Transformaciones Globales: Lección 12

Dpto.
de Ingeniería Cartográfica 1
Carlos Pinilla Ruiz
transformaciones globales
transformaciones
globales
Ingeniería Técnica en Topografía
Teledetección
lección 12
Dpto. de Ingeniería Cartográfica 2
Carlos Pinilla Ruiz
sumario
z Introducción.
z Análisis de componentes principales.
z Transformación “tasseled cap”.
z Índices de vegetación.
Teledetección
Carlos Pinilla Ruiz
introducción
z Las transformaciones globales generan

nuevas imágenes a partir de la combinación
de bandas de la imagen original.
z La imagen resultante es función de toda la
imagen original.
Teledetección
z El objetivo de estas transformaciones es hacer

evidentes determinados rasgos o destacar
algún tipo de información en la imagen.
Carlos Pinilla Ruiz
análisis de componentes principales
z La información proporcionada por las distintas

bandas de las imágenes multi o
hiperespectrales es redundante.
z Esto significa que existe una alta correlación
entre los datos proporcionados por ellas.
Teledetección
z Mediante la transformación a componentes

principales se generas nuevas bandas, que
linealmente independientes.
Carlos Pinilla Ruiz
análisis de componentes principales
z El análisis de componentes principales (ACP)

es una técnica estadística multivariante muy
utilizada para definir la mejor combinación de
nuevas bandas.
z El ACP busca los ejes de mayor variabilidad
de la imagen.
Teledetección
z Es de gran utilidad para los estudios

multitemporales, o para seleccionar tres
nuevas bandas para una composición en color
que concentren más información que
cualesquiera de las originales.
Carlos Pinilla Ruiz
diagramas de dispersión 2D
Teledetección
Carlos Pinilla Ruiz
diagramas de dispersión 3D
Teledetección
Carlos Pinilla Ruiz
la imagen: variable aleatoria multivariante
z Los ND multiespectrales de una imagen digital pueden

considerarse como una variable aleatoria vectorial.
Cada banda es una componente del vector.
z La función de distribución multivariante constituye el
histograma multiespectral de la imagen.
z La función de densidad univariante (histograma)

Teledetección
puede asimilarse a una distribución normal, quedando

entonces cada banda caracterizada completamente
por la media y la varianza de sus datos, y la relación
entre ellas mediante los correspondientes coeficientes
de correlación.
Carlos Pinilla Ruiz
la imagen multiespectral
z = ( z1 , z2 ,L , zn )
r
z Imagen:
z Valor medio de una banda:

zij ( k )
mk = ∑
Teledetección
i, j N
z Varianza de la banda:
σ 2k = ∑
(z ( ) − m )
ij k k
2
i, j N
Carlos Pinilla Ruiz
estadísticos de la imagen
z Covarianza de dos bandas:
σ k ,l = ∑
(z ( ) − m )(z ( ) − m )
ij k k ij l l
i, j N
σ k ,l = σ l , k
Teledetección
z Coeficiente de correlación:
σ k ,l σ k ,l σ k ,l
ρ k ,l = = =
σ k , k σ l ,l σ kσ l σ kσ l
2 2
Carlos Pinilla Ruiz
estadísticos de la imagen
z Considerando sus n bandas, la imagen,

tratada como variable aleatoria multivariante,
permite definir las matrices de dimensión nxn
de covarianza y de correlación:
ρ12 K ρ1n ⎤
Teledetección
⎡σ 21 σ 12 K σ 1n ⎤ ⎡1
⎢ ⎥ ⎢ρ 1 K ρ 2 n ⎥⎥
σ 21 σ 2 K σ 2n ⎥
2
Σ= ⎢ R = ⎢ 21
⎢M M O M ⎥ ⎢ M M O M ⎥
⎢ 2 ⎥ ⎢ ⎥
⎢⎣σ n1 σ n2 K σ n ⎥⎦ ⎣ ρ n1 ρn2 K 1 ⎦
Carlos Pinilla Ruiz
covarianzas de bandas incorreladas
z La matriz de covarianzas de un conjunto de

bandas que fueran linealmente independientes
sería diagonal, es decir, todas las covarianzas
serían nulas.
z Por tanto, la transformación que consiga
Teledetección
diagonalizar la matriz de covarianzas será la

que habrá que aplicar a las bandas originales
para obtener de otras nuevas linealmente
independientes.
Carlos Pinilla Ruiz
correlación entre bandas
Teledetección
Carlos Pinilla Ruiz
diagonalización de la matriz de covarianzas
z Dada una transformación A, se denominan

vectores propios o autovectores a los que
son colineales con sus transformados:
r r
AX = λ X
También se puede escribir:

Teledetección
r r
A X = λ IX
es decir:
r
( A − λI ) X = 0
Carlos Pinilla Ruiz
ecuación característica
z La ecuación anterior implica la resolución de la

ecuación característica que proporciona los
valores propios de la matriz A:
φ(λ ) ≡ A − λI = 0
z En el caso de la matriz de covarianzas:

Teledetección
σ 21 − λ σ12 K σ1n
σ 21 σ22 − λ K σ2n
φ(λ ) ≡ Σ − λI = =0
M M O M
σ n1 σn2 K σ2n − λ
Carlos Pinilla Ruiz
vectores propios
z Resolviendo se extraerán n soluciones λ1,

λ2,···, λn, que son los autovalores de la citada
matriz, ordenándose habitualmente de forma
que λ1 > λ2 >···> λn
z Los vectores propios se obtienen resolviendo:
Teledetección
⎡σ 21 σ12 K σ1n ⎤ ⎡ xi1 ⎤ ⎡ λ i xi1 ⎤

⎢ ⎥⎢ ⎥ ⎢ ⎥
σ
⎢ 21 σ 2
2 K σ 2 n ⎥ ⎢ xi 2 ⎥ ⎢λ i xi 2 ⎥
=
⎢M M O M ⎥⎢ M ⎥ ⎢ M ⎥
⎢ 2 ⎥⎢ ⎥ ⎢ ⎥
⎢⎣σ n1 σ n 2 K σ n ⎥⎦ ⎣ xin ⎦ ⎣ λ i xin ⎦
Carlos Pinilla Ruiz
diagonalización de la matriz de covarianzas
z La transformación que diagonaliza la matriz de

covarianza es:
P −1ΣP = Λ
siendo:
Teledetección
⎡ x11 x21 L xn1 ⎤ ⎡λ 1 0 L 0⎤

⎢x ⎢0 λ2 L 0 ⎥⎥
x22 L xn 2 ⎥ Λ=⎢
P=⎢ ⎥
12
⎢ M M O M ⎥ ⎢M M O M⎥
⎢⎣ x1n ⎢ ⎥
x2 n L xnn ⎥⎦ ⎣0 0 L λn ⎦
Carlos Pinilla Ruiz
transformación a componentes principales
z Al tratarse de una transformación ortogonal, la traza

de Σ es igual a la de Λ:
n n
∑σ = ∑λ
i =1
2
i
i =1
i
lo que quiere decir que la varianza se redistribuye sin pérdidas

Teledetección
sobre los componentes principales.

z A la primera componente le corresponde la mayor
parte de la varianza de la imagen (más información).
De la varianza restante, la mayor parte de ésta queda
explicada por la siguiente componente, y así
sucesivamente.
Carlos Pinilla Ruiz
cambio de base en la transformación ACP
Teledetección
Carlos Pinilla Ruiz
aplicaciones del ACP
z Mejorar el análisis visual al concentrar en sólo tres

bandas (las necesarias para formar color) casi toda la
información de la imagen.
z Estudio de series temporales:
Reducir a un sólo componente las bandas de la imagen en cada
una de las fechas observadas. Posteriormente se clasifican los
CP, aislando los fenómenos que muestren cambio entre fechas.

Teledetección
Detección de cambios entre dos fechas:

9 Se transforman a CP todas las bandas de ambas fechas.
9 Las primeras CP explicarán la mayor parte de la varianza de la
imagen, y por tanto incluirán todos los aspectos comunes a las dos
fechas.
9 Las componentes secundarias contendrán información sobre
fenómenos que no puedan explicarse en las dos fechas
simultáneamente, por lo que indicarán la evolución.
Carlos Pinilla Ruiz
transformación “tasseled cap”
z El procedimiento se basa en la evolución espectral de los cultivos

a lo largo de su período vegetativo.
z Analizando los componentes principales de variación de aquéllos
en un espacio tridimensional, el rastro que va dejando la nube de
puntos con el transcurso del tiempo adquiere la forma de un gorro
borlado (tasseled cap).
z Si se consideran las bandas roja e infrarroja, la base del gorro
está definida por la línea de suelos, a lo largo de la cual se
distribuyen los distintos tipos de suelos, de acuerdo a su estado

Teledetección
(humedad e iluminación, fundamentalmente)

z A medida que el cultivo se desarrolla y llega a su pleno vigor, los
puntos tienden a aproximarse al eje del infrarrojo, retirándose de
la línea de suelos.
z Cuando se inicia el período de senescencia, la nube de puntos va
convergiendo hacia un punto único, al que alcanza cuando el
cultivo llega al estado de marchitez permanente, y cuya posición
tiende a regresar de nuevo a la línea de suelos.
Carlos Pinilla Ruiz
transformación “tasseled cap”
Teledetección
Carlos Pinilla Ruiz
z En la transformación sobre Landsat-TM, los

nuevos ejes representan las variables brillo,
verdor y humedad.
⎡ TM 1 ⎤
⎢ TM 2 ⎥
Teledetección
⎡ brillo ⎤ ⎡ 0,3037 0,2793 0,4743 0,5585 0,5082 0 ,1863⎤ ⎢ TM 3 ⎥

⎢ verdor ⎥ = ⎢ − 0,2848 − 0,2435 − 0,5436 0,7243 0,0840 − 0,1800⎥
⎢ TM 4 ⎥
⎢⎣ humedad ⎥⎦ ⎢⎣ 0 ,1509 0 ,3279 0 ,3406 − 0 ,7112 − 0,4572 ⎥⎦
0 ,1973 ⎢ TM 5 ⎥
⎢⎣ TM 7 ⎥⎦
Carlos Pinilla Ruiz
índices de vegetación
z Son transformaciones que buscan realzar las

zonas cubiertas por material vegetal,
minimizando la contribución espectral debida a
la cubierta vegetal, en tanto que minimizan la
influencia de factores distorsionantes (suelo,
irradiancia, etc).
Teledetección
z Dos grandes grupos:

basados en transformaciones ortogonales
basados en los cocientes de bandas.
Carlos Pinilla Ruiz
índices basados en transformaciones
z Se realiza un giro en el espacio bidimendional de

características generado por las bandas R e IRp
z Los nuevos ejes se orientan en la dirección de la línea
de suelos y su perpendicular
z El Índice de Vegetación Perpendicular PVI
(Perpendicular Vegetation Index) mide la distancia

Teledetección
espectral existente entre el nivel digital de la celda y la

línea de suelos:
( IRp − IRp ) + ( R − Rs )
2 2
PVI = v s v
Carlos Pinilla Ruiz
evolución espectral de la vegetación
Teledetección
Carlos Pinilla Ruiz
diagramas de dispersión IRp/R
ND (IRp)
Teledetección
IRp
Línea de suelos
ND (R)
R
Carlos Pinilla Ruiz
cocientes
z Los cocientes son transformaciones

consistentes en dividir celda a celda todos los
ND pertenecientes a una banda por los de
otra. El caso más general puede expresarse:
Teledetección
( zk + a )
z′ = C0 + C1
( zl + b )
Carlos Pinilla Ruiz
cocientes
z En determinados casos es difícil discriminar entre dos

cubiertas cuyos ND en varias bandas resultan muy
similares. En estos casos, el cociente entre las bandas
consideradas puede proporcionar un mejor criterio de
separabilidad.
z El relieve del terreno origina gradientes de luminancia
que son independientes de la composición de la
cubierta.
Teledetección
z La reducción de la reflectancia en una zona de umbría

afecta por igual a las distintas bandas de la imagen. La
ventaja del cociente reside en el hecho de que el
resultado es independiente de la irradiancia.
z En consecuencia, es una transformación muy indicada
para reducir el efecto radiométrico del relieve en la
imagen final.
Carlos Pinilla Ruiz
cocientes
Teledetección
Carlos Pinilla Ruiz
cocientes
Teledetección
Carlos Pinilla Ruiz
índices basados en cocientes
z Los más utilizados combinan bandas del infrarrojo

próximo con las del visible.
z Se basan en la alta reflectancia de la vegetación en el
IRp y la baja en el VIS, especialmente en el rojo.
z El más simple de los índices VIS-IRp es el Índice de
Vegetación de la Razón RVI (Ratio Vegetation Index):

Teledetección
∀ ( i , j)
IRp
RVI =
R
Carlos Pinilla Ruiz
Teledetección
Carlos Pinilla Ruiz
z Índice de vegetación de diferencia

normalizada:
IRp − R
NDVI =
IRp + R
es uno de los más difundidos.

Teledetección
está acotado entre -1 y 1.

z Índice de Vegetación Transformado TVI:
TVI = NDVI + 0,5

Carlos Pinilla Ruiz
NDVI
Teledetección
Carlos Pinilla Ruiz
corrección de la influencia del suelo
Teledetección
Carlos Pinilla Ruiz
SAVI
z Si se hace una traslación del origen:
IAS =
( IRp + l 2 ) − (R + l 1 )
(IRp + l 2 ) + (R + l 1 )
Teledetección
z Como la l1 y l2 suelen valer 0,5:
IRp − R
SAVI = 1,5
IRp + R + 0,5

Transformaciones Globales: Lección 12

Cargado por

Información del documento

Título 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

Transformaciones Globales: Lección 12

Cargado por

Copyright:

Formatos disponibles

Dpto.

z Las transformaciones globales generan

z El objetivo de estas transformaciones es hacer

z La información proporcionada por las distintas

z Mediante la transformación a componentes

z El análisis de componentes principales (ACP)

z Es de gran utilidad para los estudios

z Los ND multiespectrales de una imagen digital pueden

z La función de densidad univariante (histograma)

puede asimilarse a una distribución normal, quedando

z Valor medio de una banda:

z Covarianza de dos bandas:

z Considerando sus n bandas, la imagen,

z La matriz de covarianzas de un conjunto de

diagonalizar la matriz de covarianzas será la

z Dada una transformación A, se denominan

 También se puede escribir:

z La ecuación anterior implica la resolución de la

z En el caso de la matriz de covarianzas:

z Resolviendo se extraerán n soluciones λ1,

⎡σ 21 σ12 K σ1n ⎤ ⎡ xi1 ⎤ ⎡ λ i xi1 ⎤

z La transformación que diagonaliza la matriz de

⎡ x11 x21 L xn1 ⎤ ⎡λ 1 0 L 0⎤

z Al tratarse de una transformación ortogonal, la traza

 lo que quiere decir que la varianza se redistribuye sin pérdidas

sobre los componentes principales.

z Mejorar el análisis visual al concentrar en sólo tres

CP, aislando los fenómenos que muestren cambio entre fechas.

 Detección de cambios entre dos fechas:

z El procedimiento se basa en la evolución espectral de los cultivos

distribuyen los distintos tipos de suelos, de acuerdo a su estado

(humedad e iluminación, fundamentalmente)

z En la transformación sobre Landsat-TM, los

⎡ brillo ⎤ ⎡ 0,3037 0,2793 0,4743 0,5585 0,5082 0 ,1863⎤ ⎢ TM 3 ⎥

z Son transformaciones que buscan realzar las

z Dos grandes grupos:

z Se realiza un giro en el espacio bidimendional de

(Perpendicular Vegetation Index) mide la distancia

espectral existente entre el nivel digital de la celda y la

z Los cocientes son transformaciones

z En determinados casos es difícil discriminar entre dos

z La reducción de la reflectancia en una zona de umbría

z Los más utilizados combinan bandas del infrarrojo

Vegetación de la Razón RVI (Ratio Vegetation Index):

z Índice de vegetación de diferencia

 es uno de los más difundidos.

 está acotado entre -1 y 1.

TVI = NDVI + 0,5

z Si se hace una traslación del origen:

z Como la l1 y l2 suelen valer 0,5:

También podría gustarte

También se puede escribir:

lo que quiere decir que la varianza se redistribuye sin pérdidas

Detección de cambios entre dos fechas:

es uno de los más difundidos.

está acotado entre -1 y 1.