DEM Refinement and Validation on the Lunar Surface Using Shape-from-Shading with Chandrayaan-2 OHRC Imagery

1. Problema e Contexto

A modelagem topográfica precisa da superfície lunar é essencial para mapeamento geológico, avaliação de riscos em locais de pouso e estudos de terreno. Embora a estereofotogrametria orbital seja o método padrão para construir Modelos Digitais de Elevação (DEMs), ela enfrenta limitações:

• Frequência Espacial Limitada: A resolução recuperável é restrita pela distância de amostragem no solo (GSD) do sensor, pela geometria da base estereoscópica e pelo desempenho do casamento de imagens em terrenos sem características ou dominados por sombras.
• Cenários Polares: Em regiões como o Polo Sul Lunar, os ângulos de iluminação rasantes criam sombras profundas que degradam o casamento estereoscópico, dificultando a reconstrução de detalhes finos.

O artigo propõe o uso de Shape from Shading (SfS) (Forma a partir do Sombreamento) para superar essas limitações, utilizando imagens adicionais para recuperar detalhes topográficos em escala sub-métrica que não são capturados pela reconstrução estereoscópica padrão.

2. Metodologia

Os autores desenvolveram um pipeline de ponta a ponta baseado no Ames Stereo Pipeline (ASP) e no ISIS, adaptado para imagens da Câmera de Alta Resolução Orbital (OHRC) da missão Chandrayaan-2 da Índia.

• Estratégia de Três Imagens:
  • I1 e I2: Formam o par estereoscópico usado para gerar o DEM inicial ($z_0$).
  • I3: Uma imagem independente da mesma região, adquirida em geometria solar diferente, usada exclusivamente como fonte de sinal de sombreamento para o SfS.
• Modelo de Reflexão: Utiliza o modelo Lunar-Lambertian, que é adequado para corpos sem atmosfera, capturando efeitos de não-Lambertianos e ângulos de iluminação baixos típicos da Lua.
• Formulação Variacional: O problema SfS é formulado como a minimização de uma função de energia $E(z)$ que combina:
  1. Termo de Fidelidade aos Dados: Diferença entre a irradiância observada na imagem I3 e a irradiância renderizada pelo modelo.
  2. Restrição de Suavidade: Controlada pelo peso $W$, para evitar ruído.
  3. Restrição ao DEM Inicial: Controlada pelo peso $C$, para manter a consistência com a topografia de larga escala de $z_0$.
• Processamento:
  1. Reconstrução estereoscópica para obter $z_0$.
  2. Registro vertical de $z_0$ em relação a um DTM de referência (NAC DTM) e preenchimento de lacunas.
  3. Projeção da imagem I3 sobre $z_0$.
  4. Otimização iterativa da altura da superfície usando o gradiente descendente, ajustando também parâmetros de correção da câmera para absorver erros de apontamento.

3. Principais Contribuições

1. Pipeline SfS para OHRC: Extensão do framework ASP para dados de alta resolução (0,25 m/pixel) do Chandrayaan-2.
2. Uso de Imagem Independente: Diferente de abordagens tradicionais que usam SfS apenas para refinar o par estereoscópico, este trabalho usa uma terceira imagem independente, permitindo que o SfS atue como uma fonte de novos dados topográficos, não apenas como um filtro de suavização.
3. Estudo Sistemático de Parâmetros: Realização de uma varredura sistemática (em três estágios) do peso de suavidade ($W$) para identificar regimes operacionais estáveis para dados OHRC.
4. Validação Multi-Sítio: Aplicação e validação em três locais distintos:
   • Região de pouso Vikram (local de aterrissagem).
   • Polo Sul Lunar (Mons Mouton).
   • Cratera Cyrillus (caso limite).
5. Análise de Limitações: Caracterização de como a separação angular de iluminação e a sobreposição de footprint influenciam a qualidade da reconstrução.

4. Resultados

• Melhoria Topográfica: O método demonstrou melhoria mensurável nas estatísticas de inclinação da superfície ($\sigma_s$). No caso de estudo da região Vikram, a redução do peso de suavidade para $W=50$ resultou em um aumento de 22,9% na variância da inclinação, revelando morfologia de crateras em escala de metros que estava ausente no DEM estereoscópico original.
• Validação por Perfis: Comparações de perfis de terreno contra o DTM de referência (NAC) mostraram que o DEM refinado por SfS ($z_{SfS}$) recupera ondulações topográficas sub-resolução, mantendo-se consistente com as tendências de larga escala.
• Caso do Polo Sul (Mons Mouton): A técnica foi particularmente eficaz na região polar, onde a iluminação rasante gera alto contraste de brilho. O SfS recuperou detalhes nas encostas íngremes do Mons Mouton, enquanto mantinha a planície do topo (onde a resposta SfS é naturalmente suprimida devido à geometria plana).
• Limites Operacionais:
  • Cobertura de Footprint: Áreas onde a imagem I3 não cobre o DEM inicial após projeção não apresentam melhoria, relaxando-se para o DEM original.
  • Caso Limite (Cyrillus): Quando a separação angular de incidência ($\Delta\theta_i$) entre a imagem SfS e o par estereoscópico é muito pequena, a melhoria é mínima (<3%).
  • Inconsistência Geométrica: Uma grande separação no ângulo de pitch ($\Delta\theta_p$) pode introduzir inconsistências geométricas (como encurtamento de perspectiva) que reduzem a eficácia do SfS, mesmo com boa diversidade de iluminação.

5. Significância e Conclusão

Este trabalho estabelece um método reprodutível e cientificamente fundamentado para explorar a capacidade de imagem sub-métrica do Chandrayaan-2. A principal inovação é tratar o SfS não apenas como um pós-processamento, mas como um mecanismo para extrair novas informações topográficas a partir de uma observação independente.

• Recomendações: Para imagens OHRC com separação angular adequada, os parâmetros operacionais recomendados são $W = 50$, $C = 10^{-3}$ e $N \ge 8$ iterações.
• Impacto Futuro: O estudo destaca a necessidade de fusão híbrida de estereoscopia e SfS em pipelines futuros e sugere a incorporação de formulações SfS multi-imagens para maior robustez. A metodologia valida a utilidade contínua dos dados do Chandrayaan-2 para mapeamento lunar de alta precisão, especialmente em regiões desafiadoras como o Polo Sul.