Beruflich Dokumente
Kultur Dokumente
BASADO EN ECUACIONES
DIFERENCIALES CONVOLUTIVAS Y
CLASIFICACIN DE IMGENES SATLITE.
NUEVAS CONTRIBUCIONES
Tutores:
Autores:
At
Arturo
Rodrguez
R d
M
Martnez
t
Isaac Palomo Barcenilla
Ed d C
Eduardo
Cuesta
t M
Montero
t
Dpto. Matemtica Aplicada
NDICE
JUSTIFICACION Y OBJETIVOS
INTRODUCCION TEORICA
IMPLEMENTACIN
BATERA DE PRUEBAS
CONCLUSIONES
Autores:
JUSTIFICACIN
Continuidad con proyectos anteriores
- 1 Filtrado de video
- 2 Filtrado imgenes
- 3 Filtrado y clasificacin de imgenes de satlite
- Limitaciones: interfaz poco amigable, clasificacin confusa, ndices de fiabilidad.
Nuestro proyecto
- Entorno Matlab (programacin mediante script)
- Mejora de trabajos anteriores: solucionar las limitaciones.
Autores:
JUSTIFICACIN
Entrada
- Imgenes de satlite: imgenes multiespectrales (visible, infrarrojo cercano y
medio).
Salida
- Imagen temtica con dos clases de inters y medida de su fiabilidad.
Entorno programa
- Filtrado basado en ecuaciones diferenciales de tipo convolutivo que permite
filtrar una imagen preservando los bordes.
- Clasificacin que permite categorizar una banda de imagen monobanda.
- Reclasificacin que agrupa las clases deseadas en una nica clase de
inters.
- ndices fiabilidad que proporcionan informacin acerca de la fiabilidad de la
clasificacin efectuada al compararla con una imagen verdad-terreno.
Autores:
Arturo Rodrguez Martnez
Isaac Palomo Barcenilla
OBJETIVOS
Crear una nueva interfaz robusta que permita integrar el filtrado basado
en ecuaciones diferenciales de tipo convolutivo de imgenes de satlite,
su clasificacin y la evaluacin de su fiabilidad
- Modificacin de la interfaz existente
- Creacin de un nuevo sistema de visualizacin
- Integracin
g
de la funcin de Filtrado
- Implementacin de la funcin de Clasificacin optimizada
- Creacin de funciones de clculo de fiabilidad
- Realizacin de batera de pruebas
Autores:
INTRODUCCIN TERICA
Filtrado
- Reduccin de ruido
- Preservacin de los bordes
- Global / local / mixto
- Nmero de divisiones: debe ser divisor del tamao de la imagen.
pasos.
- Tiempo y nmero de pasos
Clasificacin
- Cada pixel tiene su valor digital.
- Agrupacin de clases de pixeles con valores digitales similares.
(Algoritmo k-means)
- Un nico parmetro de entrada (nmero de clases)
Autores:
INTRODUCCIN TERICA
Clculo de fiabilidad:
- Muestreo: Seleccionamos puntos aleatorios de las reas de estudio que
representarn la fiabilidad del conjunto.
- Matriz de confusin: Obtenida al comparar la verdad terreno con la imagen
clasificada.
- ndices de fiabilidad:
- ndice
di kkappa
- Variabilidad
- Error de omisin
- Error de comisin
- Fiabilidad de usuario y productor
ab dad total
oa
- Fiabilidad
Autores:
IMPLEMENTACIN
Vista general del programa
- Men
- Zona de
visualizacin
- Zona de trabajo o
funciones
Autores:
IMPLEMENTACIN
Cambios en el men
Eliminacin de botones
Agrupacin de botones
Autores:
IMPLEMENTACIN
Cambios en la zona de trabajo o funciones
Clasificacin no supervisada
Funcin de reclasificacin
Agrupamos clases
Algoritmos de muestreo
Seleccin de puntos de trabajo
Funciones
F nciones de clc
clculo
lo de los ndices de fiabilidad
Seleccin de verdad-terreno
Informacin de fiabilidad
Autores:
BATERA DE PRUEBAS
Objetivos:
- Verificar si la clasificacin de imgenes previamente filtradas
mediante un filtro de tipo convolutivo proporciona estimaciones de
reas
quemadas
d en Castilla
C till y Len
L ms
fiables
fi bl que lla clasificacin
l ifi
i de
d
las imgenes originales (sin filtrar)
parmetros de las funciones filtrado y clasificacin q
que
- Identificar los p
proporcionan las estimaciones de rea quemada mas fiables.
fiables.
Autores:
BATERA DE PRUEBAS
Zona de estudio 1
- Situacin: Castilla y Len
- Sensor: MODIS
- Tamao de pixel: 250x250 m2
- Tamao: 99x99 pixeles
- Banda: Reflectancia infrarrojo cercano
- Verdad terreno: imagen rasterizada de los
permetros oficiales de incendios propor
propor-cionados por la Junta de Castilla y Len
Autores:
BATERA DE PRUEBAS
Zona de estudio 2
- Situacin: Castilla y Len
- Sensor: MODIS
Tamao de pixel: 250x250 m2
- Tamao
Tamao:: 80x80 pixeles
- Banda: ndice BAI ((Burned
Burned Area Index
Index))
(funcin de bandas roja e infrarrojo cercano)
- Verdad terreno: imagen rasterizada de los
permetros oficiales de incendios proporcionados por la Junta de Castilla
y Len
Autores:
BATERA DE PRUEBAS
Zona de estudio 1
Filtrado local:
-Divisiones
Divisiones posibles: 3, 9, 11 y 33
-N de pasos: 5
-Tiempo de paso: 0,003 sg
Clasificacin:
-N de clases: 2, 3, 4 y 5
-Reclasificacin:
Reclasificacin: 1 zona de inters
Autores:
BATERA DE PRUEBAS
Zona de estudio 2
Filtrado local:
-Divisiones
Divisiones posibles: 2, 4, 8, 10,
16, 20 y 40
-N de pasos: 5
-Tiempo de paso: 0,003 sg
Clasificacin:
-N
N de clases: 2
2, 3
3, 4 y 5
-Reclasificacin: 1 zona de inters
Autores:
BATERA DE PRUEBAS
Autores:
CONCLUSIONES
Hemos creado una interfaz robusta y amigable que permite integrar el
filt d basado
filtrado
b
d en ecuaciones
i
dif
diferenciales
i l
d tipo
de
ti
convolutivo
l ti
d
de
imgenes de satlite, su clasificacin y la evaluacin de su fiabilidad.
Respecto a la interfaz:
- Nuevo diseo que permite el seguimiento y control de las imgenes (nuevo sistema de
visualizacin).
Batera de pruebas
Autores:
EXTENSIONES
Como ejemplo de futuras actualizaciones y mejoras sugerimos las
siguientes:
i i t
Respecto a la funcin de filtrado:
- Tratamiento de imgenes ms grandes en tiempos menores
menores.
- Tratamiento ms selectivo pudiendo el usuario elegir donde realiza el tratamiento y
donde no.
- Utilizacin de imgenes rectangulares.
Tutores:
Autores:
At
Arturo
Rodrguez
R d
M
Martnez
t
Isaac Palomo Barcenilla
Ed d C
Eduardo
Cuesta
t M
Montero
t
Dpto. Matemtica Aplicada