Clasificación orientada a objetos en fotografías aéreas digitales para la discriminación de usos del suelo / Object-based classification in aereal digital photography for land-use discrimination / Clasificação orientada a objetos em fotografias aéreas digitais para a discriminação de usos do solo

RESUMEN

Las técnicas de clasificación tradicionales, basadas en rasgos de la imagen a nivel de píxel, presentan ciertas limitaciones, como lo son la aparición de un característico efecto "sal y pimienta" o su reducida capacidad para extraer objetos de interés. Éstas resultan especialmente problemáticas al aplicarse en imágenes de moderada o alta resolución. Una alternativa a dichos sistemas de clasificación pasa por un proceso previo de segmentación de la imagen. De esta forma se permite el trabajo con la imagen a nivel de objeto, lo cual amplía notablemente la cantidad de información que se puede extraer de la misma. En el presente estudio, el objetivo principal es obtener una clasificación digital de la interfase urbano forestal que pueda ser usada por los servicios contra incendios forestales. Para ello, se ha segmentado y clasificado una imagen aérea digital del sensor DMC, empleando el software eCognition, donde la formación de objetos tiene lugar de forma que la homogeneidad interna se mantiene constante. Los objetos resultantes sirven de base para la posterior clasificación. Se utilizaron fotografías aéreas digitales y datos de 350 parcelas en la provincia de Granada, España, para validar las clasificaciones, consiguiendo una precisión total del 90% y un excelente estadístico Kappa (85%) para la clasificación orientada a objetos.

ABSTRACT

Traditional classification techniques, basically pixel-based approaches, are limited. Typically, they produce a characteristic "salt and pepper" effect, and are unable to extract objects of interest. These techniques have considerable difficulties in dealing with the rich information content of medium and high-resolution images. One alternative to these classification systems can be a previous segmentation of the image to be classified. In this way, object-based classification can be performed so that a significant increase on the information that can be extracted is obtained. In the present work, the aim is to obtain a digital classification of wilderness-urban interface areas that can be used by fire management services. To this end, a digital aerial image provided by the DMC sensor was segmented and classified using eCognition software, which allows homogeneous image object extraction. The meaningful image objects obtained were then used for the classification. Segmentation before classification worked out as an efficient image analysis technique, overcoming traditional approaches limitations. Digital aerial photographs and data of 350 plots in Granada, Spain, were used to validate the classifications obtained; the overall classification accuracy of 90% and an excellent Kappa statistic (85%) for the object-based classification, proved the validity of this method.

RESUMO

As técnicas de clasificação tradicionais, baseadas em traços da imagen a nível de pixel, apresentam certas limitações, como são a aparição de um característico efeito "sal e pimenta" ou sua reduzida capacidade para extrair objetos de interesse. Estas resultam especialmente problemáticas ao serem aplicadas em imagens de moderada ou alta resolução. Uma alternativa a ditos sistemas de clasificação passa por um processo prévio de segmentação da imagem. Desta forma se permite o trabalho com a imagem a nível de objeto, o qual amplia notavelmente a quantidade de informação que pode ser extraida da mesma. No presente estudo, o objetivo principal é o de obter uma classificação digital da interfase urbano- florestal que possa ser usada pelos serviços contra incêndios florestais. Para isto, tem sido segmentada e classificada uma imagem aérea digital do sensor DMC, empregando o software eCognition, onde a formação de objetos tem lugar de forma que a homogeneidade interna se mantêm constante. Os objetos resultantes servem de base para posterior classificação. Utilizaram-se fotografias aéreas digitais e dados de 350 lotes na província de Granada, Espanha, para validar as classificações, conseguindo uma precisão total de 90% e uma excelente estatística Kappa (85%) para a classificação orientada a objetos.