Clasificación de imágenes de satélite de alta dimensionalidad

Abstract

En 1972 la NASA(National Aeronautics and Space Administration) ponía en órbita el Landsat 1, originalmente llamado "Earth Resources Technology Satellite 1", comenzando así la era de la Teledetección. (En 2013, se lanzaba el Landsat 8). Existen diversos campos de aplicación de las imágenes hiperespectrales correspondientes a teledetección como puede ser el análisis de la cobertura terrestre, con el objetivo de clasificar las distintas zonas de la imagen, o el estudio de los océanos para poder encontrar las relaciones entre la profundidad del agua, el tipo de fondo y otras propiedades ópticas del agua. La clasicación consiste en la asignación de una determinada etiqueta de clase (tierra, agua, tejado, ...) a cada píxel, y constituye uno de los campos más activos de la teledetección. Las técnicas de teledetección se enfrentan a varios problemas debidos a la escasez de muestras etiquetadas y a la alta dimensionalidad de las imágenes, lo que dificulta el proceso de clasicación. Debido al gran avance que se está llevando a cabo en el campo de los sensores, cada vez disponemos de más datos por imagen, lo que obliga a mejorar las técnicas de clasicación de las imágenes hiperespectrales, imágenes en las que se dispone de cientos de valores de reflectancia por cada píxel. Por otra parte, y a pesar del avance de los sensores, la resolución de los mismos no es lo su ficientemente alta como para que en un único píxel se encuentre presente solamente un material. Con este trabajo se pretende desarrollar una aplicaci ón en el cual se puedan analizar las caracter ísticas de las im ágenes hiperespectrales, aplicar distintas técnicas de clasicación de imágenes multidimensionales y comparar los resultados de las distintas configuraciones.Utilizando la metodología Scrum desarrollaremos una aplicación fácil, intuitiva y útil que permita al usuario trabajar con imágenes hiperespectrales y configurar distintos escenarios con el fin de obtener una buena clasicación