Por favor, use este identificador para citar o enlazar este ítem: http://inaoe.repositorioinstitucional.mx/jspui/handle/1009/649
Extracción de mapas temáticos a partir de la clasificación en imágenes satelitales
JUAN FRANCISCO ROBLES CAMACHO
JESUS ANTONIO GONZALEZ BERNAL
Jorge Martinez_Carballido
Acceso Abierto
Atribución-NoComercial-SinDerivadas
Satellite tracting
Image processing
Data mining
A method for classifying multi-spectral satellite images based on some knowledge, called Multi-Model Classification Scheme (MMCS), is presented in this work. The MMCS is divided into two parts: Descriptive and Contextual. The descriptive part refers to the texture, geometrical shape and spectral features of a region. The contextual part refers to the topological relationships among the image regions. Data mining techniques are used to discover both types of knowledge. The extracted knowledge from the regions of interest, coming from their descriptive features (texture, shape and spectral) and contextual features (topological relationships), is organized in a knowledge representation scheme based on semantic networks. The MMCS reclassifies the previously classified regions by the parametric algorithms (Minimum Mean Distance, Parallelepiped, Maximum Similarity and Mahalanobis Distance) in order to improve the algorithm classification results that only take into account the spectral features of the satellite image. The Halcon Image-Analysis System (version. 7,1) was used to process satellite images. Matlab was used to preclassify a satellite image using parametric algorithm. C++ was used to classify the regions in the MMCS. Experiments were done over 30 segments of multi-spectral satellite images (SPOT- 5) from two areas in Mexico, specifically the coastal zones of the Port of Veracruz and Campeche. 20 segments were used during the training processes and the remaining 10 at the classifiers testing processes. The quantitative classification testing results obtained by parametric algorithms went from 84 to 95 percent of precision. At the reclassification process, using the nominated MMCS, the precision percentage reached was between 95% and 98 %. It was observed that the MMCS increases the classification percentages obtained by the parametric algorithms between 3-15% depending on the complexity on the image, also the proposed algorithm tends to normalize the precision percentages over 95% at the parametric algorithms classification. However, the qualitative evaluation performed to the thematic images, obtained from the classification and reclassification, is low. This is mainly due to the fact that the thematic maps contain classified regions without a well defined shape.
En este trabajo se presenta un método de clasificación de imágenes satelitales multiespectrales basado en conocimiento, llamado, Esquema de Clasificación Multi Modelos o MMCS. El conocimiento del MMCS es dividido en dos partes: Conocimiento Descriptivo y Conocimiento Contextual. El Conocimiento Descriptivo se refiere a las características Espectrales, de Textura y de Forma Geométrica de una región. El conocimiento Contextual se refiere a las relaciones topológicas entre las regiones de la imagen. Técnicas de Minería de datos son usadas para el descubrimiento del conocimiento Descriptivo Contextual de las Regiones de interés. El conocimiento extraído de las regiones de interés, a partir de sus características descriptivas (Espectrales, Textura y Forma) y su características contextuales (relaciones Topológicas) se organizan en un Esquema de representación de Conocimiento basado en Redes Semánticas. El MMCS realiza la reclasificación de las regiones previamente clasificadas por los algoritmos paramétricos (Distancia Mínima a la Media, Paralelepípedo, Máxima Similaridad y Distancia Mahalanobis), con la finalidad de mejorar los resultados de clasificación de los algoritmos que sólo toman en cuenta las características espectrales de la imagen satelital. Para el tratamiento de las imágenes satelitales se usó el sistema de análisis de imágenes Halcón en su versión 7.1. Para la preclasificación de las imágenes satelitales por los algoritmos paramétricos se utilizó Matlab. Y la clasificación de las regiones en el MMCS se realizó en C++. Los experimentos se realizaron sobre 30 segmentos de Imágenes Satelitales Multiespectrales SPOT-5 en dos áreas de estudio dentro de la Republica Mexicana, que comprenden zonas costeras del puerto de Veracruz y Campeche. Para los procesos de entrenamiento se utilizaron 20 segmentos y los 10 segmentos restantes se utilizaron para los procesos de pruebas de los clasificadores.
Instituto Nacional de Astrofísica, Óptica y Electrónica
2007-02
Tesis de maestría
Español
Estudiantes
Investigadores
Público en general
Robles-Camacho JF
BANCOS DE DATOS
Versión aceptada
acceptedVersion - Versión aceptada
Aparece en las colecciones: Maestría en Ciencias Computacionales

Cargar archivos:


Fichero Tamaño Formato  
RoblesCJF.pdf2.29 MBAdobe PDFVisualizar/Abrir