Imgenes satelitales: clasificacin supervisada http://www.teledet.com.uy/tutorial-imagenes-satelitales/clasificacion-sup...

IMAGENES SATELITALES - CLASIFICACION SUPERVISADA

9.4.1 Clasificacin supervisada. Podemos definir esta clasificacin como un proceso en que pixeles de identidad
conocida, ubicados dentro de las reas de entrenamiento, se utilizan para clasificar pixeles de identidad desconocida. La
clasificacin supervisada involucra las siguientes etapas:
Etapa de entrenamiento.
Seleccin del algoritmo de clasificacin adecuado y clasificacin.
Operaciones de post clasificacin.

En la etapa de entrenamiento el analista selecciona reas de identidad conocida de la cubierta terrestre de inters (cultivos,
forestaciones, suelos, etc.) delinendolas sobre la imagen digital bajo formas de rectngulos o polgonos cuyos datos
numricos quedan archivados en la computadora como regiones de inters constituyendo los datos de entrenamiento.
Para realizar la seleccin el analista debe tener un conocimiento previo del rea de estudio, sea por reconocimientos de
camposea por consulta de mapas, fotografas
areas, etc.
Una vez que se dispone de un conjunto de estos datos de entrenamiento debe tratase de
adjudicar cada uno de los pixeles de la escena a alguna clase. Entre los algoritmos clsicos
para estos fines citemos los siguientes:

Clasificador por mnima distancia

Clasificador por paraleleppedos
Clasificador por mxima probabilidad

9.4.1.1 Clasificador por mnima distancia.

Con este clasificador los datos de entrenamiento se utilizan slo para determinar la media de las clases seleccionadas como
regiones de inters. El programa efectuar la clasificacin ubicando cada pixel no identificado en la clase cuya media se
encuentra ms cercana para lo cual puede utilizar la distancia euclidiana. El procedimiento se ejemplifica grficamente en
el diagrama de dispersin de la Fig. 70. Por razones de simplicidad la representacin la hacemos tomando slo dos bandas
(Banda I y Banda II), pero debe tenerse en cuenta que cuando el procedimiento se implementa numricamente puede
generalizarse para cualquier nmero de bandas

Un pixel a de identidad desconocida, ser adjudicado a una dada clase computando

las distancias euclidianas entre el pixel y el centroide de cada clase. Aunque simple desde el punto de vista computacional
este algoritmo tiene ciertas limitaciones, entre ellas la insensibilidad a los diferentes grados de varianza en las respuestas
espectrales de las diferentes clases.

As por ejemplo el punto b en la Fig. 70 clasificador lo adjudicara a clase 3, aunque la mayor variabilidad de la clase 1 nos

1 de 5 18/10/2017 12:52
Imgenes satelitales: clasificacin supervisada http://www.teledet.com.uy/tutorial-imagenes-satelitales/clasificacion-sup...

hace pensar que tal vez sera ms realista adjudicarlo a sta.. Por tal motivo este clasificador no es muy apropiado para
aquellos casos en que las clases espectrales estn muy prximas entre s en el espacio de medida y a la vez tienen elevadas
varianzas.

9.4.1.2 Clasificador por paraleleppedos.

Este clasificador se implementa definiendo un subespacio en forma de paraleleppedo (es decir, un hiper-rectngulo) para
cada clase. En este procedimiento se introduce sensibilidad respecto a la varianza de las clases. En efecto, los lmites de
cada paraleleppedo son definidos por el rango de valores para cada rea de entrenamiento, o sea por los nmeros digitales
mximo y mnimo para dicha rea. Alternativamente, dichos lmites pueden definirse tomando cierto nmero de
desviaciones standard para ambos lados de la media del rea de entrenamiento. En este caso la regla de decisin es que el
pixel de identidad desconocida caiga dentro de alguno de los paraleleppedos para adjudicarlo a la correspondiente clase.
Un ejemplo de la aplicacin de este clasificador en el caso sencillo de un diagrama de dispersin de slo dos bandas se
presenta en la Fig. 71:

Este clasificador es rpido y fcil de implementar. Tiene sin embargo fuentes de error asociadas al relativamente frecuente
solapamiento de los paraleleppedos: un pixel puede caer dentro de ms de un paraleleppedo si stos se solapan. Puede
darse tambin el caso de que no caiga en ninguno. Estos factores quitan robustez al clasificador.

<< PAGINA ANTERIOR - INDICE DEL TUTORIAL - PAGINA SIGUIENTE >>

2 de 5 18/10/2017 12:52
Imgenes satelitales: clasificacin supervisada http://www.teledet.com.uy/tutorial-imagenes-satelitales/clasificacion-sup...

INDICE DEL TUTORIAL:

1- INTRODUCCION A LA PERCEPCION REMOTA

2. NATURALEZA DE LAS RADIACIONES ELECTROMAGNTICAS

3. INTERACCION DE LA RADIACION CON LA MATERIA Y ORIGEN DE LOS ESPECTROS

4. INTERACCION DE LAS RADIACIONES CON LOS OBJETOS DE LA SUPERFICIE TERRESTRE.

INTERACCION DE LAS RADIACIONES CON LOS OBJETOS DE LA SUPERFICIE TERRESTRE (continuacin)
LA REFLECTANCIA EN LOS VEGETALES
LA REFLECTANCIA EN EL AGUA

5. INTERACCIONES ATMOSFERICAS

6. LA ADQUISICION DE DATOS Y LAS PLATAFORMAS SATELITALES

LA ADQUISICION DE DATOS Y LAS PLATAFORMAS SATELITALES (continuacin)
SATELITES METEOROLOGICOS Y AGROMETEOROLOGICOS
LOS NUEVOS SATELITES PARA LA OBSERVACION DE LA TIERRA
RECEPCION Y TRANSMISION DE LA INFORMACION SATELITAL

7. SENSORES
7.1. Consideraciones generales
SENSORES (continuacin)
7.2 Naturaleza de los detectores
SENSORES: BANDAS ESPECTRALES LANDSAT TM y SPOT HRVIR
7.3 Estudio de dos casos: LANDSAT y SPOT
7.4 Resolucin
7.4.1 Resolucin espacial
7.4.2 Resolucin espectral
7.4.3 Resolucin radiomtrica
7.4.4 Resolucin temporal
7.5 Escala y resolucin espacial.

8. ESTRUCTURA DE LAS IMGENES DIGITALES

ESTRUCTURA DE LAS IMAGENES DIGITALES (continuacin)

9. PROCESAMIENTO DE LAS IMGENES SATELITALES

PROCESAMIENTO DE LAS IMAGENES SATELITALES (continuacin)
9.2 Realces
9.2.2 Filtrado espacial

3 de 5 18/10/2017 12:52
Imgenes satelitales: clasificacin supervisada http://www.teledet.com.uy/tutorial-imagenes-satelitales/clasificacion-sup...

9.2.3 Anlisis por Componentes Principales

9.2.4 Combinaciones de color
Combinaciones de color (continuacin)
IMAGENES SATELITALES - CLASIFICACION
9.3 Clasificacin
Clasificacin (continuacin)
9.4.1 Clasificacin supervisada
9.4.1.2 Clasificador por paraleleppedos.
9.4.1.3 Clasificador por mxima probabilidad (maximum likelihood)
Clasificador por mxima probabilidad (maximum likelihood) - (continuacin)
9.3.2 Clasificacin no supervisada
9.3.3 Estimacin de la exactitud de una clasificacin: Matriz de confusin
Estimacin de la exactitud de una clasificacin: Matriz de confusin (continuacin)
9.3.4 Otros mtodos de clasificacin
9.3.4.1. Clasificador de red neuronal artificial
Clasificador de red neuronal artificial (continuacin)
9.3.4.2 Clasificadores difusos (fuzzy classifiers)

10. ALGUNAS APLICACIONES DE LA PERCEPCION REMOTA

10.1 Aplicaciones en Agricultura.
10.1.2 Indices N-dimensionales Tasseled Cap
10.1.3 Indices de vegetacin a partir de imgenes hiperespectrales
10.2.1 Generalidades sobre el infrarrojo trmico
10.2.2 Aplicaciones del infrarrojo trmico
10.2.2.1 Temperatura del mar
10.2.2.2 Temperatura terrestre
10.3 Monitoreo de reas de desastre
10.3.1 Algunos ejemplos tpicos
10.3.2 El monitoreo a escala global de desastres

APENDICE I : NOCIONES BASICAS SOBRE SENSORES DE RADAR

APENDICE II: BIBLIOGRAFIA SUGERIDA

OTROS ITEMS DE INTERES

Galera de imgenes Plataformas de observacin Aeropuertos del mundo

Imgenes satelitales y seguros Qu es la resolucin? Petrleo

Forestacin Estudios de viabilidad Mercados de futuros

Cultivo del arroz Nuestra misin Nuestros servicios

Qu es la percepcin remota? Qu es una imagen satelital? Uso del GPS

Estacin rastreadora Pasturas Monitoreo de incendios

Sequas Recursos naturales Cultivo del tabaco

4 de 5 18/10/2017 12:52
Imgenes satelitales: clasificacin supervisada http://www.teledet.com.uy/tutorial-imagenes-satelitales/clasificacion-sup...

5 de 5 18/10/2017 12:52