Clasificacion no supervisada

Taller No 12: Clasificación No Supervisada

CLASIFICACION NO SUPERVISADA
1. MARCO DE REFERENCIA
La clasificación no supervisada es otra técnica de clasificación de imágenes. En este tipo de clasificación, se extraen los patrones de respuesta espectral predominantes en la imagen y se identifican las clases requeridas a partir de fotografías, mapas o a través de trabajo de campo. Idrisi proveedos métodos de clasificación no supervisada: CLUSTER e ISOCLUST [1].

1.1.

Cluster

CLUSTER (grupo) emplea una técnica de selección de picos del histograma (Richards, 1993). Es equivalente a buscar los picos en un histograma bidimensional. Un “pico” se define como un valor con una frecuencia mayor que sus vecinos a ambos lados. Una vez se han identificado los picos, todos los valoresposibles son asignados al pico más cercano. Así, las divisiones entre clases suelen ubicarse en los puntos medios entre picos. Como la técnica implica una definición específica del concepto de “pico”, no es necesario encontrar un estimado inicial del número de picos en la imagen, el método se encarga de ello. CLUSTER trabaja directamente sobre imágenes de composición a color de 8 bits. Estas imágenespermiten que la información de tres bandas sea combinada en una única imagen del mismo tamaño físico que las iniciales. El método evalúa un histograma tridimensional de las tres bandas (donde los picos serán esferas), representadas en la composición de color. Puede usarse cualquier combinación de bandas. La composición es empleada, debido a que el procedimiento para su creación, es esencialmente elmismo, de la primera etapa de la generación del histograma multi-dimensional en el algoritmo de cluster. Una vez los picos han sido localizados, cada pixel en la imagen es asignado al pico más cercano, siendo cada clase un cluster, con una etiqueta correspondiente. La tarea del analista es entonces identificar las clases de coberturas de cada cluster, comparando la imagen agrupada con los rasgosde la superficie de la tierra. El procedimiento de cluster en Idrisi es rápido y efectivo en cubrir la estructura de las coberturas básicas de la imagen. Puede ser utilizado también, como paso preliminar para un proceso de clasificación híbrida (no supervisada/supervisada), mediante el cual los clusters son usados como sitios de entrenamiento para un segundo paso en la clasificación, usando elclasificador de “maxima verosimilitud”. Este proceso da la ventaja de usar un mayor número de bandas originales, así como de proveer una clasificación más estricta de los pixeles a sus cluster más similares. Sin embargo, esta es la lógica que constituye la base del procedimiento de ISOCLUST que se describe a continuación.

1.1.1. Isoclust
Este módulo de Idrisi es un clasificador iterativo autoorganizado basado en la rutina de Isodata de Ball y Hall (1965) y en las rutinas de cluster de de H - medios y K – medios. En esencia su lógica es la siguiente: 1. El usuario decide el número de cluster que desea. Como uno es ciego para determinar esto, lo que se hace es seleccionar un número alto de clases, para agruparlas, después de la

MANUAL PRACTICO DE PERCEPCION REMOTA

2.

3. 4. 5.interpretación. Idrisi brinda la opción de analizar el histograma, para sacar las clases significativas (cluster) a partir de su análisis. Un conjunto de N clusters es localizado arbitrariamente en el espacio de las bandas. En algunos casos estas localizaciones se realizan al azar, en otras, se localizan sistemáticamente dentro de la región de altas frecuencias de reflectancias. Idrisi usa elalgoritmo de cluster, el cual ubica en forma más real el número de clases, seleccionado por el usuario. Los pixeles son asignados a la localización de cluster más cercana Después de que los pixeles son asignados una nueva localización del centro es computada Los pasos 3 y 4 se repiten iterativamente hasta que no se produzcan cambios significativos en la salida.

2. PROCEDIMIENTOS GENERALES
En esta...