Aplicación de fotografía y

remote sensing para la

administración del
territorio
I I – Clasificación de imágenes
Tipos de imagenes

- Provienen de satélites – aviones – globos – cámaras

terrestres: meramente diferencia en escala

- Hacen uso de diferentes tipos de tecnología: todos

registran intensidad de rayos en el espectro
electromagnético

- Óptico sirve para aéreas sin nubes - interferencia

- Radar sirve para aéreas con nubes - interferencia
Los rangos y aplicaciones

Corporate presentation
1 mei 2020 3
Procesamiento de imagenes (simplificado)

• Imagen de datos crudos (binarios) del satélite

(empresa)
• Imagen con coordenados del sensor y con canales
calibrados individualmente (corrección atmosférica)
• Imagen con coordenados geo-referenciados
(corrección geométrica - detalles en las sesiones del
martes)
• Imagen representando variable (classificacion de cada
celda basado en analisis de datos).
Procesamiento de imagenes – fase 1
Corrección atmosférica:

• Los sensores opticos “ven” la superficie a traves de la

atmosfera: ella es opaco para radiacion
electromagnetica de muchas longitudes de olas
• Alternativa: satelites que usan technologia radar (solo
planimetrica)
Procesamiento de imagenes – fase 1
Rayo 1 – la señal de uso;
Rayo 2 – radiación absorbido por la
atmosfera;
Rayo 3 – radiación desviada por la
atmosfera fuera de la visión del
sensor.
Rayo 4 – energía emitida por la
atmosfera misma;
Rayo 5 – energía de la atmosfera
reflejada dentro de la vision del
sensor;
Rayo 6 – energía de la superficie
que viene de fuera de la visión del
sensor.
Vias atmosfericas de radiacion
electromagnetica entre la superficie y
el sensor satelital.
Procesamiento de imagenes – fase 1
La superficie dentro de la vision
del sensor emite 1+2+3

Rayos 4, 5, y 6 llegan al sensor

sin haber salido de la supervicie
dentro de la vision del sensor, por
lo tanto representa “distorcion” de
la señal .

El sensor recibe los rayos rayos

1+4+5+6

La correccion atmosferica deberia

resultar en la suma de los rayos
1+2+3.
Vias atmosfericas de radiacion  
electromagnetica entre la superficie y
el sensor satelital.
IoE 184 - The Basics of Satellite Oceanography. 3. Remote Sensing of the Sea
Procesamiento de imagenes – fase 1

En el caso de sensores opticos

el Rayo 2 no se percibe.

Al contrario, con sensores de

IR térmico el Rayo 2 es
importante: la atmosfera
asorbe la radiacion (Rayo 2)
pero la re-emita con una
“temperatura “mas baja (Rayo
4).

Vias atmosfericas de radiacion

electromagnetica entre la superficie y
el sensor satelital.
IoE 184 - The Basics of Satellite Oceanography. 3. Remote Sensing of the Sea
Procesamiento de imagenes – fase 1
Para corregir los efectos de la atmosfera, se
usan los siguientes mecanismo:

•Hacer uso de un modelo universal de corrección

atmosférica basado en un modelo promedio de
efectos atmosféricos

• El mecanismo de ver la misma superficie de

manera inclinada (oblique) adicionalmente a la
manera vertical (nadir). Usando los resultados de
ambos mediciones con diferentes longitudes, se
puede hacer un estimado objetivo de los efectos
atmosféricos (compara GPS diferencial)

•Comparación entre olas con diferentes

longitudes, de los cuales algunas casi no tienen
efectos atmosféricos

•Calibración con datos de la superficie

Classificacion de imagenes raster

• Los sensores perciben y registran un valor de

intensidad en una cierta ancha de banda de la longitud
de olas de radiacion electromagnetico
• Dependiendo del sensor, se registran 1 – n valores por
cada celda
• La combinacion de valores forma la base principal
para la semantica de la celda
• La combinacion de valores de celdas vecinas forma
una base adicional para la semantica de la celda
Resultados de diferentes bandas
Clasificación celda
Se clasifica una celda en base a una combinación de valores
que es reconocida, un “perfil” basado en

- Conocimiento previo del clasificador

- Valores ya conocidos basados en estudios anteriores
- Calibración con datos de campo

- Siempre se debe validar los primeros 2 métodos con datos de

campo
- Adicionalmente se usará los valores de celdas vecinas para la
clasificación
 Extracción información territorial

Mapa con
variables
continuos
Mapa con
variables
discretos

Mapa con clases

temáticas
Mapa de cobertura Índice área de hoja
Mapa de área Biomasa
quemado Volumen de arboles
Mapa de inundación
Mapa de agricultura
Mapa de bosques

Teledetección Teledetección
temática cuantitativa

Clasificación de Modelar
imágenes
Método clásico

Clasificación de imagen a
nivel de celda

Mapa con clases

temáticas
Métodos nuevos

Clasificación de imagen a
nivel de celda
Mapa con clases
temáticas

Satisface las necesidades del usuario?

Nuevos algoritmos de clasificación

Redefinir el enfoque de
Investigación extraccion tematica de
Nueva unidad espacial para análisis
reciente informacion

Análisis espacial para generalización

Paso 1, definir unidad espacial de análisis
Unidad espacial de análisis: la unidad en la cual se aplica el algoritmo de clasificación

Celda de Clasificación
imagen por celda o
subcelda

Objeto Clasificación
orientada a
objetos
Paso 1, dividir en zonas “homogéneas”
Estratificación geográfica: el área de estudio se divide en aéreas mas pequeñas
(estrata) para que se puede procesas cada estrata independientemente

Cinco conceptos de estratificación:

•Tamaños mas fáciles
•Tipo de fisiografía
•Distribución potencial de cobertura
•Uniformidad espectral potencial
•Encajar limites de imágenes
Paso 2, identificacion y selección objetos
•Que tipo de objetos debemos usar para extracción de
información
•Debemos, por alguna razón, manipular el espacio de los
objetos
•Como podemos seleccionar los mejores objetos para
discriminación de clases?

Manipulación y selección de
objetos es usado para reducir el
numero de objetos sin sacrificar
la precisión?
Paso 2, identificacion y selección objetos
Datos espectrales Datos 1er orden

De una fecha (enfoque unitemporal)

De múltiples fechas (enfoque multitemporal)
Otros datos derivados de la imagen Datos 2do orden

Forma y tamaño de la unidad espacial a clasificar

Datos relacionados a los objetos vecinos:
cuantificación de la variabilidad en el vecindario
textura
objetos espaciales
relaciones semánticas de una unidad con sus vecinos
Información adicional Generalmente se refiere a información no espectral o de
fuera de la imagen otras imágenes con características diferentes
Ventajas clasificación de objetos
Clasificación orientada a objetos: se puede usar objetos similares a los que se
usan en interpretación visual de imágenes

Forma y tamaño de objetos

Homogeneidad espectral dentro

de objetos

Relaciones semánticas de una

unidad espacial con sus vecinos

Antes de la clasificación orientada a objetos había solamente clasificación por celda. En ese enfoque, los objetos
no son extraídos de una imagen satelital mediante segmentación, si no de una base de datos geográfica con
unidades / campos / celdas
Paso 3: clasificación

Alocar una clase a cada

unidad espacial de
análisis Mapa con clases
temáticas

Espacio de la imagen Cada unidad espacial de análisis es

representada por un vector que consiste de
una combinación de valores (ej. Reflexión)

Definición de limites de decisión para separar

clases

Definición de la regla de decisión, es decir el

algoritmo que defina la posición de una unidad
espacial de análisis con respecto a los limites
de decisión y que aloca la clase a la unidad
espacial

“Espacio” de los objetos

Paso 3: resolver celdas mezcladas

• La mayoria de las aplicaciones de teledeteccion procesan imagenes

digitales para extraer firmas espectrales de cada celda para dividir la
imagen en grupos de celdas similares (segmentacion) usando enfoques
diferentes. Como paso final, la aplicacion asigna una clase a cada grupo
de celdas (classificacion) comparando con firmas espectrales conocidas
• Dependendo del tamaño de cada celda, un celda puede representar
muchas firmas espectrales "mezcladas" juntas – por lo tanto mucho
analisis de teledeteccion incluye el proceso de “demezclar” mezclas".
• Ultimamente enlazar correctamene firmas espectrales registrada en
cada con firmas espectrales de elementos existentes llega a resultados
buenos de classificacion
Paso 3: problema celda mezclada
Resumen clasificación
Datos espectrales
Datos secundarios
Datos geográficos

Vector de valores describiendo una Sub-celda

unidad espacial Celda
Objeto

El objetivo del reconocimiento del patrono es establecer

un enlace entre el patrono y la clase

Uno a uno Uno a mucho

Clasificación dura Clasificación suave
conocido desconocido
Clasificación Clasificación no
supervisada supervisada
Ejemplo Proceso de classificacion
 Vectorizacion basado en clasificacion

• Agrupar celdas con las mismas carateristicas

Final parte 2