Clasificación No Supervisada – ArcGIS 9.2 Autor: Luis Sadeck - Brasil Adaptado y Traducido por: Armando Rodriguez - Bolivia RED de GEOBlogs - 2010
Estimados colegas, conforme a lo solicitado en este tutorial se presentará como realizar una clasificación no supervisada con este fin podemos recordar que una Clasificación no Supervisada no establece ninguna clase a priori, aunque es necesario determinar el número de clases que queremos establecer, y dejar que las defina un procedimiento estadístico o clases correspondientes a la escena. El proceso de clasificación significa agrupar objetos iguales y separar los objetivos diferentes., “En la definición matemática, utiliza el espacio de atributos ("feature space "), que es esencial para entender la clasificación de imágenes multiespectrales. En el procesamiento digital, cada eje de este espacio se asignan los niveles de gris de una determinada banda del espectro.” Entonces veamos el procedimiento. Abra la imagen que desea clasificar haciendo clic en
Add Data.
Trusted by over 1 million members
Try Scribd FREE for 30 days to access over 125 million titles without ads or interruptions! Start Free Trial Cancel Anytime.
Trusted by over 1 million members
Try Scribd FREE for 30 days to access over 125 million titles without ads or interruptions! Start Free Trial Cancel Anytime.
Después abra el ArcToolBox
diríjase a Spatial Analyst Tools > Multivariate >
Iso Cluster . En este tipo de clasificación, las clases se determinan mediante análisis de clusters (conglomerados o grupos similares).
En Input Raster Bands , coloque la imagen a ser clasificada, en Output Signature File el software le dará un nombre y ubicación, seleccione la dirección que Ud elija, sin olvidarse de poner la extensión *.gsg. En Number of Classes , después de dar un vistazo a la imagen con el fin de conocer la variabilidad espacial, se puede elegir el valor, para nuestro ejemplo usamos 10 clases, el Number of Iterations sirve para que el programa realice iteraciones para calcular y clasificar mejor los píxeles, teniendo en cuenta los valores medios, por tanto se usará nueve iteraciones. En Minimum Class Size y en
Sample Interval no cambiamos nada, dejamos valores por defecto. Una vez llenos estos campos mandamos a correr el proceso. Una vez terminado, el archivo que se genero en este paso será utilizado en la clasificación. Ahora vamos a Spatial Analyst Tools > Multivariate > Maximum Likelihood
Trusted by over 1 million members
Try Scribd FREE for 30 days to access over 125 million titles without ads or interruptions! Start Free Trial Cancel Anytime.
En Input Raster Bands, coloque a imagen a ser clasificada, en Input Signature File localice el archivo que se genero en el procedimiento anterior, en Output Classifield
Raster, cambie la dirección si es necesario, para rechazar fracciones menores a el área del píxeles, se cambia el valor en Reject Fraction, dejar el resto por defult y ejecutar la clasificación.
Después de completarse la clasificación al desplegar la imagen se debería mostrar con colores arbitrarios, ahora es sólo determinar la correspondencia a cada clases, es decir color azul a los cuerpos de agua, bosque de color verde, etc... el resultado de esta clasificación seria la siguiente.
Trusted by over 1 million members
Try Scribd FREE for 30 days to access over 125 million titles without ads or interruptions! Start Free Trial Cancel Anytime.
Recordar que esta clasificación es aplicado sin supervisión de clases, por tanto, se puede generar algunos errores de omisión o comisión, para limpiar o mejorar la clasificación se pueden usar algunos filtros, esto será objeto de otro tutorial. Para más detalles técnicos, revise la bibliografía “Tou, J. T. and R. C. Gonzalez, 1974. Pattern Recognition Massachusetts”.
Principles,
Addison-Wesley
Publishing
Company,
Reading,
Esperamos que este tutorial haya sido de utilidad para Uds, cualquier interrogante o ayuda que necesiten no duden en entrar en contacto a las siguientes direcciones:
Trusted by over 1 million members
Try Scribd FREE for 30 days to access over 125 million titles without ads or interruptions! Start Free Trial Cancel Anytime.
Brasil
Bolivia
Mensaje : Si conoces a los demás y te conoces a ti mismo, ni en cien batallas correrás peligro; si no conoces a los demás, pero te conoces a ti mismo, perderás una batalla y ganarás otra; si no conoces a los demás ni te conoces a ti mismo, correrás peligro en cada batalla (Sun Tzu).
SADECK – GEOTECNOLOGIAS
- Tutoriales en Portugués
http://geotecnologias.wordpress.com/ Esta obra está licenciada bajo una bajo una Licencia Creative Commons
ARM – GEOINFORMACION
- Tutoriales en Español
http://geoinformacion.wordpress.com/