Descripción: |
Esta tesis tiene como objetivo la investigación de técnicas de clasificación para
imágenes digitales, en particular para aquellas obtenidas con sensores remotos.
El avance tecnológico permite en la actualidad obtener imágenes hiperespectrales
(muestreos continuos de intervalos anchos del espectro), con un volumen de
información considerablemente mayor comparado con el que se ha tenido hasta el
momento con las imágenes multiespectrales. Esto ha llevado a los investigadores a
buscar nuevas técnicas de manejo y clasificación que permitan explotar
adecuadamente los datos disponibles.
El principal objetivo de esta investigación es encontrar un método de clasificación
que de la posibilidad de trabajar con patrones N-dimensionales, y permita integrar
información de diferente naturaleza. En este caso particular, se utiliza la información
provista por las imágenes hiperespectrales y los datos auxiliares que se tienen sobre
el área de estudio en cuestión para la clasificación. En la aplicación planteada en esta
tesis, a la información espacial comúnmente utilizada, se le agregan datos de origen
espectral.
El aporte consiste en la presentación de una variación del método conocido como
razonamiento evidencial, y a la que referiremos como Razonamiento Evidencial
Dinámico (RED). El método RED permite el entrenamiento del clasificador
mediante aprendizaje supervisado incorporando nueva evidencia para la
clasificación. A su vez establece una regla de decisión diferente, basada en las
medidas de plausibilidad, y soporte, pero que también tiene en cuenta la cantidad de
fuentes que aportan evidencia. Se considera la incertidumbre asociada a los datos y
se analiza si se debe optar por asignar el objeto a la clase con mayor soporte dentro
del marco de discernimiento o se debe rechazar dicha asignación por falta de
evidencia o por ambigüedad.
Se evalúa su comportamiento en imágenes hiperespectrales de áreas cultivadas en
la región de Nebraska (USA), distinguiendo entre diferentes tipos de cultivos para
una etapa específica de su evolución (etapa de crecimiento, media estación). La
elección del área de estudio fue definida por la disponibilidad de datos, ya que el Dr.
Jordan (Director de Tesis) ha estado en contacto con los integrantes del proyecto
“Verde” en USA.
Se compara el comportamiento de RED respecto del de los clasificadores
convencionales. Por otra parte, se presenta un análisis de diferentes alternativas de
decisión evaluándolas respecto de la utilizada por RED. El clasificador propuesto
permite mejorar los resultados obtenidos en la clasificación, obteniéndose una
precisión promedio de alrededor de un 90% sobre el conjunto de muestras de test. |