1

Clasificación No Supervisada – ArcGIS 9.2

Autor: Luis Sadeck - Brasil Adaptado y Traducido por: Armando

Rodriguez - Bolivia RED de GEOBlogs - 2010

Estimados colegas, conforme a lo solicitado en este tutorial se presentará como realizar

una clasificación no supervisada con este fin podemos recordar que una Clasificación no

Supervisada no establece ninguna clase a priori, aunque es necesario determinar el

número de clases que queremos establecer, y dejar que las defina un procedimiento

estadístico o clases correspondientes a la escena. El proceso de clasificación significa

agrupar objetos iguales y separar los objetivos diferentes., “En la definición matemática,

utiliza el espacio de atributos ("feature space "), que es esencial para entender la

clasificación de imágenes multiespectrales. En el procesamiento digital, cada eje de este

espacio se asignan los niveles de gris de una determinada banda del espectro.”

Entonces veamos el procedimiento. Abra la imagen que desea clasificar haciendo clic

en Add Data.

2

Después abra el ArcToolBox diríjase a Spatial Analyst Tools > Multivariate >

Iso Cluster. En este tipo de clasificación, las clases se determinan mediante análisis de

clusters (conglomerados o grupos similares).

En Input Raster Bands, coloque la imagen a ser clasificada, en Output Signature File

el software le dará un nombre y ubicación, seleccione la dirección que Ud elija, sin

olvidarse de poner la extensión *.gsg. En Number of Classes, después de dar un vistazo

a la imagen con el fin de conocer la variabilidad espacial, se puede elegir el valor, para

nuestro ejemplo usamos 10 clases, el Number of Iterations sirve para que el programa

realice iteraciones para calcular y clasificar mejor los píxeles, teniendo en cuenta los

valores medios, por tanto se usará nueve iteraciones. En Minimum Class Size y en

Sample Interval no cambiamos nada, dejamos valores por defecto. Una vez llenos

estos campos mandamos a correr el proceso. Una vez terminado, el archivo que se

genero en este paso será utilizado en la clasificación.

Ahora vamos a Spatial Analyst Tools > Multivariate > Maximum Likelihood

Classification.

3

En Input Raster Bands, coloque a imagen a ser clasificada, en Input Signature File

localice el archivo que se genero en el procedimiento anterior, en Output Classifield

Raster, cambie la dirección si es necesario, para rechazar fracciones menores a el área

del píxeles, se cambia el valor en Reject Fraction, dejar el resto por defult y ejecutar la

clasificación.

Después de completarse la clasificación al desplegar la imagen se debería mostrar con

colores arbitrarios, ahora es sólo determinar la correspondencia a cada clases, es decir

color azul a los cuerpos de agua, bosque de color verde, etc... el resultado de esta

clasificación seria la siguiente.

4

Recordar que esta clasificación es aplicado sin supervisión de clases, por tanto, se puede generar algunos errores de omisión o comisión, para limpiar o mejorar la clasificación se pueden usar algunos filtros, esto será objeto de otro tutorial. Para más detalles técnicos, revise la bibliografía “Tou, J. T. and R. C. Gonzalez, 1974. Pattern Recognition Principles, Addison-Wesley Publishing Company, Reading, Massachusetts”.

Esperamos que este tutorial haya sido de utilidad para Uds, cualquier interrogante o ayuda que necesiten no duden en entrar en contacto a las siguientes direcciones:

5

Mensaje: Si conoces a los demás y te conoces a ti mismo, ni en cien batallas correrás peligro; si no conoces a los demás, pero te conoces a ti mismo, perderás una batalla y ganarás otra; si no conoces a los demás ni te conoces a ti mismo, correrás peligro en cada batalla (Sun Tzu).

SADECK – GEOTECNOLOGIAS - Tutoriales en Portugués

http://geotecnologias.wordpress.com/  

Esta obra está licenciada bajo una bajo una Licencia Creative Commons ARM – GEOINFORMACION - Tutoriales en Español

http://geoinformacion.wordpress.com/  

Brasil

Bolivia