Realce radiométrico

Natural Resources Ressources naturelles Centro Canadiense de Percepción Remota, Ministerio de Recursos Naturales de Canadá Canada Canada

Realce radiométrico
-Resumen™ Filtrado ‹ Reducción del moteado - Definición ¿Por qué se necesita filtrar el moteado? ¿Cuál es el filtro ideal para la reducción del moteado? - Filtros no adaptables (filtro FFT) - Filtros adaptables (filtros de Frost, Lee, Gamma de MAP) ‹ Filtrado para Realce Espacial - Baja Frecuencia (filtros promedio, Gaussiano y mediana) - Alta Frecuencia (filtros Gradiente, Sobel, Detector de Bordes, de textura y FFT)
Centro Canadiense de Percepción Remota, Ministerio de Recursos Naturales de Canadá

Realce radiométrico (continuación)
-Resumen-

™ Realce visual
‹ ‹ ‹

Realce del contraste Realce lineal Realce no lineal - Escalamiento exponencial, logarítmico, en base a una Ley de una Potencia, en base a un histograma

Centro Canadiense de Percepción Remota, Ministerio de Recursos Naturales de Canadá

Introducción
™ Esta sección examina los métodos para mejorar las características radiométricas de una imagen usando filtros de reducción del moteado, filtros de realce espacial y mejoras visuales. ™ Entender el proceso de moteado en una imagen de radar es un elemento clave para la comprensión del SAR (Radar de Apertura Sintética) y el realce radiométrico del SAR. ™ Frecuentemente se desea la reducción del moteado para perfeccionar la clasificación y/o para el realce. ™ Para reducir el moteado, se prefieren usar los filtros adaptables (ej. filtro gamma map) en lugar de los filtros no adaptables (ej. filtros FFT). ™ Los filtros adaptables toman en cuenta las propiedades locales de la retro-reflexión difusa del terreno o la naturaleza del sensor, mientras que los filtros no adaptables no lo hacen.
Centro Canadiense de Percepción Remota, Ministerio de Recursos Naturales de Canadá

Introducción al moteado
™ La variancia de la imagen o moteado es un ruido granular que existe de manera inherente en las imágenes SAR (Figura 5.1). ™ El moteado da a la imagen adquirida por una sola observación una apariencia granular, tipo sal y pimienta. Es el factor dominante en las imágenes de radar. ™ El ruído al moteado puede distribuirse en un intervalo dinámico más amplio que el del contenido mismo de la escena. ™ Las imágenes procesadas con pocas ‘observaciones’ presentan una distribución de las intensidades muy asimétrica, debido al ruido asociado al moteado. ™ El generar un histograma simétrico no representa un procedimiento óptimo. Con la presencia de moteado, los píxeles se agrupan en los límites extremos de la distribución de intensidades (ej. valores digitales DN de 0 y 225 para los datos de 8 bits). ™ Para una revisión detallada del moteado, ver Raney (1998).
Centro Canadiense de Percepción Remota, Ministerio de Recursos Naturales de Canadá

¿Qué es el moteado?
™ El moteado es la interferencia coherente de las ondas reflejadas difusamente por los elementos del terreno, observada en cada célula de resolución.
‹

Una onda incidente de radar interactúa con cada elemento de la superficie y de la capa superficial del terreno para generar ondas reflejadas difusamente que se propagan en todas direcciones. La señal recibida, se compone por la suma (en dirección y fase) de las ondas reflejadas difusamente que alcanzan a llegar a la antena receptora. Las componentes de fase relativa contienen las diferenciales de las trayectorias de propagación. La operación de enfoque del SAR combina de manera coherente las señales recibidas para formar la imagen. El resultado de la suma de la fase de las ondas reflejadas difusamente, es la interferencia constructiva y destructiva de las señales individuales y modula aleatoriamente la intensidad de la señal en cada célula de resolución.

‹

‹

‹

Centro Canadiense de Percepción Remota, Ministerio de Recursos Naturales de Canadá

Figura 5.1 Ejemplo de moteado
EJEMPLO DE MOTEADO
Haz S7 θ = 45º - 49º C-HH Resolución: 20 m (alcance) x 27 m (azimut)

RADARSAT-1 25 enero 96

Paso Ascendente (mirando a la derecha) Subescena Separación entre pixeles para visualizaciónm: 8m

© Agencia Espacial Canadiense 1996

Centro Canadiense de Percepción Remota, Ministerio de Recursos Naturales de Canadá

¿Qué es el moteado? (continuación)
™ La suma de la retro-reflexión difusa de un conjunto de reflectores produce interferencia constructiva y destructiva en forma aleatoria. Ver Figura 5.2.
‹

La interferencia constructiva representa un aumento en la intensidade promedio. Produce píxeles brillantes. La interferencia destructiva representa una disminuciòn en la intensidade promedio. Produce píxeles obscuros.

‹

™ Estas fluctuaciones aleatorias crean el moteado. ™ Al reducir estos efectos se mejora la resolución radiométrica a expensas de la resolución espacial.

Centro Canadiense de Percepción Remota, Ministerio de Recursos Naturales de Canadá

Figura 5.2 El moteado
Interferencia constructiva Resultado

Ondas de radar coherentes

Interferencia destructiva

Resultado

Ejemplo de blanco homogéneo
Interferencia constructiva Grados variables de interferencia (entre constructiva y destructiva) Interferencia destructiva
Centro Canadiense de Percepción Remota, Ministerio de Recursos Naturales de Canadá

Supresión del moteado
™ El moteado es el resultado de un proceso coherente (en el que se incluye la fase). ™ Se puede reducir el moteado por medio de procesos incoherentes (al considerar la amplitud o la potencia).
‹

La reducción del moteado (o suavizado) disminuye la resolución (aumenta el tamaño de las células de resolución) de los datos SAR de un solo canal. Existen dos procesos lineales fundamentales: - Mediante observación múltiple se divide la señal en bandas de frecuencia con un cierto mínimo de sobreposición, se procesa cada banda para generar una imagen de resolución reducida. Se registran las imágenes, se detectan y se suma esas imágenes detectadas. En la Figura 5.3 se presentan ejemplos del procesamiento de observación múltiple. - Al promediar, a partir de una imagen de resolución completa, se obtiene el promedio local y se submuestrea para generar una imagen con resolución y moteado reducidos. - Ambos procesos son equivalentes para al caso de reflectores distribuidos.

‹

Centro Canadiense de Percepción Remota, Ministerio de Recursos Naturales de Canadá

Figura 5.3 Procesamiento de observación múltiple
Ejemplos del procesamiento de observación múltiple. Nótese que A, B y C tienen la misma resolución. Por otra parte, C y D tienen factores de calidad comparables (datos de un radar de apertura sintética de banda-X aerotransportado, 1972, procesado óptico). (En: Principles & Applications of Imaging Radar, Manual of Remote Sensing, 1998, Cap. 2 - Raney, pp 75)

A C

6.1 m x 6.1 m N=1 QSAR = 0.027 6.1 m x 6.1 m N = 16 QSAR = 0.43

B
Cortesía de R. Shuchman y E. Kasischke, ERIM

6.1 m x 6.1 m N=4 QSAR = 0.11 1.5 m x 2.13 m N=1 QSAR = 0.31

D

Centro Canadiense de Percepción Remota, Ministerio de Recursos Naturales de Canadá

¿Por qué filtrar el moteado?
™ La presencia del ruido de moteado tiene que ser considerada cuando se hace la selección de las metodologías para el análisis. ™ Al filtrar el moteado se permitirá lo siguiente:
‹

una mejor identificación de los objetivos o blancos en una escena. una segmentación automática de la imagen más fácil. la aplicación de las herramientas clásicas para el realce desarrolladas para imágenes de sensores ópticos, tales como: detectores de bordes, clasificadores de texturas y clasificadores en base a los píxeles.

‹

‹

Centro Canadiense de Percepción Remota, Ministerio de Recursos Naturales de Canadá

El filtro ideal para reducir el moteado
™ Reduce el moteado con una pérdida mínima de información En las áreas homogéneas, el filtro debe preservar:
‹ ‹

la información radiométrica los bordes entre distintas áreas la información radiométrica la variabilidad de la señal espacial: información de textura

En las áreas con cierta textura, el filtro debe preservar:
‹ ‹

Centro Canadiense de Percepción Remota, Ministerio de Recursos Naturales de Canadá

Familias de filtros para reducir el moteado
™ Filtros No Adaptables:
‹ ‹

Se consideran los parámetros de la sénal de la imagen completa No toman en consideración las propiedades locales de la retroreflexión del terreno ni la naturaleza del sensor . No son apropiados para filtrar la sénal de escenas no estacionorias Por ejemplo: los filtros FFT Consideran los cambios en las propiedades locales de la retroreflexión del terreno. - El ruido del moteado se modela como proceso estacionario - La señal de un cierto objeto no es tipo de estacionaria porque la retro-reflexión media cambia según el blanco.

‹ ‹

™ Filtros Adaptables:
‹

‹

Por ejemplo: los filtros Frost, Lee, Map Gamma, de promedio local y de mediana local

™ La Figura 5.4 muestra unos ejemplos de filtros adaptables.
Centro Canadiense de Percepción Remota, Ministerio de Recursos Naturales de Canadá

Figura 5.4 - Filtro Map Gamma contra Filtro Mediana
Tapajós, Brasil 20 mayo 1996 Haz F2

Mediana 5x5

Imagen original

Map Gamma 5x5
Centro Canadiense de Percepción Remota, Ministerio de Recursos Naturales de Canadá

Tamaño de las matrices para el filtrado
™ La Figura 5.5 muestra ejemplos de las matrices para aplicar los filtros (ventanas) promedio, mediana y moda. ™ Los filtros constituyen una matríz de X por Y píxeles, que se mueve a través de la imagen. ™ Los filtros que aparecen en la Figura 5.5 son filtros de ventana cuadrada, con un tamaño de 3 por 3 píxeles. ™ El grado de suavizado está en función del tamaño de la matriz para el filtrado. ™ Al aumentar el tamaño de la matriz, el suavizado aumenta.

Centro Canadiense de Percepción Remota, Ministerio de Recursos Naturales de Canadá

Figura 5.5 -Matrices para filtrar
PROMEDIO

5 7 4 9 8 6 5 5 8
MEDIANA

5+7+4+9+8+6+5+5+8= 57 57÷ 9 = PROMEDIO = 6 3x3

7x7 5x5

5 7 4 9 8 6 5 5 8
MODA

4,5,5,5,6,7,8,8,9 MEDIANA = 6

5 7 4 9 8 6 5 5 8

4 555 6 7 88 9

MODA = 5

Fuente: Centro Canadiense de Percepción Remota
Centro Canadiense de Percepción Remota, Ministerio de Recursos Naturales de Canadá

Los filtros promedio y mediana
™ Principio ‹ La intensidad en cada intervalo de muestreo en la imagen, se reemplaza por el promedio de los valores de los píxeles localizados dentro de una ventana móvil que rodea la muestra. ™ El filtro caja o promedio conserva bien las características radiométricas, pero induce un efecto borroso en las áreas con una cierta textura. ™ El filtro mediana asigna el valor de la mediana de la ventana a cada muestra. ‹ Conserva de mejor manera la información de textura ‹ Modifica la información radiométrica de áreas homogéneas y no conserva la señal característica de los reflectores puntuales ™ No se recomienda para las imágenes de radar. ™ Ver Figura 5.6 con ejemplos de ambos filtros.
Centro Canadiense de Percepción Remota, Ministerio de Recursos Naturales de Canadá

Figura 5.6 - Filtros mediana y promedio
Tapajós, Brasil 20 mayo 1996 Haz F2

Mediana 7x7

Imagen original

Promedio 7x7

Centro Canadiense de Percepción Remota, Ministerio de Recursos Naturales de Canadá

El filtrado adaptable
™ Los filtros adaptables (ej. Map Gamma) reducen el moteado al mismo tiempo que conservan los bordes (variación intensa del contraste). ™ Los filtros adaptables modifican la imagen basándose en estadísticas extraídas del entorno local de cada píxel. ™ Las ventanas de mayor tamaño (ej. 11x11) producen un aumento considerable en el efecto de suavizado en la imagen resultante (ver Figura 5.7).

Centro Canadiense de Percepción Remota, Ministerio de Recursos Naturales de Canadá

Figura 5.7 - Filtro Gamma
Tapajós, Brasil 20 mayo 1996 Haz F2

Map Gamma 7x7

Imagen original

Map Gamma 11x11
Centro Canadiense de Percepción Remota, Ministerio de Recursos Naturales de Canadá

Ventajas de los filtros adaptables
™ La mayoria de los filtros adaptables mejor conocidos requíeren de los cálculos del promedio local observado y de la desviación estándar normalizada (coeficiente de variación). ™ El filtro adaptable proporciona una estimación precisa del coeficiente de retro-reflexión de áreas homogéneas (estacionarias). Además, conserva la estructura de los bordes y de la textura en escenas no estacionarias.

Centro Canadiense de Percepción Remota, Ministerio de Recursos Naturales de Canadá

Los filtros más conocidos : El filtro Frost
™ Principio
‹

El valor del píxel sin moteado se estima mediante una subventana de la ventana de procesamiento. El tamaño de la subventana varía en función de la heterogeneidad local del terreno medida en términos del coeficiente de variación: – mientras mayor sea el coeficiente de variación, más estrecha la subventana de procesamiento

‹

™ El filtro Frost mejorado (Lopes, Touzi y Nezri, IEEE, 1990) minimiza la pérdida de información radiométrica y textural (ver Figura 5.8).
Centro Canadiense de Percepción Remota, Ministerio de Recursos Naturales de Canadá

Figura 5.8 - Ejemplos de filtros
EJEMPLOS DE FILTROS

Medio

TIPO DE FILTRO

Original

No filtrado

TAMAÑO DEL FILTRO

Centro Canadiense de Percepción Remota, Ministerio de Recursos Naturales de Canadá

Los filtros más conocidos : El filtro Lee
™ Principio
‹

El valor del píxel sin moteado es la suma ponderada del valor del píxel observado (central) y del valor promedio. El coeficiente ponderado es una función de la heterogeneidad local del terreno medida en términos del coeficiente de variación.

‹

™ El filtro Lee mejorado (Lopes, Touzi y Nezri, IEEE, 1990) minimiza la pérdida de información radiométrica y textural (ver Figura 5.8). ™ Los filtros mejorados de Lee y Frost funcionan de manera similar.
Centro Canadiense de Percepción Remota, Ministerio de Recursos Naturales de Canadá

Los filtros más conocidos : El filtro MAP Gamma
™ Antecedentes
‹

Los filtros de Frost y Lee están basados en modelos que no usan las propiedades estadísticas de la escena bajo procesamiento. En un estudio conjunto con la CESR (Toulouse, Francia), el Centro Canadiense de Percepción Remota (CCRS) participó en el desarrollo del filtro MAP Gamma (Lopes, Touzi, Nezri y Low, IJRS, 1993).

‹

Centro Canadiense de Percepción Remota, Ministerio de Recursos Naturales de Canadá

Los filtros más conocidos : El filtro MAP Gamma (continuación)
™ Principio
‹

Este filtro está basado en la suposición de que la intensidad (sin moteado) de la escena tiene una distribución Gamma.

™ Este filtro minimiza la pérdida de información textural aún mejor que los filtros Frost y Lee, en casos de escenas con distribución Gamma. ™ El filtro MAP Gamma es apropiado para una gran variedad de escenas con distribución Gamma, tales como las áreas arboladas, áreas agrícolas y océanos. ™ El filtro conserva el valor observado del píxel en las escenas que no tienen distribución Gamma. ™ Ver la Figura 5.9 para un ejemplo del Filtro MAP Gamma.
Centro Canadiense de Percepción Remota, Ministerio de Recursos Naturales de Canadá

Figura 5.9 - Filtro Map Gamma
Tapajós, Brasil 20 mayo 1996 Haz F2

Imagen original

Map Gamma 11x11

Centro Canadiense de Percepción Remota, Ministerio de Recursos Naturales de Canadá

Efectos del filtrado

™ Los filtros adaptables (Lee, Frost y Gamma) conservan el valor medio. Son más adecuados para las imágenes de SAR (Figure 5.10). ™ La Figura 5.11 demuestra que al aumentar el tamaño de la ventana del filtro, también aumenta el cambio porcentual en la desviación estándar. ™ La Figura 5.12 presenta un ejemplo cuantitativo de estos efectos sobre los datos reales.

Centro Canadiense de Percepción Remota, Ministerio de Recursos Naturales de Canadá

Figura 5.10 - Efectos del filtrado
Tamaño y tipo del filtro vs % de cambio en el promedio Cambio porcentual en el promedio

Imagen no procesada (cruda) Mediana 3x3

Mediana 7x7 Lee 3x3

Lee 7x7 Frost 3x3 Lee 5x5

Frost 7x7

Mediana 5x5

Frost 5x5

Tipo y tamaño del filtro

Fuente: CCPR

Centro Canadiense de Percepción Remota, Ministerio de Recursos Naturales de Canadá

Figura 5.11 - Efectos del filtrado
Tamaño y tipo del filtro vs cambio porcentual en desviación estandard

Cambio Porcentual en la desviación estandard
Imagen no procesada (cruda) Mediana 3x3 Mediana 5x5

Mediana 7x7 Lee 3x3

Lee 7x7 Frost 3x3

Frost 7x7

Lee 5x5

Frost 5x5

Tipo y tamaño del filtro

Fuente: CCPR

Centro Canadiense de Percepción Remota, Ministerio de Recursos Naturales de Canadá

Figura 5.12 - Efectos del filtrado
Efectos del filtrado sobre los estadíticas de una muestra de trigal, ERS-1 SAR
Media Imagen no procesada Mediana 3x3 Mediana 5x5 Mediana 7x7 Lee 3x3 Lee 5x5 Lee 7x7 Frost 3x3 Frost 5x5 Frost 7x7 Desviación Estándar (DE) Cambio Porcentual de la media Cambio Porcentual en la DE Media/DE

Fuente: Centro Canadiense de Percepción Remota, Brown et al, 1993
Centro Canadiense de Percepción Remota, Ministerio de Recursos Naturales de Canadá

Detección de los bordes en las imágenes SAR
™ Aplicación : Segmentación de la imagen en partes individuales, clasificación. ™ Tipos de filtros para la detección de bordes: ‹ Direccional, Gradiente, Laplaciano, Sobel, Prewitt, Detector de Proporción de Bordes. ™ Advertencias ‹ Los detectores de bordes clásicos, (ej.: Gradiente y Sobel) desarrollados para las imágenes de los sensores ópticos, no son adecuados para las imágenes de SAR. ‹ Debido a la tendencia multiplicativa del moteado, estos filtros detectan más bordes falsos dentro de las áreas más brillantes. ‹ Antes de usar los detectores clásicos de bordes las imágenes deben ser filtradas (Gamma).
Centro Canadiense de Percepción Remota, Ministerio de Recursos Naturales de Canadá

Detección de los bordes en las imágenes SAR (continuación)
™ Alternativas Posibles
‹

El Detector de Proporción de Bordes (R. Touzi et al., 1988) es apropiado para las imágenes de SAR y no requiere prefiltrado. El rendimiento del Detector de Proporción de Bordes es mejor porque para aplicar los detectores clásicos de bordes, se pierde información durante la fase de prefiltrado.

‹

Centro Canadiense de Percepción Remota, Ministerio de Recursos Naturales de Canadá

El filtro detector de proporción de bordes

Imagen Original de SAR

Detector de Proporción de Bordes (5x5)
Para el detector gradiente, la probabilidad de que un píxel de un área homogénea sea asignado a los bordes (Pfa) depende de la potencia media. Esto se debe a la naturaleza multiplicativa del ruido. El operador detecta una mayor cantidad de bordes falsos en las áreas más brillantes. El detector de proporción de bordes es la proporción del promedio de los valores del píxel en dos vecindades que no se sobreponen, situadas en los lados opuestos del punto. El Pfa no depende de la potencia media.

Imagen Gradiente (5x5)
(Touzi, et. al., 1988)

El rendimiento del detector de proporción de bordes está en función del tamaño de las vecindades, la cantidad de observaciones y la proporción de las potencias medias.

Centro Canadiense de Percepción Remota, Ministerio de Recursos Naturales de Canadá

El filtro Touzi con multiresolución para el moteado
™ Los filtros adaptivos más conocidos se desarrollaron suponiendo que la señal es estacionaria dentro de una ventana de tamaño fijo, que se mueve para el procesamiento (ejemplo: el promedio y la variancia de la señal no varian durante el tiempo de observación).
Ð

Los filtros no son efectivos cuando se aplicar a estructuras finas, tales como caminos o veredas, que generalmente se suavizan y se eliminar de la imagen.

™ En el CCRS se desarrolló un nuevo filtro con resolución múltiple, el filtro Touzi, como parte de la versión 2002 del programa PCI (Figuras 5.13 y 5.14).
‹

El tamaño y la forma de la ventana para el procesamiento de filtrado se adaptan a la no estacionariedad de la señal. El filtro Touzi (con multi-resolución) detector de la razón de márgenes se usa para el mejor filtrado de contornos y de márgenes (Touzi et al., IEEE TGRS 1988). Esto permite una reducción mas efectiva del moteado y mejor preservación de las variaciones espaciales de la escena (textura, márgenes, objetos puntuales).

‹

Ð

Fuente: R. Touzi, CEOS workshop 1999
Centro Canadiense de Percepción Remota, Ministerio de Recursos Naturales de Canadá

Figura 5.13 - Filtro Touzi
Tapajós, Brasil 20 mayo 1996 Haz F2

Imagen original

Filtro Touzi

Centro Canadiense de Percepción Remota, Ministerio de Recursos Naturales de Canadá

Figura 5.14 - Filtro Touzi
Imagen RADARSAT-1 Modo Fino Filtro Lee 7X7

Imagen original

Filtro Touzi 15X15

Centro Canadiense de Percepción Remota, Ministerio de Recursos Naturales de Canadá

Introducción a la textura
™ Textura es la variación espacial de los tonos de una imagen.

™ La textura puede describir cualitativamente propiedades de una imagen, tales como finura, aspereza, suavidad, carácter granular, aleatoriedad, presencia de lineas, moteado, irregularidades en forma de hamaca (Figura 5.15).
™ En una imagen SAR, la textura tiene dos componentes: (1) variabilidad espacial en las propiedades de reflexión difusa de la escena y (2) moteado.

Centro Canadiense de Percepción Remota, Ministerio de Recursos Naturales de Canadá

Figura 5.15 - Textura de la imagen
Campo de Maíz
Región con uniformidad espacial Textura fina

Bosque
Región sin uniformidad espacial Textura gruesa

300 m
Fuente: Ulaby y Dobson, 1989
Centro Canadiense de Percepción Remota, Ministerio de Recursos Naturales de Canadá

300 m

Análisis de textura
Textura ™ Los rasgos texturales contienen información sobre la distribución espacial de las variaciones de los tonos. ™ Los métodos disponibles para analizar la textura son los siguientes: ‹ matriz de coincidencias en el nivel de gris (GLCM) ‹ vector de diferencias en el nivel de gris (GLDV) ‹ lacunaridad (análisis de huecos) ‹ matriz de dependencia en el nivel de gris vecino (NGLDM) ‹ función de correlación espacial ‹ enfoques basados en modelos
Centro Canadiense de Percepción Remota, Ministerio de Recursos Naturales de Canadá

Análisis de textura (continuación)
Textura
™ La estadística de las características texturales pueden extraerse usando una matriz de coincidencias en el nivel de gris (GLMC). ™ Parámetros de la vecindad especificados por el usuario. ™ Características del GLCM: - Homogeneidad - Contraste - Disimilitud - Segundo momento angular - Promedio - Desviación estándar - Entropía - Correlación

™ Las técnicas para eliminar el moteado pueden no preservar todos los detalles de la textura de la escena.

Centro Canadiense de Percepción Remota, Ministerio de Recursos Naturales de Canadá

Expansión del contraste
™ La expansión del contraste mejora la interpretación visual de la imagen (Ver Figura 5.16). ™ Hace coincidir el intervalo dinámico de los datos con el intervalo dinámico del dispositivo para la visualización. ™ Implica la construcción de una tabla de comparación (LUT). ™ La tabla de comparación (LUT) es un modelo gráfico de la función matemática seleccionada.

Centro Canadiense de Percepción Remota, Ministerio de Recursos Naturales de Canadá

Figura 5.16 - Expansión del contraste
Rosario, Argentina

Imagen original

Expansión lineal

Centro Canadiense de Percepción Remota, Ministerio de Recursos Naturales de Canadá

Expansión lineal
™ Se establecen valores efectivos para los límites máximo y mínimo. ™ Los valores superiores e inferiores del histograma son asignados a los límites máximos y mínimos respectivamente. ™ Se puede realizar expansión completa o por segmentos. ™ El balance de datos se estira en forma lineal para llenar el intervalo de visualización ampliado. ™ Ver la Figura 5.17.

Centro Canadiense de Percepción Remota, Ministerio de Recursos Naturales de Canadá

Figura 5.17 - Expansión lineal
Rosario, Argentina
5 enero 1997 Haz F1

Número de píxeles

Valor digital (DN)

Centro Canadiense de Percepción Remota, Ministerio de Recursos Naturales de Canadá

Expansión lineal

Realce no lineale
™ El realce no lineal distorsiona las características radiométricas de la imagen. ™ Es útil sólo para la interpretación visual.
‹

Se puede perder información radiométrica cuantitativa. La información espacial se conserva. Es posible que los resultados no sean reproducibles de una escena a otra.

‹ ‹

Centro Canadiense de Percepción Remota, Ministerio de Recursos Naturales de Canadá

Expansión del histograma
™ Es posible que no se utilice completamente el intervalo dinámico del dispositivo para la visualización. ™ En los datos resultantes, se utiliza completamente el intervalo dinámico del dispositivo para visualización. ™ La expansión del histograma realza el contraste donde la frecuencia de ocurrencia es más alta. ™ Existen las siguientes opciones: - Frecuencia inversa - Ecualización de frecuencia - Normalización Gaussiana - Histograma equivalente
Centro Canadiense de Percepción Remota, Ministerio de Recursos Naturales de Canadá

Frecuencia inversa (o infrecuencia)
™ Produce una imagen en la cual los píxeles brillantes representan los niveles de gris que en la imagen original eran infrecuentes. ™ A partir de un histograma invertido (hacia abajo) de los valores de los datos de la imagen de entrada, se determina una tabla de comparación (LUT). ™ La frecuencia inversa es útil para destacar las características de una imagen que son raras o muy pequeñas (lineamientos o bordes). ™ La Figura 5.18 muestra un ejemplo de realce mediante infrecuencia.
Centro Canadiense de Percepción Remota, Ministerio de Recursos Naturales de Canadá

Figura 5.18 - Realce mediante infrecuencia
Rosario, Argentina
5 Enero 1997 Haz F1

Número de píxeles

Valor digital (DN)

Centro Canadiense de Percepción Remota, Ministerio de Recursos Naturales de Canadá

Infrecuencia

Ecualización de frecuencia

™ Redistribuye los valores de píxel para que haya aproximadamente la misma cantidad de píxeles para cada valor digital disponible. ™ La ecualización de frecuencia sirve más para la visualización que para el análisis de la imagen. ™ La Figura 5.19 muestra un ejemplo de Ecualización de frecuencia.

Centro Canadiense de Percepción Remota, Ministerio de Recursos Naturales de Canadá

Figura 5.19 - Ecualización de frecuencia
Rosario, Argentina
97-ene-05 Haz F1

Número de píxeles

Valor digital (DN)

Centro Canadiense de Percepción Remota, Ministerio de Recursos Naturales de Canadá

Ecualización

Expansión exponencial
™ La expansión exponencial realza los brillos intensos en la imagen y puede corregir el sesgo del histograma. ™ Este tipo de expansión permite distinguir los detalles de la parte superior del intervalo dinámico de los datos. ™ Un ejemplo de algoritmo para este tipo de expansión es ex.

Centro Canadiense de Percepción Remota, Ministerio de Recursos Naturales de Canadá

Expansión logarítmica
™ La expansión logarítmica realza la brillantez del la parte inferior del intervalo dinámico en la imagen. También puede corregir el sesgo del histograma. ™ La asimetría en la distribución es común y puede invalidar algunos algoritmos para el análisis de la imagen que suponen una distribución normal de los datos. ™ También conocido como realce de raíz. ™ Raíz (log N) ™ Tiende a dar mayor brillantez a la imagen resultante (Ver la Figura 5.20).
Centro Canadiense de Percepción Remota, Ministerio de Recursos Naturales de Canadá

Figura 5.20 - Realce logarítmico
Rosario, Argentina
97-ene-05 Haz F1

Número de píxeles

Valor digital (DN)

Centro Canadiense de Percepción Remota, Ministerio de Recursos Naturales de Canadá

Raíz cuadrada

Expansión mediante una ley de potencia
™ La expansión mediante una ley de potencia cambia la brillantez S de la imagen, mediante la ley con exponente n: Snew = Sn
‹

n > 1 realza las señales intensas a expensas de las señales débiles. n < 1 realza las señales débiles a expensas de las señales intensas. El caso especial n = 2 convierte a una imagen de magnitud en una imagen de potencia.

‹

‹

™ La expansión mediante una ley de potencia modifica la distribución de probabilidad (histograma) de los datos y puede invalidar los procesos basados en suposiciones Gaussianas.
Centro Canadiense de Percepción Remota, Ministerio de Recursos Naturales de Canadá

METODOLOGÍA “TÍPICA” DEL PROCESAMIENTO DE LAS IMÁGENES SAR CUALITATIVO
AMPLITUD Valor Digital (DN)

CUANTITATIVO
AMPLITUD + FASE Valores Complejos (Observación Única) (DNI + DNQ)

ANÁLISIS DE TEXTURA (entrada para clasificación)

FILTRO (reducción del moteado) - Filtros adaptables - Filtros no adaptables

CONVERSIÓN DEL DN A:

EXTRACCIÓN AUTOMÁTICA DE INFORMACIÓN - determinar umbral de los datos - detección de bordes, lineamentos - filtros direccionales (Sobel, etc.)

σ° o β° (potencia)

σ° o β° (dB)

REALCE (para interpretación visual) - Filtros de paso alto - Filtros de paso bajo - Filtros FFT - Expansión del contraste

INTERFEROMETRÍA - Generación del DEM - Imagen de coherencia - Detección de cambios en la superficie

ESTEREOSCOPÍA - interpretación del terreno

FILTRO (reducción del moteado) - Filtros adaptables - Filtros no adaptables

OTROS DATOS - SAR multitemporales - RS ópticos - geofísicos - vectores o polígonos temáticos (GIS) - etc.

FUSIÓN DE DATOS - Espacio de color RGB-IHS - Análisis de componentes principales - Sobreposición de vectores

ESTEROSCOPÍA - Generación del DEM

- Extracción planimétrica de información
DETECCIÓN DE CAMBIO (ej. proporción, diferencia) CÁLCULO DE LAS CARACTERÍSTICAS DEL OBJETIVO

EXTRACCIÓN DE INFORMACIÓN - Mapa de información con valor agregado

CORRECIÓN GEOMÉTRICA - Orto-rectificación mediante el DEM - Conversión del alcance al alcance sobre el terreno - Transformación polinómica

CLASIFICACIÓN EVALUACIÓN - Supervisada DE LA - NoRemota, supervisada Centro Canadiense de Percepción Ministerio de Recursos Naturales de Canadá EXACTITUD

CONVERTIR VALORES DE POTENCIA A dB ej. σ° (dB) = 10 log10 ( X )

MODELIZACIÓN - Retro-reflexión teórica - Extracción de parámetros geofísicos

Sign up to vote on this title
UsefulNot useful