DOI:

https://doi.org/10.14483/23448393.3849

Published:

2012-06-29

Issue:

Vol. 17 No. 1 (2012): January - June

Section:

Article

Evaluación de las Redes Neuronales Artificiales Perceptron Multicapa y Fuzzy-Artmap en la Clasificación de Imágenes Satelitales

Evaluation of Satellite Image Classification using Multilayer Perceptron and Fuzzy-ArtMap models

Authors

  • Guillermo Antonio Toro Bayona Universidad Distrital Francisco José de Caldas
  • Iván Alberto Lizarazo Salcedo Universidad Distrital Francisco José de Caldas

Keywords:

Clasificación de imágenes satelitales, Fuzzy-Artmap, Perceptron Multicapa. (es).

Keywords:

Satellite image classification, Fuzzy-Artmap, Multilayer Perceptron. (en).

Downloads

Abstract Authors Available Metrics References How to Cite

Abstract (es)

Este documento reporta una comparación cuantitativa y cualitativa del desempeño de las redes neuronales artificiales Perceptron Multicapa y Fuzzy-Artmap para clasificación de coberturas del suelo a partir de imágenes satelitales multi-espectrales. Se describen parámetros y condiciones que ayudan a producir imágenes clasificadas con buena exactitud temática. Adicionalmente, se hace una comparación entre los dos modelos de redes neuronales que describen sus ventajas y desventajas.

Abstract (en)

In this paper a quantitative and qualitative comparison between performance of Multilayer Perceptron and Fuzzy-Artmap neural networks for classification of land cover from multispectral satellite images is reported. It describes parameters and conditions that help to produce accurate classified images. Additionally, it makes a comparison between the two types of neural networks models describing both their advantages and disadvantages.

Author Biographies

Guillermo Antonio Toro Bayona, Universidad Distrital Francisco José de Caldas

Nació en Bogotá, Colombia. Es Ingeniero Catastral y Geodesta de la Universidad Distrital Francisco José de Caldas de Bogotá, Colombia del año 2007. Obtuvo su título de Especialista en Sistemas de Información Geográfica de la Universidad Distrital Francisco José de Caldas de Bogotá, Colombia en el año 2008. En el año 2010 obtuvo su título de Especialista en Construcción de Software de la Universidad de los Andes de Bogotá, Colombia.

Desarrolló esta investigación como su proyecto de graduación de pregrado. Se desempeñó como ingeniero en el Centro de Investigación y Desarrollo de Información Geográfica del Instituto Geográfico Agustín Codazzi de Bogotá, Colombia durante 3 años. Posteriormente se desempeño en las áreas de Desarrollo de Software para el sector Bancario, Gobierno, Telecomunicaciones y Retail durante los últimos 3 años.

Iván Alberto Lizarazo Salcedo, Universidad Distrital Francisco José de Caldas

Nació en Bucaramanga, Colombia. Es Ingeniero Civil de la Universidad Industrial de Santander (1981). Obtuvo su título de Especialista en Sistemas de Información Geográfica en Universidad Distrital Francisco José de Caldas de Bogotá (1998).  Obtuvo su título MSc en Geographic Information Science en la Universidad de Londres (2004). Obtuvo su título o PhD en Geografía en  la Universidad de Londres (2010).

Se desenvolvió como director y tutor académico de la investigación referida en este articulo. Consultor en el área de Geomática por 20 años en diferentes entidades  del sector privado  y r público. Amplia experiencia como docente en SIG, Procesamiento Digital de Imágenes, Calidad de Información Geográfica y Gestión de Proyectos de Tecnología Informática. Actualmente se desempeña como profesor del proyecto Curricular de Ingeniería Catastral y Geodesia e integrante del Grupo de Investigación NIDE de la  Universidad Distrital Francisco José de Caldas, Bogotá, Colombia.

References

Bollela, Ana. “Redes Neuronales”. Universidad ORT. Uruguay. 2003

Camara. Gilberto; Vieira, Antonio. “Geocomputation Techniques For Spatial Analysis: Is It Case For Health Data Set?”. Image Processing Division, National Institute for Space Research, Brazil. 2001.

Cardenas, Luis. “Optimal Design of Neural Network for Land-Cover Classification from Multi-spectral Imagery”. Centro de Investigaciones de Geografía y Geomática. México. 2003.

Carpenter, Gail. “Default ARTMAP. Department of Cognitive and Neural System. 2003

Carpenter, Gail. Gopal; Sucharita, Macomber, Scout. Martens, Siegfried, Woodcock, Curtis. “A Neural Network Method for Mixture Estimation for Vegetation Mapping” Remote Sensing Environ. New York 1999

Carpenter, Gail. Gopal; Sucharita, Macomber, Scout. Martens, Siegfried, Woodcock, Curtis. “A Neural Network Method for Efficient Vegetation Mapping” Remote Sensing Environ. New York. 1999

Carpenter, Gail. Grossber, Stephen. Shock, Byron. Woodcock, Curtis. “A Neural Network Method for Land Use Change Classification with Application to the Nile River Delta”. Department of Cognitive and Neural System. 2001

Cepeda Caballero, Jahir. “Redes Neuronales Estáticas –Sistemas Expertos e Inteligencia Artificial”. Corporación Colombiana de Colombia IDEAS. 2002.

Chuvieco, Emilio. “Fundamentos de Teledetección Espacial”. Ediciones Rialp S.A. Reimpresión corregida 568 pp. Madrid, España. Madrid. 2000

Corporación Autónoma Regional (C.A.R). Ecoforest Ltda. Swedforest Scandiaconsult “Inventario y Diagnostico de los Recursos Naturales y Renovables del Área Jurisdiccional de la Corporación Autónoma Regional C.A.R. – Cundinamarca” 1995.

Forero, Maria Cristina. “Levantamiento de Cobertura Terrestre y Uso de la Tierra”. Revista CIAF Volúmen 9.Bogotá, 1984.

Gecek, Deniz. “Improvement of Image Classification with the Integration of Topographical Data. Geodetic and Geographic Information Technology. Ankara. Turkey. 2000”

Jensen, John. “Introductory Digital Image Processing: A Remote Sensing Perspective”. Prentice Hall. Second Edition.1996.

Leica Geosystems. “Erdas Field Guide. Fifth Edition Translation”. Estados Unidos de America. 2000, p 213

Lin, Hue; Chenghu, Zhou. “Geo-Interpretation Model for Land-Cover / Land-Use Classification”. Lab Resource and Environment Information System, CAS, Beijing, China, Department of Geography, Chinese University of Hong Kong. 2000.

Liu, Xiao Hang, “Change Detection for Urban Growth Modeling. An Artificial Neural Network Approach”.4th International Conference on Integrating GIS and Environmental Modeling. Canada. September 2000.

Lizarazo, Iván. Mesa, Samuel, Cuitiva, Ricardo. “Clasificación de la cobertura y del uso del suelo urbano usando imágenes de satélite y algoritmos supervisados de inteligencia artificial”. Revista la UD y la Geomática, Vol. 1, núm. 2, Segundo semestre 2008.

Martens, Siegfried. “ClasserScript Ver. 1.1 User‘s Guide”. Boston University. 2005.

Mas, Jean. “An Artificial neural Networks Approach to Map land Use Land Cover using LANDSAT Imagery and Ancillary Data.” Universidad Autónoma de México. IEEE. 2003

Mendoza, E.H. Santso, J.R. Santa Rosa, A.N.C. “Land Use Land Cover mapping In Brazilian Amazon using Neural Network with Aster Terra Data” INPE.2003.

Nouza, David. Laclir; Verne, Schwab, Matthew. “Using Neural Network to Evaluate Land Use Change”. D. Nouza et al. 2000

Perez, Magda Liliana. “Aporte de las Clasificaciones por Métodos Convencionales, redes Neuronales y Análisis de Texturas en Estudios Geográficos. Caso de Uso “Sinergia entre Imagen Landsat y Radarsat de la Sabana de Bogotá”. Instituto Geográfico Agustín Codazzi. 2003”

Quero Reboul, José Manuel. “Redes Neuronales”. Departamento de Ingeniería Electrónica. Universidad de Sevilla. 2001.

Rajasekaran, S. Vijayalakshimi, Pai. ”Image Recognition Using Simplified Fuzzy-ARTMAP Augmented with a Moment based Feature Extractor. International Journal of Pattern Recognition and Artificial Intelligence.2000”

Schroeder, Thomas. “Input / Output Data Definition Of Artificial Neural Network For Computing Pigment Concentrations From Remote The Sensing Reflectance At Sea Level Above Case-1 Water”. Freie Universitat Berlin. 2003

Shah, S.K. “Image Classification Based On Textural Features Using Artificial Neural Network (Ann)”. Department of Electrical Engineering MS University of Baroda, Kalabhavan. 2003.

Shock, B.M.; Carpenter, G.A.; Gopal, S; Woodcock, C.E. “Artmap Neural Network Classification of Land Use Change”. Proceedings of the World Congress of Computers in Agriculture and Natural Resources. 2002.

Sinha; Ashok. Dudhani, Surekha. ”Fuzzy Neural Network Modeling of Land Use/cover using IRS-1D Image. Galgoita College of Eng & technology. India. 2004”

Tso, Brandt; Mather, Paul. “Classification Methods for Remotely Sensed Data”. First Published by Taylor and Francis. 2001.

Ríos de la Torre, Ignacio; Calderón Osorno, José Luis; Durán Camarillo, Edmundo René. Polilibro Redes Neuronales Artificiales 1. http://hugo-inc.net16.net/RNA/Unidad%201/1.8.html.

How to Cite

APA

Toro Bayona, G. A., and Lizarazo Salcedo, I. A. (2012). Evaluación de las Redes Neuronales Artificiales Perceptron Multicapa y Fuzzy-Artmap en la Clasificación de Imágenes Satelitales. Ingeniería, 17(1), 61–72. https://doi.org/10.14483/23448393.3849

ACM

[1]
Toro Bayona, G.A. and Lizarazo Salcedo, I.A. 2012. Evaluación de las Redes Neuronales Artificiales Perceptron Multicapa y Fuzzy-Artmap en la Clasificación de Imágenes Satelitales. Ingeniería. 17, 1 (Jun. 2012), 61–72. DOI:https://doi.org/10.14483/23448393.3849.

ACS

(1)
Toro Bayona, G. A.; Lizarazo Salcedo, I. A. Evaluación de las Redes Neuronales Artificiales Perceptron Multicapa y Fuzzy-Artmap en la Clasificación de Imágenes Satelitales. Ing. 2012, 17, 61-72.

ABNT

TORO BAYONA, Guillermo Antonio; LIZARAZO SALCEDO, Iván Alberto. Evaluación de las Redes Neuronales Artificiales Perceptron Multicapa y Fuzzy-Artmap en la Clasificación de Imágenes Satelitales. Ingeniería, [S. l.], v. 17, n. 1, p. 61–72, 2012. DOI: 10.14483/23448393.3849. Disponível em: https://revistas.udistrital.edu.co/index.php/reving/article/view/3849. Acesso em: 18 apr. 2024.

Chicago

Toro Bayona, Guillermo Antonio, and Iván Alberto Lizarazo Salcedo. 2012. “Evaluación de las Redes Neuronales Artificiales Perceptron Multicapa y Fuzzy-Artmap en la Clasificación de Imágenes Satelitales”. Ingeniería 17 (1):61-72. https://doi.org/10.14483/23448393.3849.

Harvard

Toro Bayona, G. A. and Lizarazo Salcedo, I. A. (2012) “Evaluación de las Redes Neuronales Artificiales Perceptron Multicapa y Fuzzy-Artmap en la Clasificación de Imágenes Satelitales”, Ingeniería, 17(1), pp. 61–72. doi: 10.14483/23448393.3849.

IEEE

[1]
G. A. Toro Bayona and I. A. Lizarazo Salcedo, “Evaluación de las Redes Neuronales Artificiales Perceptron Multicapa y Fuzzy-Artmap en la Clasificación de Imágenes Satelitales”, Ing., vol. 17, no. 1, pp. 61–72, Jun. 2012.

MLA

Toro Bayona, Guillermo Antonio, and Iván Alberto Lizarazo Salcedo. “Evaluación de las Redes Neuronales Artificiales Perceptron Multicapa y Fuzzy-Artmap en la Clasificación de Imágenes Satelitales”. Ingeniería, vol. 17, no. 1, June 2012, pp. 61-72, doi:10.14483/23448393.3849.

Turabian

Toro Bayona, Guillermo Antonio, and Iván Alberto Lizarazo Salcedo. “Evaluación de las Redes Neuronales Artificiales Perceptron Multicapa y Fuzzy-Artmap en la Clasificación de Imágenes Satelitales”. Ingeniería 17, no. 1 (June 29, 2012): 61–72. Accessed April 18, 2024. https://revistas.udistrital.edu.co/index.php/reving/article/view/3849.

Vancouver

1.
Toro Bayona GA, Lizarazo Salcedo IA. Evaluación de las Redes Neuronales Artificiales Perceptron Multicapa y Fuzzy-Artmap en la Clasificación de Imágenes Satelitales. Ing. [Internet]. 2012 Jun. 29 [cited 2024 Apr. 18];17(1):61-72. Available from: https://revistas.udistrital.edu.co/index.php/reving/article/view/3849

Download Citation

Visitas

974

Dimensions


PlumX


Downloads

Download data is not yet available.

License

From the edition of the V23N3 of year 2018 forward, the Creative Commons License "Attribution-Non-Commercial - No Derivative Works " is changed to the following:

Attribution - Non-Commercial - Share the same: this license allows others to distribute, remix, retouch, and create from your work in a non-commercial way, as long as they give you credit and license their new creations under the same conditions.