Métodos De Clasificación Supervisada

INTRODUCCIÓN

La clasificación de una imagen digital consiste en categorizar una imagen multibanda en términos estadísticos, es decir, se pasa de tener niveles digitales continuos medidos por los sensores a una escala nominal o categórica de manera que cada pixel pertenece a una categoría definida previamente. Esta técnica asocia patrones espectrales a rasgos característicos de la superficie terrestre. Por lo tanto, la imagen multibanda se convierte en otra imagen en donde los ND que definen cada pixel no tiene relación con la radiancia detectada, sino se trata de una etiqueta que da identidad a la nueva categoría asignada a ese pixel.

En los procesos de reducción de datos, la clasificación es parte esencial, ya que por medio de ésta se logran entender conjuntos complejos de observaciones. Casi siempre sucede que los datos fuente deben ser usados antes de utilizarse. A pesar de que cualquier proceso de clasificación implica cierta pérdida de información, un buen esquema además de minimizar esta pérdida, provee la manera conveniente de manejar y transferir información.

Para realizar la clasificación es necesario introducirle al programa informático específico una muestra de pixeles de la imagen que representen adecuadamente a cada categoría teniendo en cuenta su variabilidad

La clasificación digital de imágenes es, en cierta medida, parecida a la fotointerpretación. Como ya se mencionó, en este método se identifica el patrón visual asociado a una cubierta de acuerdo a una serie de parámetros como son el tono, la textura, la forma, el contexto, etc.

A nivel general, se pueden reconocer dos grandes tipos de formas de llevar a cabo la clasificación:

• Clasificación supervisada. Se parte de un conjunto de clases conocido. Estas clases deben caracterizarse en función de un conjunto de variables.

• Clasificación no supervisada. No se establece ninguna clase, aunque es necesario determinar el número de éstas y dejar que las defina un proceso estadístico.

Ninguno de los métodos es completamente preciso ya que en el método supervisado puede forzar al ordenador a diferenciar categorías sin un claro significado espectral; el método no supervisado puede distinguir clases que no contengan información de interés.

DESARROLLO

Clasificación Supervisada

El método supervisado parte de un cierto conocimiento de la zona de estudio lo cual le permite al intérprete delimitar sobre la imagen zonas o áreas representativas de las distintas categorías que se pretende discriminar. Estas delimitaciones son conocidas como áreas de entrenamiento, ya que sirven en la preparación del ordenador para el reconocimiento de las distintas categorías.

Las estadísticas elementales más relevantes para el análisis posterior son: media, rango, desviación estándar, varianza, covarianza, entre otros. Esta serie de cálculos es aplicada a cada banda espectral. Los resultados extraídos a partir de los ND de cada área de entrenamiento definen a cada clase, por tanto es muy importante su correcta selección, evitando la clasificación de áreas heterogéneas. Es mejor elegir varias áreas de pequeño tamaño que una sola de mayor dimensión.

Técnicas de clasificación no estadísticas

a) Clasificación por mínima distancia

Puesto que cada clase dispone de una reflectancia media, se pueden posicionar estas medias en el espacio de variables. Posteriormente, en este mismo espacio de variables se calcula la distancia entre un pixel y cada una de las clases asignadas. Evidentemente cada pixel será incluido en la clase respecto a la cual su distancia sea mínima.

Existen varias formas de medir esta distancia espectral entre pixeles y clases pero la más empleada es la Euclidea

Donde k=1, 2, 3,…, N clases

Siendo el valor de cada pixel en la banda n. Los subíndice (i , j) corresponden al número de fila y número de columna en cada pixel de la imagen.

Este método presenta problemas de sobreclasificación, ya que ningún pixel queda

...