Clasificacin No Supervisada ArcGIS 9.

2
Autor: Luis Sadeck - Brasil Adaptado y Traducido por: Armando Rodriguez - Bolivia RED de GEOBlogs - 2010

Estimados colegas, conforme a lo solicitado en este tutorial se presentar como realizar una clasificacin no supervisada con este fin podemos recordar que una Clasificacin no Supervisada no establece ninguna clase a priori, aunque es necesario determinar el nmero de clases que queremos establecer, y dejar que las defina un procedimiento estadstico o clases correspondientes a la escena. El proceso de clasificacin significa agrupar objetos iguales y separar los objetivos diferentes., En la definicin matemtica, utiliza el espacio de atributos ("feature space "), que es esencial para entender la clasificacin de imgenes multiespectrales. En el procesamiento digital, cada eje de este espacio se asignan los niveles de gris de una determinada banda del espectro. Entonces veamos el procedimiento. Abra la imagen que desea clasificar haciendo clic en Add Data.

Despus abra el ArcToolBox

dirjase a Spatial Analyst Tools > Multivariate >

Iso Cluster. En este tipo de clasificacin, las clases se determinan mediante anlisis de clusters (conglomerados o grupos similares).

En Input Raster Bands, coloque la imagen a ser clasificada, en Output Signature File el software le dar un nombre y ubicacin, seleccione la direccin que Ud elija, sin olvidarse de poner la extensin *.gsg. En Number of Classes, despus de dar un vistazo a la imagen con el fin de conocer la variabilidad espacial, se puede elegir el valor, para nuestro ejemplo usamos 10 clases, el Number of Iterations sirve para que el programa realice iteraciones para calcular y clasificar mejor los pxeles, teniendo en cuenta los valores medios, por tanto se usar nueve iteraciones. En Minimum Class Size y en Sample Interval no cambiamos nada, dejamos valores por defecto. Una vez llenos estos campos mandamos a correr el proceso. Una vez terminado, el archivo que se genero en este paso ser utilizado en la clasificacin. Ahora vamos a Spatial Analyst Tools > Multivariate > Maximum Likelihood Classification.

En Input Raster Bands, coloque a imagen a ser clasificada, en Input Signature File localice el archivo que se genero en el procedimiento anterior, en Output Classifield Raster, cambie la direccin si es necesario, para rechazar fracciones menores a el rea del pxeles, se cambia el valor en Reject Fraction, dejar el resto por defult y ejecutar la clasificacin.

Despus de completarse la clasificacin al desplegar la imagen se debera mostrar con colores arbitrarios, ahora es slo determinar la correspondencia a cada clases, es decir color azul a los cuerpos de agua, bosque de color verde, etc... el resultado de esta clasificacin seria la siguiente.

Recordar que esta clasificacin es aplicado sin supervisin de clases, por tanto, se puede generar algunos errores de omisin o comisin, para limpiar o mejorar la clasificacin se pueden usar algunos filtros, esto ser objeto de otro tutorial.
Para ms detalles tcnicos, revise la bibliografa Tou, J. T. and R. C. Gonzalez, 1974. Pattern Recognition Principles, Addison-Wesley Publishing Company, Reading, Massachusetts.

Esperamos que este tutorial haya sido de utilidad para Uds, cualquier interrogante o ayuda que necesiten no duden en entrar en contacto a las siguientes direcciones:

Brasil

Bolivia

Mensaje: Si conoces a los dems y te conoces a ti mismo, ni en cien batallas corrers peligro; si no conoces a los dems, pero te conoces a ti mismo, perders una batalla y ganars otra; si no conoces a los dems ni te conoces a ti mismo, corrers peligro en cada batalla (Sun Tzu).

SADECK GEOTECNOLOGIAS - Tutoriales en Portugus http://geotecnologias.wordpress.com/ Esta obra est licenciada bajo una bajo una Licencia Creative Commons ARM GEOINFORMACION - Tutoriales en Espaol http://geoinformacion.wordpress.com/