Guia do ENVI em Portugus

L: Tratamento de Dados Hiperespectrais

Sensores hiperespectrais so ferramentas do sensoriamento remoto que combinam as apresentaes espectrais do sensor com as capacidades analticas de um espectrmetro. Eles podem ter centenas de bandas espectrais com uma resoluo espectral de 10 nm ou menor (O LANDSAT TM tem s 6 bandas, com resolues espectrais de 70 nm ou maior). Os sensores hiperespectrais, ou espectrmetros imageadores, produzem um espectro completo para cada pixel na imagem (Figura L-1). O resultado da anlise dos dados hiperespectrais a identificao dos objetos que no podem ser diferenciados com sensores de resoluo espectral menor.

1. Diversas Calibraes...
1.1 Calibrao ATREM
O "Atmospheric Removal (Vane et al., 1985). Program" um modelo de transferncia radioativa que determina a reflectncia de uma superfcie, em dados AVIRIS (Airborne Visible/Infrared Imaging Spectrometer), sem conhecimento anterior das caratersticas dessa superfcie. O ATREM utiliza as bandas de absoro do vapor d'gua (0,94 - 1,1 mm) para determinar uma certa quantidade de vapor, baseando-se nos pixels dos dados AVIRIS, na curva de irradiao solar acima da atmosfera e no espectro de transmitncia para cada um dos gases atmosfricos, como CO2, O3, N2O, CO, CH4 e O2.
Figura L-1: A tcnica dos sensores hiperespectrais

1.2 Calibrao normalizada ("Flat Field")

A tcnica "flat field" usada para normalizar imagens de uma rea conhecida (GOETZ & SRIVASTAVA, ROBERTS et al.: 1986). Esse mtodo eficaz na reduo dos dados do espectrmetro a uma reflectncia relativa e pressupe que o usurio localize uma regio de interesse com baixa informao espectral. O espectro mdio da regio de interesse usado como o espectro de referncia, que dividido pelo espectro de cada pixel da imagem.

SulSoft Servios de Processamento de Dados Ltda. - Todos os direitos reservados

Guia do ENVI em Portugus

1.3. Calibrao pela reflectncia mdia relativa interna ("internal relative average reflectance", IAAR)
Esta tcnica usada para normalizar imagens de uma rea desconhecida em regies secas (ROBERTS et al.: 1985; CONEL et al.: 1985; KRUSE et al.: 1990). O espectro mdio calculado para a imagem total e vai ser usado como espectro mdio da imagem. Em seguida, o espectro mdio dividido pelo espectro de cada pixel da imagem.

1.4. Calibrao por linha emprica ("empirical line")

A calibrao por linha emprica usada para forar os dados de uma imagem para um espectro de reflectncia de uma rea selecionada. Este mtodo aplica a regresso linear de todas as bandas para determinar o nvel de cinza e a reflectncia. A aplicao deste mtodo necessita da definio de uma regio de interesse, de curvas de reflectncia da biblioteca espectral e da radincia de trajetria. A grande maioria das imagens usadas neste captulo encontram se no CD "Tutorial and DATA CD" do ENVI, no subdiretrio ..\envidata\cup95avsub. Carregue as seguintes imagens do subdiretrio ..\cup95avsub: cup95_at.int; cup95_ff.int; cup95_ia.int; cup95_el.int. Determine o espectro de reflectncia do pixel x:450 / y:220 (alunita) (Figura L-2).

Localizador de pixels
Tornou-se possvel a utilizao de quatro setas, em tela, para a movimentao, pixel a pixel, do cursor que aponta aquele a ser localizado. Selecione a cadeia de comandos "Ferramentas Localizador de Pixels" e digite os valores da coluna e da linha do pixel nas caixas de texto. Clique no boto "Apply" para mover o cursor para o pixel selecionado. Ou ento, use as setas, localizadas na parte inferior da Figura L-2: Comparao dos mtodos de calibrao. caixa de dilogo para mover o cursor. Se for necessrio localizar pixels em imagens que sejam subconjuntos de outras, fixe a opo "Yes", ao lado do item "Use Offset". Usar o localizador de pixel ("pixel locator") para achar o pixel daquela posio. O perfil Z chamado pressionando-se o boto "Profiles" e arrastando o "mouse" at a opo "Z Profile" no menu "Functions".

SulSoft Servios de Processamento de Dados Ltda. - Todos os direitos reservados

Guia do ENVI em Portugus

Obs.: ENVI examina automaticamente a curva espectral do pixel central da janela de ampliao.

1.5. Transformao "EFFORT"

A correo "EFFORT" (Empirical Flat Field Optimized Reflectance Transformation) usa-se para remover o rudo residual causado pelo espectrmetro o pela influncia atmosfrica de dados calibrados com o mtodo de calibrao ATREM (seo 1.1) do espectrmetro AVIRIS. EFFORT uma tcnica relativamente automatizada que foi desenvolvido base de calibrao "Flat Field" (seo 1.2) e fornece o melhor espectro de reflectncia de dados AVIRIS. A correo EFFORT seleciona este espectro, o qual caracterizado pelo rudo coerente, especialmente na faixa do 2,0 m (absoro de CO2), aplica uma suavizao e um fator "gain" da curva espectral. Compare o espectro de alguns pixels nas imagens calibradas com o mtodo "ATREM" e "EFFORT". - imagem de entrada: ..\cup95_at.int - imagem de entrada: ..\cup95eff.img Determine os espectros de reflectncia nas duas imagens dos pixels x:503 / y:581 e x:542 / y:533 usando o localizador de pixel e "Link Displays". Obs.: Nota a similaridade entre os dois espectros. ENVI examina automaticamente a curva espectral do pixel central da janela de ampliao.

2. Uso da biblioteca espectral

Alm das ferramentas espectrais, o ENVI tem gravadas trs bibliotecas espectrais, produzidas pelo Jet Propulsion Laboratory. As bibliotecas espectrais contm as caratersticas de 160 minerais diferentes, no intervalo espectral de 0,4 at 2,5 mm. As bibliotecas espectrais so destinadas a aplicaes em geologia, pois auxiliam na interpretao de diferentes minerais. Para testar a biblioteca espectral, reproduz-se uma imagem hiperespectral do AVIRIS, que tem normalmente 224 bandas diferentes, possibilitando uma interpretao mais detalhada, especialmente no setor geolgico.

Seleciona-se a funo "Open Image File" e navega-se at o subdiretrio ..\cup95avsub no "Tutorial and DATA CD" do ENVI. Escolhe-se o arquivo cup95_at.int, que contm 40 bandas (2,0 at 2,4 mm) dos dados do AVIRIS, para o mtodo de calibrao ATREM. Determinar o perfil Z dos materiais da tabela ao lado; use o localizador de pixel para achar os pixels.

SulSoft Servios de Processamento de Dados Ltda. - Todos os direitos reservados

Guia do ENVI em Portugus

Abra a biblioteca espectral (C:\rsi\idl60\products\envi40\spec_lib\jpl_lib\jpl1.sli.) selecionando a cadeia de comandos Anlise Espectral Bibliotecas Espectrais Visualizao de Bibliotecas Espectrais", que contm os seguintes minerais: alunita SO-4A, buddingtonita Fields TS-11A, calcita C-3D, caolinita PS-1A. Aparece o "Spectral Library Viewer" (Figura L-3), que mostra as curvas espectrais obtidas em laboratrio. Clique o boto direito do "mouse" no canto direito, abaixo do eixo x, para ver os nomes dos minerais carregados e, no diagrama, para chamar o boto "Functions". Clique o boto esquerdo do "mouse" no canto esquerdo abaixo do eixo x para mudar a escala da diagrama. Clique com o boto central do "mouse" nas partes das curvas que deseja aumentar.

Material Alunita Buddingtonita Calcita Kaolinita

Coluna 531 448 260 502

Linha 541 505 613 589

Figura L-3: Janela de curvas da biblioteca espectral.

SulSoft Servios de Processamento de Dados Ltda. - Todos os direitos reservados

Guia do ENVI em Portugus

2.1. Criao de biblioteca espectral

Tornou-se possvel a introduo de vrios arquivos ASCII e de tabelas para a criao de uma biblioteca espectral.

Selecione, no menu principal, a cadeia de comandos "Anlise Espectral Bibliotecas Espectrais Criao de Bibliotecas Espectrais". Aparecer a janela Spectral Library Build. Escolha ASCII ou Data File Depois, selecione o arquivo que contm as informaes do comprimento de onda. Geralmente, escolhe-se o arquivo em que vai ser feita a anlise (ele buscar no cabealho as informaes de comprimento de onda). Neste exemplo, foi escolhido a imagem cup95eff.int , que se encontra no diretrio \rsi\idl60\products\envi40\data . uma imagem de um sensor hiperespectral e em cada banda est contido as informaes de comprimento de onda. Selecione o arquivo e clique em OK. Logo aps, aparecer a janela Spectral Library Builder. Agora, importe os dados de coleta para a criao da biblioteca, selecionando dentro dessa mesma janela, a cadeia de comandos Import From... . A aquisio desses dados para a construo da biblioteca pode ser feita de vrias maneiras, como por exemplo selecionando ROIs dentro de uma certa imagem, coletando dados de laboratrio e tambm dados de campo. Concludo o procedimento acima, selecione, tambm dentro da mesma janela, a cadeia de comandos File Save Spectra As - ... Em um exemplo didtico, foi extrado ROIs dentro da imagem cup95eff.int e logo aps, criado uma biblioteca espectral atravs dessas ROIs.

Figura L-4: Imagem cup95eff.int. Veja o comportamento espectral do alvo mostrado na janela de zoom de acordo com o comprimento de onda. Veja tambm que na janela #1 Spectral Profile:cup95eff.int existem 3 linhas verticais indicando em que faixa de onda que est a composio colorida RGB.

SulSoft Servios de Processamento de Dados Ltda. - Todos os direitos reservados

Guia do ENVI em Portugus

Para visualizar o comportamento dessa biblioteca espectral, selecione, dentro do menu da janela grfica (display), a cadeia de comandos Ferramentas Perfil Perfil em Z (espectro) (Figura L-4). Dentro da janela #n Spectral Profile:..., selecione File Input Data - .... No nosso caso, foi selecionado a Spectral Library criada a partir das ROIs coletadas na imagem. Aparecer a janela Input Spectral Library. O usurio pode selecionar as classes que ele queira que aparea no grfico Spectral Profile. Para selecion-los separadamente, basta segurar o boto <CTRL> do teclado e ir clicando com o boto esquerdo do mouse nos Spectras desejados. Clique em OK e o resultado aparecer no mesmo grfico (Figura L-5).

Figura L-5: Grficos dos diferentes perfis espectrais.

Note que o perfil do nosso alvo que aparece no zoom da figura L-4 aparece aqui como a linha branca de maior espessura (a espessura foi editada atravs do menu Edit Data parameters). Esse grfico permite uma excelente anlise de alvos por toda a imagem. Vale lembrar que a curva que representa os alvos da imagem (branca) muda em tempo real de acordo com o deslocamento do zoom. Clicando com o boto direito do mouse dentro do grfico, aparece uma legenda com o nome de cada classe. E clicando com o boto central do mouse (ou tambm, <CTRL> + Boto esquerdo do mouse) pode-se definir nveis de aproximao (zoom) dentro do grfico.(NOTA: As curvas mostradas acima provavelmente no correspondem a realidade e so meramente ilustrativas, escolhidas empiricamente. Qualquer semelhana com a realidade mera coincidncia).

SulSoft Servios de Processamento de Dados Ltda. - Todos os direitos reservados

Guia do ENVI em Portugus

3. Decomposio espectral ("Spectral Unmixing")

Normalmente, as superfcies naturais so heterogneas. Uma mistura espectral aparece quando vrios materiais so registrados em um s pixel. Se as dimenses de um pixel forem grandes (pixel macroscpico), a mistura ocorre de uma maneira linear; se o pixel for microscpico, a mistura ocorre de maneira no-linear.

Etapas da decomposio espectral no ENVI

1. Correo atmosfrica; 2. Transformao MNF ("minimum noise fraction"); 3. Anlise do ndice de pixels puros ("pixel purity analysis"); 4. Definio dos espectros ("endmembers"), pela aplicao do visualizador ndimensional ("n-dimensional visualizer"); 5. Anlise dos erros residuais e das repeties.

3.1 Transformao MNF ("minimum noise fraction")

A transformao MNF utilizada para determinar as dimenses inerentes nos dados de imagem, para segregar o rudo nos dados e para reduzir as exigncias no processador. A transformao implementada no ENVI feita em dois passos:

Primeira transformao
A primeira transformao baseada em uma matriz de covarinca do rudo, que descorrelaciona e reescalona o rudo dos dados.

Segunda transformao
A segunda transformao consiste na anlise dos componentes principais dos dados, em que o rudo excludo. A seguir, determina-se a dimensionalidade inerente dos dados pelo exame dos autovalores ("eigenvalues") e da imagem associada. Os dados provenientes podem ser divididos em duas partes: uma parte associada com autovalores e auto-imagens coerentes.
Figura L-6: Caixa de dilogo da transformao MNF.

SulSoft Servios de Processamento de Dados Ltda. - Todos os direitos reservados

Guia do ENVI em Portugus

Neste caso, o rudo tem uma varincia igual; no h mais correlaes entre as bandas; outra parte complementada com autovalores quase iguais s imagens dominadas pelo rudo. Utilize somente as partes coerentes, para o rudo poder ser eliminado dos dados. Selecione "Anlise Espectral Rotao MNF MNF Adiante Estimar Estatstica de Rudo de Dados". Use esta funo quando uma imagem estiver bem escura ou quase invisvel. Selecione a imagem cup95eff.int, dentro do diretrio \RSI\IDL60\products\envi40\data. Aparece a caixa de dilogo "Forward MNF Transform Parameters" (Figura L-4). - estatstica do rudo: ..\rudo.sta - estatstica do MNF: ..\mnf.sta - imagem de sada: ..\mnf.img Depois da transformao, as bandas do arquivo cup1.sta aparecem na lista de bandas disponveis e a plotagem dos autovalores feita automaticamente. A curva de autovalores (Figura L-7) indica as imagens que so dominadas por autovalores associados s primeiras bandas. As imagens dominadas pelo rudo correspondem curva rebaixada.

Seleo dos espectros ("endmembers")

Compare algumas bandas e determine a correlao das bandas entre a plotagem de autovalores. Use o dispersograma bidimensional entre as bandas 1 e 2 e observe as correlaes dos pixels da nuvem com os pixels correspondentes na imagem. Exporte esses pixels como regies de interesse e transfira-os para a caixa de dilogo das regies de interesse. Use dispersogramas diferentes e digite nomes diferentes para as regies diferentes. Clique no boto "Mean All" na caixa de dilogo das regies de interesse. Evite a sobreposio de regies de interesse diferentes. - regio de interesse de sada: ..\ cupunmix.roi .

Figura L-7: Autovalores do MNF.

3.2 Resultados da decomposio espectral

Nesta seo, os valores mdios das regies de interesse vo ser usados pelo procedimento de decomposio espectral das primeiras oito bandas do MNF. Selecione, dentro do menu principal, a cadeia de comandos Anlise Espectral Mtodos de mapeamento - Decomposio Espectral Linear ("Linear Spectral Unmixing").

SulSoft Servios de Processamento de Dados Ltda. - Todos os direitos reservados

Guia do ENVI em Portugus

Aparece a caixa de dilogo entitulada "Linear Spectral Unmixing Parameters". "Import Spectra - From ROI Mean": Transfira o arquivo de ROI escolhido e aplique um aumento de contraste. Utilize um perfil Z nos dados de reflectncia para reconciliar as bandas de absoro em funo da abundncia dos espectros. A seguir, carregue as fraes diferentes como RGB em outras telas e tente explicar o aparecimento de cores mistas.

3.3 ndice de pureza de pixel ("pixel purity index")

O ndice de pureza de pixels utiliza a informao da geometria convexa para chegar aos pixels puros, dividindo toda a imagem em pixels puros e impuros (BOARDMAN et al.: 1995). Para calcular o PPI, os espectros so calculados iterativamente em dispersogramas multidimensionais, e depois, projetados ao vetores uniformes. Os pixels extremos em todas bandas so marcados e o nmero total, em que um pixel foi marcado como pixel extremo, ser anotado. Finalmente, uma imagem calculada, na qual o valor de cinza de cada pixel se refere ao nmero, que foi marcado como pixel extremo. Selecione, no menu principal, a cadeia de comandos Anlise Espectral Pixel Purity Index [RPIDO] Nova Banda de Sada Selecione a imagem desejada (no nosso caso, foi escolhida a imagem hiperespectral cup95eff.int) OBS.: Os sensores hiperespectrais so os mais adequados para fazer a anlise de ndice de pureza de pixel, pois contm inmeras bandas e a anlise mais refinada, e o resultado, mais confivel. Aparecer a janela Fast Pixel Purity Index Parameters.

Number Of Iterations & Threshold Factor

Banda Y Reta A Solo Vegetao

Banda X

SulSoft Servios de Processamento de Dados Ltda. - Todos os direitos reservados

Guia do ENVI em Portugus

Imagine um Scattegrama ilustrativo como o do grfico acima, aonde temos solo e vegetao distribudos em duas bandas genricas X e Y. Como pode ser visto a nuvem de pixels do solo e da vegetao, representadas pelas elipses, esto distintas entre si. Como de deduzir, os pixels mais puros de solo e vegetao so os que esto nas duas extremidades da reta A. Logicamente, os pixels mais impuros so os que esto entre as duas nuvens de pixels, no caso, pode representar uma vegetao rasteira que contm solo, por exemplo. O desenho acima representado para duas bandas. Aonde se tem mais bandas, mais refinado o processo. Por isso que o sensor hiperespectral o indicado para fazer anlise de PPI. A opo Number Of Iterations o nmero de vezes que a reta que define a pureza do pixel disposta para coletar os pixels da extremidade e determinar o nvel de pureza. No nosso caso, escolhemos 1000 iteraes (sempre preciso um bom nmero de iteraes para que o refinamento seja maior). Em Threshold Factor, o usurio determina a diferena do valor digital limite para ser indicado como pixel de pureza. Por exemplo: Se o software computou o pixel de valor 200 como puro, e na opo Threshold Factor for escolhido o valor 1, o pixel de valor 199 tambm ser escolhido como puro. Para sensores hiperespectrais, indicado o valor 1. Caso se queria extrair nveis de pureza em sensores LandSat, pode ser indicado o valor 2, ou no mximo 3.

Escolha File ou Memory e clique em OK.

Figura L-8: Grfico das vrias etapas do processo de determinao de ndice de pureza do pixel.

SulSoft Servios de Processamento de Dados Ltda. - Todos os direitos reservados

10

Guia do ENVI em Portugus

Quando a funo estiver sendo executada, o grfico vai mudar de iterao para iterao em tempo real para separar os pixels puros. Note que o grfico descreve uma curva assinttica, o que prprio de mtodos iterativos.

Aparecer na janela Available Bands List a imagem PPI. Carregue no display. Depois, dentro da janela do display, selecione Ferramentas Valor/Localizao do Cursor e veja no campo Data o nmero de vezes que o dado pixel foi dito como puro pelas iteraes.

Obs.: Os pixels escuros correspondem aos espectros misturados (impuros). Dica: Carregue a imagem hiperespectral em outro display e compare as regies da imagem que contm pixels puros atravs do comando Link Display (dentro da janela do display, em Ferramentas Link.

4. Spectral Feature Fitting (SFF) e Anlise

Spectral Feature Fitting (SFF) um mtodo a base de absoro que ajusta o espectro de imagem ao espectro de referncia (por exemplo bibliotecas espectrais). A maioria dos mtodos so incapazes de identificar materiais especficos e s indicam a semelhana de um material comparando-se com outros materiais conhecidos. J existem tcnicas para identificao de materiais atravs da extrao de espectros especiais de imagem ou atravs de curvas espectrais retiradas em laboratrios. Essas tcnicas so utilizadas especialmente em aplicaes geolgicas, mas tambm comum o seu uso em projetos de agricultura, florestais e meio-ambiente. Todos esses mtodos requerem uma reduo de dados de radincia para dados de reflectncia. 4.1 Remoo de contnuo (Continuum Removal) O contnuo e uma funo matemtica usada para isolar uma absoro especial que serve como uma entrada de anlise (KRUSE et al., 1988; KRUSE, 1988; KRUSE, 1990; CLARK et al., 1990, 1991, 1992; CLARK & CROWLEY, 1992; KRUSE et al., 1993b, 1993c; SWAYZE et al., 1995). A remoo de contnuo um meio de normalizar espectros de reflectncia para que seja possvel a comparao de feies de absoro individuais a partir de um valor de base comum. Entende-se por contnuo uma superfcie envolvente convexa ajustada a parte superior de uma curva espectral que utiliza segmentos retilneos que conectam os mximos locais da curva. A remoo do contnuo se faz pela sua diviso pelo espectro real de cada pixel da imagem.

Figura L-9: Comparao entre os espectros "Effort" e "Continuum Removed" SulSoft Servios de Processamento de Dados Ltda. - Todos os direitos reservados

11

Guia do ENVI em Portugus

Os pontos dos espectros resultantes so iguais a 1,0 onde h ajuste entre o contnuo e os espectros da imagem e menores que 1,0 onde ocorrem feies de absoro. Selecione, no menu principal, a cadeia de comandos "Anlise Espectral Mtodos de Mapeamento - Continuum Removal". Escolha a imagem de entrada na caixa de dilogo "Continuum Removal Input File" e clique "OK"

- imagem de entrada:..\cup95eff.int - imagem de sada:..\cup95_cr.dat

Carregue a banda 193 (2.20m) como imagem em tons de cinza, examine um perfil-Z. Selecione no menu "Options" da janela do perfil Z a opo "Auto-scale Y-axis Off". Em seguida, entre no menu "Edit - Plot Parameters" e mude os valores de intervalo para eixo-Y em 0.5 - 1.0. Compare os espectros entre os dados cup95eff.int e cup95_cr.dat usando a funo "Link" entre as imagens.. Mova o reticulado que indica a posio da janela Zoom para atualizar o perfil de outras posies. Use tambm o localizador de pixels e para examinar os espectros das posies 503/581 e 542/533. Compare as composies coloridas usando as bandas 183, 193 e 207 entre os dados cupp95eff.int e cup95_cr.dat. Notar a correspondncia entre as reas escuras e examine os perfis correspondentes. Compare tambm as imagens na banda 207 (2.34 m). Examine um perfil Z das reas escuras dos dados cup95cr.dat e compare a curva espectral com aquela, que foi examinada da imagem "Effort". Obs.: As reas escuras na banda 207 correspondem com a faixa de absoro perto de 2,34 m.

4.2 Ajuste de feio espectral (Spectral Feature Fitting)

O ajuste de feio espectral uma metodologia que permite que se avalie o ajuste de espectros de imagem a espectros de referncia por meio do mtodo de mnimos quadrados. As escalas dos espectros da imagem so redimensionadas para se ajustar aos espectros de referncia aps a remoo de contnuo de ambos os conjuntos.

SulSoft Servios de Processamento de Dados Ltda. - Todos os direitos reservados

12

Guia do ENVI em Portugus

Em seguida, espectros da imagem e de referncia so comparados dois a dois em determinados valores de comprimento de onda e o erro mdio quadrtico calculado em relao a cada espectro de referncia. O resultado consiste ou em imagens separadas correspondentes ao erro de escala e ao erro mdio quadrtico ou em uma imagem da razo entre os erros de escala e mdio quadrtico para cada espectro de referncia. As imagens de erro separadas podem ser utilizadas em dispersogramas bidimensionais para determinar onde determinados materiais ocorrem. As imagens da razo entre os erros mostram a distribuio de cada espectro de referncia, em que os melhores ajustes aparecem como pixels claros. A funo de ajuste espectral deve ser aplicada a dados cujos contnuos j tenham sido removidos. Entretanto, o sistema executa a remoo simultaneamente ao ajuste, caso no tenha sido feita preliminarmente.

4.3. Clculo de Imagens de Escala e RMS

Selecione, no menu principal, a cadeia de comandos "Spectral Tools - Spectral Feature Fitting" e utilize uma imagem de entrada cujo continuum j tenha sido removido.

- imagem de entrada: ..\cup95_cr.dat Selecione os espectros de referncia da maneira usual. - imagem de sada: ..\cup95sff.dat Carregue as imagens de escala "Scale (Mean: Alunite 2.16...)" e "Scale (Mean: Kaolinite) como imagem em tons em novas telas e aplique a funo "Link" para comparar naquelas com a imagem cujo contnuo j tenha sido removido. Selecione, no menu das funes, a cadeia de comandos "Interactive Analysis - Cursor Location/Value". Obs.: Apesar de as imagens serem parecidas, os valores entre as duas imagens de escala diferem. Carregue as imagens de RMS "RMS (Mean: Alunite 2.16...)" e "RMS (Mean: Kaolinite) como imagem em tons de cinza nas telas que foram usados para visualizar as imagens de escala e aplique novamente a funo "Link" para comparar aquelas com a imagem cujo contnuo j tenha sido removido. Obs.: Valores RMS baixos indicam um bom ajuste espectral.

SulSoft Servios de Processamento de Dados Ltda. - Todos os direitos reservados

13

Guia do ENVI em Portugus

Dispersograma bidimensional entre as Imagens de Escala e RMS

Examine dispersogramas bidimensional do imagem RMS carregando as imagens de escala e RMS nas bandas x e y para os materiais diferentes ! Defina uma ROI na dispersograma para valores baixos de RMS para todos intervalos do Scale

4.4 Razes das Imagens de Ajuste de feio espectral ("Fit Images")

Selecione, no menu principal, a cadeia de comandos "Spectral Tools - Spectral Feature Fitting" e utilize uma imagem de entrada cujo contnuo j tenha sido removido. Selecione os espectros de referncia da maneira usual usando o boto "Toggle" no dilogo dos parmetros de SFF para escolher imagens de razo Scale/RMS para cada espectro como output. Carregue a imagem "FIT(Mean: Kaolinite...)" numa tela e compare-a com as imagens de Escala e RMS correspondentes e tente explicar a interao entre as imagens Scale/RMS para produzir a imagem "FIT".

Figura L-10: Caixa de dilogo dos parmetros SSF

5. Assistente de classificao hiperespectral

O Assistente de Classificao Hiperespectral (ou ENVI Spectral Mapping Wizard) um assistente de classificao automtica para imagens hiperespectrais. Ele automaticamente faz a rotao MNF, PPI, visualizao n-dimensional, classificao pelo mtodo Spectral Angle Mapper faz a investigao dos resultados de mapeamento. Com ele, fica mais fcil analisar e extrair dados das suas imagens hiperespectrais!!!

Selecione, dentro do menu principal, a cadeia de comandos Anlise Espectral Assistente de Classificao Hiperespectral

SulSoft Servios de Processamento de Dados Ltda. - Todos os direitos reservados

14

Guia do ENVI em Portugus

Aparecer a janela igual da figura L-11. Note que existe um texto em portugus que guiar o usurio na sua classificao... Clique em Next. Agora o assistente pedir para selecionar o arquivo de entrada e dar um nome genrico para o arquivo de sada. Os nomes dos resultados ficar da seguinte maneira: NOME_MNF para o resultado da rotao, NOME_PPI para a imagem que representar o nvel de pureza de pixels, etc... clique novamente em Next.

Figura L-11: Assistente de classificao hiperespectral

Agora a etapa da transformao MNF Adiante. Digite o nmero de bandas desejadas para a banda de sada e clique em OK.

O assistente calcular os principais componentes das imagens (MNF) e apresentar o grfico MNF Eigenvalues, que um grfico de autovalores, j explicado mais acima neste captulo. O usurio pode notar que a rotao MNF coloca o que tem de mais importante e comum de cada imagem nas primeiras bandas, na ordem, e nas ltimas bandas ficam apenas o que ocorrem em poucas bandas. A anlise de principais componentes serve para detectar alvos especficos e tem aplicao em pesquisas geolgicas, por exemplo. Clicando em Load Animation of MNF Bands pode-se fazer a animao dos resultados do MNF.

Clique em Next e o prximo passo do assistente ser o clculo da dimensionalidade dos dados. Clique em Next e o prximo passo a escolha dos Endmembers Agora o passo a determinao do nvel de pureza dos pixels (Pixel Purity Index[PPI]). Detalhes de como funciona o PPI encontra-se na seo 3.3 deste captulo. Logo aps, aparece o grfico assinttico e a imagem PPI aparece na lista de bandas disponveis.

SulSoft Servios de Processamento de Dados Ltda. - Todos os direitos reservados

15

Guia do ENVI em Portugus

O prximo passo a gerao do visualizador n-dimensional, aonde as classes ficaro separadas por nuvens de diferentes cores. Ou seja, cada nuvem uma classe que o assistente criou automaticamente.

Figura L-12: Visualizador n-D criado pelo assistente. Note que cada classe representada por uma cor.

Depois, clique em Next , e depois, em Retrieve Endmembers, que da o assistente coletar os endmembers separados pelo visualizador n-D, ou seja, as classes. Clique em Next e o assistente pedir se voc deseja incluir bibliotecas espectrais j prontas, arquivos de estatsticas, etc... Clique, novamente, em Next. Aps isso, o usurio j pode gerar uma imagem classificada usando o mtodo do Spectral Angle Mapper, o assistente explicar, atravs do ttulo Mtodos de Mapeamento , os parmetros necessrios que o usurio dever fornecer. Clique em next e o software j criar a imagem classificada. Para visualizar a imagem classificada, clique em Load SAM Class Result Depois disso, o ENVI criar um relatrio de estatstica, esse relatrio carregar na janela Spectral Mapping Wizard Summary Report

SulSoft Servios de Processamento de Dados Ltda. - Todos os direitos reservados

16