clasificaciÓn de imÁgenes de satÉlite mediante · • cada clase de la clasificación...
TRANSCRIPT
![Page 1: CLASIFICACIÓN DE IMÁGENES DE SATÉLITE MEDIANTE · • Cada clase de la clasificación corresponde a un estado de las celdas. • La vecindad de cada celda corresponde con los 8](https://reader035.vdocuments.pub/reader035/viewer/2022081406/5f1868debcb8dc2ec960ce1e/html5/thumbnails/1.jpg)
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Cla
sific
ació
n de
imág
enes
de
Sat
élite
med
iant
e A
utóm
atas
Cel
ular
es1
CLASIFICACIÓN DE IMÁGENES DE SATÉLITE MEDIANTE
AUTÓMATAS CELULARES
Antonio Moisés Espínola Pérez
- PROYECTO SOLERES -
15 de febrero de 2010
![Page 2: CLASIFICACIÓN DE IMÁGENES DE SATÉLITE MEDIANTE · • Cada clase de la clasificación corresponde a un estado de las celdas. • La vecindad de cada celda corresponde con los 8](https://reader035.vdocuments.pub/reader035/viewer/2022081406/5f1868debcb8dc2ec960ce1e/html5/thumbnails/2.jpg)
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Cla
sific
ació
n de
imág
enes
de
Sat
élite
med
iant
e A
utóm
atas
Cel
ular
es2 INDICE DEL SEMINARIO
CLASIFICACION DE IMÁGENES DE SATÉLITE MEDIANTE ACs
Introducción
Algoritmos de clasificación espectrales
Algoritmos de clasificación contextuales
Autómatas celulares usados en simulación
Clasificación de imágenes con autómatas celulares
Resultados obtenidos
Trabajos futuros
Preguntas
![Page 3: CLASIFICACIÓN DE IMÁGENES DE SATÉLITE MEDIANTE · • Cada clase de la clasificación corresponde a un estado de las celdas. • La vecindad de cada celda corresponde con los 8](https://reader035.vdocuments.pub/reader035/viewer/2022081406/5f1868debcb8dc2ec960ce1e/html5/thumbnails/3.jpg)
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Cla
sific
ació
n de
imág
enes
de
Sat
élite
med
iant
e A
utóm
atas
Cel
ular
es3 INDICE DEL SEMINARIO
CLASIFICACION DE IMÁGENES DE SATÉLITE MEDIANTE ACs
Introducción
Algoritmos de clasificación espectrales
Algoritmos de clasificación contextuales
Autómatas celulares usados en simulación
Clasificación de imágenes con autómatas celulares
Resultados obtenidos
Trabajos futuros
Preguntas
![Page 4: CLASIFICACIÓN DE IMÁGENES DE SATÉLITE MEDIANTE · • Cada clase de la clasificación corresponde a un estado de las celdas. • La vecindad de cada celda corresponde con los 8](https://reader035.vdocuments.pub/reader035/viewer/2022081406/5f1868debcb8dc2ec960ce1e/html5/thumbnails/4.jpg)
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Cla
sific
ació
n de
imág
enes
de
Sat
élite
med
iant
e A
utóm
atas
Cel
ular
es4 INTRODUCCIÓN
TELEDETECCIÓN
Imagen de la provincia de Almería
![Page 5: CLASIFICACIÓN DE IMÁGENES DE SATÉLITE MEDIANTE · • Cada clase de la clasificación corresponde a un estado de las celdas. • La vecindad de cada celda corresponde con los 8](https://reader035.vdocuments.pub/reader035/viewer/2022081406/5f1868debcb8dc2ec960ce1e/html5/thumbnails/5.jpg)
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Cla
sific
ació
n de
imág
enes
de
Sat
élite
med
iant
e A
utóm
atas
Cel
ular
es5 INTRODUCCIÓN
ALGORITMOS DE CLASIFICACIÓN
Clasificaciónno supervisada
Clasificaciónsupervisada
- K-medias
- ISODATA
- Mínima distancia
- Paralelepípedos
- Mahalanobis
![Page 6: CLASIFICACIÓN DE IMÁGENES DE SATÉLITE MEDIANTE · • Cada clase de la clasificación corresponde a un estado de las celdas. • La vecindad de cada celda corresponde con los 8](https://reader035.vdocuments.pub/reader035/viewer/2022081406/5f1868debcb8dc2ec960ce1e/html5/thumbnails/6.jpg)
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Cla
sific
ació
n de
imág
enes
de
Sat
élite
med
iant
e A
utóm
atas
Cel
ular
es6 INDICE DEL SEMINARIO
CLASIFICACION DE IMÁGENES DE SATÉLITE MEDIANTE ACs
Introducción
Algoritmos de clasificación espectrales
Algoritmos de clasificación contextuales
Autómatas celulares usados en simulación
Clasificación de imágenes con autómatas celulares
Resultados obtenidos
Trabajos futuros
Preguntas
![Page 7: CLASIFICACIÓN DE IMÁGENES DE SATÉLITE MEDIANTE · • Cada clase de la clasificación corresponde a un estado de las celdas. • La vecindad de cada celda corresponde con los 8](https://reader035.vdocuments.pub/reader035/viewer/2022081406/5f1868debcb8dc2ec960ce1e/html5/thumbnails/7.jpg)
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Cla
sific
ació
n de
imág
enes
de
Sat
élite
med
iant
e A
utóm
atas
Cel
ular
es7 INDICE DEL SEMINARIO
CLASIFICACION DE IMÁGENES DE SATÉLITE MEDIANTE ACs
Introducción
Algoritmos de clasificación espectrales
Algoritmos de clasificación contextuales
Autómatas celulares usados en simulación
Clasificación de imágenes con autómatas celulares
Resultados obtenidos
Trabajos futuros
Preguntas
![Page 8: CLASIFICACIÓN DE IMÁGENES DE SATÉLITE MEDIANTE · • Cada clase de la clasificación corresponde a un estado de las celdas. • La vecindad de cada celda corresponde con los 8](https://reader035.vdocuments.pub/reader035/viewer/2022081406/5f1868debcb8dc2ec960ce1e/html5/thumbnails/8.jpg)
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Cla
sific
ació
n de
imág
enes
de
Sat
élite
med
iant
e A
utóm
atas
Cel
ular
es8 CLASIFICACIÓN ESPECTRAL
LIMITACIONES DEL ALGORITMO DE MÍNIMA DISTANCIA
Limitaciones del algoritmoMínima Distancia
Clasificación con Mínima Distancia
Sobreclasificación de píxeles
No considera la variabilidad de las clases
![Page 9: CLASIFICACIÓN DE IMÁGENES DE SATÉLITE MEDIANTE · • Cada clase de la clasificación corresponde a un estado de las celdas. • La vecindad de cada celda corresponde con los 8](https://reader035.vdocuments.pub/reader035/viewer/2022081406/5f1868debcb8dc2ec960ce1e/html5/thumbnails/9.jpg)
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Cla
sific
ació
n de
imág
enes
de
Sat
élite
med
iant
e A
utóm
atas
Cel
ular
es9 CLASIFICACIÓN ESPECTRAL
LIMITACIONES DEL ALGORITMO DE PARALELEPÍPEDOS
Limitaciones del algoritmoParalelepípedos
Clasificación con Paralelepípedos
Algunos píxeles quedan sinclasificar
A veces algunos píxeles puedenclasificarse erróneamente
![Page 10: CLASIFICACIÓN DE IMÁGENES DE SATÉLITE MEDIANTE · • Cada clase de la clasificación corresponde a un estado de las celdas. • La vecindad de cada celda corresponde con los 8](https://reader035.vdocuments.pub/reader035/viewer/2022081406/5f1868debcb8dc2ec960ce1e/html5/thumbnails/10.jpg)
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Cla
sific
ació
n de
imág
enes
de
Sat
élite
med
iant
e A
utóm
atas
Cel
ular
es10 INDICE DEL SEMINARIO
CLASIFICACION DE IMÁGENES DE SATÉLITE MEDIANTE ACs
Introducción
Algoritmos de clasificación espectrales
Algoritmos de clasificación contextuales
Autómatas celulares usados en simulación
Clasificación de imágenes con autómatas celulares
Resultados obtenidos
Trabajos futuros
Preguntas
![Page 11: CLASIFICACIÓN DE IMÁGENES DE SATÉLITE MEDIANTE · • Cada clase de la clasificación corresponde a un estado de las celdas. • La vecindad de cada celda corresponde con los 8](https://reader035.vdocuments.pub/reader035/viewer/2022081406/5f1868debcb8dc2ec960ce1e/html5/thumbnails/11.jpg)
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Cla
sific
ació
n de
imág
enes
de
Sat
élite
med
iant
e A
utóm
atas
Cel
ular
es11 INDICE DEL SEMINARIO
CLASIFICACION DE IMÁGENES DE SATÉLITE MEDIANTE ACs
Introducción
Algoritmos de clasificación espectrales
Algoritmos de clasificación contextuales
Autómatas celulares usados en simulación
Clasificación de imágenes con autómatas celulares
Resultados obtenidos
Trabajos futuros
Preguntas
![Page 12: CLASIFICACIÓN DE IMÁGENES DE SATÉLITE MEDIANTE · • Cada clase de la clasificación corresponde a un estado de las celdas. • La vecindad de cada celda corresponde con los 8](https://reader035.vdocuments.pub/reader035/viewer/2022081406/5f1868debcb8dc2ec960ce1e/html5/thumbnails/12.jpg)
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Cla
sific
ació
n de
imág
enes
de
Sat
élite
med
iant
e A
utóm
atas
Cel
ular
es12 CLASIFICACIÓN CONTEXTUAL
ALGORITMOS CLÁSICOS CONTEXTUALES
Utilizados sobre todo para postclasificación.
Mejoran la clasificación clásica espectral usando tambiéninformación contextual de los vecinos de cada pixel.
Sobre todo están basados en la fórmula de Bayes.
![Page 13: CLASIFICACIÓN DE IMÁGENES DE SATÉLITE MEDIANTE · • Cada clase de la clasificación corresponde a un estado de las celdas. • La vecindad de cada celda corresponde con los 8](https://reader035.vdocuments.pub/reader035/viewer/2022081406/5f1868debcb8dc2ec960ce1e/html5/thumbnails/13.jpg)
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Cla
sific
ació
n de
imág
enes
de
Sat
élite
med
iant
e A
utóm
atas
Cel
ular
es13 INDICE DEL SEMINARIO
CLASIFICACION DE IMÁGENES DE SATÉLITE MEDIANTE ACs
Introducción
Algoritmos de clasificación espectrales
Algoritmos de clasificación contextuales
Autómatas celulares usados en simulación
Clasificación de imágenes con autómatas celulares
Resultados obtenidos
Trabajos futuros
Preguntas
![Page 14: CLASIFICACIÓN DE IMÁGENES DE SATÉLITE MEDIANTE · • Cada clase de la clasificación corresponde a un estado de las celdas. • La vecindad de cada celda corresponde con los 8](https://reader035.vdocuments.pub/reader035/viewer/2022081406/5f1868debcb8dc2ec960ce1e/html5/thumbnails/14.jpg)
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Cla
sific
ació
n de
imág
enes
de
Sat
élite
med
iant
e A
utóm
atas
Cel
ular
es14 INDICE DEL SEMINARIO
CLASIFICACION DE IMÁGENES DE SATÉLITE MEDIANTE ACs
Introducción
Algoritmos de clasificación espectrales
Algoritmos de clasificación contextuales
Autómatas celulares usados en simulación
Clasificación de imágenes con autómatas celulares
Resultados obtenidos
Trabajos futuros
Preguntas
![Page 15: CLASIFICACIÓN DE IMÁGENES DE SATÉLITE MEDIANTE · • Cada clase de la clasificación corresponde a un estado de las celdas. • La vecindad de cada celda corresponde con los 8](https://reader035.vdocuments.pub/reader035/viewer/2022081406/5f1868debcb8dc2ec960ce1e/html5/thumbnails/15.jpg)
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Cla
sific
ació
n de
imág
enes
de
Sat
élite
med
iant
e A
utóm
atas
Cel
ular
es15 AUTÓMATAS CELULARES
DEFINICION DE AUTOMATA CELULAR
Autómata celular: modelo matemático para estudiar comportamientosde sistemas complejos (von Neumann, 40s).
Componentes: celdas, estados, vecindad, reglas y función de transición.
Vecindad de Neumann Vecindad de Moore
![Page 16: CLASIFICACIÓN DE IMÁGENES DE SATÉLITE MEDIANTE · • Cada clase de la clasificación corresponde a un estado de las celdas. • La vecindad de cada celda corresponde con los 8](https://reader035.vdocuments.pub/reader035/viewer/2022081406/5f1868debcb8dc2ec960ce1e/html5/thumbnails/16.jpg)
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Cla
sific
ació
n de
imág
enes
de
Sat
élite
med
iant
e A
utóm
atas
Cel
ular
es16 AUTÓMATAS CELULARES
SIMULACIÓN DEL PROCESO DE DERRETIMIENTO DE NIEVE
DEM (Digital Elavation Model) DEM 3D con MATLAB
![Page 17: CLASIFICACIÓN DE IMÁGENES DE SATÉLITE MEDIANTE · • Cada clase de la clasificación corresponde a un estado de las celdas. • La vecindad de cada celda corresponde con los 8](https://reader035.vdocuments.pub/reader035/viewer/2022081406/5f1868debcb8dc2ec960ce1e/html5/thumbnails/17.jpg)
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Cla
sific
ació
n de
imág
enes
de
Sat
élite
med
iant
e A
utóm
atas
Cel
ular
es17 AUTÓMATAS CELULARES
SIMULACIÓN DE DAÑOS PRODUCIDOS EN VEGETACIÓN POR INUNDACIÓN
Imagen original Imagen clasificada
![Page 18: CLASIFICACIÓN DE IMÁGENES DE SATÉLITE MEDIANTE · • Cada clase de la clasificación corresponde a un estado de las celdas. • La vecindad de cada celda corresponde con los 8](https://reader035.vdocuments.pub/reader035/viewer/2022081406/5f1868debcb8dc2ec960ce1e/html5/thumbnails/18.jpg)
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Cla
sific
ació
n de
imág
enes
de
Sat
élite
med
iant
e A
utóm
atas
Cel
ular
es18 AUTÓMATAS CELULARES
SIMULACIÓN DE NUBES EN IMÁGENES DE SATÉLITE
Imagen simulada con AC.3 fuentes de partículas.
Imagen NOAA14 actual. Clasificación (tierra, mar, nube y borde de nube).
![Page 19: CLASIFICACIÓN DE IMÁGENES DE SATÉLITE MEDIANTE · • Cada clase de la clasificación corresponde a un estado de las celdas. • La vecindad de cada celda corresponde con los 8](https://reader035.vdocuments.pub/reader035/viewer/2022081406/5f1868debcb8dc2ec960ce1e/html5/thumbnails/19.jpg)
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Cla
sific
ació
n de
imág
enes
de
Sat
élite
med
iant
e A
utóm
atas
Cel
ular
es19 AUTÓMATAS CELULARES
SIMULACIÓN DE PROPAGACIÓN DE INCENDIOS
Zona ardiendo y zona quemada
![Page 20: CLASIFICACIÓN DE IMÁGENES DE SATÉLITE MEDIANTE · • Cada clase de la clasificación corresponde a un estado de las celdas. • La vecindad de cada celda corresponde con los 8](https://reader035.vdocuments.pub/reader035/viewer/2022081406/5f1868debcb8dc2ec960ce1e/html5/thumbnails/20.jpg)
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Cla
sific
ació
n de
imág
enes
de
Sat
élite
med
iant
e A
utóm
atas
Cel
ular
es20 AUTÓMATAS CELULARES
PROCESAMIENTO DE IMÁGENES
(a) Imagen original, (b) Imagen con ruido, (c) Filtro Gaussiano, (d) Filtro ACs
![Page 21: CLASIFICACIÓN DE IMÁGENES DE SATÉLITE MEDIANTE · • Cada clase de la clasificación corresponde a un estado de las celdas. • La vecindad de cada celda corresponde con los 8](https://reader035.vdocuments.pub/reader035/viewer/2022081406/5f1868debcb8dc2ec960ce1e/html5/thumbnails/21.jpg)
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Cla
sific
ació
n de
imág
enes
de
Sat
élite
med
iant
e A
utóm
atas
Cel
ular
es21 AUTÓMATAS CELULARES
DETECCIÓN DE BORDES Y FRONTERAS
Imagen original (a) Algoritmo SUSAN, (b) Algoritmos ACs
![Page 22: CLASIFICACIÓN DE IMÁGENES DE SATÉLITE MEDIANTE · • Cada clase de la clasificación corresponde a un estado de las celdas. • La vecindad de cada celda corresponde con los 8](https://reader035.vdocuments.pub/reader035/viewer/2022081406/5f1868debcb8dc2ec960ce1e/html5/thumbnails/22.jpg)
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Cla
sific
ació
n de
imág
enes
de
Sat
élite
med
iant
e A
utóm
atas
Cel
ular
es22 AUTÓMATAS CELULARES
SIMULACION CON AUTOMATAS CELULARES
Simulación sencilla con autómatas celulares
![Page 23: CLASIFICACIÓN DE IMÁGENES DE SATÉLITE MEDIANTE · • Cada clase de la clasificación corresponde a un estado de las celdas. • La vecindad de cada celda corresponde con los 8](https://reader035.vdocuments.pub/reader035/viewer/2022081406/5f1868debcb8dc2ec960ce1e/html5/thumbnails/23.jpg)
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Cla
sific
ació
n de
imág
enes
de
Sat
élite
med
iant
e A
utóm
atas
Cel
ular
es23 INDICE DEL SEMINARIO
CLASIFICACION DE IMÁGENES DE SATÉLITE MEDIANTE ACs
Introducción
Algoritmos de clasificación espectrales
Algoritmos de clasificación contextuales
Autómatas celulares usados en simulación
Clasificación de imágenes con autómatas celulares
Resultados obtenidos
Trabajos futuros
Preguntas
![Page 24: CLASIFICACIÓN DE IMÁGENES DE SATÉLITE MEDIANTE · • Cada clase de la clasificación corresponde a un estado de las celdas. • La vecindad de cada celda corresponde con los 8](https://reader035.vdocuments.pub/reader035/viewer/2022081406/5f1868debcb8dc2ec960ce1e/html5/thumbnails/24.jpg)
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Cla
sific
ació
n de
imág
enes
de
Sat
élite
med
iant
e A
utóm
atas
Cel
ular
es24 INDICE DEL SEMINARIO
CLASIFICACION DE IMÁGENES DE SATÉLITE MEDIANTE ACs
Introducción
Algoritmos de clasificación espectrales
Algoritmos de clasificación contextuales
Autómatas celulares usados en simulación
Clasificación de imágenes con autómatas celulares
Resultados obtenidos
Trabajos futuros
Preguntas
![Page 25: CLASIFICACIÓN DE IMÁGENES DE SATÉLITE MEDIANTE · • Cada clase de la clasificación corresponde a un estado de las celdas. • La vecindad de cada celda corresponde con los 8](https://reader035.vdocuments.pub/reader035/viewer/2022081406/5f1868debcb8dc2ec960ce1e/html5/thumbnails/25.jpg)
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Cla
sific
ació
n de
imág
enes
de
Sat
élite
med
iant
e A
utóm
atas
Cel
ular
es25 CLASIFICACIÓN CON ACs
PÍXELES CAÓTICOS
Clasificación ISODATA Clasificación Mínima Distancia
![Page 26: CLASIFICACIÓN DE IMÁGENES DE SATÉLITE MEDIANTE · • Cada clase de la clasificación corresponde a un estado de las celdas. • La vecindad de cada celda corresponde con los 8](https://reader035.vdocuments.pub/reader035/viewer/2022081406/5f1868debcb8dc2ec960ce1e/html5/thumbnails/26.jpg)
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Cla
sific
ació
n de
imág
enes
de
Sat
élite
med
iant
e A
utóm
atas
Cel
ular
es26 CLASIFICACIÓN CON ACs
PÍXELES CAÓTICOS
Píxeles erróneos Capas de la imagen originalArchivo SIG
![Page 27: CLASIFICACIÓN DE IMÁGENES DE SATÉLITE MEDIANTE · • Cada clase de la clasificación corresponde a un estado de las celdas. • La vecindad de cada celda corresponde con los 8](https://reader035.vdocuments.pub/reader035/viewer/2022081406/5f1868debcb8dc2ec960ce1e/html5/thumbnails/27.jpg)
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Cla
sific
ació
n de
imág
enes
de
Sat
élite
med
iant
e A
utóm
atas
Cel
ular
es27 CLASIFICACIÓN CON ACs
PÍXELES DE RUIDO IMPULSIVO
1% ruido 5% ruido
10% ruido 50% ruido
![Page 28: CLASIFICACIÓN DE IMÁGENES DE SATÉLITE MEDIANTE · • Cada clase de la clasificación corresponde a un estado de las celdas. • La vecindad de cada celda corresponde con los 8](https://reader035.vdocuments.pub/reader035/viewer/2022081406/5f1868debcb8dc2ec960ce1e/html5/thumbnails/28.jpg)
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Cla
sific
ació
n de
imág
enes
de
Sat
élite
med
iant
e A
utóm
atas
Cel
ular
es28 CLASIFICACIÓN CON ACs
OBJETIVOS DEL ALGORITMO ACA
OBJETIVOS DE ACA
1. Eliminamos el ruido: clasificamos bien los pixeles con ruido impulsivo.
2. Afinamos la clasificación en píxeles frontera: pixeles dudosos de frontera (si esta próximo a dos clases, tomar la clase mayoritaria de alrededor).
![Page 29: CLASIFICACIÓN DE IMÁGENES DE SATÉLITE MEDIANTE · • Cada clase de la clasificación corresponde a un estado de las celdas. • La vecindad de cada celda corresponde con los 8](https://reader035.vdocuments.pub/reader035/viewer/2022081406/5f1868debcb8dc2ec960ce1e/html5/thumbnails/29.jpg)
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Cla
sific
ació
n de
imág
enes
de
Sat
élite
med
iant
e A
utóm
atas
Cel
ular
es29 CLASIFICACION CON ACs
MAJORITY FILTER
MAJORITY FILTER
Filtro lógico: reetiqueta el pixel central.
Se usa la etiqueta de la clase mayoritaria.
![Page 30: CLASIFICACIÓN DE IMÁGENES DE SATÉLITE MEDIANTE · • Cada clase de la clasificación corresponde a un estado de las celdas. • La vecindad de cada celda corresponde con los 8](https://reader035.vdocuments.pub/reader035/viewer/2022081406/5f1868debcb8dc2ec960ce1e/html5/thumbnails/30.jpg)
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Cla
sific
ació
n de
imág
enes
de
Sat
élite
med
iant
e A
utóm
atas
Cel
ular
es30 CLASIFICACIÓN CON ACs
DEFINICIÓN DEL AUTÓMATA CELULAR
CONSIDERACIONES INICIALES
• Cada pixel de la imagen corresponde con una celda del AC.
• Cada clase de la clasificación corresponde a un estado de las celdas.
• La vecindad de cada celda corresponde con los 8 pixeles vecinos.
• La función de transición (f) debe clasificar correctamente cada pixel de la imagen, usando una fusión de clasificación espectral-contextual.
![Page 31: CLASIFICACIÓN DE IMÁGENES DE SATÉLITE MEDIANTE · • Cada clase de la clasificación corresponde a un estado de las celdas. • La vecindad de cada celda corresponde con los 8](https://reader035.vdocuments.pub/reader035/viewer/2022081406/5f1868debcb8dc2ec960ce1e/html5/thumbnails/31.jpg)
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Cla
sific
ació
n de
imág
enes
de
Sat
élite
med
iant
e A
utóm
atas
Cel
ular
es31 CLASIFICACIÓN CON ACs
DEFINICIÓN DEL AUTÓMATA CELULAR
ALGORITMO ACA (VERSIÓN 1)- SECUENCIAL -
![Page 32: CLASIFICACIÓN DE IMÁGENES DE SATÉLITE MEDIANTE · • Cada clase de la clasificación corresponde a un estado de las celdas. • La vecindad de cada celda corresponde con los 8](https://reader035.vdocuments.pub/reader035/viewer/2022081406/5f1868debcb8dc2ec960ce1e/html5/thumbnails/32.jpg)
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Cla
sific
ació
n de
imág
enes
de
Sat
élite
med
iant
e A
utóm
atas
Cel
ular
es32 CLASIFICACIÓN CON ACs
DEFINICIÓN DE LOS ESTADOS DEL AUTÓMATA CELULAR
ESTADOS DEL AUTÓMATA CELULAR
- Clase: clases del .sig.
VALORES DE ENTRADA DEL AUTÓMATA CELULAR
Clases de la vecindad, clasificación espectral del píxel actual
, donde la clasificación espectral del píxel actual es:- Píxel bueno: clase a la que pertenece (si la distancia respecto a las otras es suficiente).- Píxel caótico: clases dudosas (si las distancias son parecidas).- Píxel ruidoso: clase ruido (para solventar ruido).
![Page 33: CLASIFICACIÓN DE IMÁGENES DE SATÉLITE MEDIANTE · • Cada clase de la clasificación corresponde a un estado de las celdas. • La vecindad de cada celda corresponde con los 8](https://reader035.vdocuments.pub/reader035/viewer/2022081406/5f1868debcb8dc2ec960ce1e/html5/thumbnails/33.jpg)
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Cla
sific
ació
n de
imág
enes
de
Sat
élite
med
iant
e A
utóm
atas
Cel
ular
es33 CLASIFICACIÓN CON ACs
VERSION 1 DEL ALGORITMO ACA
ACA CON 3 ITERACIONES (SECUENCIAL)
- Primera iteración: clasifica píxeles buenos (aquellos que no son caóticos ni ruidosos) espectral.
- Segunda iteración: clasifica píxeles caóticos o frontera usando Majority Filter entre clases dudosas contextual.
- Tercera iteración: clasifica píxeles ruidosos usando Majority Filter entre las clases vecinas contextual.
![Page 34: CLASIFICACIÓN DE IMÁGENES DE SATÉLITE MEDIANTE · • Cada clase de la clasificación corresponde a un estado de las celdas. • La vecindad de cada celda corresponde con los 8](https://reader035.vdocuments.pub/reader035/viewer/2022081406/5f1868debcb8dc2ec960ce1e/html5/thumbnails/34.jpg)
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Cla
sific
ació
n de
imág
enes
de
Sat
élite
med
iant
e A
utóm
atas
Cel
ular
es34 CLASIFICACIÓN CON ACs
VENTAJAS DEL ALGORITMO ACA (VERSIÓN 1)
VENTAJAS
- Gran mejora en la clasificación de los píxeles de la imagen, tanto caóticos como ruidosos.
- Mezcla entre clasificación espectral-contextual (más información).
- Clasificación incremental (cada iteración trabaja sobre la anterior, donde los píxeles clasificados son más seguros que en la actual).
-Se pueden usar algoritmos clásicos: mínima distancia, paralalepípedos, mahalanobis, etc.
![Page 35: CLASIFICACIÓN DE IMÁGENES DE SATÉLITE MEDIANTE · • Cada clase de la clasificación corresponde a un estado de las celdas. • La vecindad de cada celda corresponde con los 8](https://reader035.vdocuments.pub/reader035/viewer/2022081406/5f1868debcb8dc2ec960ce1e/html5/thumbnails/35.jpg)
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Cla
sific
ació
n de
imág
enes
de
Sat
élite
med
iant
e A
utóm
atas
Cel
ular
es35 CLASIFICACIÓN CON ACs
DEFINICIÓN DEL AUTÓMATA CELULAR
ALGORITMO ACA (VERSIÓN 2)- RECURSIVO -
![Page 36: CLASIFICACIÓN DE IMÁGENES DE SATÉLITE MEDIANTE · • Cada clase de la clasificación corresponde a un estado de las celdas. • La vecindad de cada celda corresponde con los 8](https://reader035.vdocuments.pub/reader035/viewer/2022081406/5f1868debcb8dc2ec960ce1e/html5/thumbnails/36.jpg)
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Cla
sific
ació
n de
imág
enes
de
Sat
élite
med
iant
e A
utóm
atas
Cel
ular
es36 CLASIFICACIÓN CON ACs
DEFINICIÓN DE LOS ESTADOS DEL AUTÓMATA CELULAR
ESTADOS DEL AUTÓMATA CELULAR
AC multiestado: array de estados posibles [clase] [tipo][iteración]- Clase: clases del .sig.- Tipo: núcleo, frontera, ruidoso, caótico.- Iteración: grado de certidumbre en la clasificación de dicho píxel.
- Cto. de estados 1: clases del cto de entrenamiento, clase ruido, clase vacía.- Cto. de estados 2: núcleo foco, frontera, caótico, ruidoso.- Cto. de estados 3: 1..k, siendo k el número de iteraciones del AC.
![Page 37: CLASIFICACIÓN DE IMÁGENES DE SATÉLITE MEDIANTE · • Cada clase de la clasificación corresponde a un estado de las celdas. • La vecindad de cada celda corresponde con los 8](https://reader035.vdocuments.pub/reader035/viewer/2022081406/5f1868debcb8dc2ec960ce1e/html5/thumbnails/37.jpg)
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Cla
sific
ació
n de
imág
enes
de
Sat
élite
med
iant
e A
utóm
atas
Cel
ular
es37 CLASIFICACIÓN CON ACs
DEFINICIÓN DE LOS ESTADOS DEL AUTÓMATA CELULAR
VALORES DE ENTRADA DEL AUTÓMATA CELULAR
Clases de la vecindad, clasificación espectral del píxel actual, k
, donde k es el número actual de iteración,y la clasificación espectral del píxel actual es:- Píxel bueno: clase a la que pertenece (si la distancia respecto a las otras es suficiente).- Píxel caótico: clases dudosas (si las distancias son parecidas).- Píxel ruidoso: clase ruido (para solventar ruido).
![Page 38: CLASIFICACIÓN DE IMÁGENES DE SATÉLITE MEDIANTE · • Cada clase de la clasificación corresponde a un estado de las celdas. • La vecindad de cada celda corresponde con los 8](https://reader035.vdocuments.pub/reader035/viewer/2022081406/5f1868debcb8dc2ec960ce1e/html5/thumbnails/38.jpg)
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Cla
sific
ació
n de
imág
enes
de
Sat
élite
med
iant
e A
utóm
atas
Cel
ular
es38 CLASIFICACIÓN CON ACs
DEFINICIÓN DE LAS REGLAS DEL AUTÓMATA CELULAR
REGLAS DEL AUTÓMATA CELULAR
Si píxel bueno y está rodeado de vecinos de clase vacía o de la misma clase:
[clase][tipo][iteracion] = {clase píxel, núcleo de foco, k}
Si píxel bueno y tiene píxeles alrededor de distinta clase a la suya:[clase][tipo][iteracion] = {clase píxel, frontera, k}
Si píxel caótico:[clase][tipo][iteracion] = {clase mayoritaria de los vecinos de entre las clases dudosas, caótico, k}
Si píxel ruidoso:[clase][tipo][iteracion] = {clase mayoritaria de los vecinos, ruidoso, k}
![Page 39: CLASIFICACIÓN DE IMÁGENES DE SATÉLITE MEDIANTE · • Cada clase de la clasificación corresponde a un estado de las celdas. • La vecindad de cada celda corresponde con los 8](https://reader035.vdocuments.pub/reader035/viewer/2022081406/5f1868debcb8dc2ec960ce1e/html5/thumbnails/39.jpg)
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Cla
sific
ació
n de
imág
enes
de
Sat
élite
med
iant
e A
utóm
atas
Cel
ular
es39 CLASIFICACIÓN CON ACs
VERSION 2 DEL ALGORITMO ACA (FUNCIÓN PRINCIPAL)
![Page 40: CLASIFICACIÓN DE IMÁGENES DE SATÉLITE MEDIANTE · • Cada clase de la clasificación corresponde a un estado de las celdas. • La vecindad de cada celda corresponde con los 8](https://reader035.vdocuments.pub/reader035/viewer/2022081406/5f1868debcb8dc2ec960ce1e/html5/thumbnails/40.jpg)
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Cla
sific
ació
n de
imág
enes
de
Sat
élite
med
iant
e A
utóm
atas
Cel
ular
es40 CLASIFICACIÓN CON ACs
VERSION 2 DEL ALGORITMO ACA (FUNCIÓN ESPECTRAL)
![Page 41: CLASIFICACIÓN DE IMÁGENES DE SATÉLITE MEDIANTE · • Cada clase de la clasificación corresponde a un estado de las celdas. • La vecindad de cada celda corresponde con los 8](https://reader035.vdocuments.pub/reader035/viewer/2022081406/5f1868debcb8dc2ec960ce1e/html5/thumbnails/41.jpg)
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Cla
sific
ació
n de
imág
enes
de
Sat
élite
med
iant
e A
utóm
atas
Cel
ular
es41 CLASIFICACIÓN CON ACs
VERSION 2 DEL ALGORITMO ACA (FUNCIÓN CONTEXTUAL)
![Page 42: CLASIFICACIÓN DE IMÁGENES DE SATÉLITE MEDIANTE · • Cada clase de la clasificación corresponde a un estado de las celdas. • La vecindad de cada celda corresponde con los 8](https://reader035.vdocuments.pub/reader035/viewer/2022081406/5f1868debcb8dc2ec960ce1e/html5/thumbnails/42.jpg)
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Cla
sific
ació
n de
imág
enes
de
Sat
élite
med
iant
e A
utóm
atas
Cel
ular
es42 CLASIFICACIÓN CON ACs
VENTAJAS DEL ALGORITMO ACA (VERSIÓN 2)
VENTAJAS
- Todas las ventajas de la primera versión ACA, más:
- Clasificación “jerárquica” de los píxeles de la imagen.
- Detección del tipo de pixel: bueno, frontera, caótico, ruidoso.
DESVENTAJA
- Incremento del coste computacional.
![Page 43: CLASIFICACIÓN DE IMÁGENES DE SATÉLITE MEDIANTE · • Cada clase de la clasificación corresponde a un estado de las celdas. • La vecindad de cada celda corresponde con los 8](https://reader035.vdocuments.pub/reader035/viewer/2022081406/5f1868debcb8dc2ec960ce1e/html5/thumbnails/43.jpg)
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Cla
sific
ació
n de
imág
enes
de
Sat
élite
med
iant
e A
utóm
atas
Cel
ular
es43 CLASIFICACIÓN CON ACs
ARQUITECTURA ACA
![Page 44: CLASIFICACIÓN DE IMÁGENES DE SATÉLITE MEDIANTE · • Cada clase de la clasificación corresponde a un estado de las celdas. • La vecindad de cada celda corresponde con los 8](https://reader035.vdocuments.pub/reader035/viewer/2022081406/5f1868debcb8dc2ec960ce1e/html5/thumbnails/44.jpg)
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Cla
sific
ació
n de
imág
enes
de
Sat
élite
med
iant
e A
utóm
atas
Cel
ular
es44 CLASIFICACIÓN CON ACs
PROGRAMAS IMPLEMENTADOS
Programas implementados en Toolkit ERDAS 9.1
![Page 45: CLASIFICACIÓN DE IMÁGENES DE SATÉLITE MEDIANTE · • Cada clase de la clasificación corresponde a un estado de las celdas. • La vecindad de cada celda corresponde con los 8](https://reader035.vdocuments.pub/reader035/viewer/2022081406/5f1868debcb8dc2ec960ce1e/html5/thumbnails/45.jpg)
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Cla
sific
ació
n de
imág
enes
de
Sat
élite
med
iant
e A
utóm
atas
Cel
ular
es45 CLASIFICACIÓN CON ACs
CÓDIGO FUENTE
Ver código fuente ACA
![Page 46: CLASIFICACIÓN DE IMÁGENES DE SATÉLITE MEDIANTE · • Cada clase de la clasificación corresponde a un estado de las celdas. • La vecindad de cada celda corresponde con los 8](https://reader035.vdocuments.pub/reader035/viewer/2022081406/5f1868debcb8dc2ec960ce1e/html5/thumbnails/46.jpg)
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Cla
sific
ació
n de
imág
enes
de
Sat
élite
med
iant
e A
utóm
atas
Cel
ular
es46 INDICE DEL SEMINARIO
CLASIFICACION DE IMÁGENES DE SATÉLITE MEDIANTE ACs
Introducción
Algoritmos de clasificación espectrales
Algoritmos de clasificación contextuales
Autómatas celulares usados en simulación
Clasificación de imágenes con autómatas celulares
Resultados obtenidos
Trabajos futuros
Preguntas
![Page 47: CLASIFICACIÓN DE IMÁGENES DE SATÉLITE MEDIANTE · • Cada clase de la clasificación corresponde a un estado de las celdas. • La vecindad de cada celda corresponde con los 8](https://reader035.vdocuments.pub/reader035/viewer/2022081406/5f1868debcb8dc2ec960ce1e/html5/thumbnails/47.jpg)
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Cla
sific
ació
n de
imág
enes
de
Sat
élite
med
iant
e A
utóm
atas
Cel
ular
es47 INDICE DEL SEMINARIO
CLASIFICACION DE IMÁGENES DE SATÉLITE MEDIANTE ACs
Introducción
Algoritmos de clasificación espectrales
Algoritmos de clasificación contextuales
Autómatas celulares usados en simulación
Clasificación de imágenes con autómatas celulares
Resultados obtenidos
Trabajos futuros
Preguntas
![Page 48: CLASIFICACIÓN DE IMÁGENES DE SATÉLITE MEDIANTE · • Cada clase de la clasificación corresponde a un estado de las celdas. • La vecindad de cada celda corresponde con los 8](https://reader035.vdocuments.pub/reader035/viewer/2022081406/5f1868debcb8dc2ec960ce1e/html5/thumbnails/48.jpg)
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Cla
sific
ació
n de
imág
enes
de
Sat
élite
med
iant
e A
utóm
atas
Cel
ular
es48 RESULTADOS OBTENIDOS
CLASIFICACIÓN RECURSIVA
![Page 49: CLASIFICACIÓN DE IMÁGENES DE SATÉLITE MEDIANTE · • Cada clase de la clasificación corresponde a un estado de las celdas. • La vecindad de cada celda corresponde con los 8](https://reader035.vdocuments.pub/reader035/viewer/2022081406/5f1868debcb8dc2ec960ce1e/html5/thumbnails/49.jpg)
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Cla
sific
ació
n de
imág
enes
de
Sat
élite
med
iant
e A
utóm
atas
Cel
ular
es49 RESULTADOS OBTENIDOS
CLASIFICACIÓN JERARQUIZADA EN NIVELES DE CALIDAD
Clasificación jerarquizada en 8 iteraciones del AC
![Page 50: CLASIFICACIÓN DE IMÁGENES DE SATÉLITE MEDIANTE · • Cada clase de la clasificación corresponde a un estado de las celdas. • La vecindad de cada celda corresponde con los 8](https://reader035.vdocuments.pub/reader035/viewer/2022081406/5f1868debcb8dc2ec960ce1e/html5/thumbnails/50.jpg)
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Cla
sific
ació
n de
imág
enes
de
Sat
élite
med
iant
e A
utóm
atas
Cel
ular
es50 RESULTADOS OBTENIDOS
CLASIFICADOR DE MÍNIMA DISTANCIA VS CLASIFICADOR ACA
Imagen original(7 capas, 300x300 p, 10% ruido)
Clasificación con Mínima Distancia Clasificación con ACA
![Page 51: CLASIFICACIÓN DE IMÁGENES DE SATÉLITE MEDIANTE · • Cada clase de la clasificación corresponde a un estado de las celdas. • La vecindad de cada celda corresponde con los 8](https://reader035.vdocuments.pub/reader035/viewer/2022081406/5f1868debcb8dc2ec960ce1e/html5/thumbnails/51.jpg)
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Cla
sific
ació
n de
imág
enes
de
Sat
élite
med
iant
e A
utóm
atas
Cel
ular
es51 RESULTADOS OBTENIDOS
MATRIZ DE CONFUSIÓN DEL ALGORITMO DE MÍNIMA DISTANCIA
Clasificación con Mínima Distancia
Clasificación inicial con ISODATA
Clase 1 Clase 2 Clase 3 Clase 4 Clase 5 Clase 6 Clase 7 Clase 8
Clase 1 0 0 0 0 0 0 0 0
Clase 2 789 6080 355 0 0 0 0 0
Clase 3 1247 0 9447 532 0 0 0 0
Clase 4 1547 0 2 11998 242 0 0 0
Clase 5 1555 0 0 52 12827 3 27 0
Clase 6 1027 0 0 47 281 8330 35 1
Clase 7 1513 0 0 0 250 12 13050 0
Clase 8 1396 0 0 0 0 66 381 11242
Píxeles bien clasificados: 72.974 / 90.601 = 80%
Matriz de confusión del algoritmo mínima distanciaArriba: ISODATA. Izquierda: Mínima distancia. (8 clases)
![Page 52: CLASIFICACIÓN DE IMÁGENES DE SATÉLITE MEDIANTE · • Cada clase de la clasificación corresponde a un estado de las celdas. • La vecindad de cada celda corresponde con los 8](https://reader035.vdocuments.pub/reader035/viewer/2022081406/5f1868debcb8dc2ec960ce1e/html5/thumbnails/52.jpg)
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Cla
sific
ació
n de
imág
enes
de
Sat
élite
med
iant
e A
utóm
atas
Cel
ular
es52 RESULTADOS OBTENIDOS
MATRIZ DE CONFUSIÓN DEL ALGORITMO ACA
Clasificación con ACA
Clasificación inicial con ISODATA
Clase 1 Clase 2 Clase 3 Clase 4 Clase 5 Clase 6 Clase 7 Clase 8
Clase 1 0 0 0 0 0 0 0 0
Clase 2 123 6326 611 54 62 11 18 14
Clase 3 179 0 9648 963 240 74 73 37
Clase 4 205 0 5 12282 777 252 174 73
Clase 5 194 0 1 58 13254 88 713 135
Clase 6 123 0 0 47 291 8699 161 330
Clase 7 130 0 0 1 254 16 13724 661
Clase 8 217 0 0 0 0 68 407 11966
Píxeles bien clasificados: 75.899 / 90.601 = 84%
Matriz de confusión del algoritmo ACAArriba: ISODATA. Izquierda: ACA. (8 clases)
![Page 53: CLASIFICACIÓN DE IMÁGENES DE SATÉLITE MEDIANTE · • Cada clase de la clasificación corresponde a un estado de las celdas. • La vecindad de cada celda corresponde con los 8](https://reader035.vdocuments.pub/reader035/viewer/2022081406/5f1868debcb8dc2ec960ce1e/html5/thumbnails/53.jpg)
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Cla
sific
ació
n de
imág
enes
de
Sat
élite
med
iant
e A
utóm
atas
Cel
ular
es53 RESULTADOS OBTENIDOS
COMPARACIÓN DE MÍNIMA DISTANCIA Y ACA
Clase 1 Clase 2 Clase 3 Clase 4 Clase 5 Clase 6 Clase 7 Clase 8
Clase 1 0 0 0 0 0 0 0 0
Clase 2 789 6080 355 0 0 0 0 0
Clase 3 1247 0 9447 532 0 0 0 0
Clase 4 1547 0 2 11998 242 0 0 0
Clase 5 1555 0 0 52 12827 3 27 0
Clase 6 1027 0 0 47 281 8330 35 1
Clase 7 1513 0 0 0 250 12 13050 0
Clase 8 1396 0 0 0 0 66 381 11242
Píxeles bien clasificados:72.974 / 90.601 = 80%
Matriz de confusión del algoritmo mínima distanciaClase 1 Clase 2 Clase 3 Clase 4 Clase 5 Clase 6 Clase 7 Clase 8
Clase 1 0 0 0 0 0 0 0 0
Clase 2 123 6326 611 54 62 11 18 14
Clase 3 179 0 9648 963 240 74 73 37
Clase 4 205 0 5 12282 777 252 174 73
Clase 5 194 0 1 58 13254 88 713 135
Clase 6 123 0 0 47 291 8699 161 330
Clase 7 130 0 0 1 254 16 13724 661
Clase 8 217 0 0 0 0 68 407 11966
Matriz de confusión del algoritmo ACA
Píxeles bien clasificados:75.899 / 90.601 = 84%
ACA Mejora un 4% los resultados¡OJO: mejorable!
![Page 54: CLASIFICACIÓN DE IMÁGENES DE SATÉLITE MEDIANTE · • Cada clase de la clasificación corresponde a un estado de las celdas. • La vecindad de cada celda corresponde con los 8](https://reader035.vdocuments.pub/reader035/viewer/2022081406/5f1868debcb8dc2ec960ce1e/html5/thumbnails/54.jpg)
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Cla
sific
ació
n de
imág
enes
de
Sat
élite
med
iant
e A
utóm
atas
Cel
ular
es54 INDICE DEL SEMINARIO
CLASIFICACION DE IMÁGENES DE SATÉLITE MEDIANTE ACs
Introducción
Algoritmos de clasificación espectrales
Algoritmos de clasificación contextuales
Autómatas celulares usados en simulación
Clasificación de imágenes con autómatas celulares
Resultados obtenidos
Trabajos futuros
Preguntas
![Page 55: CLASIFICACIÓN DE IMÁGENES DE SATÉLITE MEDIANTE · • Cada clase de la clasificación corresponde a un estado de las celdas. • La vecindad de cada celda corresponde con los 8](https://reader035.vdocuments.pub/reader035/viewer/2022081406/5f1868debcb8dc2ec960ce1e/html5/thumbnails/55.jpg)
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Cla
sific
ació
n de
imág
enes
de
Sat
élite
med
iant
e A
utóm
atas
Cel
ular
es55 INDICE DEL SEMINARIO
CLASIFICACION DE IMÁGENES DE SATÉLITE MEDIANTE ACs
Introducción
Algoritmos de clasificación espectrales
Algoritmos de clasificación contextuales
Autómatas celulares usados en simulación
Clasificación de imágenes con autómatas celulares
Resultados obtenidos
Trabajos futuros
Preguntas
![Page 56: CLASIFICACIÓN DE IMÁGENES DE SATÉLITE MEDIANTE · • Cada clase de la clasificación corresponde a un estado de las celdas. • La vecindad de cada celda corresponde con los 8](https://reader035.vdocuments.pub/reader035/viewer/2022081406/5f1868debcb8dc2ec960ce1e/html5/thumbnails/56.jpg)
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Cla
sific
ació
n de
imág
enes
de
Sat
élite
med
iant
e A
utóm
atas
Cel
ular
es56 TRABAJOS FUTUROS
FUTURAS MEJORAS AL ALGORITMO ACA
TRABAJOS FUTUROS
Utilizar agentes software para reducir el coste computacional.
Integrar todas las herramientas en un solo software.
Nuevas versiones de ACA.
![Page 57: CLASIFICACIÓN DE IMÁGENES DE SATÉLITE MEDIANTE · • Cada clase de la clasificación corresponde a un estado de las celdas. • La vecindad de cada celda corresponde con los 8](https://reader035.vdocuments.pub/reader035/viewer/2022081406/5f1868debcb8dc2ec960ce1e/html5/thumbnails/57.jpg)
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Cla
sific
ació
n de
imág
enes
de
Sat
élite
med
iant
e A
utóm
atas
Cel
ular
es57 INDICE DEL SEMINARIO
CLASIFICACION DE IMÁGENES DE SATÉLITE MEDIANTE ACs
Introducción
Algoritmos de clasificación espectrales
Algoritmos de clasificación contextuales
Autómatas celulares usados en simulación
Clasificación de imágenes con autómatas celulares
Resultados obtenidos
Trabajos futuros
Preguntas
![Page 58: CLASIFICACIÓN DE IMÁGENES DE SATÉLITE MEDIANTE · • Cada clase de la clasificación corresponde a un estado de las celdas. • La vecindad de cada celda corresponde con los 8](https://reader035.vdocuments.pub/reader035/viewer/2022081406/5f1868debcb8dc2ec960ce1e/html5/thumbnails/58.jpg)
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Cla
sific
ació
n de
imág
enes
de
Sat
élite
med
iant
e A
utóm
atas
Cel
ular
es58 INDICE DEL SEMINARIO
CLASIFICACION DE IMÁGENES DE SATÉLITE MEDIANTE ACs
Introducción
Algoritmos de clasificación espectrales
Algoritmos de clasificación contextuales
Autómatas celulares usados en simulación
Clasificación de imágenes con autómatas celulares
Resultados obtenidos
Trabajos futuros
Preguntas
![Page 59: CLASIFICACIÓN DE IMÁGENES DE SATÉLITE MEDIANTE · • Cada clase de la clasificación corresponde a un estado de las celdas. • La vecindad de cada celda corresponde con los 8](https://reader035.vdocuments.pub/reader035/viewer/2022081406/5f1868debcb8dc2ec960ce1e/html5/thumbnails/59.jpg)
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Cla
sific
ació
n de
imág
enes
de
Sat
élite
med
iant
e A
utóm
atas
Cel
ular
es59 PREGUNTAS IMPORTANTES
PREGUNTAS SOBRE AUTÓMATAS CELULARES
- ¿Están bien definidos los ACs?
- ¿Qué utilidades puede tener la clasificación jerarquizada?
- ¿Es buena idea darle al ACA los valores min.dist. y que, a través de reglas, elija si usar vecindad?
-¿Es obligatorio usar siempre vecindad en ACs?
- ¿Se puede usar en las reglas de ACs datos distintos de los estados de los vecinos (ej: clasificación espectral)?
![Page 60: CLASIFICACIÓN DE IMÁGENES DE SATÉLITE MEDIANTE · • Cada clase de la clasificación corresponde a un estado de las celdas. • La vecindad de cada celda corresponde con los 8](https://reader035.vdocuments.pub/reader035/viewer/2022081406/5f1868debcb8dc2ec960ce1e/html5/thumbnails/60.jpg)
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Cla
sific
ació
n de
imág
enes
de
Sat
élite
med
iant
e A
utóm
atas
Cel
ular
es60 PREGUNTAS IMPORTANTES
PREGUNTAS SOBRE RUIDO IMPULSIVO Y CALIDAD DE RESULTADOS
- ¿Es común el ruido impulsivo? ¿Hasta qué porcentaje puede surgir?
- En general, ¿son comunes los píxeles caóticos o frontera (en imágenes homogéneas y heterogéneas)?
- ¿En qué otro tipo de casos se podría aplicar ACA (ej: nubes)?
- ¿Qué método recomienda para comprobar la calidad de la clasificación?
- ¿Cómo podemos obtener imágenes clasificadas por expertos (trabajo de campo)?
![Page 61: CLASIFICACIÓN DE IMÁGENES DE SATÉLITE MEDIANTE · • Cada clase de la clasificación corresponde a un estado de las celdas. • La vecindad de cada celda corresponde con los 8](https://reader035.vdocuments.pub/reader035/viewer/2022081406/5f1868debcb8dc2ec960ce1e/html5/thumbnails/61.jpg)
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Cla
sific
ació
n de
imág
enes
de
Sat
élite
med
iant
e A
utóm
atas
Cel
ular
es61 PREGUNTAS IMPORTANTES
PREGUNTAS SOBRE MATRIZ DE CONFUSIÓN
- ¿Cómo aumenta el Threshold en cada iteración del AC?-¿Cómo podríamos mejorar la originalidad del algoritmo? - ¿Podríamos usar la Tesis de Rosa Ayala?
![Page 62: CLASIFICACIÓN DE IMÁGENES DE SATÉLITE MEDIANTE · • Cada clase de la clasificación corresponde a un estado de las celdas. • La vecindad de cada celda corresponde con los 8](https://reader035.vdocuments.pub/reader035/viewer/2022081406/5f1868debcb8dc2ec960ce1e/html5/thumbnails/62.jpg)
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Cla
sific
ació
n de
imág
enes
de
Sat
élite
med
iant
e A
utóm
atas
Cel
ular
es62 FIN DEL SEMINARIO
AGRADECIMIENTOS
¡MUCHAS GRACIASPOR LA ATENCION!