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

Figura 67. Filtro de
Coocurrencia de Contraste
Figura 68. Filtro Coocurrencia
de Entropía
Figura 69. Filtro de
Coocurrencia de Desemejanza
Figura 70. Filtro de Coocurrencia de Figura 71. Filtro de Coocurrencia Segundo
Momento de Correlación
Los filtros de ocurrencia y coocurrencia no resultan útiles, ya que las imágenes de
trabajo no presentan ninguna textura específica que pueda ser analizada mediante este
tipo de tratamientos.
5.2.2. Clasificación no supervisada
Este tipo de clasificación agrupa los píxeles de un conjunto de datos basándose
únicamente en las estadísticas, sin ninguna clase de entrenamiento definida por el
usuario. En concreto calcula las medias de las clases distribuidas uniformemente en el
espacio para posteriormente agrupar el resto de píxeles usando técnicas de mínima
distancia. Cada iteración vuelve a calcular las medias hasta que el número de píxeles de
cada clase cambia menos que el umbral de clase seleccionado o se alcanza el máximo
número de iteraciones.
Todos los píxeles son clasificados en la clase más cercana salvo que se especifique
un umbral de desviación estándar o distancia.
Los dos métodos disponibles desde ENVI son:
- “K-Means”: asume que el número de agrupaciones es conocido a priori. Por esta
razón es muy sensible a los valores iniciales, que modifican enormemente los
resultados de la clasificación, aunque las diferencias en el Error Cuadrático
Medio sean bastante pequeñas.
70