PROCESAMIENTO DE LAS IMAGENES SATELITALES: FILTRADO ESPACIAL

9.2.2 Filtrado espacial. Las operaciones de contraste descritas en la sección previa no alteran los datos de la imagen, simplemente modifican su visualización. En el filtrado espacial, en cambio, los datos de la imagen son modificados. En efecto, el valor de un pixel en una dada ubicación es cambiado en función de los valores de los pixeles vecinos.

En percepción remota las imágenes se caracterizan por un parámetro denominado frecuencia espacial. Esta puede definirse como el número de cambios que ocurren en el valor del pixel  (o brillo) por unidad de distancia para alguna región particular de la imagen.  Si sobre una dada área de la imagen ocurren pocos cambios de brillo se considera como un  área de baja frecuencia (ej. grandes extensiones agrícolas, cuerpos de agua extensos, etc.)

Si, por otra parte, los cambios de brillo son numerosos y notorios tendremos un área de alta frecuencia (calles o caminos en zonas urbanas, parcelas agrícolas pequeñas,etc.). En las imágenes de percepción remota la frecuencia espacial puede realzarse o deprimirse según la conveniencia del analista utilizando el filtrado espacial. 
Este no es sino una aplicación de la operación general de procesamiento de imágenes denominada convolución y que implica el siguiente procedimiento:

1. Se define una ventana móvil que contiene un arreglo de coeficientes o factores  ponderales.Estos arreglos se definen como operadores o kernels, cuyo tamaño es  normalmente el de un número impar de pixeles (3x3, 5x5, 7x7, etc) 
2. Dicho kernel se mueve a través de la imagen original, y el valor del pixel central del  kernel en la imagen de salida se obtiene multiplicando cada coeficiente del kernel  por el correspondiente valor del pixel en la imagen original y sumando el resultado  de todos los productos resultantes . La operación se repite para cada pixel de la imagen original. 

en la Fig. 49 se esquematiza el concepto de ventana móvil. 


VENTANA MOVIL  IMAGEN PROYECCION DE LA VENTANA MOVIL SOBRE LA IMAGEN A PROCESAR 
La Fig. 50 esquematiza la operación de un filtro de baja frecuencia

VENTANA MOVIL IMAGEN PROYECCION DE LA VENTANA MOVIL SOBRE LA IMAGEN A PROCESAR 
La Fig. 50 esquematiza la operación de un filtro de baja frecuencia 

Este filtro puede considerarse un filtro de media ya que el resultado es el valor promedio de 
todos los pixeles cubiertos por la ventana móvil. Existen muchos tipos de filtros de 
convolución. En las siguientes imágenes se dan ejemplos de los efectos obtenidos con 
algunos de dichos filtros (Figs. 51 a,b y c, y Fig.51 bis a,b y c.

Los filtros de baja frecuencia reducen las desviaciones respecto al promedio local de la  imagen y ésta aparece como más difusa, efecto que aumenta al aumentar el tamaño de la  ventana (5x5, 7x7, etc.). 

 

Este filtro suele ser útil para reducir ciertos patrones de ruido,  como por ejemplo los efectos de ¨salt-and-pepper¨ de algunas imágenes.  Los filtros de alta frecuencia deprimen los componentes de baja frecuencia reteniendo los de alta frecuencia (variaciones locales). Pueden ser utilizados para realzar bordes entre distintos  objetos de una imagen así como para hacer ésta más nítida. Una importante aplicación es en  la identificación y mapeos de características geológicas, incluyendo fallas, fracturas,  monoclinas, que poseen diferentes rangos de frecuencias espaciales. Un kernel de alta  frecuencia puede ser el siguiente:

Los filtros de mediana sustituyen cada pixel de la imagen por la mediana de los pixeles 
vecinos. Ejemplo: 

En orden crecientes los valores de los pixeles cubiertos por la ventana móvil son 

115, 119, 120, 123, 124, 125, 126, 127, 150 

El valor de la mediana será pues 124. 
La mediana es un parámetro de posición más robusto que la media. En efecto, un pixel  vecino con un valor no representativo no afectará significativamente el valor de la mediana.  Además, como la mediana es uno de los valores de los pixeles vecinos, conduce a resultados más realistas que la media. Esto hace que la mediana si bien ¨suaviza¨ la imagen preserva los bordes más grandes cuyas dimensiones sean mayores que las dimensiones del kernel. Esto es muy conveniente cuando este filtro se aplica para eliminar ruidos como los de ¨salt and pepper¨ o los speckles de las imágenes de radar. 

La detección de cambios significantes de DN al pasar de un pixel a otro es un problema  común en percepción remota. Dichos cambios usualmente indican límites físicos en la escena, como una línea costera, una carretera, el borde de una sombra, etc. Si bien existen muchas aproximaciones para el tratamiento de este problema una de las más usadas es el empleo de algún filtro de gradiente, como por ejemplo el de Sobel. 

Este consiste en filtrar la imagen en dos direcciones ortogonales, por ej. horizontal y vertical. Los filtros de gradiente utilizados son: 



Componente horizontal Componente vertical 

Los resultados g x y g y para cada pixel se combinan en un vector cuya magnitud y 
dirección vienen dadas por: 


Además de los filtros que hemos mencionado como ejemplos típicos se han descrito muchos otros que escapan del alcance de esta Introducción. Citemos por ejemplo los filtros gaussianos, laplacianos, de transformada de Fourier, etc.

<< PAGINA ANTERIOR - INDICE DEL TUTORIAL - PAGINA SIGUIENTE >>

Aplicaciones prácticas de la percepción remota satelital

INDICE DEL TUTORIAL:

1- INTRODUCCION A LA PERCEPCION REMOTA

2. NATURALEZA DE LAS RADIACIONES ELECTROMAGNÉTICAS

3. INTERACCION DE LA RADIACION CON LA MATERIA Y ORIGEN DE LOS ESPECTROS

4. INTERACCION DE LAS RADIACIONES CON LOS OBJETOS DE LA SUPERFICIE TERRESTRE.
   INTERACCION DE LAS RADIACIONES CON LOS OBJETOS DE LA SUPERFICIE TERRESTRE (continuación)
   LA REFLECTANCIA EN LOS VEGETALES
   LA REFLECTANCIA EN EL AGUA

5. INTERACCIONES ATMOSFERICAS

6. LA ADQUISICION DE DATOS Y LAS PLATAFORMAS SATELITALES
    LA ADQUISICION DE DATOS Y LAS PLATAFORMAS SATELITALES (continuación)
    SATELITES METEOROLOGICOS Y AGROMETEOROLOGICOS
    LOS NUEVOS SATELITES PARA LA OBSERVACION DE LA TIERRA
    RECEPCION Y TRANSMISION DE LA INFORMACION SATELITAL

7. SENSORES
    7.1. Consideraciones generales
    SENSORES (continuación)
    7.2 Naturaleza de los detectores
    SENSORES: BANDAS ESPECTRALES LANDSAT TM y SPOT HRVIR
    7.3 Estudio de dos casos: LANDSAT y SPOT
    7.4 Resolución
       7.4.1 Resolución espacial
       7.4.2 Resolución espectral
       7.4.3 Resolución radiométrica
       7.4.4 Resolución temporal
   7.5 Escala y resolución espacial.

8. ESTRUCTURA DE LAS IMÁGENES DIGITALES
    ESTRUCTURA DE LAS IMAGENES DIGITALES (continuación)

9. PROCESAMIENTO DE LAS IMÁGENES SATELITALES
    PROCESAMIENTO DE LAS IMAGENES SATELITALES (continuación)
    9.2 Realces
       9.2.2 Filtrado espacial
       9.2.3 Análisis por Componentes Principales
       9.2.4 Combinaciones de color
               Combinaciones de color (continuación)
    IMAGENES SATELITALES - CLASIFICACION
    9.3 Clasificación
         Clasificación (continuación)
            9.4.1 Clasificación supervisada
            9.4.1.2 Clasificador por paralelepípedos.
            9.4.1.3 Clasificador por máxima probabilidad (maximum likelihood)
   Clasificador por máxima probabilidad (maximum likelihood) - (continuación)
         9.3.2 Clasificación no supervisada
         9.3.3 Estimación de la exactitud de una clasificación: Matriz de confusión
   Estimación de la exactitud de una clasificación: Matriz de confusión (continuación)
         9.3.4 Otros métodos de clasificación
            9.3.4.1. Clasificador de red neuronal artificial
                        Clasificador de red neuronal artificial (continuación)
            9.3.4.2 Clasificadores difusos (fuzzy classifiers)

10. ALGUNAS APLICACIONES DE LA PERCEPCION REMOTA
     10.1 Aplicaciones en Agricultura.
         10.1.2 Indices N-dimensionales “Tasseled Cap”
         10.1.3 Indices de vegetación a partir de imágenes hiperespectrales
         10.2.1 Generalidades sobre el infrarrojo térmico
         10.2.2 Aplicaciones del infrarrojo térmico
             10.2.2.1 Temperatura del mar
             10.2.2.2 Temperatura terrestre
    10.3 Monitoreo de áreas de desastre
         10.3.1 Algunos ejemplos típicos
         10.3.2 El monitoreo a escala global de desastres

APENDICE I : NOCIONES BASICAS SOBRE SENSORES DE RADAR

APENDICE II: BIBLIOGRAFIA SUGERIDA

 

OTROS ITEMS DE INTERES

Galería de imágenes

 

Plataformas de observación

 

Aeropuertos del mundo

 

Imágenes satelitales y seguros

 

¿Qué es la resolución?

 

Petróleo

 

Forestación

 

Estudios de viabilidad

 

Mercados de futuros

 

Cultivo del arroz

 

Nuestra misión

 

Nuestros servicios

 

¿Qué es la percepción remota?

 

¿Qué es una imagen satelital?

 

Uso del GPS

 

Estación rastreadora

 

Pasturas

 

Monitoreo de incendios

 

Sequías

 

Recursos naturales

 

Cultivo del tabaco