Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Taller6 ValeriaMadariagaCuello
Taller6 ValeriaMadariagaCuello
Post procesamiento de la
clasificación de imágenes obtenida
Objetivo.
Post-procesar y evaluar cuantitativamente los resultados obtenidos de la clasificación de imágenes
utilizando el Coeficiente de Kappa de Cohen.
Metodología.
Para la realización de este taller se debió como mi primer paso, realizar un sondeo alrededor de
las distintas clasificaciones obtenidas en el taller anterior (taller 5) para escoger aquella con la que
se observó un mejor resultado, siendo esa la clasificación supervisada correspondiente al
algoritmo “Máxima probabilidad”.
En los parámetros se
puede elegir el tamaño
del umbral que
corresponde al tamaño
máximo del grupo de
pixeles que se van a
reemplazar o reclasificar
según la clasificación
circundante al grupo y
con conexión de pixeles
se puede elegir si los
pixeles diagonales se
toman o no como parte
del grupo.
Se observa que se
eliminaron los grupos de
pixeles clasificados como
río y se reclasificó según
la clase circundante, esto
no es muy útil para
aplicarse a toda la
imagen ya que se
observa en la parte
inferior que ya no se
observa el río real.
Ilustración 8 Contraste zona sin post procesamiento y zona post procesada con classification erotion
Otra herramienta análoga y contraria a la anterior es “classification dilation”:
Para este ítem se debió cargar la imagen clasificada y elaborar una capa que contenga las clases
correspondientes a la imagen. Se hizo uso del SCP → Post Processing → Accuracy:
Luego de ejecutar la herramienta, se obtuvo un archivo CSV en el cual se pudo establecer que:
Conclusión.
Luego de realizar los distintos ejercicios de evaluar la clasificación de las imágenes, se puede
concluir que:
➔ La clasificación realizada en general fue mala ya que la precisión no supera el 50% para
ninguna de ellas.
➔ La clasificación evaluada con mayor precisión fue la hecha a partir de las bandas originales
de la imagen Landsad 8 supervisada por algoritmo de máxima probabilidad.
➔ Las correcciones que se pueden realizar a través de QGIS son muy útiles, pero algunas
funcionan mejor para cierto tipo de imágenes que para otras.
➔ Para la zona de estudio, el mejor método de corrección fue el que permitía editar el ráster
por polígonos.