Difference between revisions of "QGIS: Deteção de estradas em imagens Sentinel-2"

Revision as of 22:54, 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

Changing the contrast and brightness of an image

Histogram Equalization

Exemplo muito básico de utilização do Canny

Imagem banda 2, com 1200x1200 (cidade de Aveiro)

No QGIS a visualização está ajustada ao histrograma
Sem corrigir o histograma, nem se percebem muito bem as imagens

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

@@ Line 39: / Line 39: @@
 </syntaxhighlight>
-[https://docs.opencv.org/3.4.1/d3/dc1/tutorial_basic_linear_transform.html Brincar com o histograma da imagem]
+[https://docs.opencv.org/3.4.1/d3/dc1/tutorial_basic_linear_transform.html Changing the contrast and brightness of an image]
-[https://docs.opencv.org/3.4.1/da/d5c/tutorial_canny_detector.html Exemplo básico de utilização do Canny]
+[https://docs.opencv.org/3.4.1/d4/d1b/tutorial_histogram_equalization.html Histogram Equalization]
+[https://docs.opencv.org/3.4.1/da/d5c/tutorial_canny_detector.html Exemplo muito básico de utilização do Canny]
 Imagem banda 2, com 1200x1200 (cidade de Aveiro)