Avaliação de métricas de inpainting digital para aferição da qualidade na extração de feições em imagens de sensoriamento remoto

Abstract

Imagens de Sensoriamento Remoto (SR) têm sido utilizadas em várias aplicações de interesse para a sociedade. Apesar da precisão e robustez oriundas da tecnologia de imagens de SR, diversas cenas aéreas e orbitais apresentam imperfeições e não alcançam os padrões ideais de qualidade, já que algumas delas apresentam distorções, como ruído, borrão, listra e pixels comprometidos, incluindo objetos indesejáveis, nuvens e sombras. Uma abordagem alternativa para lidar com tais distorções é a técnica de inpainting, cuja aplicação tornou-se fundamental em diferentes finalidades relacionadas ao Processamento Digital de Imagens (PDI), incluindo imagens de SR e representações cartográficas. No entanto, em determinadas circunstâncias, esse tipo de abordagem requer aferição por métricas quantitativas, a fim de validar a qualidade final da reconstrução das imagens. Portanto, esta tese tem como objetivo a questão da avaliação quantitativa dos resultados de inpainting no contexto de SR, analisando e comparando novas medidas de avaliação em contraste com métricas clássicas da literatura de SR. Com base na pesquisa conduzida, foi possível medir o grau da subjetividade humana na avaliação dos resultados de modo a gerar critérios de validação mais robustos, confiáveis e passíveis de automatização de um computador. Os resultados de inpainting foram avaliados usando-se seis métricas quantitativas, a partir de avaliações qualitativas arbitradas por agentes humanos. Para tal, foram utilizados os coeficientes de correlação de Spearman e coeficiente de correlação de Kendall, para reforçar as análises dos resultados. As imagens foram, ainda, classificadas antes e depois da aplicação das técnicas de inpainting, de forma que o indicador de qualidade foi aplicado, a taxa de acurácia global, que constitue métrica clássica da literatura de classificação de imagens. Dentre as métricas analisadas neste estudo: MSE, PSNR, SSIM, FSIM, VSI e DISTS, pode-se concluir que as métricas DISTS e VSI são as candidatas mais promissoras para adaptação e aplicação dentro do contexto específico de inpainting em SR.

Remote Sensing (RS) images have been used in various applications of societal interest. Despite the accuracy and robustness provided by RS image technology, many aerial and orbital scenes exhibit imperfections and do not meet ideal quality standards, as some of them present distortions such as noise, blur, striping, and compromised pixels, including unwanted objects, clouds, and shadows. An alternative approach to addressing such distortions is the Inpainting technique, whose application has become fundamental for various purposes related to Digital Image Processing (DIP), including RS images and cartographic representations. However, in certain circumstances, this type of approach requires assessment through quantitative metrics to validate the final quality of the reconstructed images. Therefore, this thesis aims to address the quantitative evaluation of inpainting results in the context of RS by analyzing and comparing new evaluation measures against classical metrics in RS literature. Based on the conducted research, it was possible to measure the degree of human subjectivity in evaluating the results to generate more robust, reliable, and computer-automatable validation criteria. The inpainting results were evaluated using six quantitative metrics, based on qualitative assessments arbitrated by human agents. For this purpose, Spearman's correlation coefficients and Kendall's correlation coefficient were used to reinforce the analysis of the results. The images were also classified before and after applying the inpainting techniques, so the quality indicator, the overall accuracy rate, which is a classical metric in image classification literature, was applied. Among the metrics analyzed in this study—MSE, PSNR, SSIM, FSIM, VSI, and DISTS—it can be concluded that the DISTS and VSI metrics are the most promising candidates for adaptation and application within the specific context of inpainting in RS.