Métodos de clasificación temáticos: Datos espectrales a Información temática.

La clasificación temática buscar generar y e identificar agrupaciones o clústeres de píxeles en un espacio multidimensional de atributos, estos grupos corresponden a respuestas o patrones espectrales7 _{definidos y se espera que correspondan a coberturas sobre la} superficie terrestre8_{. Aplicamos procesos de clasificación para darle sentido y orden al} ambiente que nos rodea buscando reducir la multiplicidad de un fenómeno a un relativo pequeño número de clases generales (Tso & Mather, 2009). La clasificación seria la fase culminante del procesamiento digital de imágenes, e implica el desarrollo y aplicación de diferentes criterios de decisión que permiten desarrollar una generalización temática, que mediante la categorización convierte la información cuantitativa de una imagen en información cualitativa : MAPA TEMÁTICO (Salinero, 2002a).

Para generar información temática, un mapa de cobertura o de cambio de las coberturas, los píxeles individuales que conforman la imagen deben ser discretizados o agrupados en categorías de interés que son definidas por el intérprete de acuerdo a sus objetivos y necesidades. Este agrupamiento de píxeles se realiza de forma tradicional mediante un proceso de agrupamiento de datos estadístico (clustering) en el que cada píxel es asignado a un grupo o categoría de acuerdo a su correspondientes niveles digitales, ver Ilustración 5, es decir se realiza una clasificación basada en el patrón o respuesta espectral de píxeles individuales (Salinero, 2002a).

Ilustración 5. Esquema de una clasificación basada en píxeles. (Jensen, 2009b)

7 _{El termino patrón espectral se refiere a un conjunto de observaciones de la radiancia de un mismo píxel obtenidas en}

diferentes longitudes de onda (Yang & Li, 2012).

8 _{Cobertura hace referencia a al tipo de característica presente en la superficie terrestre: Vegetación, suelo, roca y agua son}

ejemplo de coberturas. Uso hace referencia a la actividad humana o función económica asociada con una porción del territorio. Idealmente Cobertura y uso se presentan en mapas temáticos independientes.(Lillesand, Kiefer, & Chipman, 2004)

El anterior enfoque de clasificación basado en píxel, respuesta espectral o reconocimiento de patrones espectrales (Lillesand, Kiefer, & Chipman, 2004) corresponde a la forma tradicional de extracción de información temática en imágenes satelitales y se emplea de forma generalizada en todo tipo de proyectos desde los inicios de la interpretación de imágenes asistida por computador en la década de los setenta (Jensen, 2009a; Salinero, 2002a).

Existen igualmente métodos alternativos de clasificación (Hussain et al., 2013; Jensen, 2009a; Salinero, 2002a; Tso & Mather, 2009; Weng, 2011; Yang & Li, 2012), los cuales son el resultado de investigaciones académicas involucradas en el campo del procesamiento. Dichos procedimientos buscan la implementación de métodos de clasificación que involucren técnicas alternativas de asignación de píxeles a la tradicional basada en respuesta espectral. Resultado de estas son métodos de clasificación como los clasificadores difusos, clasificadores subpíxel, la aplicación de redes neuronales o los clasificadores de contexto orientados al reconocimiento de patrones espaciales donde se consideran aspectos como la textura, proximidad, forma entre otros, buscando replicar el tipo de proceso de síntesis realizado en un proceso de interpretación visual. Si bien dichos experimentos de clasificación muestran algunas veces resultados prometedores en aplicaciones puntuales no existe una metodología alternativa, general, oportuna y eficaz de clasificación que sea reconocida, aceptada e implementada satisfactoriamente en los trabajos de procesamiento de imágenes (Thomas Blaschke & Strobl, 2001).

2.1.3.1. Reconocimiento de patrones.

El objetivo de los métodos de reconocimiento de patrones es determinar qué características describen las categorías temáticas presentes en la imagen. Un patrón es un conjunto de medidas realizadas de un objeto, que puede ser descrito matemáticamente como un vector de medidas. Los métodos de reconocimiento de patrones buscan determinar un conjunto de métricas que permitan establecer por comparación a datos de referencia (métodos supervisados) o similitud entre los patrones en la imagen (métodos no supervisados) las reglas o límites de decisión que delimitan los grupos espectrales de interés a los vectores de medida en una imagen multiespetral: los píxeles representados por un vector que consiste en un vector de medidas, una por cada banda, así como otras medidas como texturas (Tso & Mather, 2009).

Los procesos de reconocimiento de patrones mediante aprendizaje de máquina (Machine Learning) buscan convertir los datos en información mediante la extracción de reglas o patrones a partir de esos datos. A partir de un conjunto de datos se pueden utilizar técnicas de aprendizaje automático para construir un modelo que describa dichos datos. Si nuestro interés fuera ver como los datos se agrupan entorno a ciertos valores un algoritmo de agrupamiento (clustering) sería la opción adecuada, pero si se quiere aprender a predecir el valor de un parámetro en función de otro, un algoritmo clasificador sería apropiado. Es

por ello que los algoritmos de aprendizaje automático analizan las características de los datos y a continuación ajustan los pesos, umbrales y otros parámetros para maximizar el rendimiento, exactitud del clasificador, de acuerdo a los requerimientos. Este proceso de ajuste de parámetros para cumplir un objetivo es lo que se denomina aprendizaje (Kaehler & Bradski, 2014).

2.1.3.2. Algoritmos Machine Learning.

Los algoritmos de Machine Learning mas empleados según (Kaehler & Bradski, 2014; Tso & Mather, 2009) son: Maquinas de soporte vectorial (SVM), Árboles de decisión (DT), Bosques Aleatorios (RF) y, K-Vecinos más Cercanos (Knn). Cada uno de estos clasificadores no paramétricos de aprendizaje cuentan con diferentes conjuntos de características o parámetros, como la capacidad para gestionar las mediciones faltantes o variables de entrada categóricas. Sin embargo no hay un "mejor" clasificador, pues promediando sobre todos los posibles tipos de distribuciones de datos, todos los clasificadores generarían el mismo resultado (Kaehler & Bradski, 2014). A este problema de optimización en técnicas de Machine Learning se le denomina el teorema de “No hay Almuerzo Gratis” ("No Free Lunch Theorems for Optimization") (Wolpert & Macready, 1997).

Con cualquier distribución de datos dada o conjunto de distribuciones de datos hay generalmente un mejor clasificador que otro. Clasificadores diferentes tienen diferentes propiedades a lo largo de las diferentes dimensiones de la implementación del problema. No se puede elegir entre dos algoritmos sólo basándose en lo bien que trabajaron con anterioridad y sin conocer nada sobre el dominio del problema. Por ello es importante tener conocimiento del tipo de problema, antes de aplicarle un algoritmo.

2.1.3.2.1. Máquinas de Soporte Vectorial (Suporting Vector

Machine SVM)

El algoritmo SVM es una alternativa de clasificación de imágenes, que permite obtener clasificaciones exactas a partir de un conjunto de muestras de entrenamiento reducidas (Addesso, Conte, Longo, Restaino, & Vivone, 2012; Lizarazo, 2008). El principal atractivo de SVM es su capacidad de minimizar los errores de clasificación, creando un hiperplano entre cada par de clases, ver Ilustración 6, de tal manera que maximiza la distancia entre los vectores de soporte de cada clase (Buddhiraju & Rizvi, 2010; Chethan, Kumar, & Raghavendra, 2009; Tso & Mather, 2009). Si no es posible construir ese hiperplano en el espacio espectral original, la separación se realiza en un espacio espectral de dimensión más alta (Addesso et al., 2012).

Ilustración 6 Construcción de los hiperplanos de separación para un conjunto de dos muestras.

Tomado de http://samuelabad1991.blogspot.com.co/2014/02/analisis-con-maquinas-de-vectores.html

Para efectos prácticos se acostumbra a emplea una función de mapeo no lineal denominada kernel, seleccionada entre las Funciones Polinomiales, las Funciones de Base Radial, las Funciones de Bases Radial Gausianas y las Funciones Sigmoidales, donde las funciones gaussianas son las más empleadas dados sus mejores resultados frente a otro tipo de funciones en la solución de problemas no lineales. Sin embargo se requiere la definición adecuada de parámetros C, el parámetro que controla la influencia de cada vector de soporte individual, y Sigma, que es el parámetro libre de la función de base radial gaussiana y que está asociada a la varianza o influencia de cada vector de soporte, lo que finalmente determina el sesgo y varianza del modelo (Tso & Mather, 2009). No existe una forma única de definir o establecer estos parámetros, por lo que su definición requiere de procesos de optimización iterativos, ver Ilustración 7, donde el usuario puede determinar a conveniencia su aplicacion.

A B Ilustración 7 Comparación de los resultados de una clasificación con una función SVM

Kernel Gaussiano Base Radial para dos clases verde y rojo, con cada punto como muestra (A) C: 0.05 y Sigma: 1.0, (B) C: 0.05 y Sigma: 2.5, (C) C: 1.5 y Sigma: 1.0 y (D)

C: 1.5 y Sigma: 2.5.

Tomado de: http://cs.stanford.edu/people/karpathy/svmjs/demo/

2.1.3.2.2. Árboles de Decisión (Decision Tree - DT)

El algoritmo DT es una técnica que construye una serie de reglas basadas en los valores de los atributos de una muestra de entrenamiento, para asignar una clase a cada uno de los objetos de interés mediante una función objetivo, ver Ilustración 8, la cual es conocida informalmente como un modelo de clasificación (Tan, 2007). Este modelo sirve como herramienta explicativa para distinguir entre objetos de diferentes clases.

Ilustración 8 Árbol de decisión a partir de datos multiespectrales para la clasificación de áreas de Bosque y No Bosque. IRC (Banda Espectral del Infrarrojo Cercano) A_1 (banda espectral del azul).

Fuente: Autor.

2.1.3.2.3. Bosques Aleatorios (Ramdon Forest RF)

El algoritmo RF es una técnica de clasificación que se basa en la agregación de un gran número de árboles de decisión (Boulesteix, Janitza, Kruppa, & König, 2012), bajo la premisa de que la combinación de muchos árboles es a menudo más exacta que depender de tan solo un árbol (Lizarazo, 2010). Al igual que DT, RF emplea Gini como medida de impureza para seleccionar el corte de decisión con la impureza más baja en cada nodo, cada árbol emplea un conjunto diferente de m atributos para construir las reglas de partición, ver Ilustración 9, y una agregación de las predicciones de cada árbol se utiliza como la predicción final. (Khalilia, Chakraborty, & Popescu, 2011).

Ilustración 9. Simplificación ilustrada del concepto de Bosques Aleatorios (Random Forest). (Breiman, 2001)

2.1.3.2.4. K-Vecinos mas Cercanos (K-Nearest Neighbors – Knn)

Es el clasificador discriminativo más simple. Los datos de entrenamiento se almacenan simplemente con etiquetas, a partir de allí el elemento se asigna a clase temática de acuerdo con el voto de la mayoría de otros puntos de muestra más cercanos k (empleado una distancia euclidiana). Este es probablemente el procedimiento más simple de clasificación que puede realizar. Es un método eficaz, pero es lento y requiere mucha memoria (Kaehler & Bradski, 2014). En el caso de la Ilustración 10 el cuadrado verde representa la muestra a clasificar y debe ser clasificado en estrella roja o triángulo azul. Es obvio que se clasifica en triángulo azul mientras k se fija en 5, ya que la probabilidad de clasificarlo en triángulo azul es 60%, una probabilidad mayor que clasificarlo como una estrella roja 40%. Mientras que si k se fija a 10, el cuadrado verde se clasifica en estrella roja, pues esta probabilidad es de 60%, mientras que la probabilidad de clasificarlo en triángulo azul es de 40% (Wu, Cui, Sheng, Shi, & Zhao, 2014).

Ilustración 10. Principio del algortimo Knn

2.1.4. La imagen concebida más allá del píxel: