Irene Pérez Llorente Junio 2008 - Centro de Estudios Hidrográficos ...

Figura 110. Resultados del análisis de minoría de la clasificación SAM final.
El análisis de minorías crea una imagen más granulada y heterogénea, pero
permite observar píxeles mal clasificados.
- Agrupación de clases (“Classification / Post Classification / Clump
Classes”): une las áreas clasificadas de forma similar mediante operadores
morfológicos para aumentar la coherencia espacial de las imágenes de
clasificación, que a menudo contienen ruido o huecos, sin contaminar la
información con cifras de clases adyacentes (como sucede al usar un filtro
de paso bajo). Las clases seleccionadas son agrupadas aplicando una
operación de dilatación seguida de una de erosión a la imagen de
clasificación.
Figura 111. Resultados de la agrupación de clases de la clasificación SAM final.
El resultado se parece un poco al del análisis de mayoría, en el sentido de
que las distintas regiones parecen más homogéneas, pero las áreas no
clasificadas no aumentan, permanecen igual. El problema vuelve a ser
que se pierde información.
- Reclasificación de las clases por colores (“Tools / Color Mapping / Density
Slice” desde el menú de la ventana de la imagen): finalmente se optó por
agrupar las clases en grandes grupos que representen la misma cubierta a
partir de esta herramienta, que permite seleccionar rangos de datos o
colores para destacar áreas de la imagen. Posteriormente estos grupos se
irían subdividiendo en regiones que representen las distintas evoluciones
de cada superficie, aunque la gran cantidad de clases complica este
proceso, y el carácter atemporal de la información adicional disponible no
permite llegar a este nivel de clasificación.
104