Desarrollo y propuesta metodológica para el empleo de los Campos Aleatorios de Markov aplicados a técnicas de clasificación de coberturas en imágenes de la superficie terrestre
Fecha
Fecha
2019-06-15
Autores
Director
Colaboradores
Título de la revista
ISSN de la revista
Título del volumen
Editor
Altmetric
Descripción
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.
Resumen
Although the Markov Random Fields (MRF) theory is widely accepted by the scientific community as one of the best modeling techniques for random variables processes, and has been widely used in the areas of physics, mathematics, image processing and computer vision, its capabilities have not been considered for a key process in remote sensing as it is the classification of land covers. This thesis is oriented to the implementation of a supervised classification method of multispectral optical images of earth observation, within an application that allows the classification of image patterns.An application is presented that is designed for the end user, which allows not only technically and theoretically support the user when making decisions, but also facilitates the possibility of choosing and changing the parameters that must be taken into account during the classification process according to the selected method. This application is of great value, since, when working with multispectral images, the possibility of viewing them and being able to select the samples of the different land covers and perform a rapid validation in the same application is beneficial for anyone interested in digital image processing and remote sensing. It was found that the classification of images using MRF allows to have a good accuracy in the diagnosis of the different coverages present in the soil, since it achieves a separation between the elements to be classified, which will be implemented as a classification technique for the investigation. Finally, a validation and comparison of the method studied with respect to classical methods (KNN and Malahanobis) of classification where the utility of the application will be demonstrated.
Palabras clave
Campos Aleatorios de Markov CAM, Clasificación supervisada, Coberturas terrestres, Imágenes multiespectrales