API para Segmentação de Nuvens em Imagens TIFF

Esta API realiza a segmentação de nuvens em imagens TIFF grandes, usando um modelo de deep learning pré-treinado com a arquitetura U-Net. Ela processa uma imagem de satélite TIFF, aplica filtros de contraste, gera uma máscara de segmentação e devolve a imagem final em formato TIFF com a máscara sobreposta.

Pré-requisitos

Para executar o projeto, você precisa de:

• Python 3.7+
• Bibliotecas:
  • torch
  • torchvision
  • Pillow
  • Flask
  • numpy

Instalação

1. Clone o repositório:

   git clone https://github.com/seu-repositorio.git
   cd seu-repositorio/cloud-segmentation/src

2. Crie um ambiente virtual e instale as dependências:

   python -m venv venv
   source venv/bin/activate  # No Windows: venv\Scripts\activate
   pip install -r requirements.txt

3. Certifique-se de que o modelo treinado best_model.pth está na mesma pasta que o código, pois ele será carregado para realizar a segmentação.

Arquitetura U-Net

A U-Net é uma rede neural convolucional voltada para segmentação de imagens. Esta versão utiliza o resnet34 como base para as camadas de codificação, e a decodificação é feita com camadas de ConvTranspose2d para restaurar as dimensões da imagem original. A saída do modelo é uma máscara binária indicando as regiões de nuvens.

Executando a API

1. Clone o repositório ou copie os arquivos do projeto para o seu ambiente.
2. Execute a API com o comando:

   python main.py

A API estará disponível em http://0.0.0.0:8000.

Endpoint /predict

Descrição

Este endpoint recebe uma imagem TIFF, realiza a segmentação de nuvens e retorna a imagem final em TIFF com a máscara sobreposta.

Exemplo de Requisição

• Método: POST
• Parâmetros:
  • files: Arquivo de imagem TIFF enviado via multipart/form-data.
• Resposta: Imagem em formato PNG com a máscara de nuvens sobreposta.

curl -X POST -F "files=@path/to/your/image.tiff" http://0.0.0.0:8000/predict --output output_image.tiff

A resposta será a imagem TIFF sobreposta com a máscara de nuvens.

Passo a Passo de Processamento

1. Carregar Imagem e Aplicar Contraste: A imagem TIFF é carregada e um aumento de contraste é aplicado para melhorar a visibilidade das nuvens.
2. Segmentação: A imagem é convertida para tensor e passada pelo modelo U-Net, que gera uma máscara binária indicando as regiões de nuvens.
3. Sobreposição da Máscara: A máscara gerada é sobreposta à imagem original para facilitar a visualização.
4. Retorno da Imagem: A imagem final com a máscara sobreposta é enviada como resposta no formato PNG.

Organização de Funções Importantes

• overlay_mask_on_image: Sobrepõe a máscara de segmentação na imagem original.
• segment_image: Aplica o modelo U-Net para gerar a máscara de segmentação.
• load_and_apply_contrast: Carrega a imagem TIFF e aplica um filtro de contraste.

Estrutura e Explicação do Código

• UNET: Define a arquitetura U-Net baseada no ResNet34 para segmentação.
• Funções de Suporte:
  • crop_tensor: Função que ajusta dimensões de tensores para o U-Net.
  • predb_to_mask: Converte a predição do modelo em uma máscara binária para segmentação.

Espaço para Imagens e Exemplos

• Exemplo de Input e Output:
  • Antes da Segmentação:
  • Após Segmentação e Aplicação da Máscara:

Considerações Finais

Este projeto foi desenvolvido para facilitar o processamento e segmentação de nuvens em imagens de satélite em grande escala, oferecendo um ponto de partida para melhorias na detecção e análise de nuvens.

---

Instruções para Contribuição: Sinta-se à vontade para enviar sugestões e melhorias para este projeto.

---

Observações Adicionais: Qualquer dúvida ou erro, entre em contato com o responsável pelo projeto.