Extraction of Intraurban Targets in High Resolution Images Using Band Arithmetic

Authors

DOI:

https://doi.org/10.29150/jhrs.v12.6.p370-378

Keywords:

Urban mapping, High resolution image, Mathematical Morphogy, vegetation index

Abstract

Urban spaces are mostly composed of small objects and with complex relationships with each other, so that the classification of the soil requires high resolution imaging. However, the traditional methods of extracting information from high resolution images, whether at the aerial or orbital level, have serious limitations because they often do not have an infrared band. This work investigates the potential of arithmetic band, band ratio and vegetation indices, to classify urban targets. S1 and S2 band ratios and the GLI, VARI, RGBVI, CI and GRVI vegetation ratios were investigated, whose equations use only the visible bands. The methodology can be reproduced in different areas of study and with images from different sensors that have, or are available, only the bands of the visible range, like the PE3D images (Pernambuco Three-Dimensional Program). The classification of vegetation, building, paved, water and exposed soil cover was investigated. S1, GLI and RGBVI demonstrated the potential to classify vegetation coverage, while the VARI, CI and RGBVI indices demonstrated the potential to classify building coverage as ceramic roof type. The results showed that the joint use of the equations and spectral univocity intervals defined in this work serves for the automatic extraction of green areas and ceramic roofs present in urban spaces, making use of high resolution images from sensors that cover the visible spectrum, which is why the methodology can be widely replicated and support the urban mapping of Brazilian cities. Mathematical Morphology tools is used to obtain edges and get the closure of objects such as roof.

Extração de Alvos Intraurbanos em Imagens de Alta Resolução Utilizando Aritmética de Bandas

 

Resumo

Os espaços urbanos são compostos, majoritariamente, por objetos de pequena dimensão e com relações complexas entre si, de modo que para a classificação do seu solo é exigido imageamento de alta resolução. Entretanto, os métodos tradicionais de extração de informações em imagens de alta resolução, sejam de nível aéreo ou orbital, apresentam sérias limitações por não possuir, muitas vezes, uma banda do infravermelho. Este trabalho investiga a potencialidade da aritmética de bandas, do tipo razão de bandas e índices de vegetação, em classificar alvos urbanos. Foram investigadas as razões de bandas S1 e S2 e os índices de vegetação GLI, VARI, RGBVI, CI e GRVI, cujas equações utilizam apenas as bandas do visível. A metodologia pode ser reproduzida em diferentes áreas de estudo e com imagens de diferentes sensores que possuam, ou que estejam disponibilizadas, apenas as bandas da faixa do visível, a exemplo das imagens do PE3D (Programa Pernambuco Tridimensional). Investigou-se a classificação da cobertura vegetacional, edificacional, pavimentada, hídrica e solo exposto. S1, GLI e RGBVI demonstraram potencialidade em classificar cobertura vegetacional, enquanto que os índices VARI, CI e RGBVI demonstraram potencialidade em classificar cobertura edificacional do tipo telhado de cerâmica. Os resultados apontaram que o uso conjunto das equações e dos intervalos de univocidade espectral definidos neste trabalho serve para a extração automática de áreas verdes e de telhados de cerâmica presentes em espaços urbanos, fazendo-se uso de imagens de alta resolução provenientes de sensores que cobrem o espectro visível, motivo pelo qual a metodologia pode ser amplamente replicada e subsidiar o mapeamento urbano das cidades brasileiras. Ferramentas de Morfologia Matemática são usadas para obter bordas e o fechamento de objetos como telhado.

 Palavras-chave:  Mapeamento urbano.  Imagem de alta resolução.  Aritmética de bandas. Morfologia Matemática

Author Biographies

Maria Luciana da Silva, Universidade Federal de Pernambuco

Graduação em Engenharia Cartográfica. Mestre em Ciências Geodésicas e Tecnologias da Geoinformação.

Ana Lúcia Bezerra Candeias, UFPE

possui graduação em Engenharia Elétrica Modalidade Eletrônica pela Universidade Federal de Pernambuco (1987), mestrado em Sensoriamento Remoto pelo Instituto Nacional de Pesquisas Espaciais (1992) e doutorado em Computação Aplicada com ênfase em Sensoriamento Remoto pelo Instituto Nacional de Pesquisas Espaciais (1997). Atualmente é professor associado III da Universidade Federal de Pernambuco. Tem experiência em Sensoriamento Remoto, Geoprocessamento e na área de Ciência da Computação, com ênfase em Processamento de Imagens (Processamento Gráfico - Graphics), atuando principalmente nos seguintes temas: processamento digital de imagens, sensoriamento remoto, geoprocessamento, e cartografia.

References

Araújo, T. P. & Mello, F. M.2010. Procedimento de Imagens Digitais – Razão entre Bandas. Revista Geociências. 29 (1): 121-131.

Banon, G. J. F.; Barrera, J. Bases da Morfologia Matemática para análise de imagens binárias. 2.ed. São José dos Campos: INPE, 1998.

Bargos, D. C. & matias, L. F. 2011. Áreas verdes urbanas: Um estudo de revisão e propostas conceituais. Revista da Sociedade Brasileira de Arborização Urbana. 6(3):172-188.

Bendig, J., Yu, K., Aasen, H., Bolten, A., Bennertz, S., Broscheit, J., Gnyp, M.L., and Bareth, G., 2015. Combining UAV-based plant height from crop surface models, visible, and near infrared vegetation indices for biomass monitoring in barley. International Journal of Applied Earth Observation and Geoinformation. 39: 79-87.

Candeias, A. L. B., Tavares Junior, J. R., do Nascimento, P. H. O., de Moura, C. J. M., da Silva, E. A. Rev. Bras. Geom., v.4, n. 1, p.22-31, jan/abr. 2016.

Falkowski, M.J.; Gessler, P.E.; Morgan, P.; Hudak, A.T. & Smith, A.M.S. 2005. Characterizing and mapping forest fire fuels using ASTER imagery and gradient modeling. Forest Ecol. Manage, 217: 129-146.

Gitelson, A.A.; Kaufman, Y.J.; Stark, R. et al. 2002. Novel algorithms for remote estimation of vegetation fraction. Remote Sensing of Environment.80: 76-87.

Louhaichi, M.; BormaN, M. M. & Johnson, D. E.2001. Spatially Located Platform and Aerial Photography for Documentation of Grazing Impacts on Wheat. Geocarto International, 16(1): 65–70.

Lu, D. & Weng, Q. 2007. A survey of image classification methods and techniques for improving classification performance. International Journal of Remote Sensing. 28(5):823-870.

Lussem, U.; Bolten, A.; Gnyp, M.; Jasper, J. & Bareth, G.. 2018. Evaluation of RGB-BASED vegetation indices from uav imagery to estimate forage yield in grassland. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences. 42(3) :1215-1219.

Mandal, U. K.2016. Spectral color indices based geospatial modeling of soil organic matter in Chitwan district, Nepal. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences. P.43-48.

Mathieu, R., M. Pouget, B. Cervelle & R. Escadafal. 1998. Relationships between satellite-based radiometric indices simulated using laboratory reflectance data and typical soil color of an arid environment, Remote Sens. Environ .66:17– 28.

Menezes, P. R. & Almeida, T. 2012. Processamento de Imagens de Sensoriamento Remoto. Brasília, Universidade de Brasília, 266p.

Motohka, T.; Nasahara, K. N.; Oguma, H. & Tsuchida, S. Applicability of Green-Red Vegetation Index for Remote Sensing of Vegetation Phenology. Remote Sensing, vol. 2, p. 2369-2387, 2010.

Myint, S. W.; Gober, P., Brazel, A.; Grossman-clarke S. & Weng Q. 2011.Per-pixel vs. object-based classification of urban land cover extraction using high spatial resolution imagery. Remote Sensing of Environment 115(5):1145–1161.

Ponzoni, F. J. & Shimabukuro, Y. E. 2007. Sensoriamento remoto no estudo da vegetação. São José dos Campos, Parêntese, 136 p.

Tucker, C. J. 1979. Red and photographic infrared linear combinations for monitoring vegetation. Remote Sens. Environ. 8: 127-150.

Published

2023-01-03

How to Cite

da Silva, M. L., & Candeias, A. L. B. (2023). Extraction of Intraurban Targets in High Resolution Images Using Band Arithmetic. Journal of Hyperspectral Remote Sensing, 12(6), 370–378. https://doi.org/10.29150/jhrs.v12.6.p370-378

Issue

Section

Hyperspectral remote sensing and Atmosphere

Most read articles by the same author(s)

1 2 > >>