Clasificacion Multiespectral Imagenn Digital
CLASIFICACION DE UNA IMAGEN DIGITAL MULTIESPECTRAL
Elaboró
JHON ALEXANDER MONTAÑA MEDINA
COD. 3101033
Presentado a:
Ing. JJORGE LUIS HERRERA ESCORCIA
UNIVERSIDAD MILITAR NUEVA GRANADA
FACULTAD DE INGENIERIA
ESPECIALIZACION EN GEOMATICA
2010
DESARROLLO TALLER No. 2
1. Adicionar 3 canales de 8 bits a la base de datos .pix, leída y evaluada en elprimer trabajo individual.
En Geomática focus en la configuración de sesión de entrenamiento, se agregan al archivo 3101033.pix 3 canales de 8 bits, un canal se establece como espacio de trabajo para la sesión de entrenamiento de la clasificación supervisada, en otro servirá de salida para almacenar la clasificación supervisada y en el último canal la clasificación no supervisada de la imagendigital dada.
2. Realice una clasificación supervisada, evaluando cada uno de los algoritmos propuestos en el software, definiendo una composición a color, los canales de entrada, el canal de muestras y el canal de salida de la clasificación.
En la clasificación supervisada, se seleccionan regiones reconocibles dentro de una imagen, con la ayuda de información de campo y la habilidad deinterpretar imágenes, para crear áreas patrón llamadas áreas de entrenamiento. Sus áreas de entrenamiento son entonces utilizadas para entrenar su sistema con el fin de identificar píxeles con características similares.
Para este taller se toman las coberturas ya definidas en el Taller No. 1, se define la composición en falso color RGB 4,5,3 establecida en la ventana “Session Configuration”,composición que facilitará el proceso de interpretación diferenciando en mayor grado las cubiertas vegetales las cuales por su respuesta espectral selectiva son muy variables en cada banda de la imagen.
[pic]
Se configuran y definen además en la sesión de entrenamiento para la clasificación supervisada; 7 canales de entrada correspondientes a las 7 bandas de la imagen LANDSAT, el canal 10 como canalde entrenamiento o de muestras y el canal 11 donde se almacena la salida de la clasificación realizada como se aprecia en la ventana “Session Configuration”.
[pic]
Los tres algoritmos propuestos para la clasificación supervisada son; Paralelepípedo, Distancia Mínima y Máxima verosimilitud, los cuales más adelante se analizarán por separado para la imagen dada.
[pic]
3. Realice latoma de muestras, teniendo en cuenta las diez clases definidas en el taller anterior y realice los análisis de separabilidad entre las muestras y los ploteos bidimensionales “ scatter plots” como soporte al análisis.
Las siguientes son las diez clases ya definidas y configuradas dentro de la sesión de entrenamiento para realizar la clasificación supervisada.
[pic]
Como se tomó lacomposición en falso color RGB 4,5,3 se realizó un ploteo bidimensional entre estas tres bandas para analizar la separabilidad de las clases definidas.
Canal 3 Vs Canal 4
[pic]
En el análisis bivariado entre las bandas 3 y 4 se tiene que para la clase nubes, existe una correlación que tiende a tener la correlación lineal más apreciable, en razón que esta casi en el sentido de la correlación entrelas dos bandas y sus residuales son mínimos, lo que hace que esta clase sea difícil de interpretar por la dispersión de los ND en la imagen.
Los ND de la clase de tierras eriales se encuentra menos dispersa en la gráfica y tienen un comportamiento más lineal, y se encuentran dentro de la clase de construcciones, interpretando un solapamiento de estas dos coberturas.
La mayoría de las elipsesque representan una clase determinada se cruzan, sobre todo la cobertura cultivos.
Canal 3 Vs Canal 5
[pic]
En el análisis bivariado de estas dos bandas se aprecia claramente la separación de la clase cuerpos de agua de las demás, haciendo esta más identificable.
La cobertura cultivos posee una menor correlación lineal en razón a que es la más opuesta de las demás a al sentido de...
Regístrate para leer el documento completo.