Clasificación de imágenes digitales

Capítulo 8

Clasificación de imágenes digitales

8.1 introducción

Capítulo 7 explica el proceso de interpretación de las imágenes visuales. En este proceso, la visión humana juega un papel crucial en la extracción de información de las imágenes. Aunque los ordenadores se pueden utilizar para la visualización y la digitalización, la misma interpretación se lleva a cabo por el operador.

En este capítulo se introduce la clasificación digital de imágenes. En este proceso el operador humano instruye a la computadora para realizar una interpretación de acuerdo con ciertas condiciones. Estas condiciones son definidas por el operador. Clasificaciones imagen es una de las técnicas en el dominio de la interpretación de la imagen digital. Otras técnicas incluyen el reconocimiento automático de objeto (por ejemplo, detección de carretera) y reconstrucción de la escena (por ejemplo, generación de modelos de objetos 3D). Clasificación de imágenes, sin embargo, es la técnica aplicada con más frecuencia en el contexto del ITC.

←--------------------Interpretación de la imagen digital.

Aplicación de la clasificación de imágenes se encuentra en muchos proyectos a escala regional. En Asia, la Asociación Asiática de Teledetección (AARS) está generando varios conjuntos de datos de cobertura de la tierra sobre la base de (des) supervisó la clasificación de los datos satelitales multiespectrales. En el proyecto Africover (por la organización alimentación y la agricultura, FAO), técnicas de clasificación de imágenes digitales se utilizan para establecer un conjunto de datos de cobertura terrestre panafricana. La Comisión Europea exige a los gobiernos nacionales para verificar los reclamos de los agricultores relacionados con los cultivos subsidiados. Estos gobiernos nacionales emplean las empresas para hacer un primer inventario, utilizando técnicas clasificaciones imagen, que es seguido por los controles de campo.

←-------------------Proyectos regionales escala.

Clasificación de imágenes se basa en las diferentes características espectrales de diferentes materiales de la superficie de la Tierra, como se introdujo en el apartado 2.4. Este capítulo se centra en la clasificación de los datos multiespectrales. Sección 8.2 explica los conceptos de espacio de la imagen y el espacio de características. Aclaración imagen es un proceso que opera en el espacio de características. Sección 8.3 ofrece una visión general del proceso de clasificación, los pasos a seguir y la opción de hacerse. El resultado de una aclaración imagen necesita ser validado para evaluar su exactitud (sección 8.4). Sección 8.5 discute los problemas de clasificación estándar e introduce orientada a objetos clasificación.

8.2 principio de clasificación de imágenes

Espacio de la imagen 8.2.1

Una imagen digital es una matriz 2D de pixeles. El valor de un píxel - el DN - es en el caso de 8 bits de grabación en el rango de 0 a 255. Un DN corresponden a la energía reflejada o emitida por una célula de resolución en el suelo a menos que la imagen ha sido volver a muestrear. La distribución espacial de la DN define el espacio de la imagen o la imagen. Un sensor multiespectral registra la radiación de un GRC particular, en diferentes canales de acuerdo con su separación de banda espectral. Un sensor de grabación en tres bandas (figura 2.24) produce tres píxeles con la misma tupla fila-columna (i, j) derivada de una y la misma GRC.

8.2.2 Espacio característico

Cuando nosotros consideramos una imagen de 2 bandas, podemos decir que 2 DNs por un GRC son componentes de un vector bidimensional [v1,v2], el vector característico (ver figura 8.1). Un ejemplo de un vector característico es [13,55], donde nos dice que los pixeles conjugados de la banda 1 y la banda 2 tienen el DN 13 y 55. Este vector puede ser ploteado en un gráfico bidimensional.

[pic 1]

Figura 8.1 Ploteado de los valores de pixel de una GRC en un espacio característico para una imagen de 2 y 3 bandas.

Similarmente podemos visualizar un vector característico tridimensional [v1,v2,v3] de una celda en una imagen de 3 bandas en un gráfico tridimensional. Un gráfico que muestre los vectores característicos se llama espacio característico, o “grafico del espacio característico” o “grafico de dispersión”, La figura 8.1 nos ilustra como un vector característico (relacionado con un GRC) esta ploteado en..

El espacio característico para 2 y 3 bandas, respectivamente, Un gráfico bidimensional del espacio característico es lo más común.

Nótese que al plotear los valores es difícil ver un caso de 4 o más dimensiones, aunque el concepto es el mismo. Una solución práctica cuando se tiene que lidiar con más de 4 bandas es que todas las posibles combinaciones de 2 bandas deben ser ploteadas separadamente. Para 4 bandas, esto todavía forma 6 combinaciones, 1-2,1-3,1-4,2-3,2-4,3-4.

Ploteando todos los vectores característicos de un par de imágenes digitales nos producen un gráfico de dispersión 2D de varios puntos (figura 8.2). Un gráfico de dispersión 2d nos muestra información acerca de los valores pares de los pixeles que ocurren en una imagen de 2 bandas. Nótese que algunas combinaciones pueden ocurrir frecuentemente, y que pueden ser visualizadas usando intensidad o color (que se vio en el Capítulo 5).

[pic 2]

Figura 8.2: grafico de dispersión de 2 bandas de una imagen RS. Nótese las unidades sobre los ejes x,y. La intensidad en un punto en el espacio característico se relaciona con el número de celdas en ese punto

Distancias y clústeres en el espacio característico

Nosotros usamos distancias en el espacio característico para acompañar la clasificación. La distancia en el espacio característico es medido como una “distancia Euclidiana” en las mismas unidades que las DNs (la unidad de los ejes). En un espacio característico bidimensional la distancia puede ser calculada de acuerdo al teorema de Pitágoras. En la situación de la figura 8.3, la distancia entre [10,10] y [40,30] equivale a la raíz cuadrada de (40-10)2 + (30-10)2. Para tres o mas dimensiones la distancia es calculada de la misma manera

[pic 3]

Figura 8.3: Distancia Euclidiana entre 2 puntos usando el teorema de Pitágoras

Clasificación 8.2.3 Imagen

El diagrama de dispersión que se muestra en la figura 8.2 muestra la distribución de valores de píxeles conjugados de una imagen de dos bandas real. La figura 8.4 muestra una característica del espacio en el que los vectores de características se han trazado de muestras de seis clases específicas de cobertura terrestre (hierba, agua, árboles, etc). Se puede ver que los vectores de características de GRC que son áreas de agua forman un grupo compacto. También se agrupan los vectores de características de la de otros tipos de cobertura del suelo (clases). La mayoría de estos grupos ocupan su propia área en el espacio de característico, las agrupaciones únicamente de la hierba y el trigo se superponen a una mayor extent. Figure 8.4 ilustra el supuesto básico para la clasificación de imágenes: un partof específica el espacio de características correspondiente a una clase específica. Una vez que las clases se han definido en el espacio de características, cada vector de característico de una imagen multibanda se pueden trazar y comprueba con estas clases y se asigna a la clase donde mejor se ajuste.

...