Clasificación de coberturas en imágenes satélitales multiespectrales mediante autómatas celulares con conceptos de agricultura de precisión

Contenido principal del artículo

Autores

Andrés Fernando Jiménez-López

Resumen

Para realizar el proceso de clasificación y generación de mapas  temáticos de  coberturas  en  imágenes  satelitales multiespectrales e hiperespectrales se emplean diversos procedimientos, entre los cuales se encuentran el análisis de espectros, la clasificación angular, la reducción de la dimensionalidad  de  la  imagen  y  el  análisis  lineal  de mezclas espectrales, entre otros. En el presente trabajo se emplea una  imagen Satelital Landsat 7 para  realizar  la clasificación  de  coberturas  mediante  autómatas celulares, empleando cada pixel de  la  imagen como  si fuera un elemento de la rejilla que constituye al autómata celular y se comparan  los  resultados con  los obtenidos mediante el uso del Software ERDAS.

Palabras clave:

Detalles del artículo

Licencia

Los autores deben firmar y enviar la Autorización de evaluación y publicación del artículo suministrada por la Revista, en la cual se consignan todos los aspectos involucrados a los Derechos de Autor.

Todos los artículos de la Revista Ingeniería Investigación y Desarrollo son difundidos bajo la licencia Creative Commons de Atribución (BY).

Declaración de privacidad

Los nombres y direcciones de correo electrónico introducidos en esta revista se usarán exclusivamente para los fines establecidos en ella y no se proporcionarán a terceros o para su uso con otros fines.

Referencias

[1] Chuvieco, E., Salas, F.J., Aguado, I., Cocero, D. Y Riaño, D. (2001): Estimación del estado hídrico de la vegetación a partir de sensores de alta y baja resolución, GeoFocus (Artículos), N° 1, pp. 1-16.

[2] Chuvieco, E. (2002): Teledetección ambiental, Edit. Ariel Ciencia, pp. 155-404.

[3] Espericueta, R. (1997): Cellular automata dynamics, Math Departament Bakersfield College.

[4] Mäenpää T., Pietikainen T. (2002): Multi-Scale Binary Patterns for Texture Analysis, Machine Vision Group, Infotech Oulu University of Oulu, Finland.

[5] Mojaradi B., Lucas C., Vashosaz M. (2003): Using learning cellular automata for post classification satellite imagery.

[6] Faculty of Geodesy and geomatics Eng., KN Toosi (2003): University of tecnology, Vali_Asr Street, Mirdamad Cross. Dep. of Electrical and Computer Science Engineering, University of Tehran, Amirabab Cross, Tehran, Iran.

[7] Ormeño, S. (1993): Fundamentos de teledetección , EUIT, Topográfica, (UPM), Madrid.

[8] Philippe, J. (2000): Introduction to Cellular Automata.

[9] Popovici; A. (2002): Cellular Automata in image processing. Fifteenth International Symposium on Mathematical Theory of Netwoks and systems.

[10] Romero, N. (2003): Cometarios sobre la definición de autómata celular, Boletín de la asociación matemática venezolana, Vol. X, N°. 1.

[11] Schowengerdt, R.A. (1983): Tecniques for image processing and classification in remote sensing. Academic Press, Inc. Orlando, Florida.

[12] Zurita, R. (2002): Determinación de variables biofisicas mediante teledetección en la mano de la agricultura de precisión, Escuela técnica superior de ingenieros agrónomos y de montes, Universidad de Cordoba.

Descargas

La descarga de datos todavía no está disponible.