Subido por jessyka_sierra

03-EBOOK-CLASIFICACIÓN DE IMÁGENES SATELITALES

Anuncio
Clasificación
de Imágenes
Satelitales
Clasificación de Imágenes Satelitales
La clasificación de las imágenes satelitales es uno de los
principales objetivos de la teledetección. Habitualmente se
conocen dos tipos de clasificación:.
Clasificación Supervisada
Este método de entrenamiento requiere un cierto
conocimiento de la zona de estudio que permite delimitar
sobre la imagen unas zonas o áreas representativas de las
distintas categorías (usos de suelo) que se pretenden
discriminar.
La clasificación supervisada involucra las siguientes etapas:
Etapa de entrenamiento. Selección del algoritmo de clasificación adecuado y
clasificación. Operaciones de post clasificación.
Clasificación no supervisada
Este método de clasificación trata de definir las clases
espectrales presentes en la Imagen. No implica ningún
conocimiento previo del área de estudio por lo que la
intervención humana se centra en la interpretación de los
resultados.
La clasificación no supervisada involucra las siguientes etapas:
Elección del algoritmo de clasificación no supervisado. Interpretación y validación de Resultados.
Operaciones de post clasificación.
Métodos de Clasificación Supervisada:
Clasificación por Mínima distancia
Este método de clasificación es uno de
los más antiguos y hoy se puede
considerar en desuso. Consiste en
asignar cada celda (Pixel) a la clase
respecto a cuyo vector de medias está
más próxima en el espacio de
variables. Como medida de distancia
se utilizó la distancia euclidiana
(Chuvieco, 2006).
Clasificación por Paralelepípedos
En este método se definen una serie
de paralelepípedos, que definen las
fronteras de cada clase. La definición
de cada uno de los paralelepípedos
debe hacerse teniendo en cuenta los
valores máximos y mínimos de
reflectividad para cada una de las
bandas.
Métodos de Clasificación Supervisada:
Clasificación por máxima verosimilitud
Puesto que se tiene la media y la desviación típica de cada una
de las clases, se puede utilizar algún modelo de distribución de
probabilidad. El clasificador de máxima probabilidad asume que
los datos siguen una función de distribución normal para
asignar la probabilidad de que un pixel cualquiera pertenezca a
cada una de las clases. El pixel se asigna de este modo a la clase
a la que es más probable que pertenezca.
Este método puede usarse de forma automática, o puede
establecerse algún criterio que permita asignar pixels a una
clase sólo si la probabilidad correspondiente es superior a
determinado umbral.
Parámetros del Algoritmo Creación de Firmas
Espectrales en ArcGIS
1
2
3
4
5
1 Las bandas de ráster
de entrada para las
que se crean las
firmas.
2 Entrada que delinea
el conjunto de
muestras de clases
(raster o feature
class).
3 Campo del ráster de
entrada o datos de
muestra de entidades
para asignar valores a
las ubicaciones de
muestra (clases).
4 Archivo de firma de salida (Se debe especificar una extensión
.gsg).
5 AEspecifica si se calculan las matrices de covarianza además
de las medias.
COVARIANCE - Se calcularán las matrices de covarianza y los
valores medios de todas las clases.
MEAN ONLY - Sólo se calcularán los valores medios de todas
las clases.
Parámetros del Algoritmo Clasificación por máxima
Verosimilitud en ArcGIS
1 Las bandas de ráster
1
de entrada.
2 El archivo de firma de
entrada cuyas firmas
de clase se utilizan
mediante el
clasificador de
2
máxima verosimilitud
3
(Se requiere la
4
extensión .gsg).
5
3 Salida del raster
6
Clasificado.
7
4 Parte de las celdas que permanecerán no clasificadas dada la
menor posibilidad de asignaciones correctas. (El valor
predeterminado es 0.0; por tanto, se clasificarán todas las
celdas).
Parámetros del Algoritmo Clasificación por máxima
Verosimilitud en ArcGIS
4 Parte de las celdas que permanecerán no clasificadas dada la
menor posibilidad de asignaciones correctas. (El valor
predeterminado es 0.0; por tanto, se clasificarán todas las
celdas).
5 Especifica cómo se determinarán las probabilidades a priori.
EQUAL - Todas las clases tendrán la misma probabilidad a
priori.
SAMPLE - Las probabilidades a priori serán proporcionales al
número de celdas en cada clase relativo al número total de
celdas muestreadas en todas las clases del archivo de firma.
FILE - Se asignarán las
probabilidades a priori
1
a cada clase a partir de
un archivo de
probabilidad a priori
ASCII de entrada.
5 Archivo de texto que
contiene
probabilidades a priori
para las clases de
firmas de entrada (La
extensión del archivo a
priori puede ser .txt o
.asc).
2
3
4
5
6
7
Parámetros del Algoritmo Clasificación por máxima
Verosimilitud en ArcGIS
7 El dataset del ráster de confianza de salida que muestra la
certeza de la clasificación en 14 niveles de confianza, en
donde los valores más pequeños representan la confiabilidad
más alta.
1
2
3
4
5
6
7
Descargar