Trabajo Final

Procesamiento Matemático
Trabajo Final. Imagen Landsat de Barranca y Digital de Imágenes

Trabajo Final: Imagen Landsat de

Barrancabermeja.
Presentado a:
ORLANDO RIAÑO
Presentado por:
LUIS MIGUEL CHOCONTA MORALES 20122094006

ANDRÉS ALEJANDRO FIGUEROA LOZANO 20122094008
LUZ ALEJANDRA GÓMEZ GALLEGO 20122094013
ELIZABETH LOZANO MOGOLLÓN 20122094015
Universidad Distrital “Francisco José de Caldas”

Especialización en SIG
Procesamiento Matemático y Digital de Imágenes
Bogotá D.C
2013

TABLA DE CONTENIDO

INTRODUCCIÓN 3
TRABAJO FINAL: IMAGEN LANDSAT DE BARRANCABERMEJA 4
1. ANÁLISIS ESTADÍSTICO UNIBANDA Y MULTIBANDA. 4
1.1. Análisis Estadístico Unibanda. 4
1.2. Análisis Estadístico Multibanda. 7
2. MEJORAMIENTOS VISUALES 9
2.1. Comparación del histograma de la banda 1 con el método de mejoramiento visual de
expansión lineal total (Stretch). 0
2.2. Ecualización del histograma, empleando el método de ecualización para cada banda a
10 intervalos el resultado es el siguiente: 15
3. CORRECCIÓN ATMOSFÉRICA 18
3.1. Histogramas antes del Procesamiento 18
3.2. Histogramas después del Procesamiento 19
4. SEGMENTACIÓN POR INTERVALOS 21
5. AL MENOS DOS COMPOSICIONES DE COLOR EN LAS QUE SE MUESTRE LA
INTERPRETACIÓN DE LOS COLORES QUE SE OBTIENEN. 22
6. ÍNDICE DE VEGETACIÓN (IV) E ÍNDICE DE VEGETACIÓN DE DIFERENCIA
NORMALIZADO (IVDN). 24
7. ANÁLISIS DE COMPONENTES PRINCIPALES CON LA INTERPRETACIÓN DE LOS
VECTORES PROPIOS Y VALORES PROPIOS 26
8. IMAGEN CON LAS ZONAS DE ENTRENAMIENTO SUPERPUESTAS 27
9. CLASIFICACIÓN NO SUPERVISADA CON SU RESPECTIVO ANÁLISIS Y LEYENDA. 29
10. AL MENOS DOS CLASIFICACIONES SUPERVISADAS PARA PODER EVALUAR LOS
PRODUCTOS OBTENIDOS EN 9 Y 10. 30
10.1. Box classifier (Con un factor de 2,2) 30
10.2. Mínima distancia 31
10.3. Máxima verosimilitud 31
11. ANÁLISIS ESPACIAL 32
11.1. Introducción 32
11.2. Metodología 32
11.3. Modelo de Análisis Espacial 32
11.4. Descripción de Parámetros 33
11.5. Análisis de Resultados 33
11.6. Fuente de la Información: 34
11.7. Servicios WFS: 35
CONCLUSIONES 36
BIBLIOGRAFÍA 37

INTRODUCCIÓN
El siguiente proyecto se elaboró con una imagen Landsat descargada de la página de la

Universidad de Maryland, con Path 8 y Row 88, fecha de adquisición 14-08-1991, por la
organización USGS. Para el análisis se utilizó un área de interés localizado en el
municipio de Barrancabermeja en el departamento de Santander. La zona consta de
diversas coberturas como Drenajes, Vegetación, Zonas de extracción de hidrocarburos,
vías de acceso primarias y secundarias.
Para el análisis de los diferentes elementos del proceso digital y matemático de la imagen
Landsat, se utilizó el Software Ilwis 3.3. Academic, y para la edición y estructuración del
presente proyecto el paquete de edición Office 2010. En la adquisición de información
temática para el análisis espacial se utilizó el software Quantum 1.8 Lisboa y los servicios
WFS de la página web del Instituto Geográfico Agustín Codazzi para su correcta
localización.
Para la zona de interés se cortó la imagen de satélite Landsat, determinando dicha zona
de interés mediante una imagen Quickbird para observar el detalle y asi poder determinar
qué zona dentro de la escena Landsat presentaba mayor cantidad de variedad y de
elementos geográficos, esto con el fin de evitar que la zona de estudio fuera homogénea
en sus características Físicas. La imagen Quickbird se utilizó únicamente para determinar
dicha zona de interés, ya que solo se poseía una combinación de dicha imagen y no los
archivos banda por banda que se requerían para el procesamiento digital de imágenes.

TRABAJO FINAL: IMAGEN LANDSAT DE BARRANCABERMEJA
1. ANÁLISIS ESTADÍSTICO UNIBANDA Y MULTIBANDA.

A continuación se realizan las estadísticas Unibanda y Multibanda para las imágenes
Landsat pertenecientes a la zona de Barrancabermeja, dichas imágenes corresponden a
las bandas 1, 2, 3, 4 y 5 y se les realizo un corte quedando un tamaño de 960 x 397
pixeles, obteniendo con ello 381.120 pixeles en total. Las estadísticas fueron obtenidas en
el software Ilwis versión 3.3 y se muestran todos los datos en dos archivos de Excel
llamados Estadistica_unibanda y Estadistica_multibanda, que se anexan al siguiente
trabajo. En este punto se hará un resumen de los resultados estadísticos y gráficos para
cada una de las bandas. Las imágenes de cada banda se representan en color pseudo a
través del software Ilwis.
1.1. Análisis Estadístico Unibanda.
En este ítem se mostraran los Estadísticos Unibanda para cada una de las bandas de la
imagen Landsat de Barrancabermeja, en ellas se hace un resumen de los resultados y
graficas generadas en el software Ilwis.
Banda 1: Estadísticas, intervalos, histograma e imágenes de la banda 1.
Tabla 1. Estadísticas Banda 1. Tabla 2. Intervalos Banda 1.

ESTADÍSTICAS INTERVALOS
Mínimo 89 0.0% int 89:158
Máximo 158 1.0% int 92:108
Media 98.97 5.0% int 94:104
Mediana 98 0.5% int 92:111
Moda 97 (55983) 2.0% int 93:107
Varianza 10,96 10.0% in 95:103
Desv.Est. 3,31

Figura 1. Histograma Banda 1. Figura 2. Imagen Banda 1.

BANDA 2: Estadísticas, intervalos, histograma e imágenes de la banda 2.

Mínimo 34 0.0% int 34: 81
Máximo 81 1.0% int 37: 48
Media 41.39 5.0% int 38: 45
Mediana 41 0.5% int 37: 49
Moda 41 (83511) 2.0% int 37: 46
Varianza 4,71 10.0% in 38: 44
Desv.Est. 2,17


Mínimo 26 0.0% int 26: 96
Máximo 96 1.0% int 26: 96
Media 33.73 5.0% int 29: 40
Mediana 33 0.5% int 28: 50
Moda 30 (49897) 2.0% int 28: 43
Varianza 13,69 10.0% in 29: 37
Desv.Est. 3,70


Mínimo 32 0.0% int 32:128
Máximo 128 1.0% int 54:107
Media 89.30 5.0% int 75:102
Mediana 90 0.5% int 42:109
Moda 90 (21984) 2.0% int 65:105
Varianza 85,01 10.0% in 79: 99
Desv.Est. 9,22
Figura 7. Histograma Banda 4.

Figura 8. Imagen Banda 4.


Mínimo 11 0.0% int 11:165
Máximo 165 1.0% int 36:106
Media 71.44 5.0% int 54: 93
Mediana 70 0.5% int 16:112
Moda 68 (14547) 2.0% int 48:101
Varianza 167,70 10.0% in 57: 87
Desv.Est. 12,95
Figura 9. Histograma Banda 5.

Figura 10. Imagen Banda 5.
Análisis de las estadísticas: Se observa a partir de todos los estadísticos de cada una
de las bandas que la banda que tiene mayor variabilidad es la banda 5 ya que presenta
una rango de 11 a 165, mostrando una distribución de los ND, esto también se puede
observar en el histograma de dicha banda y la banda que muestra menor variabilidad es
la 2 entre un rango de 34 a 81en la distribución de los ND.
1.2. Análisis Estadístico Multibanda.
Tabla 11. Matriz de Correlación.

MATRIZ DE CORRELACIÓN
b1_corte b2_corte b3_corte b4_corte b5_corte
BANDAS quickbird quickbird quickbird quickbird quickbird
b1_corte quickbird 1.00 0.85 0.84 -0.11 0.49
b2_corte quickbird 0.85 1.00 0.90 0.01 0.60
b4_corte quickbird -0.11 0.01 -0.19 1.00 0.36
En la matriz de correlación se puede analizar que para las bandas 2 y 3 se presenta una
alta correlación con un valor de 0.90, las bandas 3 y 4 indican una correlación negativa

fuerte con un valor de correlación de -0.19 y las bandas 2 y 4 exhiben una correlación
débil con un valor de 0.01. Los datos anteriormente mencionados se observan en la tabla
11, los cuales se resaltan en color amarillo.
Tabla 12. Valores de la media en cada banda.

MEDIA POR BANDA
quickbird quickbird quickbird quickbird quickbird
98.97 41.39 33.73 89.30 71.44
Tabla 13. Desviación Estándar en cada banda.

DESVIACIÓN ESTÁNDAR POR BANDA
3.31 2.17 3.70 9.22 12.95
Tabla 14. Matriz Varianza_Covarianza.

MATRIZ DE VARIANZA_COVARIANZA
BANDAS
b4_corte quickbird -3.51 0.23 -6.60 85.04 43.36
En la matriz de Varianza_Covarianza se observa que las bandas con mayor correlación

positiva son la 55 con 167.72, las que tienen mayor correlación negativa son 34 con -6.60
y las que casi no presentan correlación son las bandas 24 con 0.23. dichos valores se
observan en la tabla 14 y se destacan en color amarillo.
Tabla 15. OIF.
COMBINACIÓN DE BANDAS OIF
b1_corte quickbird b4_corte quickbird b5_corte quickbird 34.49
La mejor combinación de bandas es la 145, según el OIF que tiene menor valor el cual
corresponde a 34.49, este se indica en la tabla 15 en color amarillo. Se muestra dicha
combinación en la figura 11 y se puede observar cómo se diferencian las distintas
coberturas de la imagen, destacándose en color rojo el agua, en verde la vegetación, los
ríos en negro, entre otros.

Figura 11. Combinación 145 (mayor OIF)
2. MEJORAMIENTOS VISUALES
El principal objetivo de las técnicas de mejoramiento de imagen es procesar una imagen
con el fin de hacerla más adecuada para una determinada aplicación o procesamiento
posterior. De acuerdo a la necesidad que se identifique al momento de resaltar o enfocar
la atención sobre la imagen, es cuando se decide emplear una u otra técnica.
Los métodos de mejora de la imagen se clasificarían principalmente en dos campos:
 Métodos en el dominio frecuencial: modifican la transformada de Fourier de la

imagen.
 Métodos en el dominio espacial: manipulan directamente sobre los pixeles de la
imagen.
La expansión lineal es la forma más elemental de ajustar el contraste de una imagen al

permitido por el equipo de visualización. A partir de diseñar una CLUT en la que el ND
(Nivel Digital) mínimo y máximo de la imagen tengan asociados un NV (Nivel Visual) de 0
a 255, respectivamente, distribuyendo linealmente el resto entre ambos márgenes.
El gráfico que permite ofrecer una descripción global de la apariencia de la imagen es su

histograma.
La ecualización de un histograma consiste en encontrar una transformación con la cual el

histograma tenga una representación uniforme, es decir, con la ecualización tratar de
igualar lo más posible el histograma de una imagen al histograma ideal.

Inicialmente se calculó el histograma correspondiente a cada banda sin mejoramiento

para posteriormente compararlo con los resultados de los métodos de extracción, en la
tablas 16 al 39 se observan los histogramas correspondientes.
Se generan cálculos de expansión lineal total (strecht) para cada banda al 1%-99%, 2%-
98% y 5%-95%, observando sus datos estadísticos como son la media, mediana,
desviación estándar, valor mínimo y máximo, como su histograma. Identificando su
comportamiento tanto visual en el contraste de la imagen resultado como en el histograma
en el agrupamiento y de los valores mínimos y máximos en 0 y 255.
En la ecualización del histograma se trabaja a un 1% a 10 intervalos en donde la

frecuencia de cada ND se distribuye para dar un contraste más próximo a una imagen del
mundo real para un usuario.

BANDAS BANDA 1 BANDA 2 BANDA 3 BANDA 4 BANDA 5
Imagen
Tabla 16. Comparación de las imágenes sin mejoramiento visual por cada banda, generadas empleando software ILWIS 3.8.2.0

BANDA 1 BANDA 2 BANDA 3

BA
ND
AS
80000 80000
50000
70000 70000
40000
60000 60000
Histograma
Number of pixels
Number of pixels
Number of pixels
30000 50000 50000
40000 40000
20000
30000 30000
10000 20000 20000
10000 10000
0
90 100 110 120 130 140 150 160
value 0 0
35 40 45 50 55 60 65 70 75 80 35 40 45 50 55 60 65 70 75 80
value value
Desviación Estándar Desviación Estándar Desviación Estándar

Media=98.97 =3.31 Media=41.39 =2.17 Media = 41.39 = 2.17
Mediana=98 Pred=97 (55983) Mediana=41 Pred=41 (83511) Mediana = 41 Pred=41 (83511)
0.0% int= 0.0% int= 34: 0.0% int= 34:
Datos estadísticos
89:158 0.5% int= 92:111 81 0.5% int= 37: 49 81 0.5% int= 37: 49
1.0% int= 1.0% int= 37: 1.0% int= 37:
92:108 2.0% int= 93:107 48 2.0% int= 37: 46 48 2.0% int= 37: 46
5.0% int= 5.0% int= 38: 5.0% int= 38:
94:104 10.0% int= 95:103 45 10.0% int= 38: 44 45 10.0% int= 38: 44
Min 1 Min 34 Min 34
Max 55983 Max 81 Max 81
Avg 6806 Avg 54 Avg 54
StD 14450 StD 12 StD 12
Sum 381120 Sum 2156 Sum 2156
Tabla 17. Comparación de los histogramas y estadísticas de cada banda sin mejoramiento visual, generadas empleando software ILWIS 3.8.2.0

BANDA 4 BANDA 5
BA
ND
AS
14000
20000
12000
15000 10000
Number of pixels
Histograma
Number of pixels
8000
10000
6000
4000
5000
2000
0 0
30 40 50 60 70 80 90 100 110 120 130 0 20 40 60 80 100 120 140 160
value value
Desviación Estándar = Desviación estándar =

Media = 89.30 9.22 Media = 71.44 12.95
Mediana = 90 Pred=90 (21984) Mediana = 70 Pred=68 (14547)
Datos estadísticos
0.0% int= 32:128 0.5% int= 42:109 0.0% int= 11:165 0.5% int= 16:112
1.0% int= 54:107 2.0% int= 65:105 1.0% int= 36:106 2.0% int= 48:101
5.0% int= 75:102 10.0% int= 79: 99 5.0% int= 54: 93 10.0% int= 57: 87
Min 32 Min 11
Max 128 Max 165
Avg 80 Avg 81
StD 28 StD 41
Sum 7635 Sum 11313
Tabla 18. Continuación.
2.1. Comparación del histograma de la banda 1 con el método de mejoramiento
visual de expansión lineal total (Stretch).
BANDA 1 (Original) BANDA 1 (Stretch al 1% - 99%)
Imagen
50000
50000
40000
Number of pixels
40000
30000
Histograma
Number of pixels
20000 30000
10000
20000
0
90 100 110 120 130 140 150 160
value
10000
0
0 50 100 150 200 250
Desviación Estándar Desviación estándar

Media=98.97 =3.31 Media = 110.50 =49.14
Mediana=98 Pred=97 (55983) Mediana = 111 Pred=80 (55983)
0.0% int= 0.0% int=
Datos estadísticos
89:158 0.5% int= 92:111 0:255 0.5% int= 15:255

1.0% int= 1.0% int=
92:108 2.0% int= 93:107 16:254 2.0% int= 31:239
5.0% int= 5.0% int=
94:104 10.0% int= 95:103 47:206 10.0% int= 48:175
Min 1 Min 0
Max 55983 Max 55983
Avg 6806 Avg 1489
StD 14450 StD 7288
Sum 381120 Sum 381120
Tabla 19. Comparación de las imágenes, histogramas y estadísticas de la banda 1 con el Stretch al 1%,
generadas empleando software ILWIS 3.8.2.0
Trabajo final: Imagen Landsat Barrancabermeja. y Digital de Imágenes


Imagen
50000
50000
40000
Number of pixels
40000
30000
Histograma
Number of pixels
30000
20000
10000
20000
0
90 100 110 120 130 140 150 160
value 10000
0
0 50 100 150 200 250
Desviación Desviación estándar =

Media=98.97 Estándar =3.31 Media = 107.73 55.37
0.0% int= 0.0% int=
Datos estadísticos
89:158 0.5% int= 92:111 0:255 0.5% int= 17:255

1.0% int= 1.0% int=
92:108 2.0% int= 93:107 17:255 2.0% int= 18:254
5.0% int= 5.0% int=
94:104 10.0% int= 95:103 35:218 10.0% int= 54:182
Min 1 Min 0
Max 55983 Max 55983
Avg 6806 Avg 1489
StD 14450 StD 7302
Sum 381120 Sum 381120
generada empleando software ILWIS 3.8.2.0


Imagen
50000
50000
40000
Number of pixels
40000
30000
Histograma
Number of pixels
20000
30000
10000
20000
0
90 100 110 120 130 140 150 160
value
10000
0
0 50 100 150 200 250
Desviación Estándar
Media=98.97 =3.31 Desviación estándar
Mediana=98 Pred=97 (55983) Media = 122.97 = 70.28
0.0% int= Mediana = 127 Pred=77 (55983)
Datos estadísticos
89:158 0.5% int= 92:111

0.0% int= 0:255 0.5% int= 25:255
1.0% int=
92:108 2.0% int= 93:107 1.0% int= 25:255 2.0% int= 25:255
5.0% int= 5.0% int= 26:254 10.0% int= 50:230
94:104 10.0% int= 95:103 Min 0
Min 1 Max 55983
Max 55983 Avg 1489
Avg 6806 StD 7523
StD 14450 Sum 381120
Sum 381120


Imagen
80000
80000
70000
70000
60000
60000
Number of pixels
Histograma
50000
Number of pixels
50000
40000 40000
30000
30000
20000
20000
10000
0 10000
35 40 45 50 55 60 65 70 75 80
value
0
0 50 100 150 200 250

Media=41.39 =2.17 Media = 101.10 = 46.85
0.0% int= 34: 0.0% int=
Datos estadísticos
81 0.5% int= 37: 49 0:255 0.5% int= 22:255

1.0% int= 37: 1.0% int=
48 2.0% int= 37: 46 22:254 2.0% int= 22:231
5.0% int= 38: 5.0% int=
45 10.0% int= 38: 44 23:185 10.0% int= 45:162
Min 34 Min 0
Max 81 Max 83511
Avg 54 Avg 1489
StD 12 StD 9192
Sum 2156 Sum 381120


Imagen
80000
80000
70000
70000
60000
60000
Number of pixels
Histograma
50000
Number of pixels
50000
40000 40000
30000
30000
20000
20000
10000
0 10000
35 40 45 50 55 60 65 70 75 80
value
0
0 50 100 150 200 250

Media=41.39 =2.17 Media = 122.49 = 54.59
0.0% int= 34:
0.0% int= 0:255 0.5% int= 27:255
Datos estadísticos
81 0.5% int= 37: 49

1.0% int= 37: 1.0% int=
48 2.0% int= 37: 46 27:255 2.0% int= 27:254
5.0% int= 38: 5.0% int=
45 10.0% int= 38: 44 28:227 10.0% int= 56:198
Min 34 Min 0
Max 81 Max 83511
Avg 54 Avg 1489
StD 12 StD 9222
Sum 2156 Sum 381120


Imagen
80000
80000 70000
70000
60000
60000
Histograma
Number of pixels
50000
Number of pixels
50000
40000
40000
30000
30000
20000
10000 20000
0
35 40 45 50 55 60 65 70 75 80 10000
value
0
0 50 100 150 200 250

Media=41.39 =2.17 Media = 119.90 = 66.53
0.0% int= 34:
0.0% int= 0:255 0.5% int= 35:255
Datos estadísticos
81 0.5% int= 37: 49

1.0% int= 37: 1.0% int=
48 2.0% int= 37: 46 35:255 2.0% int= 35:255
5.0% int= 38: 5.0% int=
45 10.0% int= 38: 44 35:254 10.0% int= 36:219
Min 34 Min 0
Max 81 Max 83511
Avg 54 Avg 1489
StD 12 StD 9329
Sum 2156 Sum 381120


Imagen
50000
45000
80000
40000
70000
35000
60000
Histograma
Number of pixels
30000
Number of pixels
50000
40000 25000
30000
20000
20000
15000
10000
10000
0
35 40 45 50 55 60 65 70 75 80
value
5000
0
0 50 100 150 200 250
Desviación Desviación estándar =

Media = 41.39 Estándar = 2.17 Media = 80.42 48.18
0.0% int= 34: 0.0% int=
Datos estadísticos
81 0.5% int= 37: 49 0:255 0.5% int= 13:255

1.0% int= 37: 1.0% int=
48 2.0% int= 37: 46 13:254 2.0% int= 14:226
5.0% int= 38: 5.0% int=
45 10.0% int= 38: 44 27:170 10.0% int= 27:141
Min 34 Min 0
Max 81 Max 49897
Avg 54 Avg 1489
StD 12 StD 7339
Sum 2156 Sum 381120


Imagen
50000
45000
80000
40000
70000
35000
60000
Histograma
Number of pixels
30000
Number of pixels
50000
40000 25000
30000
20000
20000
15000
10000
10000
0
35 40 45 50 55 60 65 70 75 80
value
5000
0
0 50 100 150 200 250
Desviación Desviación estándar

Media = 41.39 Estándar = 2.17 Media = 95.55 = 55.03
0.0% int= 34: 0.0% int=
Datos estadísticos
81 0.5% int= 37: 49 0:255 0.5% int= 16:255

1.0% int= 37: 1.0% int=
48 2.0% int= 37: 46 16:255 2.0% int= 17:254
5.0% int= 38: 5.0% int=
45 10.0% int= 38: 44 33:204 10.0% int= 33:169
Min 34 Min 0.00
Max 81 Max 13.09
Avg 54 Avg 0.39
StD 12 StD 1.93
Sum 2156 Sum 99.97


Imagen
50000
45000
80000
40000
70000
35000
60000
Histograma
Number of pixels
30000
Number of pixels
50000
40000 25000
30000
20000
20000
15000
10000
10000
0
35 40 45 50 55 60 65 70 75 80
value
5000
0
0 50 100 150 200 250
Desviación Desviación Estándar

Media = 41.39 Estándar = 2.17 Media = 104.75 = 68.49
0.0% int= 34: 0.0% int=
Datos estadísticos
81 0.5% int= 37: 49 0:255 0.5% int= 22:255

1.0% int= 37: 1.0% int=
48 2.0% int= 37: 46 22:255 2.0% int= 22:255
5.0% int= 38: 5.0% int=
45 10.0% int= 38: 44 22:254 10.0% int= 23:209
Min 34 Min 0.00
Max 81 Max 13.09
Avg 54 Avg 0.39
StD 12 StD 1.96
Sum 2156 Sum 99.98


Imagen
20000
20000
15000
15000
Histograma
Number of pixels
Number of pixels
10000
10000
5000
5000
0
30 40 50 60 70 80 90 100 110 120 130
value
0
0 50 100 150 200 250
Desviación Estándar Desviación estándar =

Media = 89.30 = 9.22 Media = 170.22 41.37
0.0% int= 0.0% int=
Datos estadísticos
32:128 0.5% int= 42:109 0:255 0.5% int= 34:255

1.0% int= 1.0% int=
54:107 2.0% int= 65:105 53:254 2.0% int= 77:245
5.0% int= 5.0% int=
75:102 10.0% int= 79: 99 106:231 10.0% int= 125:217
Min 32 Min 0
Max 128 Max 21984
Avg 80 Avg 1489
StD 28 StD 4438
Sum 7635 Sum 381120


Imagen
20000
20000
15000
Number of pixels
15000
Histograma
Number of pixels
10000
10000
5000
5000
0
30 40 50 60 70 80 90 100 110 120 130
value
0
0 50 100 150 200 250

Media = 89.30 = 9.22 Media = 156.23 50.99
0.0% int= 0.0% int=
Datos estadísticos
32:128 0.5% int= 42:109 0:255 0.5% int= 19:255

1.0% int= 1.0% int=
54:107 2.0% int= 65:105 32:255 2.0% int= 51:254
5.0% int= 5.0% int=
75:102 10.0% int= 79: 99 82:236 10.0% int= 101:217
Min 32 Min 0
Max 128 Max 21984
Avg 80 Avg 1489
StD 28 StD 4481
Sum 7635 Sum 381120


Imagen
20000
20000
15000
15000
Histograma
Number of pixels
Number of pixels
10000
10000
5000
5000
0
30 40 50 60 70 80 90 100 110 120 130
value
0
0 50 100 150 200 250

Media = 89.30 = 9.22 Media = 138.84 66.52
0.0% int= 0.0% int=
Datos estadísticos
32:128 0.5% int= 42:109 0:255 0.5% int= 9:255

1.0% int= 1.0% int=
54:107 2.0% int= 65:105 18:255 2.0% int= 27:255
5.0% int= 5.0% int=
75:102 10.0% int= 79: 99 46:254 10.0% int= 66:227
Min 32 Min 0
Max 128 Max 21984
Avg 80 Avg 1489
StD 28 StD 4757
Sum 7635 Sum 381120


Imagen
14000
14000
12000
12000
10000
10000
Histograma
Number of pixels
Number of pixels
8000 8000
6000
6000
4000
4000
2000
0 2000
0 20 40 60 80 100 120 140 160
value
0
0 50 100 150 200 250
Desviación estándar = Media = Desviación estándar =

Media = 71.44 12.95 129.41 44.20
0.0% int= 0.0% int=
Datos estadísticos
11:165 0.5% int= 16:112 0:255 0.5% int= 35:255

1.0% int= 1.0% int=
36:106 2.0% int= 48:101 46:254 2.0% int= 57:237
5.0% int= 54: 5.0% int=
93 10.0% int= 57: 87 69:210 10.0% int= 80:188
Min 11 Min 0
Max 165 Max 14547
Avg 81 Avg 1489
StD 41 StD 3494
Sum 11313 Sum 381120


Imagen
14000
14000
12000
12000
10000
10000
Histograma
Number of pixels
Number of pixels
8000 8000
6000
6000
4000
4000
2000
0 2000
0 20 40 60 80 100 120 140 160
value
0
0 50 100 150 200 250
Desviación estándar = Desviación estándar =

Media = 71.44 12.95 Media = 113.48 55.61
0.0% int= 0.0% int=
Datos estadísticos
11:165 0.5% int= 16:112 0:255 0.5% int= 10:255

1.0% int= 1.0% int=
36:106 2.0% int= 48:101 18:255 2.0% int= 24:254
5.0% int= 54: 5.0% int=
93 10.0% int= 57: 87 37:220 10.0% int= 52:191
Min 11 Min 0
Max 165 Max 14547
Avg 81 Avg 1489
StD 41 StD 3542
Sum 11313 Sum 381120


Imagen
20000
14000
12000
15000
10000
Histograma
Number of pixels
Number of pixels
8000
10000
6000
4000
2000 5000
0
0 20 40 60 80 100 120 140 160
value
0
0 50 100 150 200 250
Desviación estándar = Desviación estándar =

Media = 71.44 12.95 Media = 114.30 69.48
0.0% int= 0.0% int=
Datos estadísticos
11:165 0.5% int= 16:112 0:255 0.5% int= 6:255

1.0% int= 1.0% int=
36:106 2.0% int= 48:101 7:255 2.0% int= 12:255
5.0% int= 54: 5.0% int=
93 10.0% int= 57: 87 25:254 10.0% int= 38:221
Min 11 Min 0
Max 165 Max 21577
Avg 81 Avg 1489
StD 41 StD 3885
Sum 11313 Sum 381120

2.2. Ecualización del histograma, empleando el método de ecualización para cada

banda a 10 intervalos el resultado es el siguiente:
Banda 1 Banda 2 Banda 3 Banda 4 Banda 5
Tabla 34. Comparación de las imágenes de las cinco bandas empleando el método de ecualización del
histograma, generadas empleando software ILWIS 3.8.2.0
Histograma Datos estadísticos
Desviación estándar =
50000
Media = 5.36 2.89
Mediana = 5 Pred=3 (55983)
40000 0.0% int=
1:10 0.5% int= 1:10
Number of pixels
1.0% int=
BANDA 1
30000
1:10 2.0% int= 1:10

20000
5.0% int= 1: 9 10.0% int= 1: 9
Min 1
10000 Max 10
Avg 6
0
0 1 2 3 4 5 6 7 8 9 10 StD 3
value
Sum 51
Tabla 35. Histograma y datos estadísticos de la Banda 1 empleando el método de ecualización del

Desviacion estandar =
Media = 5.47 2.75
80000 Mediana = 5 Pred=5 (83511)
70000 0.0% int=
1:10 0.5% int= 1:10
Number of pixels
60000
50000 1.0% int=
BANDA 2
40000 1:10 2.0% int= 1:10

30000 5.0% int= 1:
20000 9 10.0% int= 1: 9
10000
Min 21983
0
0 1 2 3 4 5 6 7 8 9 10 Max 83511
value
Avg 54446
StD 24639
Sum 381120
60000
Media = 5.60 2.80
50000
0.0% int=
1:10 0.5% int= 1:10
40000
1.0% int=
Number of pixels
BANDA 3
30000
1:10 2.0% int= 1:10
5.0% int=
20000
1:10 10.0% int= 1: 9
Min 1
10000
Max 10
0
Avg 5
0 1 2 3 4 5 6 7 8 9 10
value
StD 3
Sum 49
Tabla 37. Histograma y datos estadísticos de la Banda 3empleando el método de ecualización del

45000 Desviación estándar =

Media = 5.50 2.88
40000
35000
0.0% int=
30000
1:10 0.5% int= 1:10
Number of pixels
1.0% int=
BANDA 4
25000
1:10 2.0% int= 1:10
20000 5.0% int= 1:
15000
9 10.0% int= 1: 9
Min 1
10000
Max 10
5000
Avg 6
0
0 1 2 3 4 5
value
6 7 8 9 10 StD 3
Sum 55
40000
35000
Media = 5.54 2.84
30000 0.0% int=
1:10 0.5% int= 1:10
Number of pixels
25000
1.0% int=
BANDA 5
1:10 2.0% int= 1:10

20000
5.0% int=
15000 1:10 10.0% int= 1: 9
Min 1
10000
Max 10
5000 Avg 6
0
StD 3
0 1 2 3 4 5 6 7 8 9 10
value Sum 55

3. CORRECCIÓN ATMOSFÉRICA

Se realiza una corrección atmosférica por valor mínimo en que se muestra a continuación
los histogramas de las Bandas 1, 2, 3, ya que son las bandas que sufre dispersión
únicamente de una imagen Landsat 1991, área ubicada en el municipio de
Barrancabermeja, departamento de Santander.
3.1. Histogramas antes del Procesamiento
Figura 12. Banda 1; Perteneciente al rango del espectro visible.
Figura 13. Banda 2: Perteneciente al rango del espectro visible.


Figura 14. Banda 3: Perteneciente al rango del espectro visible.
3.2. Histogramas después del Procesamiento

Realizada la corrección atmosférica teniendo en cuanta la fórmula: ,
esto con el fin de ver que las medidas de tendencia central no se vean afectados por este
valor mínimo (m), y poder quitar la dispersión que sufren los datos debido a la atmosfera,
esto se realiza únicamente con las bandas del visible que son las que sufre dicho efecto
de dispersión.
Los cálculos que se realizaron se pueden observar en el archivo de Excel llamado

Corrección_Atmosferica, que se anexa al siguiente informe.

Banda 1: Perteneciente al rango del espectro visible. Se realizó la operación con m=89
como valor mínimo, obteniendo en la siguiente figura y tabla.
Figura 15. Corrección Atmosférica con m=89, banda 1.
Tabla 40. Resultado con m=89,

banda 1.
Tabla 41. Resultado con

m=34, banda 2.

Tabla 42. Resultado con m=34,

banda 3.
4. SEGMENTACIÓN POR INTERVALOS
Se procede a construir los intervalos de acuerdo a los valores más altos de cada
cobertura que se presentan en la banda 2, como se muestra a continuación en la figura
18.

Figura 18. Construcción de los intervalos de segmentación.


Posterior a construir los intervalos se asigna a estas categorías los dominios creados bajo
el nombre Slice, que la simbología de los colores serán los colores por defecto asignados
por el programa, rojo para vegetación espesa, amarillo para pastos y azul para suelo,
aunque es de aclarar que entre las categorías de pastos y suelo, hay valores que dichos
intervalos se sobre ponen haciéndose difícil la interpretación de dichas zonas con la
utilización de una interpretación unibanda. Ver figura 19.
Figura 19. Asignación de categorías.
5. AL MENOS DOS COMPOSICIONES DE COLOR EN LAS QUE SE MUESTRE LA

INTERPRETACIÓN DE LOS COLORES QUE SE OBTIENEN.

Empleando la herramienta de “Color Composite” de ILWIS a 24 bits en RGB, tomando

como insumos las imágenes con mejoramiento visual por el método de Strecht al 1%, y a
la vez comparando el uso de “Linear Stretching” con el uso de “Histogram Equalization”
los siguientes son los resultados:
Figura 20. Color Composite.


COMPOSICION RGB 123
Imagen generada con “Histogram Equalization” Imagen generada con “Linear Stretching”
Esta combinación de RGB permite identificar los trazados viales y tener una idea de la distribución
de las regiones de vegetación en contraste a las regiones urbanas.
Tabla 43. Composición RGB 123, generada empleando software ILWIS 3.8.2.0
COMPOSICION RGB 432
Los pixeles de tonos rojos tienen mayor intensidad por el uso de la banda 4 en el primer cañon de
color y menor en las dos restantes. La combinación RGB permite identificar más claramente por
las texturas, tonalidades, geometrías una clasificación más próxima de las coberturas vegetales, el
estado de los cultivos, de los bosques por ejemplo.

COMPOSICION RGB 321
Esta combinación RGB permite aproximar la salida visual al mundo real, identificando trazados
viales, bosques y zonas urbanas aunque a un nivel general.
6. ÍNDICE DE VEGETACIÓN (IV) E ÍNDICE DE VEGETACIÓN DE DIFERENCIA

NORMALIZADO (IVDN).
Para los cálculos del IV y IVDN, se usan las siguientes formulas:
Tabla 46. Fórmulas para el cálculo del IV e IVDN.

FORMULAS
IV
IVDN
Al realizar los correspondientes cálculos en el software ilwis se obtuvieron los siguientes

resultados:

Figura 21. IV (Índice de Figura 22. IV (Índice de Vegetación
Vegetación) de Diferencia Normalizado)
Se puede ver que la representación que se obtiene con el IVDN es mejor que el IV, ya
que en la IVDN se puede realizar una mejor discriminación de la cobertura vegetal,
además del análisis de las diferentes coberturas que conforman la imagen Quickbird de la
zona de Barrancabermeja.
Tabla 47. Reflectancia versus valores del índice.

B3 B4 IV IVDN
Vegetación verde 32 104 ? 0.51
Agua 37 35 0.95 -0.03
Suelo desnudo 46 44 0.96 -0.02
Comparando los ND de la Tmb4, Tmb3 y el mapa generado IVDN, los cuerpos de agua
en el mapa IVDN tienen valores negativos, en Tmb4 los valores son bajos mientras que
en Tmb3 sus valores se incrementan un poco más. Al igual que en los suelos
descubiertos se presenta valores negativos en el IVDN.

Figura 23. Lectura de los ND en las bandas 3 y 4 y los mapas de IV e IVDN.
Se observa que la vegetación en el mapa IVDN presenta un valor alto, dado que la escala
que posee este mapa va de -1 a 1.
Con estos valores se puede reafirmar que es mejor como se mencionó anteriormente,
para la discriminación de las coberturas vegetales el IVDN sobre el IV, ya que este
compensa las condiciones de iluminación, pendientes, orientación.
7. ANÁLISIS DE COMPONENTES PRINCIPALES CON LA INTERPRETACIÓN DE LOS

VECTORES PROPIOS Y VALORES PROPIOS

Tabla 48. Matriz de ACP.
MATRIZ DE ACP
PC1 0.110 0.092 0.144 0.354 0.913
PC2 -0.193 -0.108 -0.271 0.897 -0.271
PC3 -0.644 -0.382 -0.533 -0.255 0.299
PC4 -0.722 0.237 0.645 0.051 -0.059
PC5 -0.120 0.882 -0.453 -0.052 0.017

Este método, se utiliza para colapsar datos redundantes en menos capas. Este proceso
crea nuevas capas que no están correlacionadas, por ello se tiene nueva información.
Se observa que las primeras 3 componentes tienen la mayor información de la imagen,

mientras que las ultimas componentes describen solo pequeñas variaciones en la imagen
(ruido). Estas componentes son las que se utilizan para realizar mejores composiciones
de color. Para la componente 1 se despliega el color rojo, esta componente es la que
representa la información de brillo, ya que solo presenta valores positivos, la componente
2 resalta la vegetación ya que se presenta el valor más alto con 0.897 en la banda 4
(IRC), la cual es sensible a la vegetación y la componente 3 muestra el color azul, puesto

que se presenta el valor más alto en la banda 1 con un valor de -0.644, para destacar el
agua.
Tabla 49. Varianza por Banda.
VARIANZA POR BANDA
193.24 74.68 11.97 1.70 0.49

Tabla 50. Varianza Porcentajes por Banda
VARIANZA PORCENTAJES POR BANDA
68.50 26.48 4.24 0.60 0.17

8. IMAGEN CON LAS ZONAS DE ENTRENAMIENTO SUPERPUESTAS

Se creó un maplist con las bandas 2, 3 y 4 de Landsat para posteriormente hacer una
combinación 432 para su respectivo análisis.
Figura 24. Elaboración del maplist


Se crea la composición RGB 432
Figura 25. Composición RGB 432.
Imagen con las zonas de entrenamiento superpuestas: Agua, bosques, cultivos, suelos
desnudos y vegetación secundaria. Para cada clase se analiza el comportamiento de la
desviación estándar para observar la variabilidad de los datos.
Figura 26. Composición RGB 432.
En los siguientes espacios de capas se observa las reflectividad de las coberturas entre
las dos bandas, donde se observa que la vegetación es la que más absorbe y los suelos
desnudos o el área urbana los que más reflejan.

Figura 27. Análisis de los espacios de capas.
9. CLASIFICACIÓN NO SUPERVISADA CON SU RESPECTIVO ANÁLISIS Y LEYENDA.
Se realiza un mapa de clusters con las bandas 2, 3 y 4, con el mismo número de clases
que se van a usar para la clasificación supervisada que corresponde a 7 clases; el
resultado del mapa es el siguiente:
Figura 28. Resultado de la clasificación supervisada.


Figura 29. Combinación de RGB 432.
Se observa que hay una gran heterogeneidad (variabilidad) en la información, donde los
clusters son muy pequeños haciendo difícil la identificación y clasificación de los mismos.
10. AL MENOS DOS CLASIFICACIONES SUPERVISADAS PARA PODER EVALUAR LOS

PRODUCTOS OBTENIDOS EN 9 Y 10.
10.1. Box classifier (Con un factor de 2,2)
Figura 30. Clasificación de Box classifier.


10.2. Mínima distancia
Figura 31. Clasificación de máxima distancia.
10.3. Máxima verosimilitud
Figura 32. Clasificación de máxima verosimilitud.
En los tres resultados de clasificación supervisada se observa que son muchos más
precisos que con la no supervisada ya que los pixeles se agrupan de una forma más

homogénea porque durante el proceso de entrenamiento se tiene control de la

información. Las 7 clasificaciones: Agua, bosque, vegetación secundaria, cultivo 1, cultivo
2, suelo desnudo y área urbana se diferencian más claramente entre ellas.
11. ANÁLISIS ESPACIAL
Título del Proyecto: Análisis de las Variables Espaciales para la Preservación y

Conservación Ambiental en la Extracción de Hidrocarburos en la Zona de
Barrancabermeja, Departamento Santander.
11.1. Introducción
El presente análisis espacial pretende identificar y localizar los pozos que se encuentran
ubicados a una distancia de 100m con respecto a las vías pavimentadas y 50 m con los
drenajes permanentes. Esto con el fin que permita desarrollar estrategias para otras áreas
en planes de manejo y preservación ambiental. Es de mencionar que este análisis es
netamente académico, ya que la localización de los pozos y la información temática de la
zona, fueron adquiridas de manera gratuita.
11.2. Metodología
Se realiza el descargue de la información temática de la fuente que se menciona en este
trabajo, luego se digitalización los pozos que pertenecen al área de estudio.
Posteriormente se realiza un Modelo de Análisis Espacial para utilizar las herramientas
de geoprocesamiento del software Arcgis.
Una vez optimizado y ejecutado el modelo de análisis se procede a confirmar los datos
espacialmente en cuanto a su consistencia lógica y temática. Por último se analizan los
resultados encontrados.
11.3. Modelo de Análisis Espacial
A continuación se muestra el modelo que se utilizó para calcular los pozos de interés. Ver
figura 33.

Figura 33. Modelo Análisis de Pozos.
11.4. Descripción de Parámetros
Variables Independientes:
Drenaje Sencillo: hace referencia a los Drenajes presentes en la Zona de Estudio.

VIAS_T: vías pavimentadas presentes en la zona de estudio.
Herramientas:
Buffer: Crea un área de influencia de 100m para las vías y otra de 50m para drenajes.
Intersect: Intersecta dos capas o coberturas.
Variables Dependientes:
POZOS_FINAL_DERRAME: Pozos que están a una distancia igual o menor a 50m de un

drenaje permanente.
POZOS_FINAL _TRANSPORTE: Pozos que están a una distancia menor o igual a 100m
de una vía pavimentada.
11.5. Análisis de Resultados
 El modelo de análisis espacial arrojo que se encontraron 24 Pozos cercanos a

vías pavimentadas, con lo cual se evidencia que se requieren mejorar la
conectividad entre los pozos y el centro de refinamiento. Ya que en totalidad de los
pozos de la zona de estudio es de 181 pozos.
 Para el caso del manejo ambiental se encontraron 7 Pozos que están cercanos a
un drenaje permanente igual o menor a 50m, para lo cual se recomienda revisar
dichos pozos si cumplen con las especificaciones ambientales.

 La localización de los Pozos se realizó mediante la imagen de satélite, es por ello,

que se necesita una localización absoluta para mejorar la precisión de las áreas de
influencia. Sin embargo, su consistencia con los demás elementos cartográficos es
consistente y al realizar las operaciones de análisis espacial, se corroboro su
ubicación.
A continuación se resumen los resultados en la Tabla 51 y Tabla 52.
Tabla 51. Pozos final transporte.
POZOS_FINAL_TRANSPORTE
OBJECTID * VIA_TEDS COD_DEPART BUFF_DIST X Y ID_POZO
1 Pavimentada 68 100 1034775,694 1251347,095 CP138
2 Pavimentada 68 100 1034789,327 1255127,251 CP126
3 Pavimentada 68 100 1035524,435 1256364,725 CP140
4 Pavimentada 68 100 1035826,496 1257503,214 CP121
5 Pavimentada 68 100 1035294,281 1259388,388 CP195
6 Pavimentada 68 100 1034199,239 1259626,015 CP119
7 Pavimentada 68 100 1035513,789 1259955,844 CP154
8 Pavimentada 68 100 1036244,788 1260271,664 CP167
9 Pavimentada 68 100 1033649,044 1260658,372 CP111
10 Pavimentada 68 100 1036305,113 1261020,405 CP171
11 Pavimentada 68 100 1036195,108 1261144,604 CP170
12 Pavimentada 68 100 1033160,967 1262794,077 CP92
13 Pavimentada 68 100 1032655,142 1263214,119 CP67
14 Pavimentada 68 100 1032542,737 1263897,426 CP55
15 Pavimentada 68 100 1032471,744 1264412,125 CP49
16 Pavimentada 68 100 1032471,744 1264412,125 CP49
17 Pavimentada 68 100 1032471,744 1264412,125 CP49
18 Pavimentada 68 100 1032377,086 1264781,88 CP40
19 Pavimentada 68 100 1032385,961 1265181,216 CP29
20 Pavimentada 68 100 1033021,939 1265370,53 CP32
21 Pavimentada 68 100 1033030,813 1265799,446 CP18
22 Pavimentada 68 100 1032699,513 1265820,152 CP15
23 Pavimentada 68 100 1033060,394 1266112,998 CP16
24 Pavimentada 68 100 1032542,737 1266698,69 CP23
Tabla 52. Pozos final derrame.
POZOS_FINAL_DERRAME
OBJECTID * nombre_geografico pk_cue BUFF_DIST X Y ID_POZO
1 Caño El Cuarenta 1832604 0,00045 1035435,72 1260949,43 CP165
4 ND 1829372 0,00045 1032755,72 1262024,99 CP96
5 ND 1829372 0,00045 1032134,53 1262953,81 CP68
6 ND 1829372 0,00045 1031812,1 1263406,39 CP73
7 ND 1829372 0,00045 1031578,42 1263651,91 CP58
11.6. Fuente de la Información:
Para realizar el Análisis Espacial se utilizó información cartográfica temática de los

siguientes sitios para consumir los servicios WFS, de la zona de estudio que se utilizó

para el procesamiento de imágenes digitales de Barrancabermeja se contó con una

imagen de satélite Landasat como se mencionó en la introducción del presente trabajo y
con una imagen (Quickbird) para la creación de una capa de puntos que representa la
ubicación relativa de los pozos de extracción de hidrocarburos.
11.7. Servicios WFS:
 Cartografía Básica escala 1:500.000 (Cubrimiento Nacional)

-http://geocarto.igac.gov.co:8082/geoservicios/quinientos_mil/wfs
 Cartografía Básica escala 1:100.000 (Cubrimiento Nacional)

-http://geocarto.igac.gov.co:8082/geoservicios/cien_mil/wfs
 Cubrimientos de Información Disponible Subdirección de Geografía y

Cartografía
-http://geocarto.igac.gov.co:8080/geoservicios/cubrimientos/wfs
 Áreas de Reglamentación Especial

-http://geocarto.igac.gov.co:8082/geoservicios/sigm/wfs

CONCLUSIONES
 Gracias al análisis estadístico se puede realizar una mejor interpretación de los

datos, así como una diferenciación entre coberturas, al tener mejores métodos
para la combinación de las bandas. Esto se observó en el análisis estadístico tanto
unibanda como multibanda, que se le realizo a las imágenes Landsat de la región
de Barrancabermeja.
 Se demuestra que es mejor para la discriminación de coberturas vegetales, aplicar
el IVDN, ya que para este caso destaco la cobertura vegetal presente en la zona,
así como diferencio las demás coberturas de la escena Landsat.
 Se debe hacer muchas muestras de entrenamiento de la misma clase en
diferentes zonas para obtener resultados más precisos.
 La clasificación no supervisada tiene mucha variabilidad de los datos, haciendo
difícil su interpretación.
 La clasificación supervisada es mucho más preciso ya que tengo control sobre las
zonas que quiero clasificar, obteniendo un mejor resultado y con clases mucho
más homogéneas.
 Las imágenes mejoradas visualmente se guían de la percepción visual humana,
donde la evaluación de la calidad de una imagen es un proceso bastante subjetivo.
 Es difícil definir que es una buena imagen para la percepción visual humana, ya
que cada combinación de color ofrece herramientas distintas para identificar
ciertos rasgos o características importantes en el análisis de una imagen.
 Para un programa informático relacionado con la geomática, la evaluación de una
imagen es más acertada al proveer diagramas, datos estadísticos que ofrecen
argumentos más sólidos para decidir sobre el uso de un método más indicado
para el trabajo.


BIBLIOGRAFÍA
 Procesamiento Digital de Imágenes, Apuntes del curso impartido por el Dr.

Boris Escalante R. 6 de octubre de 2006.
 Definiciones en el mejoramiento de imagen, tomado de
www.innovanet.com.ar/ gis/TELEDETE/TELEDETE/Tradiimg.htm
 EMILIO CHUVIECO, Fundamentos de teledetección espacial Segunda
Edicion, Ediciones Rialp S.A. Madrid.

Trabajo Final

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Trabajo Final

Cargado por

Copyright:

Formatos disponibles

Procesamiento Matemático

Trabajo Final: Imagen Landsat de

LUIS MIGUEL CHOCONTA MORALES 20122094006

Universidad Distrital “Francisco José de Caldas”

El siguiente proyecto se elaboró con una imagen Landsat descargada de la página de la

TRABAJO FINAL: IMAGEN LANDSAT DE BARRANCABERMEJA

1. ANÁLISIS ESTADÍSTICO UNIBANDA Y MULTIBANDA.

1.1. Análisis Estadístico Unibanda.

Banda 1: Estadísticas, intervalos, histograma e imágenes de la banda 1.

Tabla 1. Estadísticas Banda 1. Tabla 2. Intervalos Banda 1.

BANDA 2: Estadísticas, intervalos, histograma e imágenes de la banda 2.

Tabla 3. Estadísticas Banda 2. Tabla 4. Intervalos Banda 2.

BANDA 3: Estadísticas, intervalos, histograma e imágenes de la banda 3.

Tabla 5. Estadísticas Banda 3. Tabla 6. Intervalos Banda 3.

BANDA 4: Estadísticas, intervalos, histograma e imágenes de la banda 4.

Tabla 7. Estadísticas Banda 4. Tabla 8. Intervalos Banda 4.

Figura 7. Histograma Banda 4.

BANDA 5: Estadísticas, intervalos, histograma e imágenes de la banda 5.

Tabla 9. Estadísticas Banda 5. Tabla 10. Intervalos Banda 5.

Figura 9. Histograma Banda 5.

1.2. Análisis Estadístico Multibanda.

Tabla 11. Matriz de Correlación.

Tabla 12. Valores de la media en cada banda.

Tabla 13. Desviación Estándar en cada banda.

Tabla 14. Matriz Varianza_Covarianza.

En la matriz de Varianza_Covarianza se observa que las bandas con mayor correlación

Los métodos de mejora de la imagen se clasificarían principalmente en dos campos:

 Métodos en el dominio frecuencial: modifican la transformada de Fourier de la

La expansión lineal es la forma más elemental de ajustar el contraste de una imagen al

El gráfico que permite ofrecer una descripción global de la apariencia de la imagen es su

La ecualización de un histograma consiste en encontrar una transformación con la cual el

Inicialmente se calculó el histograma correspondiente a cada banda sin mejoramiento

En la ecualización del histograma se trabaja a un 1% a 10 intervalos en donde la

BANDAS BANDA 1 BANDA 2 BANDA 3 BANDA 4 BANDA 5

BANDA 1 BANDA 2 BANDA 3

10000 20000 20000

Desviación Estándar Desviación Estándar Desviación Estándar

Desviación Estándar = Desviación estándar =

Desviación Estándar Desviación estándar

89:158 0.5% int= 92:111 0:255 0.5% int= 15:255

BANDA 1 (Original) BANDA 1 (Stretch al 2% - 98%)

Desviación Desviación estándar =

89:158 0.5% int= 92:111 0:255 0.5% int= 17:255

BANDA 1 (Original) BANDA 1 (Stretch al 5% - 95%)

89:158 0.5% int= 92:111

BANDA 2 (Original) BANDA 2 (Stretch al 1% - 99%)

Desviación Estándar Desviación estándar

81 0.5% int= 37: 49 0:255 0.5% int= 22:255

BANDA 2 (Original) BANDA 2 (Stretch al 2% - 98%)

Desviación Estándar Desviación estándar

81 0.5% int= 37: 49

BANDA 2 (Original) BANDA 2 (Stretch al 5% - 95%)

Desviación Estándar Desviación estándar

81 0.5% int= 37: 49

BANDA 3 (Original) BANDA 3 (Stretch al 1% - 99%)

Desviación Desviación estándar =

81 0.5% int= 37: 49 0:255 0.5% int= 13:255

BANDA 3 (Original) BANDA 3 (Stretch al 2% - 98%)

Desviación Desviación estándar

81 0.5% int= 37: 49 0:255 0.5% int= 16:255

BANDA 3 (Original) BANDA 3 (Stretch al 5% - 95%)

Desviación Desviación Estándar

81 0.5% int= 37: 49 0:255 0.5% int= 22:255