|
|
Ejercicio 2: Detección de lava utilizando la clasificación supervisada  Clasificación supervisada: Ahora vamos a aprender la forma de realizar una clasificación semiautomática para detectar lava y cambios en un volcán. Los resultados de la clasificación se basan en la diferencia en la respuesta espectral de las características detectadas (por ejemplo, vegetación, áreas urbanas, lava, suelo desnudo) en diferentes bandas espectrales.
Es necesaria la intervención humana para llevar a cabo una clasificación supervisada, por eso hay que dibujar los campos de entrenamiento que ayudarán al software a reconocer las distintas clases de valores de píxeles. El software asignará a cada píxel una clase determinada, ejecutando la clasificación con el algoritmo de máxima verosimilitud (consulta el tutorial, pág. 52 y siguientes). Definición de las clases: En primer lugar, decide en qué te quieres centrar. Si deseas clasificar los diferentes tipos de vegetación, los campos de entrenamiento se elegirán de manera diferente a si lo que quieres es distinguir la lava de la vegetación o de otras características. Este ejercicio tiene dos objetivos:
Las nubes son un gran problema al realizar la clasificación de imágenes ópticas, igual que las sombras de las nubes, que pueden confundirse con otras características de valores "oscuros" en algunas bandas (por ejemplo, la lava). Hay dos maneras de filtrar las nubes y las sombras: 1) elaborando una máscara de nubes (el enmascaramiento automático se realiza mediante la aplicación de un algoritmo de clasificación o umbral, y/o la digitalización manual y, posteriormente, el corte de las partes de píxeles afectadas de la imagen) o 2) generando una clase específica para las nubes y sombras (como en el caso de la imagen de 2001). Las clases predefinidas son:
Last update: 5 junio 2013
| ||||||||||||||||||||||||||||||||||||||
1