análisis digital de imágenes fusión de imágenes multiespectrales con otras de mejor resolución espacial INSTITUTO DE AGRIMENSURA - DEPARTAMENTO DE GEOMÁTICA ANÁLISIS DIGITAL PROF. ADJUNTO GRADO 3, EDISON J. ROSAS BERTON fusión de imágenes CAPÍTULO 3 – MANEJO DE DATOS Una técnica interesante que se ha puesto muy de moda en los últimos tiempos es la de "mezclar" las imágenes de dos sensores distintos, para aprovechar las mejores características de ambos Algoritmos que funde la imagen multiespectral de baja resolución espacial y la pancromática de alta resolución, para crear una imagen color de alta resolución realzada. La imagen en color de alta resolución conserva la fidelidad del color original y permite mejorar la visualización e interpretación. El dato de imagen pancromática puede ser fundido con la imagen multiespectral, ya sea; adquiridas simultáneamente por el mismo sensor, o imágenes de diferentes sensores. Los mejores resultados se obtienen cuando la imagen es recolectada simultáneamente y las resoluciones de los datos pancromáticos y multiespectrales están estrechamente relacionadas. Las características espectrales del dato original serán conservadas en la imagen de alta resolución resultante. técnicas de fusión de imágenes de diferente resolución espacial UDELAR – FING – IA - CAPTURA DE DATOS POR PERCEPCIÓN REMOTA / TCI19 Prof. Adjunto Gdo. 3, Ing. Agrim. Edison Rosas – Prof. Asistente Gdo. 2, Eduardo Vásquez Pan Sharpening en Geomática INSTITUTO DE AGRIMENSURA - DEPARTAMENTO DE GEOMÁTICA ANÁLISIS DIGITAL PROF. ADJUNTO GRADO 3, EDISON J. ROSAS BERTON imagen PANCROMÁTICA CAPÍTULO 3 – MANEJO DE DATOS Las imágenes digitales pancromáticas de la superficie de la Tierra son producidas por la mayoría de los satélites y en particular en algunos satélites modernos, como QuickBird e IKONOS ésta imagen es extremadamente útil, ya que por lo general es una resolución (espacial) mucho más alta que la resolución de las imágenes multiespectrales del mismo satélite. Por ejemplo, el satélite QuickBird produce imágenes pancromáticas de un equivalente de píxeles en un área de 0.6m x 0.6m, mientras que los píxeles multiespectrales representan un área de 2.4m x 2.4m. una imagen pancromática produce una imagen realista de una escena UDELAR – FING – IA - CAPTURA DE DATOS POR PERCEPCIÓN REMOTA / TCI19 Prof. Adjunto Gdo. 3, Ing. Agrim. Edison Rosas – Prof. Asistente Gdo. 2, Eduardo Vásquez una imagen pancromática es un tipo de imagen en blanco y negro sensible a todas las longitudes de onda del espectro visible. INSTITUTO DE AGRIMENSURA - DEPARTAMENTO DE GEOMÁTICA ANÁLISIS DIGITAL PROF. ADJUNTO GRADO 3, EDISON J. ROSAS BERTON métodos de Pan Sharpening CAPÍTULO 3 – MANEJO DE DATOS b) Métodos basados en la disociación de información espectral y espacial: b.1 – Métodos de sustitución de componentes TRANSFORMACIÓN IHS b.2 – Métodos de extracción e incorporación de detalle espacial HIGH PASS FILTER (HPF) diferentes metodologías UDELAR – FING – IA - CAPTURA DE DATOS POR PERCEPCIÓN REMOTA / TCI19 Prof. Adjunto Gdo. 3, Ing. Agrim. Edison Rosas – Prof. Asistente Gdo. 2, Eduardo Vásquez a) Métodos basados en la combinación aritmética de la radiometría de las imágenes (es realizar sumas, restas, multiplicaciones y cocientes entre bandas INSTITUTO DE AGRIMENSURA - DEPARTAMENTO DE GEOMÁTICA ANÁLISIS DIGITAL PROF. ADJUNTO GRADO 3, EDISON J. ROSAS BERTON Pan Sharpening - IHS CAPÍTULO 3 – MANEJO DE DATOS sabemos que el color representado a partir de sus componentes, resulta de la mezcla de tres cañones de los colores elementales ROJO, VERDE, AZUL una forma alternativa, es representar el color, a través de sus propiedades: INTENSIDAD (Intensity) TONO (Hue) SATURACIÓN (Saturation) IHS el color representado por un sistema diferente Cita – E. Chuvieco 2010; Koutsias et. al., 2000; Terhalle y Bodetchel, 1986 UDELAR – FING – IA - CAPTURA DE DATOS POR PERCEPCIÓN REMOTA / TCI19 Prof. Adjunto Gdo. 3, Ing. Agrim. Edison Rosas – Prof. Asistente Gdo. 2, Eduardo Vásquez el algoritmo mas sencillo de los empleados en casi la mayoría de los softwares, es la TRANSFORMACIÓN IHS INSTITUTO DE AGRIMENSURA - DEPARTAMENTO DE GEOMÁTICA ANÁLISIS DIGITAL PROF. ADJUNTO GRADO 3, EDISON J. ROSAS BERTON representación del color - RGB CAPÍTULO 3 – MANEJO DE DATOS Cada eje, define uno de los colores primarios y en sus opuestos, encontramos a los colores secundarios teoría del color y su representación tridimensional Figura - http://tilanotv.es/general/que-funciones-tiene-la-colorimetria-iv/ UDELAR – FING – IA - CAPTURA DE DATOS POR PERCEPCIÓN REMOTA / TCI19 Prof. Adjunto Gdo. 3, Ing. Agrim. Edison Rosas – Prof. Asistente Gdo. 2, Eduardo Vásquez Cada pixel y su color, puede representarse en un diagrama tridimensional INSTITUTO DE AGRIMENSURA - DEPARTAMENTO DE GEOMÁTICA ANÁLISIS DIGITAL PROF. ADJUNTO GRADO 3, EDISON J. ROSAS BERTON representación del color - IHS CAPÍTULO 3 – MANEJO DE DATOS se representa por un hexácono la distancia al eje vertical, es la intensidad teoría del color y un cambio de sistema para su representación Figura - http://volaya.github.io/libro-sig/chapters/Conceptos_basicos.html UDELAR – FING – IA - CAPTURA DE DATOS POR PERCEPCIÓN REMOTA / TCI19 Prof. Adjunto Gdo. 3, Ing. Agrim. Edison Rosas – Prof. Asistente Gdo. 2, Eduardo Vásquez el eje vertical, es la saturación INSTITUTO DE AGRIMENSURA - DEPARTAMENTO DE GEOMÁTICA ANÁLISIS DIGITAL PROF. ADJUNTO GRADO 3, EDISON J. ROSAS BERTON CAPÍTULO 3 – MANEJO DE DATOS algoritmos basados en sustitución de componentes Banda 4 Banda 3 Banda 2 T-1 T XS, imagen multibanda de alta resolución espectral Imagen multibanda transformada Imagen fusionada de alta resolución espectral y espacial Sustitución de componente, por imagen pancromática se desacopla la información espectral en componentes y se sustituyen PAN, imagen pancromática de alta resolución espacial Prof. Adjunto Gdo. 3, Ing. Agrim. Edison Rosas – Prof. Asistente Gdo. 2, Eduardo Vásquez Banda 1 INSTITUTO DE AGRIMENSURA - DEPARTAMENTO DE GEOMÁTICA ANÁLISIS DIGITAL PROF. ADJUNTO GRADO 3, EDISON J. ROSAS BERTON CAPÍTULO 3 – MANEJO DE DATOS IHS SATURACIÓN Se corresponde con la pureza del color observado, o sea, el grado de mezcla con los otros colores primarios INTENSIDAD Que se identifica con el brillo, lo que lo hace función con el porcentaje de reflectividad recibido concepto de las tres coordenadas o componentes UDELAR – FING – IA - CAPTURA DE DATOS POR PERCEPCIÓN REMOTA / TCI19 Prof. Adjunto Gdo. 3, Ing. Agrim. Edison Rosas – Prof. Asistente Gdo. 2, Eduardo Vásquez TONO Procede de la longitud de onda de donde se produce la máxima reflectividad del objeto visto y sería el equivalente al color que vemos con nuestro ojos INSTITUTO DE AGRIMENSURA - DEPARTAMENTO DE GEOMÁTICA ANÁLISIS DIGITAL PROF. ADJUNTO GRADO 3, EDISON J. ROSAS BERTON 1. SUPERPONER LAS DOS IMÁGENES 2. REMUESTREO DE LA IMAGEN - XS AL TAMAÑO DE PIXEL DE LA RESOLUCIÓN ESPACIAL MEJOR - PAN 3. TRANSFORMACIÓN DE - XS DE COORDENADAS RADIOMÉTRICAS RGB A COORDENADAS IHS 4. AJUSTE DEL HISTOGRAMA DE – PAN AL DE LA INTENSIDAD 5. SE SUSTITUYE LA INTENSIDAD POR LA – PAN 6. SE VUELVE A PASAR A RGB descomposición del proceso de fusión UDELAR – FING – IA - CAPTURA DE DATOS POR PERCEPCIÓN REMOTA / TCI19 Prof. Adjunto Gdo. 3, Ing. Agrim. Edison Rosas – Prof. Asistente Gdo. 2, Eduardo Vásquez procedimiento IHS CAPÍTULO 3 – MANEJO DE DATOS INSTITUTO DE AGRIMENSURA - DEPARTAMENTO DE GEOMÁTICA ANÁLISIS DIGITAL PROF. ADJUNTO GRADO 3, EDISON J. ROSAS BERTON CAPÍTULO 3 – MANEJO DE DATOS cáclculo de las variables IHS H = arctg [( 2 NDa - NDv + NDr ) / √3(NDv – NDr)] + C C = 0, si NDv >= NDr C= 𝜋, si NDv < NDr S = ( 6/3)√ ( ND𝑎2+ND2𝑣 + ND2𝑟 −ND 𝑎 ND𝑣 −ND 𝑎ND 𝑟 −ND𝑣 ND𝑟 ) álgebra matricial, con los valores de ND, de los las bandas XS UDELAR – FING – IA - CAPTURA DE DATOS POR PERCEPCIÓN REMOTA / TCI19 Prof. Adjunto Gdo. 3, Ing. Agrim. Edison Rosas – Prof. Asistente Gdo. 2, Eduardo Vásquez I = ( NDr + NDv + NDa ) / 3 INSTITUTO DE AGRIMENSURA - DEPARTAMENTO DE GEOMÁTICA ANÁLISIS DIGITAL PROF. ADJUNTO GRADO 3, EDISON J. ROSAS BERTON las tres componentes IHS CAPÍTULO 3 – MANEJO DE DATOS SATURACIÓN TONO Figura – Universidad de ALCALÁ, Depto, de Geografía UDELAR – FING – IA - CAPTURA DE DATOS POR PERCEPCIÓN REMOTA / TCI19 Prof. Adjunto Gdo. 3, Ing. Agrim. Edison Rosas – Prof. Asistente Gdo. 2, Eduardo Vásquez INTENSIDAD INSTITUTO DE AGRIMENSURA - DEPARTAMENTO DE GEOMÁTICA ANÁLISIS DIGITAL PROF. ADJUNTO GRADO 3, EDISON J. ROSAS BERTON BERON consideraciones CAPÍTULO 3 – MANEJO DE DATOS Estos procesos pueden dar problemas cuando existe diferencia de fechas entre ambas imágenes. debemos de tener presente y no olvidar Se han desarrollado otros algoritmos más sofisticados que evitan problemas como el oscurecimiento en las zonas de vegetación, u otros. UDELAR – FING – IA - CAPTURA DE DATOS POR PERCEPCIÓN REMOTA / TCI19 Prof. Adjunto Gdo. 3, Ing. Agrim. Edison Rosas – Prof. Asistente Gdo. 2, Eduardo Vásquez la imagen resultante, tendrá los colores de la XS y la resolución PAN INSTITUTO DE AGRIMENSURA - DEPARTAMENTO DE GEOMÁTICA ANÁLISIS DIGITAL PROF. ADJUNTO GRADO 3, EDISON J. ROSAS BERTON método de fusión – HPF (High Pass Filter) CAPÍTULO 3 – MANEJO DE DATOS IMPORTANTE !!! Este método puede aplicarse a un número indefinido de bandas y no solo a una composición de 3 bandas nuevo método, a partir de la utilización de filtros HPF Cita – Chavez et al., 1991 UDELAR – FING – IA - CAPTURA DE DATOS POR PERCEPCIÓN REMOTA / TCI19 Prof. Adjunto Gdo. 3, Ing. Agrim. Edison Rosas – Prof. Asistente Gdo. 2, Eduardo Vásquez el algoritmo HPF, distorsiona menos las características espectrales de la imagen multiespectral INSTITUTO DE AGRIMENSURA - DEPARTAMENTO DE GEOMÁTICA ANÁLISIS DIGITAL PROF. ADJUNTO GRADO 3, EDISON J. ROSAS BERTON 1. SUPERPONER LAS DOS IMÁGENES 2. REMUESTREO DE LA IMAGEN - XS AL TAMAÑO DE PIXEL DE LA RESOLUCIÓN ESPACIAL MEJOR - PAN 3. APLICACIÓN DE UN FILTRO DE PASO ALTO, A LA IMAGEN – PAN (OBTENGO INFORMACIÓN ESPACIAL DE ALTA FRECUENCIA) 4. SUMA PIXEL A PIXEL DE LA IMAGEN FILTRADA A LA MULTIESPECTRAL ORIGINAL CON RESOLUCIÓN ESPACIAL MEJOR descomposición del proceso de fusión UDELAR – FING – IA - CAPTURA DE DATOS POR PERCEPCIÓN REMOTA / TCI19 Prof. Adjunto Gdo. 3, Ing. Agrim. Edison Rosas – Prof. Asistente Gdo. 2, Eduardo Vásquez procedimiento HPF CAPÍTULO 3 – MANEJO DE DATOS INSTITUTO DE AGRIMENSURA - DEPARTAMENTO DE GEOMÁTICA ANÁLISIS DIGITAL PROF. ADJUNTO GRADO 3, EDISON J. ROSAS BERTON CAPÍTULO 3 – MANEJO DE DATOS cálculo de HPF IMG FUSION = XS + C . PAN (filtrada paso alto) -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 24 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 KERNELL utilizado LA CONSTANTE C es «empírica» y puede ajustarse valorando visualmente la calidad de los resultados PROYECTO Corine Land Cover 2000 Sobre Landsat 7 C = 2.5 álgebra matricial, con los valores de ND, de los las bandas XS UDELAR – FING – IA - CAPTURA DE DATOS POR PERCEPCIÓN REMOTA / TCI19 Prof. Adjunto Gdo. 3, Ing. Agrim. Edison Rosas – Prof. Asistente Gdo. 2, Eduardo Vásquez -1 INSTITUTO DE AGRIMENSURA - DEPARTAMENTO DE GEOMÁTICA ANÁLISIS DIGITAL PROF. ADJUNTO GRADO 3, EDISON J. ROSAS BERTON Proceso de fusión de imágenes XS y PAN diagrama de flujo de la operación de fusión Figura – ERDAS, aplicación funciones CONVOLVE y STACKLAYERS UDELAR – FING – IA - CAPTURA DE DATOS POR PERCEPCIÓN REMOTA / TCI19 Prof. Adjunto Gdo. 3, Ing. Agrim. Edison Rosas – Prof. Asistente Gdo. 2, Eduardo Vásquez esquema de aplicación CAPÍTULO 3 – MANEJO DE DATOS INSTITUTO DE AGRIMENSURA - DEPARTAMENTO DE GEOMÁTICA ANÁLISIS DIGITAL PROF. ADJUNTO GRADO 3, EDISON J. ROSAS BERTON CAPÍTULO 3 – MANEJO DE DATOS métodos basados en operaciones algebraicas Banda 4 Banda 3 operaciones aritméticas Banda 1 PAN, imagen pancromática de alta resolución espacial XS, imagen multibanda de alta resolución espectral se reduce a operaciones aritméticas entre bandas Prof. Adjunto Gdo. 3, Ing. Agrim. Edison Rosas – Prof. Asistente Gdo. 2, Eduardo Vásquez Banda 2 INSTITUTO DE AGRIMENSURA - DEPARTAMENTO DE GEOMÁTICA ANÁLISIS DIGITAL PROF. ADJUNTO GRADO 3, EDISON J. ROSAS BERTON método de BROVEY CAPÍTULO 3 – MANEJO DE DATOS (N . NDbi) Ndi,FUS = NDPAN (NDb1 + NDb2 + NDb3 + ……….. +NDbN) N es el número de bandas espectrales de la imagen XS Ventajas: Fácilmente aplicable. Bajo costo computacional. Imágenes de alta calidad espacial. operaciones algebraicas pixel a picel, entre las bandas de la XS y la PAN Desventajas: Imágenes de baja calidad espectral, si las comparamos con los algoritmos de sustitución de componentes. Prof. Adjunto Gdo. 3, Ing. Agrim. Edison Rosas – Prof. Asistente Gdo. 2, Eduardo Vásquez Ajuste que consiste en asignar un nuevo ND a cada uno de los pixeles, en función de los valores obtenidos en los pixeles de la PAN y el relacionado con cada una de las bandas de la XS. INSTITUTO DE AGRIMENSURA - DEPARTAMENTO DE GEOMÁTICA ANÁLISIS DIGITAL PROF. ADJUNTO GRADO 3, EDISON J. ROSAS BERTON Figura – B8 Landsat LC82220832015255LGN00 UDELAR – FING – IA - CAPTURA DE DATOS POR PERCEPCIÓN REMOTA / TCI19 Prof. Adjunto Gdo. 3, Ing. Agrim. Edison Rosas – Prof. Asistente Gdo. 2, Eduardo Vásquez banda pancromática PAN CAPÍTULO 3 – MANEJO DE DATOS INSTITUTO DE AGRIMENSURA - DEPARTAMENTO DE GEOMÁTICA ANÁLISIS DIGITAL PROF. ADJUNTO GRADO 3, EDISON J. ROSAS BERTON Figura – B5B4B3 Landsat LC82220832015255LGN00 UDELAR – FING – IA - CAPTURA DE DATOS POR PERCEPCIÓN REMOTA / TCI19 Prof. Adjunto Gdo. 3, Ing. Agrim. Edison Rosas – Prof. Asistente Gdo. 2, Eduardo Vásquez imagen multiespectral XS CAPÍTULO 3 – MANEJO DE DATOS INSTITUTO DE AGRIMENSURA - DEPARTAMENTO DE GEOMÁTICA ANÁLISIS DIGITAL PROF. ADJUNTO GRADO 3, EDISON J. ROSAS BERTON Figura – B5B4B3 15x15 Landsat LC82220832015255LGN00 UDELAR – FING – IA - CAPTURA DE DATOS POR PERCEPCIÓN REMOTA / TCI19 Prof. Adjunto Gdo. 3, Ing. Agrim. Edison Rosas – Prof. Asistente Gdo. 2, Eduardo Vásquez composición 5,4,3 mejorada CAPÍTULO 3 – MANEJO DE DATOS INSTITUTO DE AGRIMENSURA - DEPARTAMENTO DE GEOMÁTICA ANÁLISIS DIGITAL PROF. ADJUNTO GRADO 3, EDISON J. ROSAS BERTON Comparación XS y FUS 30 metros B5,B4,B3 15 metros B5,B4,B3 Figura – B5B4B3 Landsat LC82220832015255LGN00 UDELAR – FING – IA - CAPTURA DE DATOS POR PERCEPCIÓN REMOTA / TCI19 Prof. Adjunto Gdo. 3, Ing. Agrim. Edison Rosas – Prof. Asistente Gdo. 2, Eduardo Vásquez CAPÍTULO 3 – MANEJO DE DATOS INSTITUTO DE AGRIMENSURA - DEPARTAMENTO DE GEOMÁTICA ANÁLISIS DIGITAL PROF. ADJUNTO GRADO 3, EDISON J. ROSAS BERTON objetivos de la fusión CAPÍTULO 3 – MANEJO DE DATOS fusión entre una imagen XS y una PAN Prof. Adjunto Gdo. 3, Ing. Agrim. Edison Rosas – Prof. Asistente Gdo. 2, Eduardo Vásquez • mejorar de la identificación visual • mejorar procesos de segmentación • mejorar la clasificación de texturas en imágenes INSTITUTO DE AGRIMENSURA - DEPARTAMENTO DE GEOMÁTICA ANÁLISIS DIGITAL PROF. ADJUNTO GRADO 3, EDISON J. ROSAS BERTON proceso general de la fusión CAPÍTULO 3 – MANEJO DE DATOS PAN Remuestreo Banda 3 Banda 2 Banda 1 XS esquema operacional Ajuste radiométrico ALGORITMO de FUSIÓN Prof. Adjunto Gdo. 3, Ing. Agrim. Edison Rosas – Prof. Asistente Gdo. 2, Eduardo Vásquez Banda 4 INSTITUTO DE AGRIMENSURA - DEPARTAMENTO DE GEOMÁTICA ANÁLISIS DIGITAL PROF. ADJUNTO GRADO 3, EDISON J. ROSAS BERTON CAPÍTULO 3 – MANEJO DE DATOS ajuste radiométrico NDPAN, son los niveles digitales de la imagen PAN original NDPANX, son los niveles digitales de la imagen PAN transformada X, imagen de referencia (imagen multiespectral con x bandas) NDPANX = a . NDPAN + b a = σX / σPAN donde b = X – PAN . σX / σPAN σX, es la desviación estándar de la imagen multiespectral en la banda X σPAN, es la desviación estándar de la imagen PAN X, PAN, son los valores de la media de los ND igualación de histogramas de la PAN y cada una de las bandas de la XS Prof. Adjunto Gdo. 3, Ing. Agrim. Edison Rosas – Prof. Asistente Gdo. 2, Eduardo Vásquez Ajuste basado en medias y desviación típica. Consiste en tratar de igualar estadísticas como la media y la desviación típica. INSTITUTO DE AGRIMENSURA - DEPARTAMENTO DE GEOMÁTICA ANÁLISIS DIGITAL PROF. ADJUNTO GRADO 3, EDISON J. ROSAS BERTON CAPÍTULO 3 – MANEJO DE DATOS medidas de calidad de las imágenes fusionadas La calidad de las imágenes, se puede medir de forma subjetiva y objetiva. Se dispone de métricas que permiten medir la calidad, ya sea espacial como espectral. Y también, la calidad global. MÉTODOS CUANTITATIVOS ÍNDICES ESTADÍSTICOS Correlación Espectral Correlación Espacial (Zhou) ÍNDICES ERGAS Eurreur Relative Globale Adimensionalle de Synthése ERGAS Espectral ERGAS Espacial ÍNDICES GLOBALES Universal image quality index los métodos pueden ser, cualitativos o cuantitativos Prof. Adjunto Gdo. 3, Ing. Agrim. Edison Rosas – Prof. Asistente Gdo. 2, Eduardo Vásquez Los métodos cualitativos, suelen partir de medidas subjetivas y por lo tanto, no son muy útiles. INSTITUTO DE AGRIMENSURA - DEPARTAMENTO DE GEOMÁTICA ANÁLISIS DIGITAL PROF. ADJUNTO GRADO 3, EDISON J. ROSAS BERTON CAPÍTULO 3 – MANEJO DE DATOS métodos cuantitativos Calidad espectral AÑO 2002, requerimientos de los índices de calidad / imágenes fusionadas Banda 4 Independiente de unidades, y también de coeficientes de calibración de instrumentos. Banda 2 Banda 1 XS Independiente de la relación entre resoluciones espaciales de las imágenes fuente. de forma práctica, veremos sus definiciones Calidad espacial PAN Prof. Adjunto Gdo. 3, Ing. Agrim. Edison Rosas – Prof. Asistente Gdo. 2, Eduardo Vásquez Independiente del número de bandas espectrales que consideremos. Banda 3 INSTITUTO DE AGRIMENSURA - DEPARTAMENTO DE GEOMÁTICA ANÁLISIS DIGITAL PROF. ADJUNTO GRADO 3, EDISON J. ROSAS BERTON CAPÍTULO 3 – MANEJO DE DATOS índice estadístico de calidad espectral Prof. Adjunto Gdo. 3, Ing. Agrim. Edison Rosas – Prof. Asistente Gdo. 2, Eduardo Vásquez coeficiente de correlación espectral INSTITUTO DE AGRIMENSURA - DEPARTAMENTO DE GEOMÁTICA ANÁLISIS DIGITAL PROF. ADJUNTO GRADO 3, EDISON J. ROSAS BERTON CAPÍTULO 3 – MANEJO DE DATOS índice estadístico de calidad espacial Prof. Adjunto Gdo. 3, Ing. Agrim. Edison Rosas – Prof. Asistente Gdo. 2, Eduardo Vásquez correlación espacial, índice de Zhou INSTITUTO DE AGRIMENSURA - DEPARTAMENTO DE GEOMÁTICA ANÁLISIS DIGITAL PROF. ADJUNTO GRADO 3, EDISON J. ROSAS BERTON CAPÍTULO 3 – MANEJO DE DATOS índice ERGAS calidad espectral Prof. Adjunto Gdo. 3, Ing. Agrim. Edison Rosas – Prof. Asistente Gdo. 2, Eduardo Vásquez ERGAS espectral INSTITUTO DE AGRIMENSURA - DEPARTAMENTO DE GEOMÁTICA ANÁLISIS DIGITAL PROF. ADJUNTO GRADO 3, EDISON J. ROSAS BERTON CAPÍTULO 3 – MANEJO DE DATOS índice ERGAS calidad espacial Prof. Adjunto Gdo. 3, Ing. Agrim. Edison Rosas – Prof. Asistente Gdo. 2, Eduardo Vásquez ERGAS espacial INSTITUTO DE AGRIMENSURA - DEPARTAMENTO DE GEOMÁTICA ANÁLISIS DIGITAL PROF. ADJUNTO GRADO 3, EDISON J. ROSAS BERTON CAPÍTULO 3 – MANEJO DE DATOS • • • índice global pérdida de correlación distorsión lumínica distorsión del contraste Prof. Adjunto Gdo. 3, Ing. Agrim. Edison Rosas – Prof. Asistente Gdo. 2, Eduardo Vásquez universal image quality index INSTITUTO DE AGRIMENSURA - DEPARTAMENTO DE GEOMÁTICA ANÁLISIS DIGITAL PROF. ADJUNTO GRADO 3, EDISON J. ROSAS BERTON CAPÍTULO 3 – MANEJO DE DATOS NO EXISTE EL MEJOR MÉTODO DE FUSIÓN DE IMÁGENES, SINO LA MEJOR IMAGEN FUSIONADA. se requiere de metodologías que controlen la calidad de las imágenes fusionadas, adaptándola a la aplicación final Prof. Adjunto Gdo. 3, Ing. Agrim. Edison Rosas – Prof. Asistente Gdo. 2, Eduardo Vásquez conclusiones análisis digital de imágenes obtención de información temática INSTITUTO DE AGRIMENSURA - DEPARTAMENTO DE GEOMÁTICA ANÁLISIS DIGITAL PROF. ADJUNTO GRADO 3, EDISON J. ROSAS BERTON CAPÍTULO 3 – MANEJO DE DATOS extracción de información temática VER TRATAMIENTOS ESPECIALES A LAS IMÁGENES EN QUE BUSCAMOS PODER DISPONER DE ÉSTAS DE LA MEJOR MANERA PARA EXTRAER INFORMACIÓN TEMÁTICA QUE NOS INTERESA DEBEMOS FIJAR EL OBJETIVO DEL ANÁLISIS A REALIZAR Obtención de VARIABLES CONTINUAS Categorización de las imágenes para generar CLASES TEMÁTICAS Detección con ANÁLISIS DE CAMBIOS MEDICIÓN de la estructura espacial del territorio para qué utilizar la información que nos proporcionan las imágenes satelitales Prof. Adjunto Gdo. 3, Ing. Agrim. Edison Rosas – Prof. Asistente Gdo. 2, Eduardo Vásquez HASTA AHORA QUE HICIMOS ? INSTITUTO DE AGRIMENSURA - DEPARTAMENTO DE GEOMÁTICA ANÁLISIS DIGITAL PROF. ADJUNTO GRADO 3, EDISON J. ROSAS BERTON CAPÍTULO 3 – MANEJO DE DATOS variables continuas A PARTIR DE LA TELEDETECCIÓN OBTENEMOS VARIABLES MEDIDAS EN FORMA DIRECTA FUNCIÓN DE LOS DATOS ADQUIRIDOS POR EL SENSOR VARIABLES INDIRECTAS FACTORES QUE SE SPUEDEN DERIVAR DE LOS DATOS ANTERIORES CONTENIDO CLOROFILA, ÁREA FOLIAR, HUMEDAD DE SUELO Y HOJAS, TURBIDEZ DEL AGUA, EVAPOTRANSPIRACIÓN, PRODUCTIVIDAD VEGETAL modelos inductivos o empíricos modelos teóricos o deductivos Figura – http://ieu-inteligencias.blogspot.com.uy/ Prof. Adjunto Gdo. 3, Ing. Agrim. Edison Rosas – Prof. Asistente Gdo. 2, Eduardo Vásquez REFLECTIVIDAD, TEMPERATURA, ALTITUD, DISTANCIAS, TOPOGRAFÍA MARINA INSTITUTO DE AGRIMENSURA - DEPARTAMENTO DE GEOMÁTICA ANÁLISIS DIGITAL PROF. ADJUNTO GRADO 3, EDISON J. ROSAS BERTON CAPÍTULO 3 – MANEJO DE DATOS modelos empíricos FUNCIONES DE AJUSTE, QUE RELACIONAN EL PARÁMETRO EN ESTUDIO Y LOS VALORES DEL SENSOR AJUSTE POR REGRESIÓN AJUSTE POR REDES NEURONALES PROCEDIMIENTOS PRECISIONES SENCILLOS Y CON ESCASA CAPACIDAD DE GENERALIZACIÓN ESTIMACIÓN DE Prof. Adjunto Gdo. 3, Ing. Agrim. Edison Rosas – Prof. Asistente Gdo. 2, Eduardo Vásquez BUSCAN UNA RELACIÓN ENTRE LOS PARÁMETROS A ESTIMAR Y LOS VALORES RECABADOS POR EL SENSOR, A PARTIR DE OBSERVACIONES EN EL LUGAR INSTITUTO DE AGRIMENSURA - DEPARTAMENTO DE GEOMÁTICA ANÁLISIS DIGITAL PROF. ADJUNTO GRADO 3, EDISON J. ROSAS BERTON CAPÍTULO 3 – MANEJO DE DATOS modelos teóricos DEMUESTRAN LA RELACIÓN FÍSICA ENTRE EL PARÁMETRO A ESTIMAR Y LA INFORMACIÓN ESPECTRAL EN LA IMAGEN SE VERIFICA LA RELACIÓN CON EJEMPLOS EMPÍRICOS SE INVIERTE EL MODELO, PARA ESTIMAR EL PARÁMETRO DESDE LA INFORMACIÓN CONTENIDA EN LA IMÁGEN MÁS POSIBILIDADES PARA ESTIMAR VARIABLES BIOFÍSICAS PROCEDIMIENTO DE AJUSTE COMPLICADO Y NO SIEMPRE PRECISOS Prof. Adjunto Gdo. 3, Ing. Agrim. Edison Rosas – Prof. Asistente Gdo. 2, Eduardo Vásquez BUSCAN RELACIONES DE VALIDEZ, INDEPENDIENTES LO MÁS POSIBLE DE CONDICIONES PARTICULARES DE OBSERVACIÓN