Manual para la obtención de la matriz de confusión.
Clasificación Supervisada
INTRODUCCIÓN
La Clasificación Multiespectral de
imágenes es el proceso de asignar automática y sistemáticamente una clase
específica de cobertura a cada uno de los pixeles de una imagen multiespectral.
Idealmente, las clases deberían ser homogéneas y presentar una firma espectral
única. Sin embargo, las clases reales son en realidad agregados de elementos.
En Teledetección, el análisis dela calidad de los trabajos e
clasificación se suelen obtener mediante el uso de la matriz de confusión, las
cuales presentan una visión general de las asignaciones correctas, las cuales
se visualizan en la diagonal principal, así como asignaciones
incorrectas, como lo son errores de omisión y comisión en los valores
fuera de la diagonal.
METODOLOGÍA
Para la obtención de una matriz de error a partir del método de
clasificación supervisada se iniciara por ingresar las bandas de la 1 - 5
y la 7, omitiendo la banda seis, puesto que esta banda banda se visualiza
en el infrarrojo cercano, y al utilizarla alteraría los resultados de nuestro
proceso.
Cada banda se agrega y se quitan los valores de cero, para que el
programa no calcule en áreas que no tienes ningún significado.
Se guarda estas cada una de las bandas como .ers
Una vez que se tiene cada una de las bandas en formato .ers se procede a
realizar la imagen multiespectral.
Después de crear la imagen multiespectral se crean las regiones de
entrenamiento.
Se pueden usar puntos previamente adquiridos en campo. Y visualizarlos
en algún paquete de software, por ejemplo ArcGis, o Autocad, para visualizar
los puntos se introducen al programa y se usa de apoyo una de las imágenes
Landsat.
Abriendo el menú principal del ERmapper, nos vamos a edit., y nos
despliega nuevas opciones donde elegimos, edit/ create regions, elegimos
la imagen multiespectral que creamos previamente, y nos abrirá una barra de
herramientas, la que utilizaremos para crear las zonas a clasificar.
Una vez que se realizan las regiones se guardan, remplazando al archivo
que se introdujo previamente como imagen multiespectral. En formato .ers
Consecutivamente guardamos la misma imagen pero ahora en formato
algoritmo.
Se Realiza la estadística del proceso esto Seleccionando en el
menú principal la pestaña process, se selecciona la imagen tipo
.ers,
Se revisa que en el reporte de estadísticas no te marque valores
en ceros.
Despues en la ventana de logaritmo nos vamos a edit y
seleccionamos add raster layer y la opción clasificación, la
que nos agregara un nuevo layer, al que le aplicaremos una formula,
en la pestaña de edit formula, "if inregion(region1) then input1 else
null" esto se realizara para el RGB.
A continuación, en el menú principal nos vamos a la pestaña view y
en la opción scattegram para visualizar las regiones. Solo
como visualización de las zonas
Por último se realiza la clasificación supervisada, en el menú principal
en la pestaña de process, la opción clasificación y clasificación
supervisada.
Se procede a realizar la clasificación supervisada solo a las regiones
esto, agregando la imagen multiespectral, y en el menú algoritmo seleccionamos
el layer RED y abrimos en el editor de formulas y se agrega la siguiente
formula “if inregion(region1) or
inregion(region2) or inregion(region3) or inregion(region4) or
inregion(region5) or inregion(region6) or inregion(region7) then input1 else
null” se selecciona en la parte
de abajo una la opción región, y se agrega cada una de las regiones.
Esta fórmula se aplica a cada una de los layer
Green y Blue.
Se ayar de una layer “región Layer” para
agregar la imagen multiespectral, y se selecciona guardar. Esto para que se
carguen las regiones de entrenamiento a las imagen.
Se vuelve a realizar la clasificación supervisada.
Se teniendo las dos clasificaciones supervisadas se
procede a realizar la matriz de confusión menú
principal view -> statistics -> confusión matriz, e ingresamos las dos
imágenes clasificadas, primero la clasificada de las regiones y después la
imagen completa clasificada.
Ok.
