próximo tutorial 4-1. procesamiento de imágenes digitales

Próximo tutorial

4-1

Procesamiento de imágenes digitales

Tipos generales de procesamiento

• Pre-procesamiento para clasificación– Corrección radiométrica– Corrección geométrica

• Mejoramiento de imagen– Mejoramiento de contraste (estiramiento de

histograma)– Filtración – Transformaciones especiales

• Extracción de componentes principales• Índices de vegetación

Tipos generales de procesamiento, cont.

• Extracción de información temática– Por interpretación visual

• Ej., fotointerpretación

– Por interpretación espectral• Clasificación no-supervisada• Clasificación supervisada• Clasificación por inteligencia artificial• Detección de cambios

Correciones radiométricas

• Propósito: recuperar los valores reflectancia correctos de los objetos telesensados.

• Tipos de error:– Fallas del instrumento– Reflectancia modificada por topografia– Interferencia atmosferica

Ej. de error del instrumento

Corrección geométrica

Estiramiento para contraste

Filtración

• Filtro para realzar bordes.

Extracción de información temática

• Por fotointerpretación:

Pasos generales para la clasificación digital

Definir el problema

• Identificar preguntas o hipótesis claras.

• Seleccionar área de estudio.

• Seleccionar clases o categorías a detectar. [Seleccionar tipo de dato telesensado.]

Seleccionar clases y tipo de dato telesensado

Las características de los datos digitales (e.g., su resolución espacial)

deben ser apropiadas para el nivel o jerarquía de clases deseado.

Seleccionar clases y tipo de dato telesensado

Seleccionar clases y tipo de dato telesensado

Seleccionar clases y tipo de dato telesensado

Seleccionar clases y tipo de dato telesensado

• Criterios– Características del telesensor– Consideraciones ambientales

• Condiciones atmosféricas• Condiciones del terreno• Condiciones de organismos

Procesar imágenes

• Corregir imágenes

• Seleccionar proceso de clasificación– No supervisada– Supervisada – Con datos no-telesensados (datos auxiliares)– Híbrida (Ej., no supervisada seguida de

supervisada)

• Clasificar

Clasificación no supervisada

• Extrae grupos de píxeles (clases espectrales) con características espectrales suficientemente similares entre sí mismos pero suficientemente distintos a los otros grupos.

• Los resultados son independientes de nuestro conocimiento sobre localización de tipos de cobertura en el área de estudio.

Proceso de agrupar

Proceso de agrupar

Proceso de agrupar

Proceso de agrupar

CLUSTER

Uno de los algoritmos utilizados en Idrisi32

Picos y hombros en un histograma

ETM4

Composición de ETM2,3,4

Grupos amplios vs. Grupos finos

Necesidad de seleccionar 3 bandas de mayor contenido de información

• Utilizar PCA.

• Seleccionar bandas con alta correlación con los componentes principales.

• Evitar seleccionar bandas con alta correlación entre sí.