Академический Документы
Профессиональный Документы
Культура Документы
9.4.1 Clasificacin supervisada. Podemos definir esta clasificacin como un proceso en que pixeles de identidad
conocida, ubicados dentro de las reas de entrenamiento, se utilizan para clasificar pixeles de identidad desconocida. La
clasificacin supervisada involucra las siguientes etapas:
Etapa de entrenamiento.
Seleccin del algoritmo de clasificacin adecuado y clasificacin.
Operaciones de post clasificacin.
En la etapa de entrenamiento el analista selecciona reas de identidad conocida de la cubierta terrestre de inters (cultivos,
forestaciones, suelos, etc.) delinendolas sobre la imagen digital bajo formas de rectngulos o polgonos cuyos datos
numricos quedan archivados en la computadora como regiones de inters constituyendo los datos de entrenamiento.
Para realizar la seleccin el analista debe tener un conocimiento previo del rea de estudio, sea por reconocimientos de
camposea por consulta de mapas, fotografas
areas, etc.
Una vez que se dispone de un conjunto de estos datos de entrenamiento debe tratase de
adjudicar cada uno de los pixeles de la escena a alguna clase. Entre los algoritmos clsicos
para estos fines citemos los siguientes:
las distancias euclidianas entre el pixel y el centroide de cada clase. Aunque simple desde el punto de vista computacional
este algoritmo tiene ciertas limitaciones, entre ellas la insensibilidad a los diferentes grados de varianza en las respuestas
espectrales de las diferentes clases.
As por ejemplo el punto b en la Fig. 70 clasificador lo adjudicara a clase 3, aunque la mayor variabilidad de la clase 1 nos
1 de 5 18/10/2017 12:52
Imgenes satelitales: clasificacin supervisada http://www.teledet.com.uy/tutorial-imagenes-satelitales/clasificacion-sup...
hace pensar que tal vez sera ms realista adjudicarlo a sta.. Por tal motivo este clasificador no es muy apropiado para
aquellos casos en que las clases espectrales estn muy prximas entre s en el espacio de medida y a la vez tienen elevadas
varianzas.
Este clasificador es rpido y fcil de implementar. Tiene sin embargo fuentes de error asociadas al relativamente frecuente
solapamiento de los paraleleppedos: un pixel puede caer dentro de ms de un paraleleppedo si stos se solapan. Puede
darse tambin el caso de que no caiga en ninguno. Estos factores quitan robustez al clasificador.
2 de 5 18/10/2017 12:52
Imgenes satelitales: clasificacin supervisada http://www.teledet.com.uy/tutorial-imagenes-satelitales/clasificacion-sup...
5. INTERACCIONES ATMOSFERICAS
7. SENSORES
7.1. Consideraciones generales
SENSORES (continuacin)
7.2 Naturaleza de los detectores
SENSORES: BANDAS ESPECTRALES LANDSAT TM y SPOT HRVIR
7.3 Estudio de dos casos: LANDSAT y SPOT
7.4 Resolucin
7.4.1 Resolucin espacial
7.4.2 Resolucin espectral
7.4.3 Resolucin radiomtrica
7.4.4 Resolucin temporal
7.5 Escala y resolucin espacial.
3 de 5 18/10/2017 12:52
Imgenes satelitales: clasificacin supervisada http://www.teledet.com.uy/tutorial-imagenes-satelitales/clasificacion-sup...
4 de 5 18/10/2017 12:52
Imgenes satelitales: clasificacin supervisada http://www.teledet.com.uy/tutorial-imagenes-satelitales/clasificacion-sup...
5 de 5 18/10/2017 12:52