Revista de teledetección y SIG

Abstracto

Identificación de datos de un dato temporal para clasificadores blandos FCM y PCM

Ranjana Sharma, PK Garg, RKDwivedi, Mohan Vishal Gupta

En general, los clasificadores multiespectrales proporcionan un conjunto completo de opciones para la clasificación de imágenes utilizando enfoques supervisados, no supervisados ​​o basados ​​en difusos. El procesamiento de imágenes se divide en 10 categorías: restauración de la imagen, mejora de la imagen, transformación de la imagen, desarrollo de la firma de la imagen, clasificadores duros y clasificadores blandos para imágenes, endurecedores y análisis hiperespectral de imágenes y evaluación de la precisión del resultado. Los clasificadores duros se utilizan comúnmente en la clasificación de imágenes, donde un píxel tiene un valor de pertenencia de 0 o 1, por lo que se considera un píxel puro. La naturaleza del píxel en el clasificador blando es mixta. El píxel de los clasificadores blandos pertenece a múltiples clases. Mediante la teoría del conjunto difuso podemos resolver el problema de la pertenencia múltiple de píxeles de la imagen. Los rangos de valor de pertenencia en el conjunto difuso son 0 y 1, donde el valor entre 0 y 1 define la proporción de ocurrencia de información dentro de un píxel. Este concepto se ha utilizado en muchas aplicaciones, como el análisis de señales de sensores y la minimización de la incertidumbre. En este estudio, se han utilizado clasificadores difusos suaves y clasificadores híbridos basados ​​en difusos con entropía, agrupamiento de ruido basado en entropía para conocer el resultado del método de precisión (entropía) en la salida de los clasificadores para conjuntos de datos multiespectrales a nivel de píxel. Pero cualquier clasificación se considera incompleta sin una evaluación de su precisión. Varias empresas comerciales han introducido una variedad de herramientas de procesamiento de imágenes que ofrecen un módulo relacionado con la entrada de datos, visualización, mejoras, transformaciones, clasificación, evaluación de precisión y salida acoplado con otros módulos basados ​​en SIG. Algunos de los principales software SIG que tienen un módulo de procesamiento de imágenes bien definido son ERDAS Imagine, IDRISI, ENVI y ER Mapper, pero la evaluación de la precisión no es compatible con estos software para la evaluación de la salida clasificada suave. Por lo tanto, se ha desarrollado una herramienta para manejar tales problemas en este estudio. Esta herramienta se centra principalmente en el algoritmo de clasificación suave. Se ha denominado Herramienta de clasificación de imágenes basada en difusos (FBICET) que incorpora entropía. La imagen satelital se ha clasificado con éxito con buena precisión utilizando el FBICET.