IPICIM: módulo clasificador de imágenes ópticas multiespectrales aplicado al área de geociencias

Abstract

"En años recientes con la creación de la Agencia Espacial Mexicana (AEM) y su intención de incursionar en el sector aeroespacial, se han propiciado las condiciones adecuadas para la investigación y desarrollo de tecnología y capacidades nacionales en el ámbito aeroespacial. En este trabajo, se reporta el diseño e implementación de módulos computacionales para el procesamiento de datos adquiridos mediante sistemas satelitales ópticos multi-espectrales dedicados a la observación y monitoreo de la superficie terrestre. El sistema IPICIM (formado por las siglas IPI de Instituto Potosino de Investigación y CIM de Clasificador de Imágenes Multi-espectrales) permite trabajar con todos los satélites de la familia Landsat (L1-L8), como primer requisito solicitado por la AEMCONACYT con la posibilidad de expandir su rango de operación a otros sistemas ópticos multi-espectrales. Se diseñaron e implementaron módulos especializados para el tratamiento de los datos en dos categorías principales: el pre-procesamiento consistente en la corrección de errores, adecuación y depuración de datos, y como segunda etapa la generación de contenidos digitales encargada de la elaboración de mapas temáticos y procesos dedicados de clasificación de la información. Los clasificadores con los que cuenta el IPICIM son del tipo supervisado, no supervisado y se presenta una propuesta de modelo basado en el uso de redes neuronales y autoaprendizaje a partir de dos librerías digitales de firmas espectrales, la primera formulada por los laboratorios de JHU (Johns Hopkins University), JPL (Jet Propulsion Laboratory) y USGS (United States Geological Survey) y de una base de firmas espectrales nacional, la cual fue iniciada en este trabajo, actualmente se tienen aproximadamente 40 firmas espectrales relacionadas con aguas contaminadas, vegetación invasiva y diferentes tipos de roca/suelo. Los resultados obtenidos con el clasificador basado en redes neuronales y apoyado de las firmas espectrales sugieren que el desempeño del algoritmo aprovecha las ventajas de los clasificadores convencionales (supervisado y no supervisado) minimizando sus desventajas. El IPICIM fue evaluado y comparado con otros SIG (Sistemas de información geográfica) de paga (ENVI) y gratuitos (GRASS-Qgis) obteniendo resultados muy semejantes."

"In recent years, with the creation of the Mexican Space Agency (AEM) and its intention to get into the aerospace sector, have favored the right conditions for research in that field. In this work, we report the design and implementation of computational modules for the processing of data acquired through multi-spectral optical satellite systems dedicated to the observation and monitoring of the Earth's surface. The IPICIM system formed by the Spanish acronym IPI of Instituto Potosino de Investigacion (Investigation Institute of San Luis Potosi) and CIM of Clasificador de Imágenes Multiespectrales (Multi-Spectral Images Classifier), allows to work with every single satellite of the Landsat family (L1-L8), as the first requirement set by the AEM-CONACYT, with the possibility of expanding its operation range to other multispectral optical systems. Specialized modules for data processing were designed and implemented in two main categories: consisting pre-processing on error correction, data adequacy and debugging, and as the second stage the generation of digital content in charge of thematic maps and dedicated classification processes. The IPICIM classifiers are: the supervised, unsupervised and a proposed model based on the use of neural networks and self-learning is presented. The last one using two digital databases of spectral signatures, the supervised formulated by the JHU laboratories (Johns Hopkins University, JPL (Jet Propulsion Laboratory) and USGS (United States Geological Survey) and the second one from a national spectral signature base, which was started in this work, currently it is conformed by approximately 40 spectral signatures related to contaminated water, invasive vegetation and different types of rock / soil. The results obtained with the neural network based classifier and supported by the spectral signatures suggest that the algorithm performance takes advantage of the conventional classifiers (supervised and unsupervised) minimizing its disadvantages. The IPICIM was evaluated and compared with other GIS (Geographical Information Systems) of payment (ENVI) and free (GRASS-Qgis) obtaining very similar results."