutemero de diapositiva 16
  • Nuacutemero de diapositiva 17
  • Nuacutemero de diapositiva 18
  • Nuacutemero de diapositiva 19
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 21
  • Nuacutemero de diapositiva 22
  • Nuacutemero de diapositiva 23
  • Nuacutemero de diapositiva 24
  • Nuacutemero de diapositiva 25
  • Nuacutemero de diapositiva 26
  • Nuacutemero de diapositiva 27
  • Nuacutemero de diapositiva 28
  • Nuacutemero de diapositiva 29
  • Nuacutemero de diapositiva 30
  • Nuacutemero de diapositiva 31
  • Nuacutemero de diapositiva 32
  • Nuacutemero de diapositiva 33
  • Nuacutemero de diapositiva 34
  • Nuacutemero de diapositiva 35
  • Nuacutemero de diapositiva 36
  • Nuacutemero de diapositiva 37
  • Nuacutemero de diapositiva 38
  • Nuacutemero de diapositiva 39
  • Nuacutemero de diapositiva 40
  • 47 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 42
  • Nuacutemero de diapositiva 43
  • Nuacutemero de diapositiva 44
  • Nuacutemero de diapositiva 45
  • Nuacutemero de diapositiva 46
  • Nuacutemero de diapositiva 47
  • Nuacutemero de diapositiva 48
  • Nuacutemero de diapositiva 49
  • Nuacutemero de diapositiva 50
  • Nuacutemero de diapositiva 51
  • Nuacutemero de diapositiva 52
  • Nuacutemero de diapositiva 53
  • Nuacutemero de diapositiva 54
  • 48 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 56
  • Nuacutemero de diapositiva 57
  • Nuacutemero de diapositiva 58
  • Nuacutemero de diapositiva 59
  • Nuacutemero de diapositiva 60
  • Nuacutemero de diapositiva 61
  • Nuacutemero de diapositiva 62
  • Nuacutemero de diapositiva 63
  • Nuacutemero de diapositiva 64
  • Nuacutemero de diapositiva 65
  • Nuacutemero de diapositiva 66
  • Nuacutemero de diapositiva 67
  • Nuacutemero de diapositiva 68
  • Nuacutemero de diapositiva 69
  • Nuacutemero de diapositiva 70
  • Nuacutemero de diapositiva 71
  • Nuacutemero de diapositiva 72
  • Nuacutemero de diapositiva 73
  • Nuacutemero de diapositiva 74

comparacioacuten coordenadas reales y las estimadas por la regresioacuten

el promedio de los residuales se conoce como error medio cuadraacutetico

la calidad del ajuste lo da el RMSE (root mean squared error)

(error medio cuadraacutetico)

RMSE es la raiacutez cuadrada de las desviaciones entre los valores reales y los

calculados

RMSE para cada punto es la raiacutez de los residuales al cuadrado que es la distancia entre ellos

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

RMSE UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

la praacutectica hace que fijemos una TOLERANCIA y es que si ese promedio supera un valor fijado previamente haya que rever

el valor fijado previamente generalmente es igual o menor a un PIXEL

una correcta verificacioacuten

NECESITA introducir PUNTOS de VERIFICACIOacuteN

que no hayan sido introducidos en el ajuste

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

tolerancias fijadas

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

traducimos coordenadas de un mapa a la imagen tambieacuten necesitamos a la nueva imagen

TRANSFERIR LOS VALORES DIGITALES no olvidar que lo que queremos es generar una nueva imagen que se

corresponda con las coordenadas y las funciones de ajuste

NO ORIGINAN NUEVA IMAGEN solo colocan a los pixeles en la posicioacuten correcta

en criollo las funciones de transformacioacuten generan una nueva matriz bien posicionada pero vaciacutea

DEBEMOS LLENAR LA MATRIZ problema maacutes complejo de lo que puede

pensarse Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

generacioacuten de la nueva imaacutegen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

cada pixel de la imagen corregida se corresponderiacutea con un pixel de la imagen original

LEJOS DE ESE IDEAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo I

vecino maacutes proacuteximo ( nearest neighbour )

a cada celda de la imagen corregida se asigna el ND del pixel maacutes cercano de la

imagen original

SOLUCIOacuteN RAacutePIDA MENOR DISTORSIOacuteN DE LOS ND

INTRODUCE RASGOS LINEALES QUE DISTORSIONAN

CORRECCIOacuteN DE IMAacuteGENES CLASIFICADAS

CONSERVAR LA RADIOMETRIacuteA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo II

interpolacioacuten bilineal ( bilinear interpolation )

supone promediar los ND de los cuatro pixeles mas cercanos

con ponderacioacuten seguacuten la distancia pixeles originalcorregido

REDUCE EL EFECTO DE DISTORSIOacuteN EN RASGOS LINEALES

TIENDE A DIFUMINAR LOS CONTRASTES ESPACIALES

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE IMAacuteGENES RECTIFICADAS MAPAS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo III

convolusioacuten cuacutebica ( cubic convolution )

supone considerar los ND de los 16 pixeles mas proacuteximos

media ponderada seguacuten la distancia pixeles originalcorregido

EFECTO VISUAL MAS CORRECTO

VOLUacuteMEN DE CAacuteLCULO MUY SUPERIOR TENDENCIA A AGUDIZAR BORDES DE LA IMAGEN

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE ORTOIMAacuteGENES IMPRESIONES DE CALIDAD

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

  • Nuacutemero de diapositiva 1
  • Nuacutemero de diapositiva 2
  • MOacuteDULO IV
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 5
  • Nuacutemero de diapositiva 6
  • Nuacutemero de diapositiva 7
  • Nuacutemero de diapositiva 8
  • Nuacutemero de diapositiva 9
  • Nuacutemero de diapositiva 10
  • Nuacutemero de diapositiva 11
  • Nuacutemero de diapositiva 12
  • Nuacutemero de diapositiva 13
  • Nuacutemero de diapositiva 14
  • Nuacutemero de diapositiva 15
  • Nuacutemero de diapositiva 16
  • Nuacutemero de diapositiva 17
  • Nuacutemero de diapositiva 18
  • Nuacutemero de diapositiva 19
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 21
  • Nuacutemero de diapositiva 22
  • Nuacutemero de diapositiva 23
  • Nuacutemero de diapositiva 24
  • Nuacutemero de diapositiva 25
  • Nuacutemero de diapositiva 26
  • Nuacutemero de diapositiva 27
  • Nuacutemero de diapositiva 28
  • Nuacutemero de diapositiva 29
  • Nuacutemero de diapositiva 30
  • Nuacutemero de diapositiva 31
  • Nuacutemero de diapositiva 32
  • Nuacutemero de diapositiva 33
  • Nuacutemero de diapositiva 34
  • Nuacutemero de diapositiva 35
  • Nuacutemero de diapositiva 36
  • Nuacutemero de diapositiva 37
  • Nuacutemero de diapositiva 38
  • Nuacutemero de diapositiva 39
  • Nuacutemero de diapositiva 40
  • 47 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 42
  • Nuacutemero de diapositiva 43
  • Nuacutemero de diapositiva 44
  • Nuacutemero de diapositiva 45
  • Nuacutemero de diapositiva 46
  • Nuacutemero de diapositiva 47
  • Nuacutemero de diapositiva 48
  • Nuacutemero de diapositiva 49
  • Nuacutemero de diapositiva 50
  • Nuacutemero de diapositiva 51
  • Nuacutemero de diapositiva 52
  • Nuacutemero de diapositiva 53
  • Nuacutemero de diapositiva 54
  • 48 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 56
  • Nuacutemero de diapositiva 57
  • Nuacutemero de diapositiva 58
  • Nuacutemero de diapositiva 59
  • Nuacutemero de diapositiva 60
  • Nuacutemero de diapositiva 61
  • Nuacutemero de diapositiva 62
  • Nuacutemero de diapositiva 63
  • Nuacutemero de diapositiva 64
  • Nuacutemero de diapositiva 65
  • Nuacutemero de diapositiva 66
  • Nuacutemero de diapositiva 67
  • Nuacutemero de diapositiva 68
  • Nuacutemero de diapositiva 69
  • Nuacutemero de diapositiva 70
  • Nuacutemero de diapositiva 71
  • Nuacutemero de diapositiva 72
  • Nuacutemero de diapositiva 73
  • Nuacutemero de diapositiva 74

la praacutectica hace que fijemos una TOLERANCIA y es que si ese promedio supera un valor fijado previamente haya que rever

el valor fijado previamente generalmente es igual o menor a un PIXEL

una correcta verificacioacuten

NECESITA introducir PUNTOS de VERIFICACIOacuteN

que no hayan sido introducidos en el ajuste

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

EVALUACIOacuteN DE LA CORRECCIOacuteN

ENTENDIENDO LAS IMAacuteGENES

tolerancias fijadas

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

traducimos coordenadas de un mapa a la imagen tambieacuten necesitamos a la nueva imagen

TRANSFERIR LOS VALORES DIGITALES no olvidar que lo que queremos es generar una nueva imagen que se

corresponda con las coordenadas y las funciones de ajuste

NO ORIGINAN NUEVA IMAGEN solo colocan a los pixeles en la posicioacuten correcta

en criollo las funciones de transformacioacuten generan una nueva matriz bien posicionada pero vaciacutea

DEBEMOS LLENAR LA MATRIZ problema maacutes complejo de lo que puede

pensarse Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

generacioacuten de la nueva imaacutegen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

cada pixel de la imagen corregida se corresponderiacutea con un pixel de la imagen original

LEJOS DE ESE IDEAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo I

vecino maacutes proacuteximo ( nearest neighbour )

a cada celda de la imagen corregida se asigna el ND del pixel maacutes cercano de la

imagen original

SOLUCIOacuteN RAacutePIDA MENOR DISTORSIOacuteN DE LOS ND

INTRODUCE RASGOS LINEALES QUE DISTORSIONAN

CORRECCIOacuteN DE IMAacuteGENES CLASIFICADAS

CONSERVAR LA RADIOMETRIacuteA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo II

interpolacioacuten bilineal ( bilinear interpolation )

supone promediar los ND de los cuatro pixeles mas cercanos

con ponderacioacuten seguacuten la distancia pixeles originalcorregido

REDUCE EL EFECTO DE DISTORSIOacuteN EN RASGOS LINEALES

TIENDE A DIFUMINAR LOS CONTRASTES ESPACIALES

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE IMAacuteGENES RECTIFICADAS MAPAS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo III

convolusioacuten cuacutebica ( cubic convolution )

supone considerar los ND de los 16 pixeles mas proacuteximos

media ponderada seguacuten la distancia pixeles originalcorregido

EFECTO VISUAL MAS CORRECTO

VOLUacuteMEN DE CAacuteLCULO MUY SUPERIOR TENDENCIA A AGUDIZAR BORDES DE LA IMAGEN

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE ORTOIMAacuteGENES IMPRESIONES DE CALIDAD

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

  • Nuacutemero de diapositiva 1
  • Nuacutemero de diapositiva 2
  • MOacuteDULO IV
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 5
  • Nuacutemero de diapositiva 6
  • Nuacutemero de diapositiva 7
  • Nuacutemero de diapositiva 8
  • Nuacutemero de diapositiva 9
  • Nuacutemero de diapositiva 10
  • Nuacutemero de diapositiva 11
  • Nuacutemero de diapositiva 12
  • Nuacutemero de diapositiva 13
  • Nuacutemero de diapositiva 14
  • Nuacutemero de diapositiva 15
  • Nuacutemero de diapositiva 16
  • Nuacutemero de diapositiva 17
  • Nuacutemero de diapositiva 18
  • Nuacutemero de diapositiva 19
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 21
  • Nuacutemero de diapositiva 22
  • Nuacutemero de diapositiva 23
  • Nuacutemero de diapositiva 24
  • Nuacutemero de diapositiva 25
  • Nuacutemero de diapositiva 26
  • Nuacutemero de diapositiva 27
  • Nuacutemero de diapositiva 28
  • Nuacutemero de diapositiva 29
  • Nuacutemero de diapositiva 30
  • Nuacutemero de diapositiva 31
  • Nuacutemero de diapositiva 32
  • Nuacutemero de diapositiva 33
  • Nuacutemero de diapositiva 34
  • Nuacutemero de diapositiva 35
  • Nuacutemero de diapositiva 36
  • Nuacutemero de diapositiva 37
  • Nuacutemero de diapositiva 38
  • Nuacutemero de diapositiva 39
  • Nuacutemero de diapositiva 40
  • 47 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 42
  • Nuacutemero de diapositiva 43
  • Nuacutemero de diapositiva 44
  • Nuacutemero de diapositiva 45
  • Nuacutemero de diapositiva 46
  • Nuacutemero de diapositiva 47
  • Nuacutemero de diapositiva 48
  • Nuacutemero de diapositiva 49
  • Nuacutemero de diapositiva 50
  • Nuacutemero de diapositiva 51
  • Nuacutemero de diapositiva 52
  • Nuacutemero de diapositiva 53
  • Nuacutemero de diapositiva 54
  • 48 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 56
  • Nuacutemero de diapositiva 57
  • Nuacutemero de diapositiva 58
  • Nuacutemero de diapositiva 59
  • Nuacutemero de diapositiva 60
  • Nuacutemero de diapositiva 61
  • Nuacutemero de diapositiva 62
  • Nuacutemero de diapositiva 63
  • Nuacutemero de diapositiva 64
  • Nuacutemero de diapositiva 65
  • Nuacutemero de diapositiva 66
  • Nuacutemero de diapositiva 67
  • Nuacutemero de diapositiva 68
  • Nuacutemero de diapositiva 69
  • Nuacutemero de diapositiva 70
  • Nuacutemero de diapositiva 71
  • Nuacutemero de diapositiva 72
  • Nuacutemero de diapositiva 73
  • Nuacutemero de diapositiva 74

traducimos coordenadas de un mapa a la imagen tambieacuten necesitamos a la nueva imagen

TRANSFERIR LOS VALORES DIGITALES no olvidar que lo que queremos es generar una nueva imagen que se

corresponda con las coordenadas y las funciones de ajuste

NO ORIGINAN NUEVA IMAGEN solo colocan a los pixeles en la posicioacuten correcta

en criollo las funciones de transformacioacuten generan una nueva matriz bien posicionada pero vaciacutea

DEBEMOS LLENAR LA MATRIZ problema maacutes complejo de lo que puede

pensarse Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

generacioacuten de la nueva imaacutegen

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

cada pixel de la imagen corregida se corresponderiacutea con un pixel de la imagen original

LEJOS DE ESE IDEAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo I

vecino maacutes proacuteximo ( nearest neighbour )

a cada celda de la imagen corregida se asigna el ND del pixel maacutes cercano de la

imagen original

SOLUCIOacuteN RAacutePIDA MENOR DISTORSIOacuteN DE LOS ND

INTRODUCE RASGOS LINEALES QUE DISTORSIONAN

CORRECCIOacuteN DE IMAacuteGENES CLASIFICADAS

CONSERVAR LA RADIOMETRIacuteA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo II

interpolacioacuten bilineal ( bilinear interpolation )

supone promediar los ND de los cuatro pixeles mas cercanos

con ponderacioacuten seguacuten la distancia pixeles originalcorregido

REDUCE EL EFECTO DE DISTORSIOacuteN EN RASGOS LINEALES

TIENDE A DIFUMINAR LOS CONTRASTES ESPACIALES

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE IMAacuteGENES RECTIFICADAS MAPAS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo III

convolusioacuten cuacutebica ( cubic convolution )

supone considerar los ND de los 16 pixeles mas proacuteximos

media ponderada seguacuten la distancia pixeles originalcorregido

EFECTO VISUAL MAS CORRECTO

VOLUacuteMEN DE CAacuteLCULO MUY SUPERIOR TENDENCIA A AGUDIZAR BORDES DE LA IMAGEN

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE ORTOIMAacuteGENES IMPRESIONES DE CALIDAD

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

  • Nuacutemero de diapositiva 1
  • Nuacutemero de diapositiva 2
  • MOacuteDULO IV
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 5
  • Nuacutemero de diapositiva 6
  • Nuacutemero de diapositiva 7
  • Nuacutemero de diapositiva 8
  • Nuacutemero de diapositiva 9
  • Nuacutemero de diapositiva 10
  • Nuacutemero de diapositiva 11
  • Nuacutemero de diapositiva 12
  • Nuacutemero de diapositiva 13
  • Nuacutemero de diapositiva 14
  • Nuacutemero de diapositiva 15
  • Nuacutemero de diapositiva 16
  • Nuacutemero de diapositiva 17
  • Nuacutemero de diapositiva 18
  • Nuacutemero de diapositiva 19
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 21
  • Nuacutemero de diapositiva 22
  • Nuacutemero de diapositiva 23
  • Nuacutemero de diapositiva 24
  • Nuacutemero de diapositiva 25
  • Nuacutemero de diapositiva 26
  • Nuacutemero de diapositiva 27
  • Nuacutemero de diapositiva 28
  • Nuacutemero de diapositiva 29
  • Nuacutemero de diapositiva 30
  • Nuacutemero de diapositiva 31
  • Nuacutemero de diapositiva 32
  • Nuacutemero de diapositiva 33
  • Nuacutemero de diapositiva 34
  • Nuacutemero de diapositiva 35
  • Nuacutemero de diapositiva 36
  • Nuacutemero de diapositiva 37
  • Nuacutemero de diapositiva 38
  • Nuacutemero de diapositiva 39
  • Nuacutemero de diapositiva 40
  • 47 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 42
  • Nuacutemero de diapositiva 43
  • Nuacutemero de diapositiva 44
  • Nuacutemero de diapositiva 45
  • Nuacutemero de diapositiva 46
  • Nuacutemero de diapositiva 47
  • Nuacutemero de diapositiva 48
  • Nuacutemero de diapositiva 49
  • Nuacutemero de diapositiva 50
  • Nuacutemero de diapositiva 51
  • Nuacutemero de diapositiva 52
  • Nuacutemero de diapositiva 53
  • Nuacutemero de diapositiva 54
  • 48 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 56
  • Nuacutemero de diapositiva 57
  • Nuacutemero de diapositiva 58
  • Nuacutemero de diapositiva 59
  • Nuacutemero de diapositiva 60
  • Nuacutemero de diapositiva 61
  • Nuacutemero de diapositiva 62
  • Nuacutemero de diapositiva 63
  • Nuacutemero de diapositiva 64
  • Nuacutemero de diapositiva 65
  • Nuacutemero de diapositiva 66
  • Nuacutemero de diapositiva 67
  • Nuacutemero de diapositiva 68
  • Nuacutemero de diapositiva 69
  • Nuacutemero de diapositiva 70
  • Nuacutemero de diapositiva 71
  • Nuacutemero de diapositiva 72
  • Nuacutemero de diapositiva 73
  • Nuacutemero de diapositiva 74

cada pixel de la imagen corregida se corresponderiacutea con un pixel de la imagen original

LEJOS DE ESE IDEAL

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE VALORES A LA NUEVA IMG

ENTENDIENDO LAS IMAacuteGENES

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo I

vecino maacutes proacuteximo ( nearest neighbour )

a cada celda de la imagen corregida se asigna el ND del pixel maacutes cercano de la

imagen original

SOLUCIOacuteN RAacutePIDA MENOR DISTORSIOacuteN DE LOS ND

INTRODUCE RASGOS LINEALES QUE DISTORSIONAN

CORRECCIOacuteN DE IMAacuteGENES CLASIFICADAS

CONSERVAR LA RADIOMETRIacuteA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo II

interpolacioacuten bilineal ( bilinear interpolation )

supone promediar los ND de los cuatro pixeles mas cercanos

con ponderacioacuten seguacuten la distancia pixeles originalcorregido

REDUCE EL EFECTO DE DISTORSIOacuteN EN RASGOS LINEALES

TIENDE A DIFUMINAR LOS CONTRASTES ESPACIALES

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE IMAacuteGENES RECTIFICADAS MAPAS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo III

convolusioacuten cuacutebica ( cubic convolution )

supone considerar los ND de los 16 pixeles mas proacuteximos

media ponderada seguacuten la distancia pixeles originalcorregido

EFECTO VISUAL MAS CORRECTO

VOLUacuteMEN DE CAacuteLCULO MUY SUPERIOR TENDENCIA A AGUDIZAR BORDES DE LA IMAGEN

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE ORTOIMAacuteGENES IMPRESIONES DE CALIDAD

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

  • Nuacutemero de diapositiva 1
  • Nuacutemero de diapositiva 2
  • MOacuteDULO IV
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 5
  • Nuacutemero de diapositiva 6
  • Nuacutemero de diapositiva 7
  • Nuacutemero de diapositiva 8
  • Nuacutemero de diapositiva 9
  • Nuacutemero de diapositiva 10
  • Nuacutemero de diapositiva 11
  • Nuacutemero de diapositiva 12
  • Nuacutemero de diapositiva 13
  • Nuacutemero de diapositiva 14
  • Nuacutemero de diapositiva 15
  • Nuacutemero de diapositiva 16
  • Nuacutemero de diapositiva 17
  • Nuacutemero de diapositiva 18
  • Nuacutemero de diapositiva 19
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 21
  • Nuacutemero de diapositiva 22
  • Nuacutemero de diapositiva 23
  • Nuacutemero de diapositiva 24
  • Nuacutemero de diapositiva 25
  • Nuacutemero de diapositiva 26
  • Nuacutemero de diapositiva 27
  • Nuacutemero de diapositiva 28
  • Nuacutemero de diapositiva 29
  • Nuacutemero de diapositiva 30
  • Nuacutemero de diapositiva 31
  • Nuacutemero de diapositiva 32
  • Nuacutemero de diapositiva 33
  • Nuacutemero de diapositiva 34
  • Nuacutemero de diapositiva 35
  • Nuacutemero de diapositiva 36
  • Nuacutemero de diapositiva 37
  • Nuacutemero de diapositiva 38
  • Nuacutemero de diapositiva 39
  • Nuacutemero de diapositiva 40
  • 47 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 42
  • Nuacutemero de diapositiva 43
  • Nuacutemero de diapositiva 44
  • Nuacutemero de diapositiva 45
  • Nuacutemero de diapositiva 46
  • Nuacutemero de diapositiva 47
  • Nuacutemero de diapositiva 48
  • Nuacutemero de diapositiva 49
  • Nuacutemero de diapositiva 50
  • Nuacutemero de diapositiva 51
  • Nuacutemero de diapositiva 52
  • Nuacutemero de diapositiva 53
  • Nuacutemero de diapositiva 54
  • 48 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 56
  • Nuacutemero de diapositiva 57
  • Nuacutemero de diapositiva 58
  • Nuacutemero de diapositiva 59
  • Nuacutemero de diapositiva 60
  • Nuacutemero de diapositiva 61
  • Nuacutemero de diapositiva 62
  • Nuacutemero de diapositiva 63
  • Nuacutemero de diapositiva 64
  • Nuacutemero de diapositiva 65
  • Nuacutemero de diapositiva 66
  • Nuacutemero de diapositiva 67
  • Nuacutemero de diapositiva 68
  • Nuacutemero de diapositiva 69
  • Nuacutemero de diapositiva 70
  • Nuacutemero de diapositiva 71
  • Nuacutemero de diapositiva 72
  • Nuacutemero de diapositiva 73
  • Nuacutemero de diapositiva 74

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo I

vecino maacutes proacuteximo ( nearest neighbour )

a cada celda de la imagen corregida se asigna el ND del pixel maacutes cercano de la

imagen original

SOLUCIOacuteN RAacutePIDA MENOR DISTORSIOacuteN DE LOS ND

INTRODUCE RASGOS LINEALES QUE DISTORSIONAN

CORRECCIOacuteN DE IMAacuteGENES CLASIFICADAS

CONSERVAR LA RADIOMETRIacuteA

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo II

interpolacioacuten bilineal ( bilinear interpolation )

supone promediar los ND de los cuatro pixeles mas cercanos

con ponderacioacuten seguacuten la distancia pixeles originalcorregido

REDUCE EL EFECTO DE DISTORSIOacuteN EN RASGOS LINEALES

TIENDE A DIFUMINAR LOS CONTRASTES ESPACIALES

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE IMAacuteGENES RECTIFICADAS MAPAS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo III

convolusioacuten cuacutebica ( cubic convolution )

supone considerar los ND de los 16 pixeles mas proacuteximos

media ponderada seguacuten la distancia pixeles originalcorregido

EFECTO VISUAL MAS CORRECTO

VOLUacuteMEN DE CAacuteLCULO MUY SUPERIOR TENDENCIA A AGUDIZAR BORDES DE LA IMAGEN

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE ORTOIMAacuteGENES IMPRESIONES DE CALIDAD

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

  • Nuacutemero de diapositiva 1
  • Nuacutemero de diapositiva 2
  • MOacuteDULO IV
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 5
  • Nuacutemero de diapositiva 6
  • Nuacutemero de diapositiva 7
  • Nuacutemero de diapositiva 8
  • Nuacutemero de diapositiva 9
  • Nuacutemero de diapositiva 10
  • Nuacutemero de diapositiva 11
  • Nuacutemero de diapositiva 12
  • Nuacutemero de diapositiva 13
  • Nuacutemero de diapositiva 14
  • Nuacutemero de diapositiva 15
  • Nuacutemero de diapositiva 16
  • Nuacutemero de diapositiva 17
  • Nuacutemero de diapositiva 18
  • Nuacutemero de diapositiva 19
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 21
  • Nuacutemero de diapositiva 22
  • Nuacutemero de diapositiva 23
  • Nuacutemero de diapositiva 24
  • Nuacutemero de diapositiva 25
  • Nuacutemero de diapositiva 26
  • Nuacutemero de diapositiva 27
  • Nuacutemero de diapositiva 28
  • Nuacutemero de diapositiva 29
  • Nuacutemero de diapositiva 30
  • Nuacutemero de diapositiva 31
  • Nuacutemero de diapositiva 32
  • Nuacutemero de diapositiva 33
  • Nuacutemero de diapositiva 34
  • Nuacutemero de diapositiva 35
  • Nuacutemero de diapositiva 36
  • Nuacutemero de diapositiva 37
  • Nuacutemero de diapositiva 38
  • Nuacutemero de diapositiva 39
  • Nuacutemero de diapositiva 40
  • 47 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 42
  • Nuacutemero de diapositiva 43
  • Nuacutemero de diapositiva 44
  • Nuacutemero de diapositiva 45
  • Nuacutemero de diapositiva 46
  • Nuacutemero de diapositiva 47
  • Nuacutemero de diapositiva 48
  • Nuacutemero de diapositiva 49
  • Nuacutemero de diapositiva 50
  • Nuacutemero de diapositiva 51
  • Nuacutemero de diapositiva 52
  • Nuacutemero de diapositiva 53
  • Nuacutemero de diapositiva 54
  • 48 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 56
  • Nuacutemero de diapositiva 57
  • Nuacutemero de diapositiva 58
  • Nuacutemero de diapositiva 59
  • Nuacutemero de diapositiva 60
  • Nuacutemero de diapositiva 61
  • Nuacutemero de diapositiva 62
  • Nuacutemero de diapositiva 63
  • Nuacutemero de diapositiva 64
  • Nuacutemero de diapositiva 65
  • Nuacutemero de diapositiva 66
  • Nuacutemero de diapositiva 67
  • Nuacutemero de diapositiva 68
  • Nuacutemero de diapositiva 69
  • Nuacutemero de diapositiva 70
  • Nuacutemero de diapositiva 71
  • Nuacutemero de diapositiva 72
  • Nuacutemero de diapositiva 73
  • Nuacutemero de diapositiva 74

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo II

interpolacioacuten bilineal ( bilinear interpolation )

supone promediar los ND de los cuatro pixeles mas cercanos

con ponderacioacuten seguacuten la distancia pixeles originalcorregido

REDUCE EL EFECTO DE DISTORSIOacuteN EN RASGOS LINEALES

TIENDE A DIFUMINAR LOS CONTRASTES ESPACIALES

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE IMAacuteGENES RECTIFICADAS MAPAS

UDELAR ndash FING ndash IA - CAPTURA DE DATOS POR PERCEPCIOacuteN REMOTA TCI24

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo III

convolusioacuten cuacutebica ( cubic convolution )

supone considerar los ND de los 16 pixeles mas proacuteximos

media ponderada seguacuten la distancia pixeles originalcorregido

EFECTO VISUAL MAS CORRECTO

VOLUacuteMEN DE CAacuteLCULO MUY SUPERIOR TENDENCIA A AGUDIZAR BORDES DE LA IMAGEN

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE ORTOIMAacuteGENES IMPRESIONES DE CALIDAD

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

  • Nuacutemero de diapositiva 1
  • Nuacutemero de diapositiva 2
  • MOacuteDULO IV
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 5
  • Nuacutemero de diapositiva 6
  • Nuacutemero de diapositiva 7
  • Nuacutemero de diapositiva 8
  • Nuacutemero de diapositiva 9
  • Nuacutemero de diapositiva 10
  • Nuacutemero de diapositiva 11
  • Nuacutemero de diapositiva 12
  • Nuacutemero de diapositiva 13
  • Nuacutemero de diapositiva 14
  • Nuacutemero de diapositiva 15
  • Nuacutemero de diapositiva 16
  • Nuacutemero de diapositiva 17
  • Nuacutemero de diapositiva 18
  • Nuacutemero de diapositiva 19
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 21
  • Nuacutemero de diapositiva 22
  • Nuacutemero de diapositiva 23
  • Nuacutemero de diapositiva 24
  • Nuacutemero de diapositiva 25
  • Nuacutemero de diapositiva 26
  • Nuacutemero de diapositiva 27
  • Nuacutemero de diapositiva 28
  • Nuacutemero de diapositiva 29
  • Nuacutemero de diapositiva 30
  • Nuacutemero de diapositiva 31
  • Nuacutemero de diapositiva 32
  • Nuacutemero de diapositiva 33
  • Nuacutemero de diapositiva 34
  • Nuacutemero de diapositiva 35
  • Nuacutemero de diapositiva 36
  • Nuacutemero de diapositiva 37
  • Nuacutemero de diapositiva 38
  • Nuacutemero de diapositiva 39
  • Nuacutemero de diapositiva 40
  • 47 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 42
  • Nuacutemero de diapositiva 43
  • Nuacutemero de diapositiva 44
  • Nuacutemero de diapositiva 45
  • Nuacutemero de diapositiva 46
  • Nuacutemero de diapositiva 47
  • Nuacutemero de diapositiva 48
  • Nuacutemero de diapositiva 49
  • Nuacutemero de diapositiva 50
  • Nuacutemero de diapositiva 51
  • Nuacutemero de diapositiva 52
  • Nuacutemero de diapositiva 53
  • Nuacutemero de diapositiva 54
  • 48 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 56
  • Nuacutemero de diapositiva 57
  • Nuacutemero de diapositiva 58
  • Nuacutemero de diapositiva 59
  • Nuacutemero de diapositiva 60
  • Nuacutemero de diapositiva 61
  • Nuacutemero de diapositiva 62
  • Nuacutemero de diapositiva 63
  • Nuacutemero de diapositiva 64
  • Nuacutemero de diapositiva 65
  • Nuacutemero de diapositiva 66
  • Nuacutemero de diapositiva 67
  • Nuacutemero de diapositiva 68
  • Nuacutemero de diapositiva 69
  • Nuacutemero de diapositiva 70
  • Nuacutemero de diapositiva 71
  • Nuacutemero de diapositiva 72
  • Nuacutemero de diapositiva 73
  • Nuacutemero de diapositiva 74

Prof

Adju

nto

Gdo

3 I

ng A

grim

Edis

on R

osas

ndash Pr

of A

siste

nte G

do 2

Edu

ardo

Vaacutes

quez

TRANSFERENCIA DE ND

ENTENDIENDO LAS IMAacuteGENES

meacutetodo III

convolusioacuten cuacutebica ( cubic convolution )

supone considerar los ND de los 16 pixeles mas proacuteximos

media ponderada seguacuten la distancia pixeles originalcorregido

EFECTO VISUAL MAS CORRECTO

VOLUacuteMEN DE CAacuteLCULO MUY SUPERIOR TENDENCIA A AGUDIZAR BORDES DE LA IMAGEN

CORRECCIOacuteN ORIENTADA AL ANAacuteLISIS VISUAL

GENERACIOacuteN DE ORTOIMAacuteGENES IMPRESIONES DE CALIDAD

MOacuteDULO IV ndash INTERPRETACIOacuteN DE IMAacuteGENES

  • Nuacutemero de diapositiva 1
  • Nuacutemero de diapositiva 2
  • MOacuteDULO IV
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 5
  • Nuacutemero de diapositiva 6
  • Nuacutemero de diapositiva 7
  • Nuacutemero de diapositiva 8
  • Nuacutemero de diapositiva 9
  • Nuacutemero de diapositiva 10
  • Nuacutemero de diapositiva 11
  • Nuacutemero de diapositiva 12
  • Nuacutemero de diapositiva 13
  • Nuacutemero de diapositiva 14
  • Nuacutemero de diapositiva 15
  • Nuacutemero de diapositiva 16
  • Nuacutemero de diapositiva 17
  • Nuacutemero de diapositiva 18
  • Nuacutemero de diapositiva 19
  • 46 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 21
  • Nuacutemero de diapositiva 22
  • Nuacutemero de diapositiva 23
  • Nuacutemero de diapositiva 24
  • Nuacutemero de diapositiva 25
  • Nuacutemero de diapositiva 26
  • Nuacutemero de diapositiva 27
  • Nuacutemero de diapositiva 28
  • Nuacutemero de diapositiva 29
  • Nuacutemero de diapositiva 30
  • Nuacutemero de diapositiva 31
  • Nuacutemero de diapositiva 32
  • Nuacutemero de diapositiva 33
  • Nuacutemero de diapositiva 34
  • Nuacutemero de diapositiva 35
  • Nuacutemero de diapositiva 36
  • Nuacutemero de diapositiva 37
  • Nuacutemero de diapositiva 38
  • Nuacutemero de diapositiva 39
  • Nuacutemero de diapositiva 40
  • 47 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 42
  • Nuacutemero de diapositiva 43
  • Nuacutemero de diapositiva 44
  • Nuacutemero de diapositiva 45
  • Nuacutemero de diapositiva 46
  • Nuacutemero de diapositiva 47
  • Nuacutemero de diapositiva 48
  • Nuacutemero de diapositiva 49
  • Nuacutemero de diapositiva 50
  • Nuacutemero de diapositiva 51
  • Nuacutemero de diapositiva 52
  • Nuacutemero de diapositiva 53
  • Nuacutemero de diapositiva 54
  • 48 Interpretacioacuten de Imaacutegenes
  • Nuacutemero de diapositiva 56
  • Nuacutemero de diapositiva 57
  • Nuacutemero de diapositiva 58
  • Nuacutemero de diapositiva 59
  • Nuacutemero de diapositiva 60
  • Nuacutemero de diapositiva 61
  • Nuacutemero de diapositiva 62
  • Nuacutemero de diapositiva 63
  • Nuacutemero de diapositiva 64
  • Nuacutemero de diapositiva 65
  • Nuacutemero de diapositiva 66
  • Nuacutemero de diapositiva 67
  • Nuacutemero de diapositiva 68
  • Nuacutemero de diapositiva 69
  • Nuacutemero de diapositiva 70
  • Nuacutemero de diapositiva 71
  • Nuacutemero de diapositiva 72
  • Nuacutemero de diapositiva 73
  • Nuacutemero de diapositiva 74