Desarrollo de un algoritmo para clasificación de objetos en imágenes RapidEye

Abstract

El uso de imágenes de satélite para determinar y mapear el uso actual del suelo mediante la clasificación de objetos terrestres se ha vuelto una herramienta muy importante en los estudios de recursos naturales en los últimos años, por lo que es necesario tener certeza de la correspondencia entre los datos obtenidos a partir de una imagen de satélite y los datos observados en campo. En el presente trabajo, se desarrolló un algoritmo de clasificación genérica de objetos terrestres a partir de 17 imágenes de los diferentes satélites RapidEye con coberturas distribuidas alrededor del mundo y tomadas en diferentes fechas entre abril del 2009 y junio de 2011. Se generaron convoluciones de las firmas espectrales de varios objetos de interés a partir de diferentes bibliotecas espectrales para hacerlas comparables con las obtenidas en las clases presentes en las imágenes analizadas. Posteriormente, se propusieron condiciones basadas en operaciones booleanas para discriminar entre 11 de los principales objetos presentes en la superficie terrestre y se generó un algoritmo con una precisión del 87.9% respecto a otra clasificación de tipo supervisada con sitios de entrenamiento basados en fotointerpretación. Finalmente, se concluyó que la metodología aplicada en este trabajo fue adecuada, ya que se obtuvieron resultados satisfactorios dados los objetivos del mismo. _______________ DEVELOPMENT OF AN ALGORITHM FOR OBJECT CLASSIFICATION IN RAPIDEYE IMAGERY. ABSTRACT: The use of satellite imagery for determining and mapping current land use through terrestrial objects classification has become a very important tool in natural resource's studies in the last years; thus, is necessary to have certainty of the reciprocation between data obtained from a satellite's image and field data. In this dissertation, it was developed an algorithm of generic terrestrial object classification starting from 17 images of the different RapidEye satellite with distributing coverage all over the world and different acquisition dates between April 2009 and June 2011. Convolutions of spectral signatures were generated for several objects of interest starting from different spectral libraries in order to make them comparable with those obtained in present classes in the analyzed images. After that, conditions based on Boolean operations were proposed for discriminate between 11 of the main objects in earth's surface and an algorithm with an accuracy of 87.9% compared to a supervised classification that uses training sites based on photointerpretation was created. Finally, the conclusion is that the applied methodology in this dissertation was accurate, since satisfactory results were obtained.