Por favor, use este identificador para citar o enlazar este ítem:
http://cicese.repositorioinstitucional.mx/jspui/handle/1007/2729| Análisis multi-temporal de imágenes de satélite utilizando técnicas de detección de cambio. Multi-temporal analysis of satellite Images using change detection techniques. | |
| Bernardino Guerrero Ibarra | |
| Jorge Torres Rodriguez | |
| Acceso Abierto | |
| Atribución | |
| Teledetección, Análisis multi-temporal, Detección de cambio, Algoritmos genéticos, Autocorrelación espacial, Corrección radiométrica, Remote sensing, Multi-temporal analysis, Change detection, Genetic algorithms, Spatial autocorrelation, Radiometric correction | |
| La detección de cambio en imágenes de satélite consiste en identificar diferencias en las características de la superficie del terreno a través del tiempo. La detección de dichos cambios puede ser de fundamental importancia en estudios de impacto ambiental, programas de manejo de recursos naturales y en proyectos de desarrollo urbano. El objetivo central de este trabajo fue implementar y probar metodologías de análisis de imágenes basadas en técnicas de detección de cambio. Se implementó un enfoque postclasificatorio para detectar cambios en la cubierta del terreno utilizando imágenes de alta resolución del satélite Quickbird. Para el proceso de clasificación se utilizaron dos algoritmos supervisados, el primero de ellos es el algoritmo de Máxima Verosimilitud (MV), ampliamente utilizado en teledetección. Como segundo algoritmo de clasificación se propuso probar un novedoso método heurístico denominado Algoritmo Genético con Cadenas de Longitud Variable y Diferenciación de Cromosomas (AGCLVDC). Con el propósito de probar la metodología propuesta se utilizaron imágenes de la región suburbana de la Ciudad de Ensenada B.C., en las cuales se observan cambios abruptos en el uso del suelo durante los últimos años. Para evaluar el desempeño de ambos algoritmos de clasificación se generaron mapas temáticos y matrices de confusión para evaluar su precisión temática. Además se hizo un análisis de la precisión espacial para cada clasificador. Este análisis consistió en generar un mapa de errores a partir de los mapas temáticos y un mapa de referencia, el cual permite apreciar de manera visual la distribución del error. Posteriormente, a dicho mapa de error se aplicó análisis de autocorrelación espacial (ACE) utilizando Índices de Moran, con el objeto de comprender la naturaleza del error, así como la influencia que la resolución espacial del sensor tiene en la generación de los mismos. Se concluye que el AGCLVDC alcanza un mejor desempeño que MV. Por otra parte, se observó que los mapas temáticos presentan errores principalmente en las fronteras entre cubiertas del terreno, y que el análisis ACE permitió determinar la resolución espacial a partir de la cual se generan los errores. Satellite image change detection refers to the identification of land cover differences through the time. Land cover change detection represents valuable information for environmental studies, natural resource management, and urban development projects. The main goal of this work was the implementation and testing of methodologies for multi-temporal image analysis based on change detection techniques. A postclassification approach was implemented for the identification of land cover changes in high resolution QuickBird satellite images. Two supervised algorithms were used in the classification process. The first one was the Maximum Likelihood (ML) algorithm, a widely used technique in the field of remote sensing. As a second algorithm we proposed the implementation of a novel classification technique based on a heuristic algorithm named Genetic Algorithm with Variable Length String and Chromosome Differentiation (GAVLSCD). In order to test the proposed methodology, a set of images showing abrupt land cover changes in the fringe zone of Ensenada City were used. Thematic maps and confusion matrices were generated for accuracy assessment of both classification algorithms. In addition an error map was generated from thematic maps and a reference map, allowing the assessment of spatial accuracy and the observation of spatial error distribution. Subsequently, spatial autocorrelation (SAC) analysis was applied to error maps by using Moran’s Indices, giving an insight about the nature of the spatial error and the scale at which sensor resolution influences the error generation. We conclude that GAVLSCD achieved a better performance than ML. On the other hand, the thematic maps showed errors manly at the land cover boundaries, and the SAC analysis allowed us to estimate the spatial resolution at which the errors are originated. | |
| CICESE | |
| 2008 | |
| Tesis de maestría | |
| Español | |
| Guerrero Ibarra, B.2008.Análisis multi-temporal de imágenes de satélite utilizando técnicas de detección de cambio.Tesis de Maestría en Ciencias. Centro de Investigación Científica y de Educación Superior de Ensenada, Baja California.105 pp. | |
| TECNOLOGÍA DE LOS ORDENADORES | |
| Aparece en las colecciones: | Tesis - Ciencias de la Computación |
Cargar archivos:
| Fichero | Tamaño | Formato | |
|---|---|---|---|
| 178141.pdf | 9.11 MB | Adobe PDF | Visualizar/Abrir |