Upload
others
View
4
Download
0
Embed Size (px)
Citation preview
Performing object-based image analysis
PCI Geomatics 2
Performing object-based image analysis
PCI Geomatics 3
Realización de análisis de imágenes basadas en
objetos
Utilizar el analista de objetos en Geomatica Focus
Versión 1.0
Performing object-based image analysis
PCI Geomatics 4
©2017 PCI Geomatics Enterprises, Inc.® All rights reserved. COPYRIGHT NOTICE Software copyrighted © by PCI Geomatics Enterprises, Inc., 90 Allstate Parkway, Suite 501, Markham, Ontario L3R 6H3, CANADA Telephone number: (905) 764-0614 The Licensed Software contains material that is protected by international Copyright Law and trade secret law, and by
international treaty provisions, as well as by the laws of the country in which this software is used. All rights not granted to
Licensee herein are reserved to Licensor. Licensee may not remove any proprietary notice of Licensor from any copy of the
Licensed Software.
Performing object-based image analysis
PCI Geomatics 5
Contenido
Introducción 7
Acerca de Object Analyst 7
Flujo de trabajo de OBIA 7
Arquitectura del proyecto 11
Región de estudio, objetivo, datos 13
Región de estudio 13
Objetivo 14
Segmentación y extracción de características 17
La segmentación es la clave 17
Realización de la segmentación 17
Extracción de características 21
Recopilación y edición de sitios de formación 25
Los sitios de entrenamiento son clave 25
Selección de una capa de vector de entrenamiento y un campo de entrenamiento 28
Clasificación 33
Calcular características 33
Selección del archivo de segmentación y los campos 33
Visualización de una clasificación 35
Evaluación de la precisión 39
Evaluación de la precisión de la clasificación 39
Edición y mejora de una clasificación 43
Ninguna clasificación es perfecta 43
Clasificación basada en reglas 43
Fusionar y remodelar objetos 48
Adjuntar un archivo de representación a una clasificación 51
Modificar y guardar el archivo de representación 51
Importación de un archivo de representación 52
Notas 53
Performing object-based image analysis
PCI Geomatics 6
Performing object-based image analysis
PCI Geomatics 7
Introducción
Acerca de Object Analyst
En Geomatica Focus, puede utilizar Object Analyst, una función de análisis de imágenes basada en
objetos (OBIA), para segmentar una imagen en objetos para su clasificación y análisis. Se diferencia del
enfoque tradicional basado en píxeles, que se centra en un solo píxel como fuente de análisis.
Al igual que OBIA, Object Analyst está diseñado principalmente para su uso con imágenes de muy alta
resolución (VHR); Sin embargo, puede utilizar Object Analyst con cualquier imagen que cumpla los
criterios necesarios. Es decir, puede utilizar imágenes de menor resolución, de varias resoluciones, y que
está en un formato de entrada compatible con Geomatica Focus.
Al trabajar con objetos, se extraen mediante un proceso de segmentación, el análisis puede simplificarse
y hacerse más sofisticado. Es decir, mediante el uso de objetos, la interpretación humano-visual de las
imágenes puede ser aumentada mediante el uso del software para realizar mucho trabajo preliminar en
la creación y determinación de formas, tamaños dados, texturas, etc.
Workflow de OBIA
El flujo de trabajo de realizar un OBIA comienza con el procesamiento previo de sus datos. Si está
utilizando más de una imagen de satélite, tal como se utiliza en este tutorial, puede combinarlos en
un único archivo PCIDSK. Al hacerlo, puede aplicar más fácilmente operaciones como remuestreo o
reproyección para facilitar el trabajo de los datos. También puede añadir capas adicionales, como
índices de vegetación, DEM o una capa que represente un área de interés (AOI).
Después del preprocesamiento, puede utilizar Object Analyst para segmentar los datos. La
segmentación es el primer paso del proceso OBIA supervisado. Se trata de seleccionar un archivo y las
capas que contiene para realizar la segmentación. Cuando un archivo contiene muchas capas, puede
obtener mejores resultados (mejores objetos) utilizando un subconjunto relevante.
Aparte de las capas seleccionadas, la segmentación está controlada por tres parámetros básicos: escala,
forma y compacidad. Para lograr una segmentación que cumpla los objetivos de su clasificación
supervisada, puede ser necesaria alguna experimentación.
La capa de objetos (polígonos) creada por la segmentación está acompañada por una tabla de atributos
que contiene un número de identificación único (ID) para cada objeto.
Después de la segmentación, se realiza la extracción de características. Esto implica seleccionar el canal
o los canales fuente desde los cuales calcular una serie de características (estadísticas y geométricas)
para cada objeto en la capa de segmentación. Puede seleccionar las funciones que desea calcular. Las
características se utilizan más adelante durante la clasificación supervisada.
Performing object-based image analysis
PCI Geomatics 8
A continuación, edita los sitios de entrenamiento. Consiste en seleccionar una serie de objetos
representativos de cada clase de interés territorial.
Para facilitar la edición de sitios de entrenamiento, considere lo siguiente:
• Seleccionar aproximadamente el mismo número de sitios de entrenamiento para cada clase.
• Seleccione unos pocos objetos de entrenamiento representativos para cada clase. Es decir,
seleccionar demasiados objetos de entrenamiento para una clase no mejora la precisión de la
clasificación; Más bien, puede degradarla. Por el contrario, el número de objetos de verificación
puede ser mucho mayor y mejorará la fiabilidad del informe de evaluación de exactitud.
Durante la clasificación supervisada, se selecciona uno de los dos clasificadores supervisados: la máxima
verosimilitud (MLC) o el clasificador SVM (Support Vector Machine). Cada uno utiliza como entrada una
selección de características calculadas y un campo de entrenamiento. La salida se almacena en un nuevo
campo y la clasificación de salida se muestra automáticamente con su leyenda en Focus.
A continuación, evalúe la clasificación de salida creando un informe de evaluación de precisión e
inspeccionando visualmente la clasificación de salida utilizando la imagen original o los datos auxiliares.
Si la clasificación es adecuada, puede exportarla. Si la clasificación no es del todo satisfactoria, puede
realizar cualquiera de las siguientes acciones:
• Reformar Formas
Utilice esta operación para mejorar la estética de su clasificación. Puede elegir entre dos
opciones: Automatic dissolve y Interactive edits. Cada opción modifica la forma del objeto y el
número total de objetos. Por lo tanto, las características extraídas (estadísticas y geométricas)
ya no serán exactas para los objetos editados. Lo mejor es utilizar Reform Shapes al final de su
proceso de clasificación o usarlo en una copia de su archivo de segmentación.
• Clasificación basada en reglas
Esta operación refina una clasificación supervisada existente reasignando la clase de algunos
objetos en función de condiciones o rangos. Puede definir y aplicar una regla de clasificación
que haya creado en segmentos clasificados ya o en segmentos no clasificados. El requisito
previo es la extracción de características de cada segmento. Después de la clasificación
algorítmica, puede eliminar una clase para algunos o todos los segmentos o cambiar la
pertenencia de ciertos segmentos de una clase para mejorar la precisión general de la
clasificación. Otro escenario es cuando no se realiza una clasificación algorítmica y se desea
asignar ciertos segmentos a una clase según los criterios que especifique. Puede crear un
campo de atributo en una capa vectorial para almacenar la información de clase y crear una
regla utilizando las funciones extraídas disponibles.
• Ejecutar otra clasificación supervisada
Puede ejecutar una segunda clasificación supervisada seleccionando un conjunto diferente de
características, diferentes campos de formación (consulte el siguiente elemento) o ambos si su
proyecto contiene más de uno.
Performing object-based image analysis
PCI Geomatics 9
• Modificar un campo existente del sitio de entrenamiento o crear uno nuevo
Cuando una clasificación es particularmente insatisfactoria y no puede ser mejorada por
clasificación basada en reglas, es probable que tenga que modificar el campo de sitios de
entrenamiento: a) Modifique el Sitio de entrenamiento de una clase en particular eliminando
un sitio de entrenamiento existente o seleccionando nuevos; B) crear una nueva clase de
cobertura terrestre existente, o c) eliminar una clase existente de cobertura de la tierra.
Alternativamente, en lugar de modificar un campo de entrenamiento existente, puede crear
uno nuevo para permitir un análisis más fácil que finalmente conduzca a una clasificación
satisfactoria.
• Extraer nuevas características
A veces puede ser necesario extraer nuevas características antes de volver a ejecutar la
clasificación supervisada.
• Ejecutar una nueva segmentación
Si después de varios intentos no se ha producido una clasificación satisfactoria, puede ejecutar
una nueva segmentación. Si lo hace, también debe volver a ejecutar Extracción de
características, Edición de sitios de entrenamiento y Clasificación supervisada.
Nota: No puede exportar ni transferir sitios de entrenamiento y verificación de una
segmentación a otra
Datos: http://dl.pcigeomatics.com/data/ObjectAnalyst-LandCoverClassification-Data.zip
Performing object-based image analysis
PCI Geomatics 10
Diagrama de flujo de trabajo de OBIA
La Figura 1 muestra el flujo de trabajo general del análisis de imágenes basado en objetos (OBIA).
Performing object-based image analysis
PCI Geomatics 11
Figura 1. Flujo de trabajo de OBIA
Arquitectura del Proyecto
Es una buena práctica mantener todos los archivos relevantes de un proyecto OBIA en la misma carpeta
(My_OBIA_project) y vincular todos los archivos de un archivo de proyecto de Geomatica
(My_OBIA_project.gpr). Al hacerlo, se asegura de que el proyecto sea exportable a otra ubicación y
pueda reabrirse rápidamente, especialmente si un proyecto contiene muchas clasificaciones con una
leyenda.
Figura 2. Organización de carpetas de un proyecto típico de OBIA
Un simple proyecto OBIA contendrá un único archivo de segmentación del que se calcula una serie de
características. Definir una serie de objetos de entrenamiento y precisión y luego pasar al paso de
clasificación supervisada. Con algunos proyectos, pueden ser necesarias varias iteraciones para extraer
más características o modificar el conjunto de objetos de entrenamiento y precisión para lograr un
resultado adecuado.
Un proyecto puede contener muchos archivos de segmentación derivados de la misma imagen y cada
segmentación se caracteriza por un conjunto diferente de capas y parámetros (escala, forma y
compacidad).
Cada archivo de segmentación contiene un conjunto de características (estadísticas de la geometría) que
se especifican que se pueden utilizar en cualquier momento en el proceso de clasificación ( ). Una
segmentación también puede contener muchos campos correspondientes a un conjunto diferente de
objetos de entrenamiento y exactitud donde el número de clases de cobertura (o uso de la tierra) puede
variar y, por lo tanto, causará una clasificación diferente de la misma área.
Sin embargo, debido a que las características calculadas dependen de una configuración de
segmentación particular, no es posible transferir los objetos de entrenamiento y precisión de una
segmentación a otra.
Performing object-based image analysis
PCI Geomatics 12
Figura 3. Organización detallada de un proyecto típico de OBIA
Normalmente, la segmentación y la extracción de características se realizan en la misma imagen. Sin
embargo, puede realizar la segmentación y extraer algunas características de una imagen y utilizar otra
imagen para extraer un segundo conjunto de características. Para ello, debe asegurarse de que la
segunda imagen contiene toda la segmentación; De lo contrario, todos los objetos fuera de los límites
de la segunda imagen se pondrán a cero.
Performing object-based image analysis
PCI Geomatics 13
Región de estudio, objetivos y Datos
Región de estudio
La región de estudio (ROS) se centra en Ottawa (45 ° 25'14.22''N, 75 ° 41'47.30''W), la capital de Canadá.
La parte norte del ROS es accidentada y montañosa y es parte del escudo canadiense. Esta región es en
su mayoría boscosas (deciduos y mixtos deciduos) con muchos lagos. Delimitada por el río Ottawa, la
parte sur de la ROS es el Great Lakes-St. Llanuras de Lawrence. Cuando el drenaje es bueno, esta región
es principalmente tierra agrícola, mientras que las áreas de drenaje pobre están cubiertas en su mayoría
por una mezcla de humedales y áreas boscosas compuestas de especies de árboles que apoyan los
suelos saturados.
Figura 4. Región de estudio (adquirida el 5 de septiembre de 2016) 1
En la Figura 5, el ROS se muestra en una imagen Landsat-8.
1 Crédito: Google Earth
Performing object-based image analysis
PCI Geomatics 14
Figura 5. Imagen de Landsat-8 (p16r28 y p16r29) de ROS (adquirida el 26 de agosto de 2016 (R: Banda 6
| G: Banda 5 | B: Banda 4)
Objetivo
El objetivo de este tutorial es realizar una clasificación supervisada basada en objetos para identificar las
siguientes clases de cobertura:
1. Áreas agrícolas
2. Áreas urbanas
3. Tierra boscosa
4. Agua
5. Humedales
Sin embargo, estas clases de cobertura de tierras de alto nivel contienen cierta heterogeneidad y
discriminarlas no es una tarea trivial. Este tutorial mostrará varias estrategias para lograr resultados
adecuados:
1. Utilizar imágenes de teledetección adquiridas durante varias estaciones para dar cuenta de la
naturaleza dinámica de las tierras agrícolas y facilitar la discriminación entre especies de
coníferas y de hoja ancha.
2. Segmentación; Es decir, la generalización de información mediante la reagrupación de píxeles
en objetos significativos.
3. Utilice un clasificador no-lineal robusto, tal como el motor de clasificación Vector “Support
Vector-Machine” (SVM).
4. Separar algunas clases de cobertura en subclases para fusionarlas posteriormente. La cobertura
urbana se divide en dos clases: urbana densa y urbana con vegetación.
5. Mejoras posteriores a la clasificación.
Nota: En este tutorial, las nubes y sus sombras serán ignoradas.
Performing object-based image analysis
PCI Geomatics 15
En la siguiente tabla, se han descargado cuatro imágenes del Landsat-8 OLI de la región de Ottawa del
sitio web de USGS Glovis2 http://glovis.usgs.gov/
No. Scene Path Row Acquisition date 1 LC80160282016127LGN00 16 28 May 6, 2016 2 LC80160292016127LGN00 16 29 May 6, 2016 3 LC80160282016239LGN00 16 28 August 26, 2016 4 LC80160292016239LGN00 16 29 August 26, 2016
Dos mosaicos, uno para cada fecha de adquisición, fueron producidos en Geomatica OrthoEngine.
Debido a que esto se hizo sólo para volver a montar una imagen previamente dividida en filas para el
archivo, no se aplicó ningún equilibrio de color.
Banda Name (wavelength) - spatial resolution Used for segmentation
Used for feature extraction
B1 Coastal/Aerosol (0.435-0.451 μm)-30m B2 Blue (0.452-0.512 μm)-30m X B3 Green (0.533-0.590 μm)-30 X B4 Red (0.636-0.673 μm)-30m X X B5 Near Infrared (0.851-0.879 μm)-30m X X B6 Short-wave Infrared-1 (1.556-1.651 μm)-30m X X B7 Short-wave Infrared-2 (2.107-2.294 μm)-30m X B8 Panchromatic (0.503-0.676 μm)-15m B9 Cirrus (1.363-1.384 μm) 30m B10 Thermal Infrared -1(10.60-11.19 μm) -100m B11 Thermal Infrared-2 (11.50-12.51 μm) -100m
Cada mosaico fue reproyectado a UTM-18T (WGS84) en un subconjunto con los siguientes límites:
• Izquierda superior: 372 285E; 5 078 025.000N
• Derecha inferior: 479 565E; 4 979 475.000N
El paso final fue fusionar los dos mosaicos subconjuntos en un solo archivo PCIDSK para un total de 14
canales espectrales. Este archivo, L8_Ottawa_20160506_20160826.pix, se proporciona con este tutorial.
Performing object-based image analysis
PCI Geomatics 16
Performing object-based image analysis
PCI Geomatics 17
Segmentación y extracción de características
La Segmentación es clave
El éxito de una clasificación supervisada basada en objetos comienza con una buena segmentación.
Desafortunadamente, no hay reglas objetivas a seguir o criterios absolutos para saber si una
segmentación es buena o no. Como una guía, a menudo es necesario un equilibrio entre el tamaño
medio de los objetos (generalización) y su homogeneidad. Es decir, la mayoría de los objetos deben, en
general, corresponder sólo a una clase de cubierta de tierra y sus formas deben alinearse con los límites
(bordes) observados en la imagen.
La segmentación también depende de las capas seleccionadas (en este caso, las bandas espectrales) y
no es obligatorio utilizar todas las capas disponibles.
Los parámetros de forma, escala y compacidad también se asignan a los objetos. La elección de una
buena combinación aumenta el éxito de la clasificación supervisada y requiere cierta experimentación.
Realizando la segmentación
En este paso, realizará la segmentación en una imagen de Landsat.
Figura 6. Lista de operaciones con Segmentación seleccionada
Para realizar la segmentación
1. En Focus, abra la imagen Landsat proporcionada con este tutorial
(L8_Ottawa_20160506_20160826.pix).
2. En el menú Analysis, Object Analyst.
Aparecerá la ventana de Object Analyst.
3. En la lista Operation, seleccione Segmentation.
4. En Capas de imagen de origen, de clic en Select.
Aparece la ventana Selección de capa
Performing object-based image analysis
PCI Geomatics 18
5. En la lista File, seleccione L8_Ottawa_20160506_20160826.pix, y a continuación, seleccione
las bandas espectrales, como se muestra. Es decir, porque el objetivo de este tutorial es
clasificar las clases de cobertura de suelo de alto nivel basadas en imágenes adquiridas en dos
estaciones diferentes (primavera y finales del verano), se utilizarán las bandas espectrales
que enfatizan los cambios de vegetación para estas dos temporadas.
6. Después de seleccionar las bandas, de clic en Ok.
7. En la ventana de Object Analyst, en Parameters, escriba los valores como sigue:
• Scale: 50
• Shape: 0.8
• Compactness: 0.5
8. En Output, de clic en Browse, y a continuación, escriba la ruta de acceso y el nombre de
archivo en el que escribir el resultado de segmentación. Es decir, ingrese la ruta y el nombre
de archivo como sigue:
• \OBIA_Tutorial_Ottawa\L8_Ottawa_SEG_B6B5B4_50_0.8_0.5.pix
• Segmentation
9. De clic en Add and Run .
La operación se agrega bajo Process Canvas y el proceso de segmentación comienza
Performing object-based image analysis
PCI Geomatics 19
Figura 7. Ventana de Object Analyst con Segmentación configurada para ejecutarse
Una vez finalizado el proceso, la capa de segmentación aparecerá en Focus, mostrada en la imagen
Landat-8, como se muestra en la Figura 8.
Figura 8. Capa de segmentación en Focus
La capa de segmentación contiene los cuatro campos siguientes:
• ShapeID - valor único para cada objeto
• Area (sq m)
• Perimeter (m)
• PixelValue
Performing object-based image analysis
PCI Geomatics 20
Visualización de la capa de segmentación en el Administrador de
atributos
Puede ver información sobre la capa de segmentación en el Administrador de atributos.
Para ver la capa de segmentación en el Administrador de atributos
1. En la pestaña Files en Focus, expanda el archivo L8_Ottawa_SEG_B6B5B4_50_0.8_0.5.pix.
2. De clic con el botón derecho en la capa vectorial ([VEC]), y a continuación, de clic en Attribute
Manager.
Creando un archivo de proyecto en Geomatica
Cree un archivo de proyecto de Geomatica que contenga la imagen Landsat-8, la capa de segmentación
y, posteriormente, el resultado de la clasificación.
Para crear y guardar un archivo de proyecto de Geomatica
1. En el menú File, de clic en Save Project.
2. Escriba la ruta y el nombre de archivo como sigue: ~\OBIA_Tutorial_Ottawa\Ottawa_OBIA.gpr
Performing object-based image analysis
PCI Geomatics 21
Extracción de características
En este paso, se realizará la extracción de características.
Figura 9. Lista de operaciones con Feature Extraction seleccionada
El término característica, en el análisis de imágenes basado en objetos (OBIA), corresponde a un atributo
que representa alguna información sobre los objetos de la imagen. En Object Analyst, se utiliza el mismo
concepto. Las diferentes características de los objetos de imagen se denominan características o
atributos de un segmento.
Puede calcular dos tipos de características:
• Estadística
• Geometría
Las características estadísticas se calculan en función de los píxeles de la imagen dentro de un objeto.
Las características se calculan para cada una de las bandas de imagen seleccionadas y se añaden a la
tabla de atributos de la capa de segmento vectorial como nuevos campos (atributos). El mínimo,
máximo, la media y la desviación estándar están disponibles.
Las características geométricas que representan las características geométricas de un objeto (segmento
de polígono) hacen que el análisis de imágenes basado en objetos (OBIA) resulte ventajoso sobre el
análisis basado en píxeles. En Object Analyst, las características geométricas se calculan analizando el
límite de polígono creado durante la segmentación, por lo que no se requiere información rasterizada.
Object Analyst calcula muchos descriptores de forma utilizados comúnmente, tales como compacidad,
elongación, circularidad y rectangularidad.
En este tutorial, la media de todas las bandas espectrales se calculará para cada objeto. Esto será
suficiente para una clasificación general de la cubertura terrestre / uso de la tierra.
Para realizar la extracción de funciones
1. En la ventana de Object Analyst, en Operation, seleccione Feature Extraction.
2. En Source Channels, de clic en Select.
Aparecerá la ventana Selección de capa.
3. Seleccione L8_Ottawa_20160506_20160826.pix como archivo de entrada y, a continuación,
seleccione las bandas que desea usar.
Si es necesario, en la columna Band Alias, puede modificar el alias haciendo clic en el cuadro
correspondiente y, a continuación, introduciendo un nuevo alias. El alias de la nueva banda
aparecerá como los campos correspondientes en la tabla de atributos. En el ejemplo siguiente,
se ha especificado un nuevo alias de banda para incluir información sobre la fecha de
adquisición.
Performing object-based image analysis
PCI Geomatics 22
4. Después de especificar cualquier alias nuevo de banda, de clic en Ok.
5. En Segmented Vector Layer, de clic en Select y, a continuación, especifique
L8_Ottawa_SEG_B6B5B4_50_0.8_0.5.pix como el archivo de segmentación de entrada.
6. De clic en Ok.
7. En Feature Attributes, seleccione la casilla de verificación Mean, pero deje las otras casillas de
verificación libres.
8. De clic en Add and Run .
La operación se agrega de bajo de Process Canvas y comienza el proceso de extracción de
características.
Performing object-based image analysis
PCI Geomatics 23
Figura 10. Ventana de Object Analyst con Feature Extraction configurada para ejecutarse
Una vez finalizado el proceso, puede ver las estadísticas seleccionadas para la imagen
L8_Ottawa_SEG_B6B5B4_50_0.8_0.5.pix en el Administrador de atributos.
Figura 11. Administrador de atributos que muestra las estadísticas seleccionadas para la imagen
L8_Ottawa_SEG_B6B5B4_50_0.8_0.5.pix
Performing object-based image analysis
PCI Geomatics 24
Performing object-based image analysis
PCI Geomatics 25
Colectando y editando Sitios de Entrenamiento
Los Sitios de Entrenamiento son claves
La siguiente operación es recopilar y editar sitios de entrenamiento. Con una clasificación supervisada,
esta es quizá la operación más crucial y puede ser laboriosa.
Puede utilizar la siguiente serie de figuras como una guía para ayudarle a recopilar clases de
capacitación y verificación para cada clase de cubierta de tierra.
Class
No.
May 6, 2016 August 26, 2016 Class
/descripti
on
1
Wetlands -
Marsh
1
Wetland -
Peatlands
Performing object-based image analysis
PCI Geomatics 26
Class No.
May 6, 2016 August 26, 2016 Class /descrip
tion
2
Forest -
coniferous
3
Forest -
deciduou
s
4
Water
Performing object-based image analysis
PCI Geomatics 27
Class No.
May 6, 2016 August 26, 2016 Class /descripti
on
5
Urban -
dense
6
Urban –
with vegetation
7
Agriculture
– bare (in May)
Performing object-based image analysis
PCI Geomatics 28
Class
No.
May 6, 2016 August 26, 2016 Class
/descripti
on
5
Agricultura -
vegetación
(en mayo)
Selección de una capa de vector de entrenamiento y un campo de
entrenamiento
Figura 12. Lista de operaciones con sitios de formación Edición seleccionada
Para seleccionar una capa de vector de entrenamiento
1. En la ventana de Object Analyst, en Operation, seleccione Training Sites Editing.
2. En Training Vector Layer, seleccione el archivo de segmentación.
En este caso, seleccione L8_Ottawa_SEG_B6B5B4_50_0.8_0.5.pix.
3. En Training Sites, de clic en Edit.
Aparecerá la ventana Editar sitios de entrenamiento.
4. Al lado del Training field, de clic en Create, y a continuación, en la ventana Campo de
entrenamiento, escriba T_A_SVM1b como el nombre del campo en el cuadro Field Name.
El nuevo campo se agrega a L8_Ottawa_SEG_B6B5B4_50_0.8_0.5.pix.
Para crear una nueva clase y seleccionar objetos de entrenamiento o precisión
1. En la ventana Editar sitios de entrenamiento, de clic en Add Class.
2. En la columna Class Name de la tabla, escriba un nombre de clase y, a continuación, en la
columna Color, seleccione un color.
Performing object-based image analysis
PCI Geomatics 29
El color se utilizará para la clasificación, pero se puede cambiar posteriormente en el proceso.
3. Al lado de Sample type, de clic en Training.
4. En Focus, de pan, zoom o ambos, según sea necesario para encontrar un área representativa de
los humedales “Wetlands”.
5. De clic en Individual Select , de clic en un objeto de la imagen, y a continuación, en la
ventana Edición de sitios de entrenamiento, de clic en Assign.
Puede seleccionar varios objetos para asignar manteniendo pulsada la tecla Mayús y haciendo
clic en cada objeto que desee. También puede arrastrar un cuadrado de selección o un
rectángulo sobre los objetos que desee.
6. En la ventana Edición de sitios de entrenamiento, junto a Sample type, de clic en Accuracy
assessment, y repita el paso 5 para seleccionar objetos para la evaluación de exactitud.
Nota: No puede utilizar el mismo objeto simultáneamente para el entrenamiento y como
objeto de verificación. Si un objeto ya está asignado a una clase y lo selecciona de nuevo, se
actualizará con el nuevo estado. La misma regla se aplica a una clase seleccionada previamente.
Performing object-based image analysis
PCI Geomatics 30
7. Repita los pasos 1 a 6 para cada clase.
Tip: Guarde su proyecto regularmente.
En el Attribute Manager, el campo Training de L8_Ottawa_SEG_B6B5B4_50_0.8_0.5.pix se
actualiza ahora para todos los objetos que se han seleccionado para la formación (Class
Name_T) de evaluación de exactitud (Nombre de clase _A).
Figura 13. Campo de entrenamiento actualizado en el Administrador de atributos
Performing object-based image analysis
PCI Geomatics 31
Figura 14. Sitio de entrenamiento con clases definidas.
Color R-G-B Class
255-102-0 Wetlands
0-153-0 Forest - coniferous
0-250-0 Forest - deciduous
0-0-255 Water
0-0-0 Urban - dense
74-74-74 Urban - vegetation
255-204-255 Agriculture - bare
204-51-204 Agriculture -vegetation
Performing object-based image analysis
PCI Geomatics 32
Figura 15. Posición de los objetos de entrenamiento y verificación utilizados en este tutorial
Performing object-based image analysis
PCI Geomatics 33
Clasificación
Calculando características
La siguiente operación consiste en clasificar los datos utilizando algunas características calculadas,
estadísticas o geométricas, en combinación con un campo que contiene los objetos entrenamiento
(Class Name_T) y evaluación de la exactitud delos objetos (Class Name_A).
Nota: Puede utilizar la imagen L8_Ottawa_SEG_B6B5B4_50_0.8_0.5.pix proporcionada con el tutorial.
Seleccionando el archivo y campos de segmentación
Figura 16. Lista de operaciones con clasificación seleccionada
Para ejecutar la clasificación
1. En la lista Operation, seleccione Classification.
2. En Vector Layer and Fields, de clic en Select, y a continuación, en la ventana Capa vectorial y
Selector de campos, de lo siguiente:
• Seleccione L8_Ottawa_SEG_B6B5B4_50_0.8_0.5.pix como archivo de segmentación.
• Seleccione los campos de características extraídos que se utilizarán para la clasificación.
• De clic en Ok.
3. En Type, de clic en Supervised.
4. En Training Field, seleccione el campo de la capa segmentada con los objetos de
entrenamiento y precisión (Training).
5. En Output Class Field, escriba SVM_T1 como el nombre del campo en el que escribir el
resultado de clasificación. El campo se agregará al archivo de segmentación en el Administrador
de atributos.
6. En Classifier, de clic en SVM.
7. De clic en Add and Run .
La operación se agrega de bajo de Process Canvas y comienza el proceso de clasificación.
Performing object-based image analysis
PCI Geomatics 34
8. Una vez finalizado el proceso de clasificación, guarde su archivo de proyecto
(Ottawa_OBIA.gpr).
En el Administrador de atributos, puede ver los tres nuevos campos que se han agregado para
L8_Ottawa_SEG_B6B5B4_50_0.8_0.5.pix:
• Label: Etiqueta de entero único asignada automáticamente a cada clase por OBIA.
• SVM_T1: Resultado de la clasificación.
• SVM_Voting_Prob: Probabilidad de voto SVM. Este campo puede utilizarse para evaluar la
solidez de la clasificación
Figura 17. Administrador de atributos mostrando los tres nuevos campos agregados
Visualizando la clasificación
Una vez finalizado el proceso de clasificación, aparecerá una leyenda en la pestaña Mapas en Focus. El
color de cada clase corresponde a los especificados durante la selección de los objetos de
Performing object-based image analysis
PCI Geomatics 35
entrenamiento y verificación. La opacidad se establece en un 25 por ciento para la interpretación rápida
de los resultados.
Para modificar los estilos de su clasificación
1. De doble clic en Agriculture_bare.
Aparecerá la ventana Style Selector.
Cada clase se compone de dos partes, el color interior del objeto (Polygon - Fill) y su contorno
(Line - Solid). Cambie entre los modos Advanced y Simple para ver todas las opciones
disponibles para modificar el estilo de clase.
Nota: Es posible que necesite primero hacer clic en More.
2. De clic en Advanced, y a continuación, establezca la opacidad de clase en 100.
3. Para obtener una vista previa del cambio, de clic en Apply, y a continuación, para aceptar el
cambio, de clic en Ok.
Los cambios en los estilos se guardan automáticamente.
4. Repita los pasos 1 a 3 para cada clase estableciendo la opacidad en 100.
Performing object-based image analysis
PCI Geomatics 36
También puede quitar el contorno de un objeto clasificado, en Modo Advanced, seleccionando
2 en la lista de part y, a continuación, haciendo clic en Remove .
Figura 18. Ejemplo de clasificación supervisada
Las siguientes series de imágenes muestran la progresión de la imagen a través del análisis de imágenes
basado en objetos (OBIA).
Performing object-based image analysis
PCI Geomatics 37
Landsat-8 May 6, 2016.
R: Band 6 G: Band 5 B: Band 4
Landsat-8
August 26, 2016.
R: Band 6 G: Band 5 B: Band 4
Resultado de la clasificación supervisada (detalle) Con contorno del objeto.
Performing object-based image analysis
PCI Geomatics 38
Resultado de la clasificación supervisada (detalle) Sin contorno del objeto
Performing object-based image analysis
PCI Geomatics 39
Evaluación de la exactitud
Evaluación de la precisión de la clasificación
Puede evaluar la precisión de una clasificación combinando entre la clasificación y las imágenes de
origen. También puede, si es necesario, crear un informe de precisión.
Figura 19. Lista de operaciones con Evaluación de Precisión seleccionada
Para crear un informe de exactitud
1. En Operation, seleccione Accuracy Assessment.
2. En Classified Vector Layer, seleccione el archivo de segmentación que contenga un resultado
de clasificación de una clasificación supervisada; Es decir, seleccione
L8_Ottawa_SEG_B6B5B4_50_0.8_0.5.pix.
3. En Classification field, seleccione el campo que contiene el resultado de la clasificación; Es
decir, seleccione SVM_TI.
4. En Reference field, seleccione el campo que contiene los objetos de entrenamiento y precisión
utilizados para generar el campo de clasificación seleccionado; Es decir, seleccione Training.
Performing object-based image analysis
PCI Geomatics 40
5. De clic en Generate Report. Aparecerá la ventana Informe de evaluación de precisión.
La ventana Informe de evaluación de precisión tiene tres pestañas:
• Sample Listing: Muestra todas las muestras evaluadas, con posición georeferenciada,
coordenadas de imagen, valor / nombre clasificado y valor / nombre de referencia.
• Error (Confusion) Matrix: Muestra una matriz de todas las clases entre datos de referencia y
datos clasificados.
• Accuracy Statistics: muestra varias estadísticas de exactitud, como la precisión general “overall
accuracy”, el coeficiente kappa “Overall Kappa Statistic” y los intervalos de confianza
“Confidence Interval”.
Performing object-based image analysis
PCI Geomatics 41
Después de crear un informe de evaluación de exactitud, puede exportarlo como una hoja de cálculo de
Microsoft Excel (.xls) o como un archivo de texto (.txt).
Para exportar un informe de evaluación de exactitud
1. En la ventana Informe de evaluación de exactitud, en la Sample Listing, Error (Confusion)
Matrix o Accuracy Statistics, según corresponda, de clic en Export Report.
Aparece la ventana Selector de archivos.
2. En la ventana Selector de archivos, seleccione una carpeta, escriba un nombre de archivo para
el informe y, a continuación, de clic en Save.
Figura 20. Ejemplo de informe de exactitud-evaluación
Performing object-based image analysis
PCI Geomatics 42
Performing object-based image analysis
PCI Geomatics 43
Edición y mejora de una clasificación
Ninguna clasificación es perfecta
Incluso si se ha alcanzado una alta precisión, es poco probable que la clasificación sea perfectamente
adecuada para el proyecto.
Normalmente, antes de exportar un refinamiento de la clasificación de algunas clases de cobertura del
suelo o algún manual de edición podría ser necesario.
Mientras que Object Analyst ofrece varias opciones para refinar una clasificación, esta sección se
enfocará en dos:
• Clasificación basada en reglas
• Fusionar y remodelar objetos
Clasificación basada en reglas
Puede utilizar la clasificación basada en reglas para dividir una clase en subclases.
Además de algoritmos de clasificación supervisados y no supervisados, con Object Analyst también
puede crear una regla personalizada para asignar la pertenencia a clases a segmentos. Mediante la
creación de una regla personalizada, puede seleccionar, como analista, los criterios que determinan la
pertenencia a una muestra en una clase en función de su comprensión del dominio, los datos o ambos.
Puede utilizar varias herramientas o evaluaciones para comprender mejor los datos y los procesos, pero
la decisión sobre la pertenencia a una clase es de tipo humano. A continuación, puede crear una regla
de clasificación utilizando las funciones disponibles y basándose en su comprensión de los datos y del
dominio de la aplicación. El conocimiento para construir una regla de clasificación proviene de la
comprensión existente, que se traduce simplemente en la forma de una ecuación. Este proceso es
altamente dependiente del usuario e implica la exploración de datos y la interpretación en pantalla
tanto de la imagen como de los segmentos.
Object Analyst puede definir y aplicar una regla de clasificación que haya creado en segmentos
clasificados ya o en segmentos no clasificados. El requisito previo es la extracción de características de
cada segmento. Después de la clasificación algorítmica, puede eliminar una clase para algunos o para
todos los segmentos o cambiar la pertenencia de ciertos segmentos de una clase para mejorar la
precisión general de la clasificación.
Una inspección detallada de la clasificación creada en la Clasificación ha revelado que la clase de
humedales es demasiado general; Sería preferible dividir esta clase en dos subclases:
• Humedal arbolado “Wooded wetland”, principalmente coníferas (cubierta de árboles densos a
escasos)
• Humedal abierto “Open wetland” (sin árboles)
Performing object-based image analysis
PCI Geomatics 44
Para realizar esta tarea, utilizará la característica interactiva Pick Range de la operación Rule-based
Classification.
Para realizar la reasignación de clase mediante el uso del Pick Range
1. En Operation, seleccione Rule-based Classification.
2. En Class Edit, de clic en Assign.
3. En Vector Layer, seleccione el archivo de segmentación con el campo de clasificación para
modificar; Es decir, seleccione L8_Ottawa_SEG_B6B5B4_50_0.8_0.5.pix.
4. En Parameters, de lo siguiente:
• En la lista Class field, seleccione el campo con la clasificación a modificar; Es decir,
seleccione SVM_T1.
• En la lista Class filter, seleccione la clase de cobertura de suelo a modificar; Es decir,
seleccionar Wetlands.
• En la lista New class, seleccione la clase para escribir los objetos.
Esto puede ser una clase existente o una nueva; Sin embargo, creará una nueva clase
escribiendo Wetland_open.
5. Para realizar la reasignación de clase interactiva, seleccione la caja de chequeo Specify
condition, y luego pulse Pick Range.
La ventana de Visualización de características aparece.
Performing object-based image analysis
PCI Geomatics 45
Por suerte, la banda near infrared es suficiente para permitir a una discriminación buena entre los
pantanos boscosos y abiertos.
Dirigir su rango de selección, en Focus, abren el mapa vectorial de pantano de Recursos naturales
Canadá, que se proporcionan en estas instrucciones.
Para abrir el mapa vectorial de humedales
1. En Focus, sobre el menú File, de clic en Open, y luego selecciona Wetlands_Canvec_50K.pix.
2. En la ventana Feature Visualization, arrastre los controles deslizantes Minimum value y
Maximum value para comparar los valores.
Observe que los objetos seleccionados aparecen en un color diferente en Focus.
3. Opcionalmente, puede anular la selección de las otras clases para ayudarle a encontrar la mejor
gama, ya que sólo se modificará la clase de humedales.
Las siguientes series de imágenes muestran las variaciones de los valores mínimo y máximo.
En la Figura 21, los objetos seleccionados se resaltan en naranja pálido. Estos son los candidatos de la
nueva clase abierta de humedales. Observe que los datos de referencia del humedal ahora se muestran
con un contorno blanco más grueso en el polígono para que se diferencien más fácilmente de los
objetos clasificados como humedales.
Performing object-based image analysis
PCI Geomatics 46
Figura 21. Ejemplo de una nueva clase de humedal
En la Figura 22, los objetos seleccionados se resaltan en naranja pálido. Estos son los candidatos de la
nueva clase de humedales abiertos; Sin embargo, se seleccionan demasiados objetos.
Figura 22. Ejemplo de una nueva clase de humedales (demasiados objetos seleccionados)
En la Figura 23, los objetos seleccionados se resaltan en naranja pálido. Esta es una buena gama.
Performing object-based image analysis
PCI Geomatics 47
Figura 23. Ejemplo de una nueva clase de humedales (buen rango)
Después de encontrar un intervalo adecuado, en la ventana Feature Visualization, de clic en Ok.
Ahora puede aplicar sus cambios a la clasificación:
• En la ventana de Object Analyst, de clic en Add and Run .
Figura 24. Ventana de Object Analyst con el rango de selección
En el Administrador de atributos, el campo SVM_T1 se actualiza con la nueva clase Wetland_open.
Performing object-based image analysis
PCI Geomatics 48
Figura 25. Administrador de atributos mostrando el campo SVM_T1 actualizado
La nueva clase también se ha añadido a la leyenda.
Figura 26. Clase añadida a la leyenda
Fusionar y remodelar objetos
Con Reform Shape, puede mejorar la estética de su clasificación.
Figura 27. Lista de operaciones con Reform Shape seleccionada
Performing object-based image analysis
PCI Geomatics 49
Puede elegir entre dos opciones:
• Automatic dissolve: Combina dos polígonos adyacentes basados en la pertenencia a la
clase
• Interactive edits: Combinar o dividir polígonos que seleccione
Precaución
Sólo reformar formas después de la clasificación y después de haber hecho una copia de seguridad de su
proyecto. Reformar formas modifica las formas del objeto y el número total de objetos, lo que hace que
las características extraídas (estadísticas y geométricas) sean inválidas
Combinación de polígonos
La capa seleccionada debe tener uno o más polígonos con información de clase
Para combinar polígonos adyacentes
1. En Operation, seleccione Reform Shapes.
2. En Type, de clic en Interactive edits.
3. En Vector Layer, seleccione el archivo de segmentación con el campo de clasificación que desea
modificar; Es decir, seleccione L8_Ottawa_SEG_B6B5B4_50_0.8_0.5.pix.
4. En Editing Tools, de clic en Individual Select ( ) y, a continuación, en Focus, de clic en el
primer polígono que desea combinar.
5. De clic en Merge Polygon ( ) y a continuación en Focus, de clic en uno o más polígonos para
combinar. Para deshacer una combinación, en el menú File, de clic en Undo. También puede
presionar Ctrl + Z o .
La imagen siguiente muestra la fusión antes y después.
Performing object-based image analysis
PCI Geomatics 50
6. Después de haber combinado los polígonos que desea, en la pestaña Maps, de clic con el botón
derecho en la capa del mapa y, a continuación, de clic en Save.
Performing object-based image analysis
PCI Geomatics 51
Adjuntar un archivo de representación a una
clasificación
Modificar y guardar el archivo de representación
Los estilos que aplica a una clasificación se guardan en el archivo de proyecto de Geomatica (* .grp). Si el
archivo de segmentación que contiene el campo de clasificación se abre de forma independiente en
Focus o en otro proyecto, los estilos no estarán disponibles.
Para conservar sus estilos para uso futuro, cree un archivo de representación (* .rst). Puede hacerlo en
cualquier etapa de su proyecto.
Para modificar y guardar el archivo de representación
1. En Focus, en la pestaña Maps, de clic con el botón derecho en la capa vectorial con el resultado
de clasificación que desee y, a continuación, de clic en Representation Editor.
Aparecerá la ventana Editor de representación.
2. Para modificar el estilo de una clase, en la columna Style de la tabla, de doble clic en la clase.
Aparecerá la ventana Style Selector.
3. Seleccione un estilo, de doble clic y modifique su color, y a continuación, de clic en Apply.
4. Repita los pasos 2 y 3 para cada clase que desee modificar y, a continuación, de clic en Ok.
5. Para guardar el archivo de representación, en la barra de herramientas, de clic en Save ( ).
Aparecerá la ventana Guardar como.
Performing object-based image analysis
PCI Geomatics 52
6. En el cuadro File, puede escribir o seleccionar el nombre del archivo que desee; Es decir,
almacene el archivo como SVM_T1.
7. En el cuadro Description, escriba una breve descripción para ayudar a identificar la relevancia
del archivo.
Importación de un archivo de representación
Con un proyecto en el que desea utilizar la representación que creó en Modificar y guardar el archivo de
representación, puede importar el archivo. Es decir, cuando abre una clasificación sin su archivo de
proyecto asociado de Geomatica (* .gpr), puede importar el archivo de representación que creó
anteriormente.
Para importar un archivo de representación
1. En Focus, abra la clasificación.
2. En la pestaña Maps, de clic con el botón derecho en la clasificación y, a continuación, de clic en
Representation Editor.
3. En la lista Attribute, seleccione el campo con las etiquetas de clase supervisadas; Es decir,
seleccione SVM_T1.
4. En la barra de herramientas, de clic en Link ( ).
Aparecerá la ventana RST Link.
5. En la lista File, seleccione el archivo que creó anteriormente; Es decir, seleccione
Classif_SVM_T1.rst y, a continuación, de clic en Ok.
6. En la ventana Representation Editor, de clic en Apply, y a continuación, de clic en Ok.
Los estilos están ahora asociados con la clasificación que seleccionó.
Performing object-based image analysis
PCI Geomatics 53
Notas:
Performing object-based image analysis
PCI Geomatics 54
pcigeomatics.com