Clasificacion Digital

UNIVERSIDAD DE CANTABRIA
INGENIERÍA CARTOGRÁFICA,
GEODESIA Y FOTOGRAMETRÍA
ASIGNATURA DE LIBRE ELECCIÓN
TELEDETECCIÓN APLICADA.
NOCIONES BÁSICAS.
Profesor: Elena Castillo López
TELEDETECCIÓN APLICADA- Curso Académico 2008-2009- Elena Castillo y Julio Manuel de Luís
Sesión VII
CLASIFICACIÓN DIGITAL DE
IMÁGENES
1.- CLASIFICACIÓN DIGITAL

1.1.- INTRODUCCIÓN
 La clasificación digital es un proceso de generalización

temática que, mediante categorización, convierte la
información cuantitativa de una imagen en información
cualitativa.
 Planteamiento del problema:
- Establecer si una celda pertenece a una
determinada clase informacional de las que se
recogen en la leyenda.

1.2.- ENTRENAMIENTO
 Consiste en definir los parámetros de cada clase:

-Vector de medias
-Matriz de covarianzas.
 Tipos de entrenamiento:
1.- SUPERVISADO: el operador delimita una muestra de
celdas a partir de la cual el sistema extraerá los
parámetros de la clase que ocupa esas áreas.
2.- NO SUPERVISADO: el sistema, a partir de unas
instrucciones mínimas, busca agrupamientos naturales de
valores en el espacio de características.

1.2.- ENTRENAMIENTO
SUPERVISADO
NO SUPERVISADO

1.3.- MÉTODO SUPERVISADO
 Se definen en la escena los campos de entrenamiento

(training fields):
- conjunto de parcelas suficientemente representativas de
una determinada clase;
- el resultado final de la clasificación depende
fundamentalmente de la selección de los campos de
entrenamiento.

 REQUISITOS:
- pureza de los píxeles: celdas que representan solamente
a la cubierta que se pretende caracterizar sin
contaminación de otras;
- representatividad de la variabilidad de la clase: el
conjunto de los campos de entrenamiento debe incluir la
variación interna de la clase para dar cabida a distintas
condiciones de una misma cubierta (por ejemplo, el estado
fenológico de un determinado elemento, el tipo de suelo, el
grado de humedad, la orientación de la ladera,…).


 POSIBLES PROBLEMAS A EVITAR:

- con un solo campo de entrenamiento por clase se corre el
riesgo de particularizar excesivamente las características del
elemento de manera que pueden atribuirse elementos a la misma
clases sin llegar a distinguir que se tratan de diferentes
cubiertas;
- el número de campos de entrenamiento depende de la matriz
de covarianzas de manera que se aconseja tomar entre 10 y 100
celdas por clase y banda de la imagen;
- es preferible elegir un mayor número de campos de
entrenamiento aunque sea de menor tamaño.

Definición de campos de entrenamiento


1.4.- MÉTODO NO SUPERVISADO
 Se busca la agrupación “natural” de los datos de la imagen

en el espacio vectorial de características “clusters”, de
acuerdo a alguna función de similaridad:
- TRIPLE PROCESO:
 se determinan las características de las celdas de
entrenamiento;
 se mide la similaridad o distancia estadística entre
casos
 se aplica algún criterio de agrupamiento de los casos
similares o de escisión en clases diferentes.
Clasificación ISODATA Clasificación K-Means


1.5.- MÉTODOS MIXTOS
 Combinación de los dos métodos:

- se hace una clasificación inicial no supervisada cuyo resultado
será supervisado posteriormente por el analista, agrupando
“clusters” de igual significación temática y separando en nuevas
clases las que mezclen dos categorías diferentes;
- se hacen las dos clasificaciones (supervisada y no supervisada) y
se sintetizan los resultados obtenidos de cada uno de ellas:
 categorías que aparezcan en las dos;
 categorías recogidas en la leyenda, pero no identificables en la
clasificación no supervisada;
 clases no supervisadas que aparecen sin estar en la leyenda.

1.6.- SEPARABILIDAD DE LAS CLASES
 Discriminabilidad de las categorías:

- sin las clases son muy diferentes el riesgo de error en la
clasificación será bajo pero la leyenda será más pobre de lo que
permitiría la riqueza espectral de la imagen;
- si las clases son muy similares, la clasificación entrañará un
elevado riesgo de confusión requeriría sustituir la leyenda por
otra menos desagregada.
 Antes de la fase de clasificación conviene estudiar la
separabilidad de las clases. Métodos:
- gráficos;
- estadísticos.

1.6.- SEPARABILIDAD DE LAS CLASES

1.7.- CLASIFICADOR DE MÍNIMA DISTANCIA
 El criterio más sencillo para asignar una celda a una

categoría consiste en incluirlo en la espectralmente más
cercana.
 La función de similaridad utilizada es la distancia euclídea
entre el vector de características de la celda y el centro
de la clase:
 La celda se asignará a la clase que presente una

distancia menor dC.

1.8.- CLASIFICADOR NO SUPERVISADO ISODATA
 Es un algoritmo de clasificación automática iterativo.

 Está basado en la función de mínima distancia euclídea.
 En cada ciclo de clasificación asignan las celdas a una clase
provisional.
 Durante el desarrollo del algoritmo se registran fugas de celdas de
una clase a otra hasta que el proceso converge.

1.10.- MÉTODO SUPERVISADO PARALELEPIPEDO
 La clasificación paralelepipédica o de hipercubos fija áreas de dominio para
cada categoría:
- una celda de nivel digital ND(k) en la banda k-ésima será atribuido a la
clase C si se verifica:
 siendo Rc un rango de dispersión concedido alrededor del valor medio;

 cuanto mayor sea el rango mayor será el número de celdas incluidas en la
categoría, pero se incrementará el riesgo de error de clasificación;
 si el umbral es excesivamente pequeño, el riesgo de error se minimiza, pero
también aumentarán las celdas sin clasificar.
2.- GEORREFERENCIACIÓN
2.1.- INTRODUCCIÓN
 La imagen de satélite requiere ser corregida geométricamente y

es preciso proceder a georreferenciarla con el propósito de
convertirlo en un producto cartográfico:
- las correcciones geométricas son transformaciones puntuales
mediante las cuales se cambian de posición las celdas originales sin
alterar sus niveles digitales.
2.1.- INTRODUCCIÓN
 La corrección geométrica de la
imagen es imprescindible para:
- realizar cualquier análisis
de información en el que sea
preciso superponer
información cartográfica
auxiliar;
- realizar estudios
multitemporales.
2.1.- INTRODUCCIÓN
 Las formas de corregir la imagen son las siguientes:
- deformar la imagen original utilizando como referencia
cartografía digital;
- corregir las anomalías sistemásticas mediante modelización
matemática.
2.2.- CORRECCIÓN POLINÓMICA
 Son métodos basados en la búsqueda de una función que
transforma las coordenadas de los puntos de control en
coordenadas corregidas.
 Posteriormente esas funciones son aplicadas al resto de las celdas
de la imagen original.
 Etapas:
- selección de los puntos de control;
- cálculo de los coeficientes de los polinomios de ajuste;
- transferencia de las celdas a sus nuevas posiciones;
- remuestreo.
 El caso más sencillo es el del ajuste lineal, en el que las

coordenadas corregidas (u,v) se encuentran en función de las
coordenadas (x,y) de los puntos de control de la imagen sin
corregir:
al ser 3 incognitas para cada una de las dos variables, su resolución, al

menos requerirá un sistema de 3 ecuaciones; por lo que éste será el
mínimo número de puntos a emplear en este ajuste.;
 Si el ajuste se realiza mediante polinomios de segundo grado, las

ecuaciones a plantear serán las siguientes:
para la resolución de los coeficientes se necesitará un sistema de 6

ecuaciones con 6 incógnitas para cada una de las variables. Por ello, el
mínimo número de puntos de control a utilizar en un ajuste de segundo
grado deberá ser de 6.
 Un ajuste de tercer grado exigiría plantear el siguiente sistema:
para cuya resolución se requiere un mínimo de 10 puntos.
Seleccionar puntos de control
Distorsionar la imagen
2.3.- MÉTODOS DE REMUESTREO
Los métodos de remuestreo tienen por objeto encontrar para cada
posición un nivel digital que exprese el valor radiométrico más fiel al
original.
Tipos de remuestreo:
- Vecino más próximo;
- Interpolación bilineal;
- Convolución cúbica
TERMINOLOGÍA:
-imagen transformada: la resultante de la transformación
geométrica mediante las funciones de ajuste;
-imagen corregida: la resultante del remuestreo de la
transformada.
VECINO MÁS PRÓXIMO
 Este procedimiento no altera los niveles
digitales de la imagen original, sólo los
traslada.
 Puede introducir fracturas en el trazado
de los rasgos lineales de la imagen (efecto
escalera).
 Es el único método utilizable en la
corrección de imágenes con información
cualitativa, como son las imágenes
clasificadas.
INTERPOLACIÓN BILINEAL
 La interpolación bilineal asigna a la celda corregida la media
ponderada de los niveles digitales correspondientes a las cuatro
posiciones más cercanas de la imagen transformada.
 El peso asociado a cada nivel digital es proporcional a la proximidad
entre ellos (1-x, 1- y) medida entre centros de celdas.
INTERPOLACIÓN BILINEAL
 Este método produce resultados suavizados ya que las cuatro
posiciones más próximas contribuyen al nivel digital final asignado al
píxel.
 Es un método apropiado cuando se trata de corregir imágenes con
información cuantitativa.
 La ponderación de los niveles digitales se produce de la siguiente
forma:
CONVOLUCIÓN CÚBICA
 La convolución cúbica es un interpolador que emplea polinomios de
tercer orden.
 Se involucran las dieciséis celdas más cercanas al punto considerado.
 Los niveles digitales (ND) se interpolan linealmente en grupos de
cuatro líneas de cuatro píxeles cada una para formar cuatro
interpolantes.
 Posteriormente se realiza otra interpolación lineal entre los cuatro
valores obtenidos para asignar el resultante a la celda corregida.
CONVOLUCIÓN CÚBICA 2.3.- MÉTODOS DE REMUESTREO
Cuatro interpolantes:
Nivel digital final:
FIN

Clasificacion Digital

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

Clasificacion Digital

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD DE CANTABRIA

ASIGNATURA DE LIBRE ELECCIÓN

Profesor: Elena Castillo López

ASIGNATURA DE LIBRE ELECCIÓN

ASIGNATURA DE LIBRE ELECCIÓN

1.- CLASIFICACIÓN DIGITAL

 La clasificación digital es un proceso de generalización

ASIGNATURA DE LIBRE ELECCIÓN

1.- CLASIFICACIÓN DIGITAL

 Consiste en definir los parámetros de cada clase:

ASIGNATURA DE LIBRE ELECCIÓN

1.- CLASIFICACIÓN DIGITAL

ASIGNATURA DE LIBRE ELECCIÓN

1.- CLASIFICACIÓN DIGITAL

 Se definen en la escena los campos de entrenamiento

ASIGNATURA DE LIBRE ELECCIÓN

1.- CLASIFICACIÓN DIGITAL

ASIGNATURA DE LIBRE ELECCIÓN

1.- CLASIFICACIÓN DIGITAL

ASIGNATURA DE LIBRE ELECCIÓN

1.- CLASIFICACIÓN DIGITAL

 POSIBLES PROBLEMAS A EVITAR:

ASIGNATURA DE LIBRE ELECCIÓN

1.- CLASIFICACIÓN DIGITAL

Definición de campos de entrenamiento

ASIGNATURA DE LIBRE ELECCIÓN

1.- CLASIFICACIÓN DIGITAL

 Se busca la agrupación “natural” de los datos de la imagen

ASIGNATURA DE LIBRE ELECCIÓN

Clasificación ISODATA Clasificación K-Means

ASIGNATURA DE LIBRE ELECCIÓN

1.- CLASIFICACIÓN DIGITAL

 Combinación de los dos métodos:

ASIGNATURA DE LIBRE ELECCIÓN

1.- CLASIFICACIÓN DIGITAL

 Discriminabilidad de las categorías:

ASIGNATURA DE LIBRE ELECCIÓN

1.- CLASIFICACIÓN DIGITAL

ASIGNATURA DE LIBRE ELECCIÓN

1.- CLASIFICACIÓN DIGITAL

 El criterio más sencillo para asignar una celda a una

 La celda se asignará a la clase que presente una

ASIGNATURA DE LIBRE ELECCIÓN

1.- CLASIFICACIÓN DIGITAL

 Es un algoritmo de clasificación automática iterativo.

ASIGNATURA DE LIBRE ELECCIÓN

ASIGNATURA DE LIBRE ELECCIÓN

1.- CLASIFICACIÓN DIGITAL

 siendo Rc un rango de dispersión concedido alrededor del valor medio;

ASIGNATURA DE LIBRE ELECCIÓN

 La imagen de satélite requiere ser corregida geométricamente y

ASIGNATURA DE LIBRE ELECCIÓN

ASIGNATURA DE LIBRE ELECCIÓN

ASIGNATURA DE LIBRE ELECCIÓN

ASIGNATURA DE LIBRE ELECCIÓN

 El caso más sencillo es el del ajuste lineal, en el que las

al ser 3 incognitas para cada una de las dos variables, su resolución, al

ASIGNATURA DE LIBRE ELECCIÓN

 Si el ajuste se realiza mediante polinomios de segundo grado, las

para la resolución de los coeficientes se necesitará un sistema de 6

ASIGNATURA DE LIBRE ELECCIÓN

 Un ajuste de tercer grado exigiría plantear el siguiente sistema:

para cuya resolución se requiere un mínimo de 10 puntos.