Implementación de algoritmos fractales para la clasificación no supervisada de imágenes raster

  • David Suarez Arévalo
Palabras clave: clasificación, dimensión, fractal, implementación, remotos, SAR, sensores. (es_ES)

Resumen (es_ES)

El presente artículo abarca la utilización de la geometría fractal y la estimación de la dimensión fractal como parámetro para clasificar una ima- gen digital por medio del método no supervisado. Existen múltiples métodos para estimar la dimen- sión fractal como el Método Fraccional Brownia- no (fBm, por sus siglas en inglés), los métodos de conteo de cajas y los métodos de determinación de áreas. A la hora de realizar una clasificación de imágenes digitales se utiliza como parámetro de clasificación la textura presente en las imágenes; esta textura es usualmente calculada por el mé- todo GLCM (Matriz de Co-ocurrencias de niveles de gris), la dimensión fractal es una alternativa a la hora de extraer esta característica de las imáge- nes. Se tomó el método de conteo de cajas dife- rencial (DBC, por sus siglas en inglés) mejorado como base en la determinación de la dimensión fractal y posterior clasificación de las imágenes raster. Las imágenes raster escogidas son imáge- nes de radar SAR debido a que es en este tipo de imágenes donde se obtiene mayor provecho del análisis de texturas, fuente de información pa- ra realizar la clasificación no supervisada, esto debido a la característica textural que puede ser capturada por medio de este tipo de sensores. 

Descargas

La descarga de datos todavía no está disponible.
Cómo citar
Suarez Arévalo, D. (2017). Implementación de algoritmos fractales para la clasificación no supervisada de imágenes raster. Revista De Topografía AZIMUT, 7(1), 67 - 73. Recuperado a partir de https://revistas.udistrital.edu.co/index.php/azimut/article/view/11451
Publicado: 2017-01-13
Sección
Artículos