CLASIFICACIÓN DE IMÁGENES

El objetivo de una clasificación consiste en agrupar los píxeles que posean una misma
característica. Generalmente la característica tomada es el valor digital de los mismos, que se
corresponderá a un tipo de cobertura del terreno.

Básicamente, la clasificación digital de imágenes satelitales consiste en un método estadístico por

el cual, a través de un muestreo de píxeles, se agrupa en categorías o clases al resto de los píxeles
de una imagen.

Los métodos de clasificación pueden agruparse en:

 · Clasificación Supervisada

La clasificación supervisada consiste en conocer a priori las categorías en las cuales se quiere
separar la imagen, y para ello se debe validar el muestreo de píxeles con un trabajo de campo.

 · Clasificación No Supervisada

En cambio, en la clasificación no supervisada no se conocen las clases a separar, por lo tanto se

debe determinar en cuantas clases se quiere separar la imagen y el ordenador definirá las clases.
La labor posterior es identificar, con trabajo a campo, a que cobertura pertenece cada clase. El
problema de este método es que no toma en cuenta la variabilidad que tiene cada clase. Por
ejemplo, la variabilidad espectral de un pastizal natural en mucho mayor que la variabilidad de un
cuerpo de agua profundo y transparente.

Para la Clasificación supervisada en nuestro ejercicio práctico haremos los siguientes pasos.

1. Desplegar de la barra de herramientas la barra correspondiente a la Clasificación de

Imagen.

La barra de herramientas contiene herramientas interactivas para crear muestras de formación y

archivos de firma. Algunas herramientas de clasificación de uso común del conjunto de
herramientas Multivariante de la caja de herramientas Spatial Analyst se exponen también a
través de esta barra de herramientas
2. Ingresamos la imagen a clasificar, ya georreferenciada. Si la imagen no tiene sistema
espacial aplicar el proceso de georreferenciación.
3. Seleccionamos “Herramientas de dibujo de ejemplos de formación” (Training sample
drawing tools”, acá podemos desplegar para escoger entre cuatro herramientas para crear
ejemplos de formación como polígonos, rectángulos, círculos y segmentos. Las
herramientas de edición de ejemplos de formación se muestran en la siguiente imagen.

4. Dibujamos sobre el raster las clases que sean necesarias (Preferiblemente 5), donde se
aprecie mejor las características de cada clase que deseemos mostrar en nuestro
proyecto. Dentro de las clases que trabajaremos se incluyen: Bosques, lago o rio: zona
residencial y playa.

5. Posteriormente abriremos El “Administrador de muestras de capacitación” (Training

Sample Manager), este es el mecanismo para administrar las muestras de capacitación.
Con él, se puede editar el nombre y el valor de la clase, combinar y dividir clases, eliminar
clases, cambiar el color de visualización, cargar y guardar muestras de capacitación,
evaluar muestras de capacitación y crear un archivo de firma.

6. Luego de tener varios polígonos sobre una misma clase seleccionamos la opción fusionar
, para agrupar las muestras de capacitación seleccionadas en una única muestra. Lo
mismo con cada clase. (Entre más polígonos dibujemos para cada clase, mayor
confiabilidad tendrá nuestro raster de salida).
 7. Al tener todas las clases le damos en la opción “Crear archivo de firma”, . Y le asignamos
el nombre Clases. Este guardará un archivo con la extensión “.gsg”.

8. Ingresamos en la opción Clasificacion de máxima verosimilitud (Maximum likelihood

classification) y configuramos según corresponda

Bandas del ráster de entrada: cluster.img

Archivo de firma de entrada: clases.gsg

Ráster multibanda de salida: Clasifiacion

Fracción de rechazo: 0,01

Ponderación de la probabilidad a priori: EQUAL

Archivo de probabilidades a priori de entrada: Dejamos tal cual.

Ráster de confianza de salida: Dejamos tal cual.

9. Guarde el proyecto y compare.

Para la Clasificación no supervisada en nuestro ejercicio práctico haremos los siguientes pasos.

1. Desplegar de la barra de herramientas la barra correspondiente a la Clasificación de

Imagen.
2. Ingresamos en la opción Clasificación no supervisada de cluster ISO y configuramos según
corresponda ingresando la imagen a procesar y el numero de clases de salida.