Irene Pérez Llorente Junio 2008 - Centro de Estudios Hidrográficos ...
Irene Pérez Llorente Junio 2008 - Centro de Estudios Hidrográficos ...
Irene Pérez Llorente Junio 2008 - Centro de Estudios Hidrográficos ...
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
Figura 67. Filtro <strong>de</strong><br />
Coocurrencia <strong>de</strong> Contraste<br />
Figura 68. Filtro Coocurrencia<br />
<strong>de</strong> Entropía<br />
Figura 69. Filtro <strong>de</strong><br />
Coocurrencia <strong>de</strong> Desemejanza<br />
Figura 70. Filtro <strong>de</strong> Coocurrencia <strong>de</strong> Figura 71. Filtro <strong>de</strong> Coocurrencia Segundo<br />
Momento <strong>de</strong> Correlación<br />
Los filtros <strong>de</strong> ocurrencia y coocurrencia no resultan útiles, ya que las imágenes <strong>de</strong><br />
trabajo no presentan ninguna textura específica que pueda ser analizada mediante este<br />
tipo <strong>de</strong> tratamientos.<br />
5.2.2. Clasificación no supervisada<br />
Este tipo <strong>de</strong> clasificación agrupa los píxeles <strong>de</strong> un conjunto <strong>de</strong> datos basándose<br />
únicamente en las estadísticas, sin ninguna clase <strong>de</strong> entrenamiento <strong>de</strong>finida por el<br />
usuario. En concreto calcula las medias <strong>de</strong> las clases distribuidas uniformemente en el<br />
espacio para posteriormente agrupar el resto <strong>de</strong> píxeles usando técnicas <strong>de</strong> mínima<br />
distancia. Cada iteración vuelve a calcular las medias hasta que el número <strong>de</strong> píxeles <strong>de</strong><br />
cada clase cambia menos que el umbral <strong>de</strong> clase seleccionado o se alcanza el máximo<br />
número <strong>de</strong> iteraciones.<br />
Todos los píxeles son clasificados en la clase más cercana salvo que se especifique<br />
un umbral <strong>de</strong> <strong>de</strong>sviación estándar o distancia.<br />
Los dos métodos disponibles <strong>de</strong>s<strong>de</strong> ENVI son:<br />
- “K-Means”: asume que el número <strong>de</strong> agrupaciones es conocido a priori. Por esta<br />
razón es muy sensible a los valores iniciales, que modifican enormemente los<br />
resultados <strong>de</strong> la clasificación, aunque las diferencias en el Error Cuadrático<br />
Medio sean bastante pequeñas.<br />
70