Procesamiento de imágenes digitales
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
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
Pasos generales para la clasificación digital
Definir el problema Identificar preguntas o hipótesis claras. Seleccionar área de estudio. Seleccionar clases o categorías a detectar. [Seleccionar tipo de dato telesensado.]
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.
Seleccionar clases y tipo de dato telesensado
Seleccionar clases y tipo de dato telesensado
Seleccionar clases y tipo de dato telesensado
Seleccionar clases y tipo de dato telesensado Criterios Características del telesensor Consideraciones ambientales Condiciones atmosféricas Condiciones del terreno Condiciones de organismos
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
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.
Proceso de agrupar
Proceso de agrupar
Proceso de agrupar
Proceso de agrupar
Uno de los algoritmos utilizados en Idrisi32 CLUSTER Uno de los algoritmos utilizados en Idrisi32
Picos y hombros en un histograma
ETM4
Composición de ETM2,3,4
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.
Grupos amplios vs. Grupos finos