Imagenes No Supervisadas

Universidad de Los Andes
Facultad de Ciencias Forestales y Ambientales
Escuela de Ingeniería Forestal

PRACTICA 13
CLASIFICACIÓN NO SUPERVISADA DE IMÁGENES

Autor: Luis Zambrano
Prof. JESÚS ANDRADES
Mérida, 11 de 0ctubre 2012

Introducción:
Este proceso de clasificación trata de obtener los índices de vegetación y componentes principales, la categorización de una imagenmultiespectral en donde no se establecerá ninguna clase apriori, aunque es necesario determinar el número de clases que queremos establecer, y dejar que las defina un procedimiento estadístico. El proceso de clasificación convierte una serie de capas en otra única con información categórica, esta clasificación es una operación muy frecuente dentro del análisis SIG
Esta clasificación se desarrolla medianteprocedimientos diversos que evalúan a cuál de las clases posibles es más similar un punto dado. En dicho punto, se toman los valores de todas las variables registradas y ese conjunto de valores es el utilizado para calcular el grado de similitud entre la clase presente en el punto (aún no determinada) y las distintas clases posibles.

El resultado de estas imágenes determinara un color principala cada una de las bandas creadas con la finalidad de obtener una imagen en Color se refiere a la combinación que involucra dos bandas del rango del visible y una banda del infrarrojo, al asignar el rojo a la bandas 4 resultará que todos los tonos de rojo, desde el rojo muy oscuro al rosado pálido corresponden a vegetación: los tonos más oscuros se relacionan con la presencia de vegetación arbóreadensa, como bosques, montes; rojos claros indican cultivos y los rosados corresponden a vegetación poco densa como pastizales. Esta composición es muy habitual ya que facilita la cartografía de masas vegetales, laminas de agua, ciudades, etc.

I. Objetivos:
* Generar una clasificación No Supervisada de imágenes satelitales.
* Determinar cuál de las clasificación es la mejor, cual esla que se parece más a RGB.

II. Marco teórico
Los métodos de clasificación no supervisada no requieren del operador la definición explícita de las clases. No es necesario ningún conocimiento a priori, ya que es el propio algoritmo quien las define de acuerdo a los datos. Para llevar esto a cabo es necesario suministrar algunos valores tales como el número de clases que se desea crear, lostamaños mínimos y máximos de cada una, o ciertas tolerancias para la distinción entre clases. Estos parámetros “guían” al algoritmo en la definición de clases, que se produce en estos métodos de forma simultánea a la asignación de los elementos a una u otra de dichas clases(CHUVIECO,1995)

Este método se dirige a definir las clases espectrales presentes en la imagen. No implica ningúnconocimiento del área de estudio, por la que la intervención humana se centra más en la interpretación que en la consecución de resultados.
En esta estrategia, se asume que los ND de la imagen forman una serie de agrupaciones o conglomerados (clusters), más o menos nítidos según los casos. Estos grupos equivaldrían a pixeles con un comportamiento espectral homogéneo y, por tanto, deberían definir clasestemáticas de interés. Desgraciadamente, como se vio más arriba, estas categorías espectrales no siempre pueden equipararse a las clases informacionales que el usuario pretende deducir, por lo que resta a este “dar sentido”, interpretar, el significado temático de esas categorías espectrales (CHUVIECO,1995).
La clasificación es no supervisada cuando se dispone de un conjunto de objetos(observaciones), donde se desconoce tanto el número de clases en que es razonable particionarlo así como a qué clase pertenece cada observación.
Este proceso de clasificación no supervisada, es significativamente más complejo que el de la supervisada ya que se desconocen las clases naturales, y dependerá de la habilidad para seleccionar:
* Las características que representan al objeto (elección de las...