Por: Sergio Alejandro Rojas Barbosa
|
Fecha: 01/01/2019
A pesar de que la teoría de los Campos Aleatorios de Markov (CAM – MRF en inglés) es ampliamente aceptada por la comunidad científica como una de las mejores técnicas de modelamiento de los procesos de variables aleatorias, y ha sido ampliamente usada en las áreas de la física, matemática, procesamiento de imágenes y visión por computadora, sus capacidades no han sido consideradas para un proceso clave dentro la teledetección como lo es clasificación de las coberturas de la superficie. La presente tesis está orientada a la implementación de un método de clasificación supervisada de las imágenes ópticas multiespectrales de observación de la tierra dentro de una aplicación que permite la clasificación de patrones en las imágenes. Esta aplicación está diseñada para el usuario final y le permite no sólo aportar técnica al usuario al momento de tomar decisiones, sino que facilita la posibilidad de elegir y cambiar los parámetros que se deben tener en cuenta durante el proceso de clasificación. Esta aplicación es de gran valor, ya que, al trabajar con las imágenes multiespectrales, la posibilidad de visualización y selección de las muestras de las diferentes coberturas y validación rápida beneficiando así el procesamiento digital de imágenes y teledetección. De esta forma, se encontró que la clasificación de imágenes usando MRF permite tener una buena exactitud en el diagnóstico de las diferentes coberturas presentes en el suelo, dado que logra una separación entre los elementos a clasificar, la cual se implementa como técnica de clasificación para la investigación. Finalmente se presenta una validación y comparación del método estudiado con respecto a los métodos clásicos (KNN y Malahanobis) de clasificación donde se demostrará la utilidad de la aplicación.
Fuente:
Universidad Distrital Francisco José de Caldas
Tipo de contenido:
Otros
