Difference between revisions of "QGIS: Deteção de estradas em imagens Sentinel-2"
(→OpenCV) |
|||
| Line 49: | Line 49: | ||
File:Aveiro b02.png|Sem corrigir o histograma, nem se percebem muito bem as imagens | File:Aveiro b02.png|Sem corrigir o histograma, nem se percebem muito bem as imagens | ||
</gallery> | </gallery> | ||
| + | |||
| + | === Outras informações === | ||
| + | |||
| + | Utilização do [https://en.wikipedia.org/wiki/Canny_edge_detector Canny edge detector]. Grass includes this module: https://grass.osgeo.org/grass70/manuals/addons/i.edge.html | ||
| + | |||
| + | [http://www.mdpi.com/2072-4292/7/7/8779 River Detection in Remotely Sensed Imagery Using Gabor Filtering and Path Opening] | ||
Revision as of 22:47, 11 April 2018
Proposta do IBGE
Minha sugestão de um projeto conjunto seria o aproveitamento das imagens Sentinel 2A para extração de feições lineares que atendam nosso novo desafio que é gerar uma base contínua e integrada na escala 1/100.000 do país, em um primeiro momento seria excluída a região amazônica pelo problema de presença constante de nuvens. Inicialmente, entendo para que haja um bom aprendizado inicial com a categoria de sistema de transportes (rodovias e ferrovias).
Outras motivações para essa categoria são:
- o fato de que é bastante desatualizada essa informação nas nossas bases cartográficas;
- de ser fundamental para planejamento dos percursos dos nossos pesquisadores de campo principalmente porque vamos ter agora um censo agroambiental de todo o país;
- e também precisamos saber a dinâmica de ocupação do território que sempre começa com a abertura de estradas vicinais.
Como informação de referência para testar os algoritmos de extração temos a base cartográfica vetorial do estado de Goiás na escala de 1/100.000, com aquisição manual de feições utilizando imagens ALOS Avnir (10m) e Rapid Eye (5m), e concluímos agora o estado do Rio de Janeiro na escala de 1/25.000 a partir de restituição aerofotogramétrica de fotos aéreas na escala de 1/30.000. Ou seja, em ambos os casos, a categoria de transportes foi extraída de forma totalmente manual e com auxilio do Google Earth para dirimir dúvidas.
É importante frisar que o processo deverá ser concluído com a geração de um vetor shapefile ou CAD da feição extraída, através de uma conversão raster => vetor.
Imagens
As imagens do Sentinel podem ser descarregadas a partir de: https://scihub.copernicus.eu/dhus/#/home
Nos filtros, devem-se indicar os critérios de pesquisas.
Imagem para teste (Noroeste de Portugal)
A imagem de teste pode ser descarregada a partir do seguinte link: [1]
Na verdade, não se trata de uma imagem apenas. Na terminologia do Copernicus trata-se de um produto. Um produto inclui várias imagens, captadas com diferentes sensores. As imagens que vamos usar estão na pasta:
GRANULE/L2A_T29TNF_A005497_20180326T112919/IMG_DATA/R10m
OpenCV
pkg-config --modversion opencv
3.4.1
Brincar com o histograma da imagem
Exemplo básico de utilização do Canny
Imagem banda 2, com 1200x1200 (cidade de Aveiro)
Outras informações
Utilização do Canny edge detector. Grass includes this module: https://grass.osgeo.org/grass70/manuals/addons/i.edge.html
River Detection in Remotely Sensed Imagery Using Gabor Filtering and Path Opening
