Evaluación de métodos de clasificación de imágenes satelitales de moderada y alta resolución para la obtención de mapas de uso y cobertura del suelo basados en píxeles y orientados a objetos: Estudio de caso en sub escena de la parroquia Shushufindi, Provincia de Sucumbíos, utilizando imágenes Aster e Ikonos
En la actualidad el surgimiento de imágenes satelitales con mayor resolución espacial, ha permitido observar objetos a mayor detalle, esto a su vez ha generado la investigación de nuevas formas de procesamiento de las mismas, como es el método orientado a objetos. Este trabajo de investigación busca...
Saved in:
主要作者: | |
---|---|
其他作者: | |
格式: | bachelorThesis |
语言: | spa |
出版: |
2012
|
主题: | |
在线阅读: | http://repositorio.espe.edu.ec/handle/21000/5528 |
标签: |
添加标签
没有标签, 成为第一个标记此记录!
|
总结: | En la actualidad el surgimiento de imágenes satelitales con mayor resolución espacial, ha permitido observar objetos a mayor detalle, esto a su vez ha generado la investigación de nuevas formas de procesamiento de las mismas, como es el método orientado a objetos. Este trabajo de investigación busca encontrar el mejor tipo de clasificador en imágenes de moderada y alta resolución espacial para la obtención de mapas de uso y cobertura del suelo, mediante los métodos de clasificación por píxeles y orientado a objetos. En primer lugar se aseguró la calidad cartográfica del producto, para esto se utilizó equipos GPS de precisión, una adecuada georreferenciación de las imágenes y un riguroso control posicional. Posteriormente se generó la cartografía temática, se estableció la leyenda de trabajo y se aplicaron diferentes algoritmos de clasificación para las imágenes, utilizando un programa comercial para los métodos por píxeles, el no supervisado algoritmo Isodata y el supervisado algoritmo de Máxima Probabilidad; y un programa libre para el método orientado a objetos, el no supervisado algoritmo Isoseg y el supervisado algoritmo de Bhattacharya, además de exponer su base matemática. Finalmente se validó la cartografía temática de las clasificaciones, calculando un tamaño de la muestra estadísticamente robusto y se aplicaron matrices de confusión para obtener un índice Kappa por cada algoritmo utilizado, para conocer cuál es el que da mejores resultados dependiendo del tipo de imagen. |
---|