Um método para classificação de imagens de satélite usando Transformada Cosseno Discreta com detecção e remoção de nuvens e sombras

Apresenta-se nesta dissertação a proposta de um algoritmo supervisionado de classificação de imagens de sensoreamento remoto, composto de três etapas: remoção ou suavização de nuvens, segmentação e classificação.O método de remoção de nuvens usa filtragem homomórfica para tratar as obstruções causadas pela presença de nuvens suaves e o método Inpainting para remover ou suavizar a preseça de sombras e nuvens densas. Para as etapas de segmentação e classificação é proposto um método baseado na energia AC dos coeficientes da Transformada Cosseno Discreta (DCT). O modo de classificação adotado é do tipo supervisionado. Para avaliar o algioritmo foi usado um banco de 14 imagens captadas por vários sensores, das quais 12 possuem algum tipo de obstrução. Para avaliar a etapa de remoção ou suavização de nuvens e sombras são usados a razão sinal-ruído de pico (PSNR) e o coeficiente Kappa. Nessa fase, vários filtros passa-altas foram comparados para a escolha do mais eficiente. A segmentação das imagens é avaliada pelo método da coincidência entre bordas (EBC) e a classificação é avaliada pela medida da entropia relativa e do erro médio quadrático (MSE). Tão importante quanto as métricas, as imagens resultantes são apresentadas de forma a permitir a avaliação subjetiva por comparação visual. Os resultados mostram a eficiência do algoritmo proposto, principalmente quando comparado ao software Spring, distribuído pelo Instituto Nacional de Pesquisas Espaciais (INPE).

ABSTRACT:This work proposes a supervised algorithm for classi cation of remote sensing images. It is composed by three stages: removal or smoothing of clouds, segmentation and classi cation. The removing clouds method uses homomorphic ltering to deal with obstructions caused by the presence of clouds and the Inpainting method to remove or soften the presence of dense clouds and shadows. The proposed segmentation and classi cation approaches are based on AC power coe cients of the Discrete Cosine Transform (DCT). Classi cation is used in the supervised mode. An image database is used to evaluate the implemented algorithm. This database is composed by 14 images obtained from various sensors, which 12 have some kind of obstruction. The Peak Signal-to-Noise Ratio (PSNR) and Kappa coe cient metrics are used to evaluate the removal or smoothing of clouds and shadows method. In this stage, several high-pass lters were compared to choose the most e cient. The image segmentation task is evaluated by the Edge Border Con dence (EBC) and the classi cation task is evaluated by the measure of the relative entropy and by the mean squared error (MSE). The resulting images are presented to allow the subjective evaluation by visual comparison. The experimental results show the e ciency of the proposed algorithm, especially when compared to the Spring software, distributed by the Instituto Nacional de Pesquisas Espaciais (INPE).