LEITE, G. da C. Análise de campos de ventos oceânicos em imagens SAR. 2011, 128 f. Tese (Doutorado em Engenharia de Teleinformática) - Centro de Tecnologia, Universidade Federal do Ceará, Fortaleza, 2011. / Submitted by Marlene Sousa (mmarlene@ufc.br) on 2012-09-10T17:32:04Z No. of bitstreams: 1 2011_tese_gcleite.pdf: 3800073 bytes, checksum: cf638ba8a521dbfc764964830e08e83a (MD5) / Approved for entry into archive by Marlene Sousa(mmarlene@ufc.br) on 2012-09-10T17:32:25Z (GMT) No. of bitstreams: 1 2011_tese_gcleite.pdf: 3800073 bytes, checksum: cf638ba8a521dbfc764964830e08e83a (MD5) / Made available in DSpace on 2012-09-10T17:32:25Z (GMT). No. of bitstreams: 1 2011_tese_gcleite.pdf: 3800073 bytes, checksum: cf638ba8a521dbfc764964830e08e83a (MD5) Previous issue date: 2011-09 / This thesis introduces a new methodology to determine the wind direction over the ocean surface using image processing techniques on SAR (Synthetic Aperture Radar) images. Related literature demonstrates a growing interest in processing these images for target detection, region classification, wind field extraction, oil spill monitoring, geophysical and meteorological applications. Wind field extraction in SAR images is a challenging task due to contamination acquisition system by speckle noise, which makes difficult processing and interpretation tasks. Thus, this thesis proposes methods for wind direction estimation by applying image transforms, such as Fourier and wavelets and furthermore texture-based methods. The wavelet transforms used for this task are Gabor, Mexican Hat and the à trous algorithm. Concerning the texture approach, it is based on the co-occurrence matrix to estimate direction of linear patterns in speckled images. The experiments were performed on synthetic texture, Brodatz album, synthetic and real SAR images. It was observed that the proposed methods were able to estimate directions of linear patterns and extract wind fields from visible wind-induced streaks on SAR images. The main contributions of this thesis are: to propose methods for wind direction estimation on the ocean surface and to extend existing techniques in the literature in order to provide wind vector estimation in the range of 4 to 10 m/s. The best results of this tese were achieved with the proposed method that combines wavelet transform and texture analysis. / Esta tese introduz uma nova metodologia para determinar a direção do vento sobre a superfície dos oceanos utilizando técnicas de processamento das imagens de Radar de Abertura Sintética (SAR, do inglês Synthetic Aperture Radar). A literatura relacionada demonstra um crescente interesse no processamento dessas imagens para detecção de alvos, classificação de regiões, extração de campos de ventos, monitoramento de derrames de óleo, aplicações geofísicas e meteorológicas. A extração de campos de ventos em imagens SAR é uma tarefa desafiadora devido à contaminação das mesmas por um ruído oriundo do sistema de aquisição, denominado speckle, que dificulta tarefas de processamento e interpretação das mesmas. Portanto, esta tese propõe metodologias de extração da direção do vento por transformada de Fourier, transformadas wavelets e métodos baseados em textura. As transformadas wavelets utilizadas para esta tarefa são Gabor, Chapéu Mexicano e o algoritmo à trous. Com relação à análise de textura utilizada, esta se baseia na informação espacial da matriz de co-ocorrência dos níveis de cinza para estimar a direção de padrões lineares em imagens contaminadas com speckle. Os experimentos foram realizados em imagens de textura sintéticas, imagens do álbum de Brodatz e imagens SAR sintéticas e reais. Foi observado que os métodos propostos foram capazes de estimar direções de padrões lineares e extrair campos de streaks de vento visíveis em imagens SAR reais. As principais contribuições desta tese são: o método proposto para estimação de direção de ventos na superfície do oceano e a extensão de técnica já existente na literatura, possibilitando assim a estimação da velocidade dos ventos na faixa de 4 a 10 m/s. Os melhores resultados obtidos nesta tese foram alcançados utilizando o método proposto que combina transformada wavelet e análise de textura.