Implementación del método máquinas de soporte vectorial en bases de datos espaciales para análisis de clasificación supervisada en imágenes de sensores remotos

Cargando...
Miniatura

Fecha

Fecha

2018-09-07

Colaboradores

Título de la revista

ISSN de la revista

Título del volumen

Editor

Altmetric

Descripción

El presente proyecto está orientado a la implementación de un método de clasificación supervisada sobre imágenes provenientes sensores remotos ya sean activos o pasivos almacenadas en una base de datos espacial de tipo relacional que permita contribuir a la clasificación de imágenes, según parámetros de normalidad y anormalidad donde se consiga además almacenar estos resultados dentro del mismo sistema manejador de bases de datos. Dado que el algoritmo de clasificación supervisada Máquinas de Soporte Vectorial (MSV) es ampliamente aceptado por la comunidad científica como una de las mejores técnicas de clasificación, ya que permite tener una muy buena exactitud en el diagnóstico de las diferentes coberturas presentes en el suelo, puesto que busca no solo encontrar una disociación entre estas, sino lograr una separación entre los elementos a clasificar, se implementará como técnica de clasificación para el proyecto. La aplicación está diseñada para el usuario final, que permita no sólo obtener un apoyo y sustento al momento de tomar decisiones, sino que facilite la actualización de la base de datos, la inclusión o la eliminación de información de la misma, así como la posibilidad de elegir las características principales que se deban tener en cuenta durante el proceso de clasificación. Esta utilidad es de gran valor, ya que al trabajar con imágenes de características similares, la posibilidad de establecer rangos de disociación o pesos a las diferentes coberturas afecta directamente el resultado que se espera obtener. Finalmente se presentará un caso de estudio relacionado con la deforestación de la amazonia colombiana donde se demostrará la utilidad de la aplicación por medio de una clasificación supervisada la cual será comparada con el módulo de clasificación de algunos software que la implementan en la actualidad.

Resumen

The present project is oriented to the implementation of a supervised classification method on images from remote sensors stored in a spatial database that allows contributing to the diagnosis of image classification, according to parameters of normality and abnormality where it is also possible to store these results within the same database manager system. Given that the supervised classification algorithm Vector Support Machines (MSV) is widely accepted as one of the best classification techniques because it allows to have a very good accuracy in the diagnosis of the different coverages present in the ground, since it seeks not only to find a dissociation between these, but to achieve a separation between the elements to be classified, will be implemented as a classification technique for the pilot project to be carried out. The application will be designed for the end user, which allows not only to obtain support and sustenance when making decisions, but also to facilitate the updating of the database, the inclusion or elimination of information from it, as well as the possibility to choose the main characteristics that must be taken into account during the classification process. This utility is of great value, since when working with images of similar characteristics, the possibility of establishing dissociation ranges or weights to the different coverages directly affects the expected result. Finally, a case study related to the deforestation of the Colombian Amazon will be presented, where the usefulness of the application will be demonstrated through a supervised classification which will be compared with the classification module of some software that implements it at present.

Palabras clave

Máquinas de Soporte Vectorial, Coberturas, Imágenes raster, Clasificación, Base de datos espacial

Materias

Maestría en Ciencias de la Información y las Comunicaciones - Tesis y disertaciones académicas , Máquinas de soporte vectorial , Clasificación supervisada , Datos espaciales

Citación