1

Tabla de Contenido

Tabla de Contenido ...................................................................................................... 1
Indice Imgenes .......................................................................................................... 3
ndice Tablas ................................................................................................................ 5
1. Visualizacin de Imgenes de una sola banda ......................................................... 6
1.1 Desplegando una imagen de satlite .............................................................. 6
1.2 Zoom in/out (vista detallada y vista general) sobre una imagen en pantalla ........ 8
1.3 Observacin de los niveles Digitales en una imagen de satlite .......................... 9
1.4 Movindose a travs de una imagen de satlite desplegada en pantalla............ 9
1.5 Visualizacin de mltiples imgenes ................................................................. 10
1.6 Nmeros digitales y pixeles ............................................................................... 11
1.7 Pixeles y Coordenadas ...................................................................................... 11
2. Optimizacin de la imagen (optimizacin visual) ..................................................... 13
2.1 Optimizacin del Contraste................................................................................ 13
2.2 Expansin lineal ................................................................................................ 15
2.2 Comparacin de imagen original y expandida ................................................... 15
2.3 Ecualizacin del histograma .............................................................................. 17
3. Optimizacin espacial ............................................................................................. 18
3.1 Filtros de baja frecuencia (paso-bajo) ................................................................ 18
3.2 Crear y aplicar un filtro tipo baja frecuencia low pass ...................................... 19
3.3 Filtros de frecuencia alta (paso-alto) .................................................................. 19
3.4 Crear y aplicar un filtro tipo Laplace .................................................................. 20
3.5 Filtros direccionales ........................................................................................... 21
4. Visualizacin imgenes multibanda ........................................................................ 22
4.1 Composicin a color .......................................................................................... 22
5. Correcciones geomtricas y referenciacin de la imagen ....................................... 25
5.1 Geo-referenciacin usando las coordenadas de las esquinas ........................... 25
5.2 Geo-referenciacin de una imagen raster utilizando puntos de referencia ......... 26
5.3 Referencia de imagen a imagen ........................................................................ 27
5.4 Geocodificacin de una imagen por remuestreo ................................................ 29
6. Operaciones Multibanda ......................................................................................... 30
................................................................................................................................. 30
6.1 Relacin de aspecto de imgenes: variaciones de luminosidad.................... 30
2

6.2 ndice de vegetacin de diferencia normalizada ........................................... 31
6.3 Estadsticas Multibanda ..................................................................................... 34
6.4 ANLISIS DE COMPONENTES PRINCIPALES ............................................... 36
7. Clasificacin de imgenes ................................................................................... 44
7.1 Segmentacin por intervalos ........................................................................ 44
7.2 Tramos lineales ............................................................................................ 45
7.3 Clasificacin multiespectral de imgenes ..................................................... 45
7.4 Muestreo ...................................................................................................... 45
7.5 Desplegando Caractersticas espaciales ...................................................... 46
7.6 CLASIFICACIN .......................................................................................... 47
8. FILTROS ................................................................................................................ 49
8.1 Clasificacin no supervisada ........................................................................ 49



















3

ndice Imgenes
Imagen 1. Ventana de dialogo Display Options Raster Map para imagen Tmb1 ........ 6
Imagen 2. TM banda 1 (0.45-0.52 m) Azul .................................................................. 6
Imagen 3. Ventana de dialogo Display Options Raster Map para imagen Tmb3 ........ 7
Imagen 4. TM banda 3 (0.45-0.52 m) Rojo ................................................................. 7
Imagen 5. Ventana de dialogo Display Options Raster Map para imagen Tmb4 ........ 7
Imagen 6. TM banda 4 (0.45-0.52 m) Infrarrojo Cercano ............................................ 8
Imagen 7. Zoom in sobre la imagen Tmb1 .................................................................... 8
Imagen 8. Estructura de Pixel imagen Tmb1 ................................................................ 9
Imagen 9. Nivel Digital imagen Tmb1 ........................................................................... 9
Imagen 10. Pan sobre la imagen Tmb4 ...................................................................... 10
Imagen 11. Visualizacin mltiple de imgenes .......................................................... 10
Imagen 12. Coordenadas reales y Filas y Columnas lago, imagen Tmb4 ................... 11
Imagen 13.Coordenadas reales y Filas y Columnas montaa, imagen Tmb4 ............. 12
Imagen 14. Medicin distancia lago, imagen Tmb4 ................................................... 12
Imagen 15. Informacin arrojada al usar la herramienta distancia, imagen Tmb4 ....... 12
Imagen 16. Histograma y estadsticas, imagen Tmb1 ................................................. 14
Imagen 17. Expansin lineal de imagen Tmb1............................................................ 15
Imagen 18. Comparacin Tmb1 y Tmb1 expandida .................................................... 15
Imagen 19. Histograma imagen Tmb1 ........................................................................ 16
Imagen 20. Histograma Tmb1 expandida ................................................................... 16
Imagen 21. Ecualizacin del histograma, imagen Tmb1 ............................................. 17
Imagen 22. Comparacin imagen Tmb1 (izq) y Tmb1 con filtro paso-bajo (derecha) .. 18
Imagen 23. Filtro creado, Weigmean .......................................................................... 19
Imagen 24. Comparacin imagen Tmb4 (izq) y Tmb4 con filtro Weigmean (derecha) 19
Imagen 25. Comparacin imagen Tmb4 (derecha) y Tmb4 con filtro Edgesenh
(izquierda) ................................................................................................................... 20
Imagen 26. Filtro Laplace_plus ................................................................................... 20
Imagen 27. Comparacin imagen Tmb4 (derecha) y Tmb4 con filtro Laplace (izquierda)
................................................................................................................................... 20
Imagen 28. Filtro direccional oeste destaca direccin norte-sur (izquierda) y Filtro
direccional Norte destaca direccin Este-Oeste (derecha) .......................................... 21
Imagen 29. Tmb4 con filtro direccional Oeste (izquierda) y Tmb4 con filtro direccional
norte (derecha) ........................................................................................................... 21
Imagen 30. Imagen falso color RGB 432 del sistema Landsat TM ............................. 23
Imagen 31. Composicin verdadero color RGB 321 del sistema Landsat TM ............. 23
Imagen 32. Composicin falso color permanente RGB 432 del sistema Landsat TM . 24
Imagen 33. Creacion sistema de Georeferencia Flevo ................................................ 25
Imagen 34. Imagen Polder sin sistema de coordenadas, se observa en la esquina
inferior derecha ........................................................................................................... 26
Imagen 35. Asignacion sistema de coordenas a la Imagen Polder ............................. 26
Imagen 36. Asignacion puntos de referencia Imagen Polder ...................................... 27
Imagen 37. Imagen Polder georeferenciada ............................................................... 27
Imagen 38. Imagen Spotb3 sin georeferenciar............................................................ 27
Imagen 39. Imagen Spotb3 georeferenciada .............................................................. 28
Imagen 40.Imagen Spotb1 georeferenciada ............................................................... 28
Imagen 41. Imagen Spotb2 georeferenciada .............................................................. 28
4

Imagen 42. Imagen Spotb2 georeferenciada .............................................................. 29
Imagen 43. Visualizacin Tmb4 y Tmb5 ..................................................................... 30
Imagen 44. Imagen a relacin del efecto de iluminacin Y sobras de las bandas Tmb4
y Tmb5 es de 2.9 ........................................................................................................ 31
Imagen 45. (Tmb4-Tmb3)/(tmb4+Tmb3) .................................................................... 32
Imagen 46. Cobertura: Agua ...................................................................................... 33
Imagen 47. Cobertura: Suelo Desnudo ...................................................................... 33
Imagen 48. Cobertura: Vegetacion verde ................................................................... 33
Imagen 49. ndice de vegetacin normalizado SPOT.................................................. 34
Imagen 50. Matriz de Correlacin bandas tmb1-tmb7 ................................................. 34
Imagen 51. Composicin de Color RGB541 ............................................................... 35
Imagen 52. Tabla de valores propios .......................................................................... 36
Imagen 53. Tabla de valores propios .......................................................................... 36
Imagen 54. Tabla de Porcentaje de Varianza de los componentes principales ........... 36
Imagen 55. Comparacin RGB (cp1, cp2, cp3) y falso color RGB (431) ..................... 37
Imagen 56. Ers1 y Ers2 .............................................................................................. 38
Imagen 57. Ers_average ............................................................................................. 38
Imagen 58. Definicin e informacin de pixeles .......................................................... 39
Imagen 59. Ers_difference .......................................................................................... 39
Imagen 60. Ers_difference .......................................................................................... 39
Imagen 61. Irs1c (izquierda) y Btm3 (derecha) .......................................................... 40
Imagen 62. Informacin Pixel ...................................................................................... 40
Imagen 63. RGB (Irs1C, Btm3, Btm4) ........................................................................ 41
Imagen 64. RGB (Intensity = (Bt3+Btm4+Btm5)/3 ...................................................... 41
Imagen 65. (Intensity = Bt3) ........................................................................................ 42
Imagen 66. (Intensity = Bt4) ........................................................................................ 42
Imagen 67. (Intensity = Bt5) ........................................................................................ 42
Imagen 68. RGB (It1s, It2s e It3s) izquierda y RGB (Irs1C, Btm3, Btm4) derecha ... 43
Imagen 69. Spotb3 (reclasificacion usando segmentacin por intervalos) ................. 44
Imagen 70. Spotb3 (reclasificacion usando tramos lineales) ...................................... 45
Imagen 71. Sample Set ............................................................................................. 46
Imagen 72. Spot Box classifier con 1.7 ...................................................................... 46
Imagen 73. Spot Box classifier con 1.7 (izquierda) y Spot Box classifier con 5
(derecha) 47
Imagen 74. Spot MinDist ............................................................................................ 47
Imagen 75. Spot_MinMahaDist ................................................................................... 48
Imagen 76. Spot_MaxLikehd ...................................................................................... 48
Imagen 77. Spot Majority ............................................................................................ 49
Imagen 78.Spot (Clasificacin no supervisada) ......................................................... 50
Imagen 79. Spot Box classifier con 1.7 (izquierda) y Spot (Clasificacin no
supervisada) (derecha) ............................................................................................... 50




5

ndice Tablas
Tabla 1. Respuesta Espectral Relativa Bandas 1,3 y 4 del sistema Landsat TM ........ 10
Tabla 2. Valores digitales para diferentes clases de uso del suelo bandas 1, 3 y 4
sistema landsat TM ..................................................................................................... 11
Tabla 3. Comparacin entre las coordenadas reales y fila columna de dos sitios de la
imagen Tmb4 .............................................................................................................. 12
Tabla 4. Valores de los Niveles Digitales para porcentajes acumulados con los valores
del histograma, imagen Tmb1 ..................................................................................... 14
Tabla 5. Valores de los Niveles Digitales para porcentajes acumulados con los valores
del histograma, imagen Tmb1 extendida .................................................................... 16
Tabla 6. Rango espectral para las bandas del sistema Landsat TM seleccionadas y
asignacin de color para una composicin falso color ................................................ 22
Tabla 7. Rango espectral para las bandas del sistema Landsat TM seleccionadas y
asignacin de color para una composicin pseudo color natural ................................ 22
Tabla 8. ndices de Vegetacin para tres tipos de coberturas ..................................... 32
Tabla 9. Niveles Digitales por clase de cobertura banda 3, sistema spot .................... 44

6

1. Visualizacin de Imgenes de una sola banda
Objetivos:
Entender las relaciones entre los nmeros digitales de las imgenes y la forma en
como estos son desplegados en pantalla
Aprender a desplegar varias imgenes, moverse a travs de ellas, hacer
acercamientos (zooming) y obtener los niveles digitales (ND) de las imgenes
desplegadas
Imgenes
Las imgenes usadas para este ejercicio que pertenecen sistema landsat TM, fueron
demonidadas:
Tmb1: Landsat TM banda 1 (0.45-0.52 m)
Tmb3: Landsat TM banda 3 (0.63-0.69 m)
Tmb4: Landsat TM banda 4 (0.76-0.90 m)

Y una capa de uso del suelo denominado Landuse, la escena estudiada corresponde
a un rea cercana a la ciudad de Cochabamba (Bolivia)
1.1 Desplegando una imagen de satlite
Se desplegaron las imgenes Tmb1, Tmb3, Tmb4, como se observa en las imgenes
2, 4 y 6.

El valor de los niveles digitales de la imagen Tmb1 vara entre 25 y 162, de la imagen
Tmb3 vara entre 5 y 130, y de la imagen Tmb4 vara entre 0 y 103, como se muestra
en las Imagen 1, 3 y 5.

Imagen 1. Ventana de dialogo Display Options Raster Map para imagen Tmb1


Imagen 2. TM banda 1 (0.45-0.52 m) Azul
7


Imagen 3. Ventana de dialogo Display Options Raster Map para imagen Tmb3


Imagen 4. TM banda 3 (0.45-0.52 m) Rojo


Imagen 5. Ventana de dialogo Display Options Raster Map para imagen Tmb4

8


Imagen 6. TM banda 4 (0.45-0.52 m) Infrarrojo Cercano

1.2 Zoom in/out (vista detallada y vista general) sobre una imagen en
pantalla
Mediante la herramienta Zoom in se puede observar detalles en la imagen
La banda 1 (0.45-0.52 m Azul) se usa para mapear costas, diferenciar entre suelo y
vegetacin y para distinguir entre vegetacin confera y decidua.
La banda 3 (0.63-0.69 m- Roja) es importante para diferenciar tipos de vegetacin,
reas urbanas y uso del suelo, y calidad del agua
La banda 4 (0,76-0,90 m- Infrarrojo cercano), se utiliza para delimitar cuerpos de
agua, identificar incendios y reas hmedas, agricultura y vegetacin, Mapeo
geomorfolgico y geolgico.
Para probar la herramienta zoom in se realiz el acercamiento a un rea de
inters de la imagen Tmb1

Imagen 7. Zoom in sobre la imagen Tmb1

Al realizar repetidamente zoom a la imagen Tmb1 se puede llegar a observar la
estructura de los pixel
9



Imagen 8. Estructura de Pixel imagen Tmb1

1.3 Observacin de los niveles Digitales en una imagen de satlite
Para poder observar los niveles digitales se debe posicionar el cursor sobre un pixel y
dar click izquierdo aparece el nivel digital sobre este, como se observa en la imagen 9


Imagen 9. Nivel Digital imagen Tmb1

1.4 Movindose a travs de una imagen de satlite desplegada en
pantalla

Se utiliz la herramienta Pan para moverse a travs de la imagen Tmb4, como se ve
en la imagen 9
10


Imagen 10. Pan sobre la imagen Tmb4

1.5 Visualizacin de mltiples imgenes
Se visualizaron las imgenes Tmb1, Tmb3 y Tmb4 en ventanas diferentes, sobre cada
imagen se mont la capa de uso del suelo, esto es til para observar las diferencias en
tonalidades de grises en cada una de las imgenes de acuerdo al uso.

Imagen 11. Visualizacin mltiple de imgenes

El resultado de la comparacin de la respuesta espectral relativa de las diferentes
bandas en los distintos usos del suelo se presenta en la Tabla 1.
Tabla 1. Respuesta Espectral Relativa Bandas 1,3 y 4 del sistema Landsat TM
Banda Agua rea Urbana Agrcola Zona de Pastos
1 Bajo Alta Media Media
3 Bajo Alta Media Media
4 Bajo Media Alta Media

11

1.6 Nmeros digitales y pixeles

La respuesta espectral de la superficie terrestre en longitudes de onda especfica es
almacenada como niveles digitales en cada pixel de la imagen. Los pixeles con una
respuesta espectral fuerte tienen valores cercanos a 255 (tono claro) y al contrario
tienen valores cercanos a 0 (tono oscuro)
La tabla 2 muestra los niveles digitales para las diferentes unidades de uso del suelo.
Tabla 2. Valores digitales para diferentes clases de uso del suelo bandas 1, 3 y 4 sistema
landsat TM
Banda Agua rea Urbana Agrcola Arbustos Zona de Pastos
1 6 66 27 22 21
3 8 59 41 27 24
4 7 50 43 25 24

1.7 Pixeles y Coordenadas
Cuando una imagen es creada esta se almacena en formato raster, el cual utiliza un
arreglo de filas y columnas. En el proceso de georeferenciacin se establece la
relacin entre la posicin de pixel en trminos de filas y columnas (f,c) , y los valores
de las coordenadas reales del sitio geogrfico que representa.
Para observar las coordenadas reales y el nmero de fila y columna se utiliza la
imagen Tmb4, se posicionan dos lugares, el lago cerca de la ciudad de Cochabamba y
un sitio de montaa hacia el Noroeste de la imagen, como se muestra en la Imagen 12
e Imagen 13 y Tabla 3

Imagen 12. Coordenadas reales y Filas y Columnas lago, imagen Tmb4

12


Imagen 13.Coordenadas reales y Filas y Columnas montaa, imagen Tmb4

Tabla 3. Comparacin entre las coordenadas reales y fila columna de dos sitios de la imagen
Tmb4
Sitio Fila, Columna X,Y Latitud, Longitud
Lago 512, 286 804157.68,8073513.82 172412.46S,660814.78W
Montaa 31,19 799298.31,8089299,75 171542.72S,661107.09W

Se utiliz la herramienta distancia para medir desde un punto de la esquina
norte del lago a la esquina sur de este, la informacin que arroja se muestra
en la Imagen 14, 15

Imagen 14. Medicin distancia lago, imagen Tmb4


Imagen 15. Informacin arrojada al usar la herramienta distancia, imagen Tmb4
13

2. Optimizacin de la imagen (optimizacin visual)
La optimizacin de una imagen comprende una serie de procedimientos, se realiza
con el fin de facilitar su interpretacin para una aplicacin en particular. Las tcnicas
de mejoramiento de las imgenes puede clasificarse como:
Mejoramiento global: se busca la optimizacin del contraste, se transforman los
datos originales usando las estadsticas calculadas para toda la imagen.
Ejemplo: expansin lineal total, ecualizacin del histograma y expansin lineal
parcial.
Mejoramientos locales o espaciales: consideran solo las condiciones locales
las cuales pueden variar considerablemente sobre una imagen. Ejemplos de
este tipo son: suavizados (smoothing) y agudizacin (sharpening) de rasgos en
las imgenes.

2.1 Optimizacin del Contraste
Objetivo:
Entender el concepto de mejoramiento o realce del contraste, y aprender y
aplicar las tcnicas ms empleadas para realzar el contraste con miras a
facilitar la interpretacin visual de una imagen.
La sensibilidad de los sensores de un satlite ha sido diseada para registrar las
caractersticas de brillo en un determinado rango de acuerdo con las condiciones de
iluminacin. Pocas escenas muestran el empleo de la totalidad del rango disponible de
luminosidad de los detectores. La meta del mejoramiento de contraste es facilitar la
interpretacin visual de una imagen, por incremento de la distincin aparente entre las
caractersticas de una escena. El ojo humano tiene limitaciones en la discriminacin
de diferencias sutiles de los valores de reflectancia que caracterizan tales rasgos.
Usando tcnicas de mejoramiento del contraste estas leves diferencias se hacen ms
notorias para la observacin.

El mejoramiento de contraste tambin se emplea para reducir el efecto de bruma
(haze) en la imagen. La luz dispersada en la atmsfera que llega directamente al
sensor, sin haber interactuado con los objetos de la superficie terrestre, genera el
llamado efecto de bruma (haze o path radiance). El efecto de bruma hace aparecer los
DN con un mayor valor y este efecto aditivo es el que hace la imagen aparezca con un
bajo contraste.

Para aplicar cualquier mejoramiento primero se debe calcular el histograma de la
imagen, para este ejercicio se utiliza la imagen Tmb1 y el resultado se muestra en la
Imagen 16
14


Imagen 16. Histograma y estadsticas, imagen Tmb1

La tabla de frecuencias calculada por el sistema cuenta con la siguiente informacin:
Npix = nmero de pxeles con cierto valor de pixel, frecuencia.
Npixpct =porcentaje de pixeles comparados con el nmero total de pxeles
frecuencia relativa.
Petnotzero = porcentaje de pxeles comparados con el nmero total de pxeles
no nulos.
Npixcum =distribucin de frecuencia acumulada.
Npcumct =distribucin de frecuencia relativa acumulada y el tamao del pxel.
Area =rea de pxeles con cierto ND.
En la Tabla 4 se observan los niveles digitales para porcentajes acumulados
especficos

Tabla 4. Valores de los Niveles Digitales para porcentajes acumulados con los valores del
histograma, imagen Tmb1
Porcentaje acumulado 0 0.5 1 2 5 10 90 95 98 99 99.5 100
Valor ND 25 28 29 30 33 35 68 73 78 81 84 127

Solucin de preguntas:
1) Cul es el nmero total de pixeles de la imagen?
Respuesta: El nmero total de pixeles es 187000
2) Cuantos pixeles tienen niveles digitales de 68?
Respuesta: 2671 pixeles tienen niveles digitales de 68
3) Cuantos pixeles tienen un nivel digital mayor a 93?
Respuesta: 220 pixeles tienen un nivel digital mayor a 93 (se calcula con la
diferencia del nmero total de pixeles y el nmero de pixeles acumulados
hasta el nivel digital 93)
4) Qu nivel digital representa el valor predominante (moda de la imagen)?
Respuesta: El nivel digital 43 con 10119 pixeles
15

2.2 Expansin lineal
Para aplicar esta tcnica se emplean los valores de pixel del intervalo 1% y 99% para
extender los valores de la imagen, los pixeles con valores por debajo del 1% y arriba
del 99% no se tienen en cuenta.
En este ejercicio se utiliza la imagen Tmb1, el resultado se muestra en la Imagen17

Imagen 17. Expansin lineal de imagen Tmb1

2.2 Comparacin de imagen original y expandida
Para la comparacin de la imagen original y expandida se desplego cada una en
ventanas independientes y mediante la opcin pixel information window se observ
el cambio en general (Imagen 18).Posteriormente se generaron los histogramas para
compararlos (imagen 19 y 20) y se diligencio la Tabla 5 para la imagen extendida

Imagen 18. Comparacin Tmb1 y Tmb1 expandida

16


Imagen 19. Histograma imagen Tmb1


Imagen 20. Histograma Tmb1 expandida
En la Imagen 19 se puede observar el histograma de la imagen Tmb1, este tiene una
forma ms angosta, los valores de sus niveles digitales son cercanos existiendo un
bajo contraste en la imagen, lo que dificulta su interpretacin. En comparacin la
imagen 20 se presenta el histograma de la imagen Tmb1 extendida, esta tiene una
forma ms expandida, los valores digitales se distribuyen en un intervalo ms amplio,
facilitando su interpretacin.
Tabla 5. Valores de los Niveles Digitales para porcentajes acumulados con los valores del
histograma, imagen Tmb1 extendida
Porcentaje acumulado 0 0.5 1 2 5 10 90 95 98 99 99.5 100
Valor ND 0 0 5 10 25 34 196 221 245 255 255 255

El mejoramiento de contraste facilita la interpretacin visual de la imagen, los valores
de los ND de la imagen Tmb1 vara entre 25 -162 que corresponden a niveles
visuales de 0-255.
17

2.3 Ecualizacin del histograma
Para esta tcnica se tiene en cuenta la frecuencia de los niveles digitales para definir
los porcentajes inferior y superior a ser considerados en el procesamiento. Se emple
la imagen Tmb1, los intervalos definidos fueron 10, el resultado del histograma y la
imagen se muestra en la Imagen 21

Imagen 21. Ecualizacin del histograma, imagen Tmb1

En este procedimiento se transformo el histograma de la imagen original en un
histograma plano, el histograma de salida tiene el mayor nmero de pixeles posibles
en cada nivel digital.
18

3. Optimizacin espacial
Objetivo:
Entender el concepto de mejoramiento espacial usando filtros y estar en la
capacidad de aplicar diferentes tipos de filtros
Los procedimientos para la optimizacin espacial modifican el valor de un pixel
basndose en los valores de los pixeles vecinos inmediatos. Estos se usan
generalmente para:
Corregir y restaurar imgenes afectadas por el mal funcionamiento del sistema
Mejorar las imgenes para su interpretacin visual
Extractar rasgos particulares
El fin de este proceso es generar nuevas imgenes a partir de la imagen original, de
forma que se incremente la informacin que pueda ser visualmente interpretada
3.1 Filtros de baja frecuencia (paso-bajo)
Los filtros de baja frecuencia tienen el efecto de eliminar frecuencias altas y medias
dando como resultado una imagen que tiene menor contraste, una apariencia mas
suave. El mayor nfasis a tener en cuenta en la aplicacin de ese tipo de filtros es la
preservacin de los bordes (lmites entre objetos).
Para este ejercicio se emple la imagen Tmb4 y se seleccion el filtro llamado Avg
3x3, el resultado se muestra en la Imagen 22

Imagen 22. Comparacin imagen Tmb1 (izq) y Tmb1 con filtro paso-bajo (derecha)

La imagen de la derecha muestra el resultado de aplicar un filtro de paso-bajo, en
comparacin con la imagen Tmb1 original, se observa una uniformizacin de los tonos
existiendo menor contraste en la imagen, desaparecen algunos detalles que eran
perceptibles con la imagen original.
19

3.2 Crear y aplicar un filtro tipo baja frecuencia low pass
En este ejercicio se crea un nuevo filtro denominado Weigmean y se aplica sobre la
imagen Tmb4, la matriz del filtro se observa en la Imagen 23 y el resultado de sobre la
imagen de su empleo se muestra en la Imagen 24.

Imagen 23. Filtro creado, Weigmean

Cul es la funcin del valor Gain?
Respuesta: Es el factor de ganancia dado por el autor, su valor se multiplica con las
operaciones de la matriz de filtros y la imagen, esto es para corregir el efecto de los
coeficientes de filtro, como toma el valor de 1 no corrige el efecto de los coeficientes.


Imagen 24. Comparacin imagen Tmb4 (izq) y Tmb4 con filtro Weigmean (derecha)

Al aplicar este filtro se observa que se destacan algunas coberturas y el borde de
algunos lagos.
3.3 Filtros de frecuencia alta (paso-alto)
Estn diseados para resaltar frecuencias altas y suprimir bajas. La aplicacin de un
filtro de alta frecuencia tiene el efecto de resaltar lmites, bordes agudos entre objetos.
Es por esto que a este tipo de filtros se le conoce como filtros de optimizacin de
bordes.
Para este ejercicio se empleara la imagen Tmb4 y un filtro con una matriz 3x3, que se
encargara de mejorar la visualizacin de bordes u objetos lineales, con un valor central
de 16, ocho valores aledaos de -1 y un gain factor de 0.125. El resultado se
presenta en la Imagen 25.
20

Al observar la Imagen 25 lado izquierdo se observa que se resaltaron los lmites de las
coberturas, se percibe sobre todo en el borde del lago cercano a la ciudad de
Cochabamba en la esquina inferior derecha de la imagen y en los pastizales.

Imagen 25. Comparacin imagen Tmb4 (derecha) y Tmb4 con filtro Edgesenh (izquierda)

3.4 Crear y aplicar un filtro tipo Laplace
Para este ejercicio se creo un filtro denominado Laplace_Plus los valores se muestran
en la Imagen 26, este se aplico sobre la imagen Tmb4, el resultado se presenta en la
Imagen 27

Imagen 26. Filtro Laplace_plus


Imagen 27. Comparacin imagen Tmb4 (derecha) y Tmb4 con filtro Laplace (izquierda)

21

Al comparar las imgenes en la imagen Tmb4 con filtro se observan mejor los rasgos
lineales en la zona urbana como vas y la zona montaosa se realzan los drenajes y
otras lneas.
Cul es la funcin del valor Gain en este caso?
Respuesta: Debido a que su valor es de 1, no tiene efecto sobre el valor de los
coeficientes

3.5 Filtros direccionales

Un filtro direccional se usa para resaltar tendencias lineales en una direccin
especfica. Son diseados para mejorar bordes que siguen cierta direccin.
Para este ejercicio se crea un filtro direccional norte-sur y un filtro este-oeste como se
muestra en la Imagen 28. Posteriormente, se aplica cada uno sobre la Imagen Tmb4,
el resultado se observa en la Imagen 29

Imagen 28. Filtro direccional oeste destaca direccin norte-sur (izquierda) y Filtro direccional
Norte destaca direccin Este-Oeste (derecha)


Imagen 29. Tmb4 con filtro direccional Oeste (izquierda) y Tmb4 con filtro direccional norte
(derecha)
En el filtro oeste, se destacan ms las bordes de las coberturas y objetos lineales que
van en la direccin norte-sur, en cambio al aplicar el filtro norte se resalta ms los
bordes de coberturas hacia la direccin este-oeste.
22

4. Visualizacin imgenes multibanda
Objetivo: Entender el concepto de composicin a color y aplicarlo para crear
diferentes composiciones a color
La informacin espectral almacenada en bandas separadas puede ser integrada
dentro de una composicin a color. La informacin espectral es combinada mediante
el despliegue de cada banda individual en uno de los tres colores primarios: rojo, verde
y azul.
Las bandas de diferentes imgenes (de diferentes sistemas de imgenes o diferentes
fechas), o capas creadas, mediante el anlisis de componentes principales o
racionamiento de banda, se puede combinar en una composicin a color.
4.1 Composicin a color

Las composiciones a color son creadas y desplegadas en pantalla, mediante la
combinacin de los valores espectrales de las bandas individuales. Cada banda es
desplegada usando uno de los colores primarios. Una combinacin de pixeles con
valores altos de los niveles digitales genera colores claros, al contrario, bajos valores
en los niveles digitales produce colores oscuros.
En Ilwis la relacin entre los valores de pixel en una imagen multibanda y color,
asignado a cada pixel, es almacenado en la representacin. Es decir, se almacena los
valores para rojo, verde y azul. El valor de cada color representa la intensidad relativa
en el rango de 0 a 255. Las tres intensidades juntas definen el color final.
4.2.1 Composiciones falso color y pseudo color natural
Para este ejercicio se seleccionaron tres bandas usando el sistema Landsat TM, el
rango espectral de cada una y el nmero de banda se indica en la Tabla 6.
Tabla 6. Rango espectral para las bandas del sistema Landsat TM seleccionadas y asignacin
de color para una composicin falso color
Rango Espectral TM nmero de banda Color
Infrarrojo cercano 4 Rojo
Rojo visible 3 Verde
Verde visible 2 Azul

Cuales bandas se pueden seleccionar para crear una composicin pseudo color
natura usando tres bandas TM?
Respuesta: banda 1, banda 2 y banda 3
Tabla 7. Rango espectral para las bandas del sistema Landsat TM seleccionadas y asignacin
de color para una composicin pseudo color natural
Rango Espectral TM nmero de banda Color
Rojo visible 3 Rojo
Verde visible 2 Verde
Azul visible 1 Azul
23



Imagen 30. Imagen falso color RGB 432 del sistema Landsat TM
En la composicin falso color RGB 432 la vegetacin vigorosa, cultivos regados y
bosques naturales se observan de color rojo-magenta; el color rosa indica vegetacin
menos densa o en diferente etapa de crecimiento; el azul oscuro o negro muestra
superficies cubiertas parcial o totalmente por agua; el color gris y azul metlico
muestra ciudades y reas pobladas; el verde mate identifica zonas de transicin
prados secos asociados a matorrales ralos y vegetacin de paramo.

En la Imagen 30 la vegetacin de color rojizo, los bosques de color rojo oscuro, los
cultivos de un rojo ms claro; la ciudad de color azul metlico; el agua de los lagos se
observa de azul oscuro y los arbustos y pastizales de verde mate.

Imagen 31. Composicin verdadero color RGB 321 del sistema Landsat TM
Las composiciones en verdadero color RGB 321 muestran en azul oscuro indica aguas
profundas, en azul claro aguas de mediana profundidad y de color verde amarillo
aguas turbias; la vegetacin se observa en tonalidades verdes y el suelo desnudo con
tonos amarillentos y plateados.
Al comparar la composicin en falso color con la imagen con composicin verdadero
color, se observa que en la imagen 31 la vegetacin no es tan apreciable como en la
imagen 30, en el lago cercano a la ciudad de Cochabamba por ejemplo en la Imagen
31 no pareciera tener vegetacin lo que en la imagen 30 es mas perceptible.
24

Cmo pueden ser explicadas visualizan las diferencias de color entre las dos
imgenes?
Respuesta: Debido a que las coberturas presentan diferente comportamiento
espectral a distintas longitudes de onda, en cada una de las bandas se
almacenan diferentes valores digitales. Las diferencias en color en las dos
imgenes se deben al uso de diferentes bandas y a la asignacin de los colores
a cada una de las bandas.
4.2.3 Composiciones a color permanente
Las composiciones a color son usadas para crear composiciones permanentes. En
esta operacin las composiciones a color puedes ser creadas de diferentes formas:
-Expansion lineal estndar
-Ecualizacion del histograma estndar
-Dinamica
-24 bit RGB expansin lineal
-24 bit RGB ecualizacin del histograma
-24 bit HSI

Los diferentes mtodos para crear una composicin a color se fundamentan en
aumentar la escala en los valores de entrada sobre los colores de salida.
En este ejercicio mediante la operacin Color Composite dentro del tem Image
Processing se cre una composicin falso color utilizando las bandas 4 , 3 y 2 del
sistema landsat TM, esta es guardada como imagen, el resultado se observa en la
Imagen 32

Imagen 32. Composicin falso color permanente RGB 432 del sistema Landsat TM
25

5. Correcciones geomtricas y referenciacin de la imagen
Los datos en los sensores remotos son afectados por las distorsiones geomtricas,
debidos a la geometra del sensor, la inestabilidad del scanner y la plataforma, la
rotacin de la tierra, la cobertura de la tierra, entre otras. Alguno de esas distorsiones
son corregidas mediante los proveedores de la imagen o por la referencia de las
imgenes y los mapas existentes.
La transformacin ms usada para corregir las imgenes se denomina transformacin
afin Si la precisin de la transformacin es aceptable, entonces la transformacin es
vinculada con la imagen y se hace una referencia para cada pxel de la coordenada
del sistema dado, por lo que la imagen es georeferenciada. Despus de geo-
referenciar la imagen esta mantien su geometra original y los pxeles tienen su
posicin inicial en la imagen, con respecto a la fila y los ndices de columna.
5.1 Geo-referenciacin usando las coordenadas de las esquinas
Cuando se crea una imagen (mapa raster), la imagen se almacena en la geometra de
filas y columnas en formato raster. No existe una relacin entre las filas / columnas y
las coordenadas del mundo real (UTM, coordenadas geogrficas, o cualquier otra
proyeccin de referencia). En un proceso llamado geo-referenciacin se establece la
relacin entre los nmeros de fila y columna y las coordenadas del mundo real.
- Georeferenciacion de las Esquinas: Se especifican las coordenadas de la esquina
inferior izquierda (como xmin, ymin) y la esquina superior derecha (como xmax, ymax)
de la imagen de trama y el tamao real en pxeles . Las esquinas de
georreferenciacin siempre estan orientadas al norte y deben ser utilizadas cuando se
rasteriza un punto, segmento, o mapas de polgonos y por lo general tambin como la
salida para georeferenciar durante el remuestreo.
Como ejercicio se creo un sistema de georeferencia mediante la georeferenciacion
por esquinas, con orientacion norte, este sistema fue denominado Flevo en la Imagen
33, se observa las coordenadasX,Y minimas y maximas y el numero de lineas y
columnas creados.

Imagen 33. Creacion sistema de Georeferencia Flevo
26

5.2 Geo-referenciacin de una imagen raster utilizando puntos de
referencia

En la georeferenciacin por puntos de referencia algunos nmeros de fila / columna
obtienen una coordenada X, Y correcta. Todas las demas filas y columnas a
continuacin, obtienen una coordenada X, Y por un afn, de segundo orden o
transformacin proyectiva segn lo especificado en la georreferenciacin. Este tipo de
georeferenciacion se puede utilizar tambien para aadir las coordenadas de una
imagen de satlite o a una fotografa escaneada. Tambien para cambiar de sistema de
georeferencia en las imgenes (por satlite) o para la digitalizacin de la pantalla.
En el ejercicio se georeferencia un mapa mediante la georeferenciacion por puntos de
referencia, como se muestra en la Imagen 34 en un principio el mapa no tenia sistema
de coordenadas, desde la ventana del mapa mediante el menu File se creo una
georeferencia denominada Flevo2, con el sistema de coordenadas Flevo creado
anteriormente (Imagen 35), posteriormente mediante los puntos de referencia se
georeferencio el mapa (Imagen 36 e imagen 37).

Imagen 34. Imagen Polder sin sistema de coordenadas, se observa en la esquina inferior
derecha



Imagen 35. Asignacion sistema de coordenas a la
Imagen Polder
27


Imagen 36. Asignacion puntos de referencia Imagen Polder


Imagen 37. Imagen Polder georeferenciada
5.3 Referencia de imagen a imagen
Mediante el uso del Mapa Polder ya georeferenciado se realiza la correccin
geomtrica o georeferenciacion de la imagen Spotb3. La imagen de base o
referenciada se denomina como maestro y a la imagen por referenciar se le conoce
como esclavo. La imagen esclavo se vuelve a muestrear a la imagen principal. Esto
requiere la disponibilidad de objetos idnticos en ambas imgenes . La imagen esclavo
heredar este sistema de referencia despus del registro. La definicin de la
transformacin se utiliza para el registro.

Imagen 38. Imagen Spotb3 sin georeferenciar

28


Imagen 39. Imagen Spotb3 georeferenciada


Imagen 40.Imagen Spotb1 georeferenciada

Imagen 41. Imagen Spotb2 georeferenciada
Que pasara con los valores de pixel de salida si se utiliza un mtodo de interpolacin
Bilineal o cubico durante el re muestreo?
La tcnica de interpolacin bilineal se basa en una distancia dependiente de promedio
ponderado, de los valores de los cuatro pxeles ms cercanos en la imagen de
entrada. La convolucin cbica o bicbico utiliza los diecisis pixeles circundantes en
la imagen de entrada
29

5.4 Geocodificacin de una imagen por remuestreo
El dibujo ser rotado como se muestra en el siguiente grafico al aplicar el mtodo de
remuestreo del pixel ms cercano

Imagen 42. Imagen Spotb2 georeferenciada




30

6. Operaciones Multibanda
Para mejorar o extractar caractersticas de imgenes satelitales que no son
claramente detectados en una banda, se puede usar informacin espectral del objeto
registrado en mltiples bandas. Estas imgenes pueden ser separadas de un conjunto
multiespectral o pueden operarse bandas individuales.
Las operaciones de adicin, sustraccin, multiplicacin, divisin son ejecutadas en una
o ms imgenes de la misma rea geogrfica. Esta seccin muestra operaciones
multibanda. Las operaciones que se tratarn son:
- El uso de relacin de aspecto de imgenes para reducir los efectos
topogrficos.
- ndices de vegetacin
- Estadsticas multibanda
- Anlisis de Componentes principales
- lgebra de imgenes
- Fusin de Imgenes
-
6.1 Relacin de aspecto de imgenes: variaciones de luminosidad
Cuando un satlite pasa sobre un rea con relieve, se registran tanto las reas
luminosas como las sombreadas. La manipulacin de la relacin de aspecto en las
imgenes minimiza los efectos sobre la luminosidad. Para mostrar este efecto se usan
las bandas 4 y 5 de una imagen LANDSAT TM. La parte norte de imagen muestra
reas montaosas donde las variaciones de iluminacin debido a los efectos de la
topografa son obvias.
A continuacin se muestran las bandas 4 y 5 en escala de grises.

Imagen 43. Visualizacin Tmb4 y Tmb5

31




Imagen 44. Imagen a relacin del efecto de iluminacin Y sobras de las bandas Tmb4 y Tmb5
es de 2.9
6.2 ndice de vegetacin de diferencia normalizada
Los ndices de las imgenes son con frecuencia tiles para discriminar sutiles
diferencias de variacin espectral en una escena que es enmascarada por variaciones
de luminosidad. La utilidad del uso de la relacin de aspecto depende de qu
caractersticas de reflectancia se desean involucrar en una aplicacin dada. Por
ejemplo la relacin entre rojo e infrarrojo cercano puede ser til para diferenciar entre
reas de vegetacin enferma y las que no. Los ndices de vegetacin Simple (VI) y el
ndice de vegetacin de normalizada (NDVI) se basan en las propiedades de
reflectancia de las reas con vegetacin en comparacin con las nubes, el agua y la
nieve por un lado y las rocas y el suelo desnudo por otro lado. Las reas con
vegetacin tienen una relativamente alta reflexin en el infrarrojo cercano y una baja
reflexin en el intervalo visible del espectro
32

Se us una imagen satelital de Cochabamba, Bolivia, en las bandas 3 y 4. A
continuacin se muestra el uso de la herramienta Map Calculation. Se utiliz la
expresin (Tmb4-Tmb3)/(tmb4+Tmb3). El rango elegido de NDVI es -1 a 1 con
precisin 0.01.

Imagen 45. (Tmb4-Tmb3)/(tmb4+Tmb3)

En el mapa desplegado se muestran las reas en color azul (bajo ND), verde (medio
ND), y rojo (alto ND)
En la Tabla 8 se presenta las tablas de los ndices de vegetacin (NDVI) en tres
coberturas, con valores negativos en el agua, muy cercano a cero en suelo desnudo y
valores altos en vegetacin, verde.
Tabla 8. ndices de Vegetacin para tres tipos de coberturas
Cobertura TM banda 3 Tm Banda 4 NDVI
Vegetacin
verde
23 74 0.53
Agua 7 1 -0.75
Suelo desnudo 44 49 0.05

33

Se us el NDVI ya que compensa los cambios producidos por condiciones de
iluminacin y en general condiciones de aspecto. A continuacin se observa las
imgenes donde fueron medidos los ND del NDVI

Imagen 46. Cobertura: Agua


Imagen 47. Cobertura: Suelo Desnudo


Imagen 48. Cobertura: Vegetacion verde


34


Imagen 49. ndice de vegetacin normalizado SPOT

6.3 Estadsticas Multibanda
El anlisis multibanda implica evaluar la correlacin entre dos o ms bandas, el cual se
puede mostrar grficamente mediante el grafico de dispersin y matemticamente se
puede ver mediante el uso de estadsticas de covarianza. Los puntos en el grafico
indican los valores de pixeles, en la matriz de varianzas y covarianzas los valores
negativos grandes indican una fuerte correlacin negativa. Los valores positivos
grandes indica correlacin positiva y los valores cercanos a cero indican ausencia de
correlacin.
En general, el anlisis se orienta a definir cules bandas de una imagen multiespectral
se utilizarn en el proceso de clasificacin. Se eligen las bandas en las que se
presente mayor contraste espectral entre las coberturas objeto del estudio. A mayor
nmero de bandas en el proceso de clasificacin, mejor ser el resultado obtenido.

Imagen 50. Matriz de Correlacin bandas tmb1-tmb7

35

1. Qu bandas muestran menor correlacin y por qu?
De acuerdo a los datos obtenidos encontramos que la las bandas que muestran menor
correlacin con las bandas 1 y 5
Se excluye la banda 6 en este tipo de anlisis ya que es la banda del termico, segn la
matriz obtenida las bandas menos relacionadas son las bandas 1 y 5, la razn es que
la primera est en el lmite inferior del espectro visible, mientras que la segunda est
en el infrarrojo por lo que cada una muestra fenmenos naturales no tan relacionados,
y por tanto la respuesta espectral es diferente. Tambin se presenta, menor
correlacin en las bandas 4 y 7
2. Las bandas visibles y las bandas de infrarrojo estn altamente
relacionadas?
Todas las correcciones estn con valores superiores a 0.5, y con valores positivos por
tanto existe correlacin positiva, con valores cercanos a 1 en el espectro del visible,
por tanto son las ms altamente correlacionadas
3. Seleccione una combinacin de 3 bandas, muestre ms informacin, es
decir menos correlacin. Se seleccionaron las bandas Tmb RGB (5, 4, y 1).
Ya que la 6 se descart por ser una banda termal. El resultado se muestra a
continuacin.

Imagen 51. Composicin de Color RGB541



36

6.4 ANLISIS DE COMPONENTES PRINCIPALES
El anlisis de componentes principales se aplica para compactar los datos
redundantes en un menor nmero de capas (imagen). ). Los componentes estn
clasificados en trminos de la cantidad de varianza explicada, las dos o tres primeros
componentes se llevan la mayor parte de la informacin real del conjunto de datos
original, mientras que los componentes posteriores describen slo las variaciones
menores (a veces slo ruido)
Para el ejercicio, se realiza el anlisis de componentes principales usando las siete en
el conjunto de datos: Tmb1, Tmb2, Tmb3, Tmb4, Tmb5, Tmb6 y Tmb7.

Imagen 52. Tabla de valores propios


Imagen 53. Tabla de valores propios

Imagen 54. Tabla de Porcentaje de Varianza de los componentes principales
En la CP2, las bandas que ms contribuyen a su formacin son las bandas TM1, TM2
y TM3, aunque se presenta un efecto inverso con la banda TM5. Lo cual significa que
esta componente resalta en tonalidades ms claras la cobertura de pastos, bosque,
Tmb1 Tmb2 Tmb3 Tmb4 Tmb5 Tmb6 Tmb7
Tm PC1 0.268 0.208 0.331 0.297 0.716 0.187 0.374
Tm PC2 0.499 0.317 0.391 0.271 -0.594 0.253 -0.086
Tm PC3 0.256 0.174 0.322 -0.676 -0.045 -0.497 0.307
Tm PC4 0.009 0.048 0.043 0.575 -0.002 -0.806 -0.121
Tm PC5 -0.240 -0.107 -0.131 0.222 -0.362 0.014 0.856
Tm PC6 -0.720 0.154 0.666 0.001 -0.045 0.054 -0.101
Tm PC7 0.196 -0.888 0.414 0.039 -0.017 0.000 -0.010
CP % Varianza
Tm PC1 82.47
Tm PC2 8.63
Tm PC3 4.53
Tm PC4 3.45
Tm PC5 0.53
Tm PC6 0.32
Tm PC7 0.08
37

cultivos y cuerpos de agua, entre tanto las coberturas urbanas en tonos medios,
mientras que los suelos desnudos se representaran en tonalidades ms oscuras, En la
CP3 se evidencia el suelo descubierto en tonalidades ms claras, al igual que los
cuerpos de agua, desaparece el aspecto del relieve. Las coberturas vegetales en
tonos ms oscuros, las bandas que aportan mayor informacin son la TM1 y TM3.
A continuacin se muestra la composicin de color del anlisis de componentes
principales RGB (PC1, PC2, PC3). Comparado con la composicin 432 creado en la
seccin 6.3.

Imagen 55. Comparacin RGB (cp1, cp2, cp3) y falso color RGB (431)

En Imagen RGB (cp1, cp2, cp3) se logra identificar con facilidad las coberturas
vegetales presentes en el rea de la imagen, con esta combinacin la fortaleza se
encuentra en la identificacin de coberturas vegetales, y cuerpos de agua. Los cual se
facilita para disciplinas relacionadas con el medio ambiente. La parte urbana y vas se
identifican con mayor facilidad en la composicin de falso color RGB (431)
a. Operaciones aritmticas entre imgenes
Las operaciones multibanda se usan para mejorar o extraer caractersticas de
imgenes satelitales que no son fcilmente detectadas en una sola banda.
Las operaciones de adicin, sustraccin, multiplicacin y divisin son desarrolladas en
dos o ms imgenes co-registradas de la misma rea geogrfica.
Las variaciones de luminosidad son claramente relevantes en reas geogrficas
montaosas.
El ndice normalizado diferencial de vegetacin (NDVI), es usado para discriminar
diferencias subyacentes en variaciones espectrales producidas por las variaciones de
luminosidad.
Se prefiere el NDVI sobre el ndice de vegetacin (VI), dado que el primero considera
cambios en la luminosidad, las pendientes y el aspecto de las superficies.
38

En las estadsticas multibanda se prefiere el coeficiente de correlacin sobre el
coeficiente de varianza dado que su interpretacin es ms sencilla y que ste es la
versin normalizada de los coeficientes de covarianza.
El anlisis de componentes principales (PCA) es de utilidad para reducir la
dimensionalidad de bandas correlacionadas, transformando stas en bandas in-
correlacionadas.
La fusin de imgenes es el proceso de combinar imgenes digitales modificando los
valores de los datos usando algn procedimiento que usualmente es anlisis de
componentes principales (PCA) o transformacin RGB a IHS
Para este ejercicio se us la imagen del Flevo Polder de Holanda. Se muestran las
imgenes Ers1 y Ers2, usando las opciones de visualizacin por defecto.


Imagen 56. Ers1 y Ers2
En la ventana principal de ilwis se calcula el siguiente mapa: Ers_average =
(Ers1+Ers2)/2

Imagen 57. Ers_average

39


Imagen 58. Definicin e informacin de pixeles

La formula lo que hace es tomar los valores de los pixeles de las dos imgenes, y los
promedia para crear una nueva imagen, al realizar esta operacin se resaltan los
elementos de las 2 imgenes en la nueva imagen, por ejemplos los bordes de la
imagen Ers 1 los toma, los cuales no son identificables en la imagen 2, esto produce
una imagen con informacion mas completa ya que integra los elementos de las dos
imgenes en una nueva.
En la ventana principal de ilwis se calcula la diferencia de las imgenes Ers1 Ers2:
Ers_difference = Ers1-Ers2

Imagen 59. Ers_difference


Imagen 60. Ers_difference
40


Al realizar la diferencia se restan los pixeles de la imagen y nos permite identificar los
cambios que ha sucedido a travs del tiempo desde el momento en que fue tomada la
imagen Ers1 hasta el tiempo en que se tom la imagen Ers2, de acuerdo a los
resultados obtenidos se han presentado cambios en toda la zona de estudio ya que la
imagen diferencia proporciona valores diferentes de cero, en la mayora negativos. Si
se presentaran zonas estables a travs del tiempo el valor del pixel diferencia debera
ser cero o cercano a cero. Las zonas con colores claros, son las que ganaron NDs,
mientras las de colores oscuros son las que pierden NDs.
7.3 Fusin de imgenes
La fusin de imgenes es el proceso de combinar digitalmente varias imgenes,
modificando los valores de los datos. Antes de comenzar con el proceso se debe co-
registrar adecuadamente los datos. Las tcnicas ms usuales para realizar este
proceso son: el anlisis de componentes principales (PCA) y la transformacin RGB a
IHS (Saturacin-Intensidad-tono).
A continuacin se muestra la imagen Irs1c y Btm3 usando los valores de visualizacin
por defecto. Se nota una mayor resolucin espacial en la Irs1c.

Imagen 61. Irs1c (izquierda) y Btm3 (derecha)


Imagen 62. Informacin Pixel
41



Ambas imgenes tienen la misma resolucin espacial 10 metros, pero esta resolucin
se obtuvo a partir del re-muestreo, ya que las imagen LandSat tena una resolucin de
30 metros, mientras que la imagen IRS tena una resolucin de 5.8 metros.
Fusin de 3 imgenes: RGB (Irs1C, Btm3, Btm4). A continuacin se muestra esa
composicin:

Imagen 63. RGB (Irs1C, Btm3, Btm4)

Se realiza el clculo de la intensidad combinada, usando la herramienta MapCalc con
la siguiente expresin:
Intensity = (Bt3+Btm4+Btm5)/3

Imagen 64. RGB (Intensity = (Bt3+Btm4+Btm5)/3


42

Ahora se realiza el clculo de la intensidad por cada banda:

Imagen 65. (Intensity = Bt3)


Imagen 66. (Intensity = Bt4)



Imagen 67. (Intensity = Bt5)

43


A Continuacin se muestra la composicin a color de las tres intensidades:

Imagen 68. RGB (It1s, It2s e It3s) izquierda y RGB (Irs1C, Btm3, Btm4) derecha

Qu puede concluir cuando se fusionan imgenes comparado con el ejercicio previo?
La resolucin espacial de la composicin a color It1s, It2s e It3s es la misma que tiene
la imagen pancromtica, la cual es considerada de alta resolucin comparada con las
bandas Btm3, Btm4, y Btm3 respectivamente. al hacer la fusin con la imagen
pancromtica se conservan las propiedades espectrales de las bandas fusionadas y
se mejora la resolucin la imagen pancromtica. Lo cual es ideal para cualquier tipo
de anlisis, la resolucin espacial de la primera composicin no es buena y es difcil la
identificacin de manzanas y vas, lo cual es muy fcil de identificar en la nueva fusin
de imgenes.
44

7. Clasificacin de imgenes
Los valores de reflexin medidos en una imagen dependen de las caractersticas
locales de la superficie de la tierra, por tanto se deduce una relacin entre la cobertura
del suelo y medidas valores de reflexin. La clasificacin se puede hacer usando una
nica banda, en un proceso llamado densidad de corte, o el uso de muchas bandas
(clasificacin multiespectral).
A continuacin se vern diferentes tipos de clasificacin.
7.1 Segmentacin por intervalos

Tabla 9. Niveles Digitales por clase de cobertura banda 3, sistema spot
Cover Class DN values of Spot-XS Band 3
Land 70, 85, 95
Water 19, 25, 33

Se procede a realizar un mapa que muestra la clasificacin, para ello primero se
insertan los lmites definidos para la representacin.
Se obtiene un mapa en el cual se puede apreciar la representacin de acuerdo a los
intervalos establecidos, lo importante es que se puede realizar los ajustes necesarios
para mejorar los lmites de la clasificacin.


Imagen 69. Spotb3 (reclasificacion usando segmentacin por intervalos)


45

7.2 Tramos lineales
En este paso se aplica una clasificacin a una sola banda, se construye mediante la
asignacin de valores entre rangos para cada Nivel Digital. Es importante que se
conozca antes los diferentes tipos de coberturas y su respuesta espectral.

Imagen 70. Spotb3 (reclasificacion usando tramos lineales)

7.3 Clasificacin multiespectral de imgenes

La clasificacin de imgenes multiespectrales se utiliza para extraer la informacin
temtica. A continuacin se realizara cada uno de los pasos.
7.4 Muestreo

Los mtodos de clasificacin supervisada se dividen en dos fases:
Entrenamiento: Se asigna un nmero limitado de pxeles a lo que las clases que
pertenecen en la imagen particular.
Toma de decisin: Se asigna una etiqueta de clase a todos los pxeles de la imagen,
mediante la bsqueda de cada pxel a cul de las clases capacitados este pxel es
ms similar.
Se procede a crear una composicin con as imgenes Spot en una combinacin
RGB321, donde se observa el agua de color negro, los cultivos y reas verdes de
color rojo y los suelos desnudos de color verde.

46


Imagen 71. Sample Set
7.5 Desplegando Caractersticas espaciales
Las clases se pueden representar con colores distintos en el espacio de
caractersticas, lo que permite determinar si las clases realmente se pueden distinguir
espectralmente y si cada clase corresponde a un solo grupo espectral.
Las clases espectrales en este caso son:


Imagen 72. Spot Box classifier con 1.7
47


Que se puede decir de la desviacin estndar de la zona urbana?
Respuesta: La desviacin en la zona urbana es ms alta en comparacin a los dems
clases, esto se observa en la Imagen 74 puesto que los puntos de color gris aparecen
desagrupados, dispersos. La principal causa es que las construcciones urbanas son
heterogneas, el uso de diferentes materiales hace que la respuesta espectral sean
diferente.
7.6 CLASIFICACIN
Corresponde a la segunda fase de la clasificacin supervisada. En ILWIS existen 4
mtodos:
a. Box classifier
b. Clasificador de Mnima distancia
c. Clasificador de distancia de mahalanobis
d. Clasificador de mxima verosimilitud
A continuacin se compara los resultados obtenidos con las clasificaciones:

Imagen 73. Spot Box classifier con 1.7 (izquierda) y Spot Box classifier con 5 (derecha)
En el mtodo de Box classifier utiliza un mtodo de clasificacin por clases de acuerdo
al conjunto de pixeles identificados en la fase de entrenamiento, si hay pixeles que no
estn en este conjunto, no se clasifican, como se puede observar en las imgenes
anteriores.
Clasificacin con la mnima distancia

Imagen 74. Spot MinDist
48


Mnima Distancia de Mahalanobis

Imagen 75. Spot_MinMahaDist
Mtodo de Mxima Verosimilitud

Imagen 76. Spot_MaxLikehd
De todos los mtodos el mejor clasificador es el de mxima verosimilitud ya que tiene
en cuenta el manejo de probabilidades. El pxel se asigna a la clase que tenga mayor
probabilidad de pertenencia. Tiene en cuenta la distancia y las cantidades de pixeles
por clase, adems permite introducir lmites.

Si la clasificacin final no alcanza los resultados previstos debido a la superposicin
espectral, se debe revisar la fase de entrenamiento, para incorporar ms clases
espectrales, o definicin de subclases si existe gran varianza en las clases. Si al
repetir la clasificacin los resultados no mejoran es aconsejable considerar incorporar
informacin adicional como la elevacin, para eliminar pixeles sin clasificar y en
general informacin que no puede ser adecuadamente representada en un mapa, se
procede a generalizar la imagen clasificada. Para esto se utilizan filtros espaciales los
cuales pueden asignar pixeles individuales a la mayora de los pixeles circundantes.
49

8. FILTROS
Un filtro estndar, que puede ser aplicado. El filtro selecciona el valor predominante
(ms frecuente) de un pixel y sus 8 vecinos. El filtro mayora undef selecciona slo el
valor predominante si el centro pixel es cero, el cual elimina los pxeles aislados no
clasificados y asigna el pxel a la clase circundante. A continuacin se aplica un filtro
majority


Imagen 77. Spot Majority
Con la aplicacin del filtro majority se clasifican todos los pixeles de la imagen,
asignando valores a los pixeles donde no hay informacin. Y con esto se completa el
proceso de clasificacin.
8.1 Clasificacin no supervisada
Una forma de llevar a cabo una clasificacin es trazar todos los pxeles (vector de
features) de la imagen en un elemento de caractersticas (feature), luego se analiza el
feature y se agrupan los vectores de feature. A esto se le llama clasificacin no
supervisada.
En este proceso no hay conocimiento acerca de los nombres de las coberturas "clases
temticas", tales como ciudad, carretera, patatas, etc. Todo lo que puede hacer, es
averiguar que parece ser (por ejemplo) 16 "cosas" diferentes en la imagen y darles los
nmeros (del 1 al 16).
Despus de finalizar el proceso es responsabilidad del usuario encontrar la relacin
espectral y las clases temticas, es posibles encontrar varias clases temticas en un
mismo grupo.
Se usa las bandas 1,2 y 3 para las imgenes Spot con 10 clases.
50


Imagen 78.Spot (Clasificacin no supervisada)

Al realizar una clasificacin no supervisada el software clasifica automticamente
todos los pixeles, de acuerdo a un numero de clases que se definan, en este caso por
defecto se trabaj con 10 clases. Al comparar con la clasificacin obtenida por
Boxclas, se observan diferencias, respecto a la cantidad de informacin clasificada. El
xito de la clasificacin supervisada depende de la definicin correcta de las
coberturas en la etapa de entrenamiento. De ah depende que se clasifiquen todos los
pixeles o que se obtengas reas sin clasificar.

Imagen 79. Spot Box classifier con 1.7 (izquierda) y Spot (Clasificacin no supervisada)
(derecha)