Análise quantitativa e qualitativa preliminar dos efeitos dos algoritmos de reamostragem no registro de imagens utilizando a detecção de cantos

Autores

  • Carlos Eduardo Falandes
  • Fabrício Galende Marques de Carvalho

DOI:

https://doi.org/10.56762/tecnia.v10i2.1674

Palavras-chave:

Processamento de Imagens, Reamostragem de Imagens, Registro de Imagens, Detecção de Características, Correspondência de Padrões

Resumo

Este trabalho apresenta uma análise preliminar, quantitativa e qualitativa, dos efeitos de diferentes algoritmos de reamostragem no processo de registro de imagens por meio da detecção de cantos. O registro consiste em alinhar e combinar múltiplas imagens de uma mesma cena, capturadas por sensores distintos ou em diferentes momentos, para formar uma representação completa da cena. Esse processo frequentemente requer a reamostragem das imagens, redimensionando-as para padronizar a base de comparação durante a extração de características. No entanto, a reamostragem pode introduzir distorções que comprometem etapas subsequentes, como a detecção de cantos e a correspondência de padrões. A avaliação foi realizada comparando como os métodos clássicos de reamostragem – Vizinho Mais Próximo, Bilinear e Bicúbica – afetam a correspondência de padrões, logo o registro de imagens. O estudo utiliza imagens de satélite que são inicialmente reduzidas a uma razão de reamostragem específica e, em seguida, ampliadas novamente às suas dimensões originais para a realização do registro. Os resultados obtidos são avaliados por meio de métricas como Erro Quadrático Médio, Coeficiente de Correlação, Relação Sinal-Ruído de Pico e Raiz do Erro Quadrático Médio aplicada à correspondência dos pontos de controle. Os resultados indicam que a reamostragem Bicúbica é a mais eficaz, apresentando os menores índices de erro no registro. O método Vizinho Mais Próximo, por sua vez, insere menos erros que a reamostragem Bilinear, que apresentou os maiores índices de erro e variabilidade.

Referências

BAY, H.; TUYTELAARS, T.; VAN GOOL, L. SURF: speeded up robust features. European Conference on Computer Vision, Graz. Lecture Notes in Computer Science. Berlin: Springer, 2006. DOI: http://dx.doi.org/10.1007/11744023_32.

CHANDRAPPA, D. N.; ANIL, N. S. Satellite image matching and registration using affine transformation and hybrid feature descriptors. International Journal of Advanced Intelligence Paradigms, [s. l.], v. 1, n. 1, 2021.

DUNG, P. T.; CHUC, M. D.; THANH, N. T. N.; HUNG, B. Q.; CHUNG, D. M. Comparison of Resampling Methods on Different Remote Sensing Images for Vietnam’s Urban Classification. Research and Development on Information and Communication Technology, [s. l.], v. 2, n. 15, p. 8-20, 2018.

FALANDES, C. E.; CARVALHO, F. G. M. Análise Quantitativa Preliminar de Métodos de Reamostragem de Imagens Digitais Aplicáveis a Diferentes Tipos de Formas Geométricas. In: ESCOLA REGIONAL DE INFORMÁTICA DE GOIÁS (ERI-GO), 11., 2023, Goiânia. Anais [...]. Porto Alegre: SBC, 2023.

FALANDES, C. E.; CARVALHO, F. G. M.; MORELLI, F. Algoritmo de detecção de cantos aplicado ao problema de registro de imagens de satélites. In: SCIENCE & BUSINESS CONNECTION: CONGRESSO CIENTÍFICO E TECNOLÓGICO, 2024, São José dos Campos. Anais […]. São José dos Campos: PIT, 2024. Disponível em: 10.29327/2-science-business-connection-407088.811823. Acesso em: 12 set. 2025.

GONG, X.; YAO, F.; MA, J.; JIANG, J.; LU, T.; ZHANG, Y.; ZHOU, H. Feature matching for remote-sensing image registration via neighborhood topological and affine consistency. Remote Sensing, [s. l.], v. 14, n. 11, p. 2606, 2022.

GONZALEZ, R.; WOODS, R. E. Digital Image Processing. 4. ed. [S. l.]: Pearson, 2019.

GOSHTASBY, A. A. 2-D and 3-D image registration: for Medical, Remote Sensing, and Industrial Applications. Nova Jersey: John Wiley & Sons, 2005.

HAN, D. Comparison of Commonly Used Image Interpolation Methods. In: 2ND INTERNATIONAL CONFERENCE ON COMPUTER SCIENCE AND ELECTRONICS ENGINEERING, 2013, [s. l.]. Anais […]. [S. l.: s. n.]. DOI: http://dx.doi.org/10.2991/iccsee.2013.391.

HARRIS, C.; STEPHENS, M. A Combined Corner and Edge Detector. Plessey Research Roke Manor. United Kingdom: The Plessey Company pic, 1988.

INSTITUTO NACIONAL DE PESQUISAS ESPACIAIS. Catálogo de Imagens. Disponível em: https://www.dgi.inpe.br/catalogo/explore. Acesso em: 10 set. 2025.

KAI, P. M. et al. Effects of resampling image methods in sugarcane classification and the potential use of vegetation indices related to chlorophyll. In: IEEE ANNUAL COMPUTERS, SOFTWARE, AND APPLICATIONS CONFERENCE, 45., 2021, Madrid. Anais […]. Madrid: [S. n.]. DOI: 10.1109/COMPSAC51774.2021.00227.

KEYS, R. Cubic convolution interpolation for digital image processing. IEEE Transactions on Acoustics, Speech, and Signal Processing, [s. l.], v. 29, n. 6, p. 1153-1160, 1981. DOI: http://dx.doi.org/10.1109/TASSP.1981.1163711.

LIN, B. et al. A registration algorithm for astronomical images based on geometric constraints and homography. Remote Sensing, [s. l.], v. 15, n. 1921, p. 1-25, 2023. DOI: https://doi.org/10.3390/rs15071921.

LOWE, D. G. Object recognition from local scale-invariant features. In: INTERNATIONAL CONFERENCE ON COMPUTER VISION, 1999, Corfu, Grécia. Anais […]. Corfu, Grécia: [S. n.]. Disponível em: https://ieeexplore.ieee.org/document/790410. Acesso em: 12 set. 2025.

MAHI, H.; ISABATEN, H.; SERIEF, C. Z. Zernike Moments and SVM for Shape Classification in Very High-Resolution Satellite Images. The International Arab Journal of Information Technology, [s. l.], v. 11, n. 1, p. 43-51, 2014.

MEDHA, V. W.; PRADEEP, M. P.; HEMANT, K. A. Image Registration Techniques: An overview. International Journal of Signal Processing, [s. l.], v. 2, n. 3, p. 11-28, 2009.

MELO, G. K.; RIBEIRO, E. A. W. Mapeamento exploratório da vegetação em uma escala local de paisagem: banda NIR como dado de partida. Geografia, [s. l.], v. 47, n. 1, 2022.

NAJJAR, Y. A. Comparative analysis of image quality assessment metrics: MSE, PSNR, SSIM and FSIM. Journal of Science and Research, [s. l.], v. 13, n. 3, p. 1-8, 2024. DOI: http://dx.doi.org/10.21275/SR24302013533.

PAPPAS, T. N.; SAFRANEK, R. J.; CHEN, J. Perceptual Criteria for Image Quality Evaluation. Handbook of Image and Video Processing, [s. l.], 2005.

PORWAL, S.; KATIYAR, S. K. Performance evaluation of various resampling techniques on IRS imagery. (IC3), Noida, Índia, p. 489-494, 2014.

PRASANTHA, H. S.; SHASHIDHARA, H. L.; BALASUBRAMANYA, M. K. N. Image scaling comparison using universal image quality index. In: Int. Conf. Adv. Computing Control and Telecommunication Technologies, Bangalore, p. 859-863, 2009.

RUBLEE, E.; RABAUD, V.; KONOLIGE, K.; BRADSKI, G. ORB: an efficient alternative to SIFT or SURF. In: INTERNATIONAL CONFERENCE ON COMPUTER VISION, 2011, Barcelona, Espanha. Anais […]. Barcelona, Espanha: [S. n.], 2011. Disponível em: https://ieeexplore.ieee.org/document/6126544.

SAHARAN, R. A Review paper on Image Registration Techniques. Journal of New Innovations in Engineering and Technology, [s. l.], v. 4, n. 4, p. 34-39, 2016.

ZHANG, X.; LENG, C.; HONG, Y.; PEI, Z.; CHENG, I.; BASU, A. Multimodal Remote Sensing Image Registration Methods and Advancements: A Survey. Remote Sensing, [s. l.], v. 13, n. 5128, 2021.

ZITOVÁ, B.; FLUSSER, J. Image Registration Methods: A Survey. Image and Vision Computing, [s. l.], v. 21, p. 977-1000, 2003.

Downloads

Publicado

25.09.2025

Como Citar

Falandes, C. E., & Galende Marques de Carvalho, F. (2025). Análise quantitativa e qualitativa preliminar dos efeitos dos algoritmos de reamostragem no registro de imagens utilizando a detecção de cantos. Revista Tecnia, 10(2), 20. https://doi.org/10.56762/tecnia.v10i2.1674

Edição

Seção

Dossiê Temático - Tecnologias Habilitadoras para a Indústria 4.0

Categorias