@article{Valero_Lizarazo_2019, title={Multispectral image classification from axiomatic locally finite spaces-based segmentation}, url={https://revistas.udistrital.edu.co/index.php/UDGeo/article/view/15230}, DOI={10.14483/23448407.15230}, abstractNote={<p>El análisis de imagenes basado en objetos geográficos (GEOBIA por su sigla en inglés) comienza generalmente definiendo elementos más gruesos del espacio geométrico u objetos de imagen, agrupando píxeles cercanos con base en grafos (a, b)-conectados como definiciones de vecindario. En este enfoque, sin embargo, pueden no cumplirse algunos axiomas topológicos requeridos para garantizar una correcta representación de las relaciones de conexión. Por lo tanto, la definición convencional de límites de objetos de imagen, presenta ambigüedades debido a que los contornos unidimensionales están representados por píxeles bidimensionales. En este trabajo, la segmentación se lleva a cabo mediante un nuevo enfoque basado en espacios axiomáticos localmente finitos (proporcionados por complejos cartesianos) y sus matroides orientados asociados. Para probar el enfoque propuesto, los segmentos de la imagen basada en ALFS fueron clasificados usando el algoritmo de máquina de soporte vectorial (SVM por su sigla en inglés) usando la respuesta a filtros direccionales como un canal adicional. El enfoque propuesto utiliza un enfoque multiescala para la segmentación, que incluye análisis de textura y de afinidad espectral en la definición de límite. La propuesta se evaluó comparativamente con la representación de píxeles convencionales en un pequeño subconjunto del conjunto de datos de referencia GEOBIA2016. Los resultados muestran que la exactitud de la clasificación se incrementa en comparación con la segmentación convencional de pixeles.</p>}, number={13}, journal={UD y la geomática}, author={Valero, Jose and Lizarazo, Ivan}, year={2019}, month={ago.} }