Descargar la presentación
La descarga está en progreso. Por favor, espere
1
Procesamiento de imágenes digitales
2
Tipos generales de procesamiento
Pre-procesamiento para clasificación Corrección radiométrica Corrección geométrica Mejoramiento de imagen Mejoramiento de contraste (estiramiento de histograma) Filtración Transformaciones especiales Extracción de componentes principales Índices de vegetación
3
Tipos generales de procesamiento, cont.
Extracción de información temática Por interpretación visual Ej., fotointerpretación Por interpretación espectral Clasificación no-supervisada Clasificación supervisada Clasificación por inteligencia artificial Detección de cambios
4
Pasos generales para la clasificación digital
6
Definir el problema Identificar preguntas o hipótesis claras.
Seleccionar área de estudio. Seleccionar clases o categorías a detectar. [Seleccionar tipo de dato telesensado.]
7
Seleccionar clases y tipo de dato telesensado
Las características de los datos digitales (e.g., su resolución espacial) deben ser apropiadas para el nivel o jerarquía de clases deseado.
8
Seleccionar clases y tipo de dato telesensado
9
Seleccionar clases y tipo de dato telesensado
10
Seleccionar clases y tipo de dato telesensado
11
Seleccionar clases y tipo de dato telesensado
Criterios Características del telesensor Consideraciones ambientales Condiciones atmosféricas Condiciones del terreno Condiciones de organismos
12
Procesar imágenes Corregir imágenes
Seleccionar proceso de clasificación No supervisada Supervisada Con datos no-telesensados (datos auxiliares) Híbrida (Ej., no supervisada seguida de supervisada) Clasificar
13
Clasificación no supervisada
Extrae grupos de píxeles (clases espectrales) con características espectrales suficientemente similares entre sí mismos pero suficientemente distintos a los otros grupos. Los resultados son independientes de nuestro conocimiento sobre localización de tipos de cobertura en el área de estudio.
14
Proceso de agrupar
15
Proceso de agrupar
16
Proceso de agrupar
17
Proceso de agrupar
18
Uno de los algoritmos utilizados en Idrisi32
CLUSTER Uno de los algoritmos utilizados en Idrisi32
19
Picos y hombros en un histograma
20
ETM4
21
Composición de ETM2,3,4
22
Necesidad de seleccionar 3 bandas de mayor contenido de información
Utilizar PCA. Seleccionar bandas con alta correlación con los componentes principales. Evitar seleccionar bandas con alta correlación entre sí.
23
Grupos amplios vs. Grupos finos
Presentaciones similares
© 2024 SlidePlayer.es Inc.
All rights reserved.