Disponible con licencia de Image Analyst.
Disponible con una licencia de Spatial Analyst.
La clasificación de imágenes es la tarea consistente en asignar clases definidas en un sistema de clasificación de cobertura del suelo y uso del suelo, conocido como esquema, a todos los píxeles de una imagen capturada mediante teledetección.
El ráster resultante de la clasificación de imágenes se puede utilizar para crear mapas temáticos. Dependiendo de la interacción entre el analista y el equipo durante la clasificación, existen dos métodos de clasificación: supervisada y no supervisada. Los dos pueden estar basados en objetos o en píxeles.
La clasificación de imágenes puede ser un flujo de trabajo largo con muchas fases de procesamiento. En ArcGIS Pro, los flujos de trabajo de clasificación se han simplificado con el Asistente para la clasificación, de modo que un usuario con conocimientos básicos de clasificación puede completar el flujo de trabajo con la ayuda del asistente. También hay herramientas de clasificación individuales para los usuarios más avanzados que solo desean realizar parte del proceso de clasificación.
| Herramienta | Descripción |
|---|---|
El Asistente para la clasificación guía a los usuarios por todo el flujo de trabajo de clasificación. Proporciona una solución integrada por prácticas recomendadas con una experiencia de uso simplificada que guiará a los usuarios a través del proceso de clasificación de un modo eficiente. | |
La segmentación es un componente esencial del flujo de trabajo de clasificación basado en objetos. Este proceso agrupa los píxeles vecinos que tienen un color similar y comparten determinadas características de forma. | |
La página Administrador de muestras de entrenamiento se divide en dos secciones: la sección de administración del esquema en la parte superior y la sección de muestras de entrenamiento en la parte inferior. Se usa un esquema de clasificación para organizar todas las entidades de las imágenes en varias clases. Una muestra de entrenamiento es un área que se ha definido en una clase concreta que debe corresponder al esquema de clasificación. | |
Puede clasificar los datos usando técnicas de clasificación no supervisada o supervisada. Este paso procesa las imágenes para asignarlas a clases en función del algoritmo de clasificación y los parámetros especificados. | |
Después de realizar una clasificación supervisada, puede fusionar algunas de las clases en clases más generalizadas. Solo puede usar las clases principales del esquema. | |
Después de realizar una clasificación no supervisada, debe organizar los resultados en nombres de clase intuitivos basados en su esquema. | |
La evaluación de exactitud usa un dataset de referencia para determinar la exactitud del resultado clasificado. La exactitud se representa de 0 a 1, de modo que 1 equivale a una exactitud del 100%. | |
Después de clasificar una imagen, es probable que encuentre errores pequeños en el resultado de la clasificación. Puede hacer cambios en entidades u objetos individuales. |
Clasificación supervisada y no supervisada
Dependiendo de la interacción entre el analista y el equipo durante la clasificación, existen dos métodos de clasificación: supervisada y no supervisada.
La clasificación supervisada permite decidir las categorías de clase a las que desea asignar píxeles o segmentos. Estas categorías de clase son lo que se conoce como el esquema de clasificación. Una vez completada la clasificación, tendrá que ir al dataset clasificado resultante y reasignar las clases o los polígonos de clase erróneos a las clases adecuadas en función de su esquema.
En la clasificación no supervisada, puede optar por dejar que el equipo decida qué clases están presentes en su imagen en función de diferencias estadísticas de las características espectrales de los píxeles. Una vez completada la clasificación no supervisada, debe asignar las clases resultantes a las categorías de clase de su esquema.
Basado en objeto y basado en píxel
Hay dos opciones para el tipo de método de clasificación elegido: basado en píxel y basado en objeto.
El método basado en píxel es un sistema tradicional que decide a qué clase pertenece cada píxel. No tiene en cuenta ninguna información de los píxeles circundantes. Puede generar un efecto granuloso en los resultados de la clasificación.
El método basado en objeto agrupa los píxeles vecinos según su similitud en un proceso conocido como segmentación. La segmentación tiene en cuenta las características de color y de forma al decidir qué píxeles se deben agrupar. Como este método esencialmente promedia los valores de los píxeles y tiene en cuenta la información geográfica, los objetos que se crean a partir de la segmentación se asemejan más a las entidades del mundo real presentes en las imágenes y los resultados de la clasificación son más limpios.