Fusión de imágenes utilizando la transformada wavelet para la evaluación y análisis multitemporal del cauce del Río Meta en la zona de Puerto López, Colombia

Este artículo presenta los procesos de la investigación basada en una clasificación temática de imágenes Landsat, mejoradas por medio de la fusión de imágenes multiespectrales, con su respectiva pancromática. El propósito, además de evaluar los métodos utilizados, fue apreciar el cambio que ha sufri...

Full description

Autores:
Tipo de recurso:
Trabajo de grado de pregrado
Fecha de publicación:
2017
Institución:
Universidad Distrital Francisco José de Caldas
Repositorio:
RIUD: repositorio U. Distrital
Idioma:
spa
OAI Identifier:
oai:repository.udistrital.edu.co:11349/7874
Acceso en línea:
http://hdl.handle.net/11349/7874
Palabra clave:
Fusión
Imágenes
Clasificación
Wavelet
Río
Meta
Ingeniería Catastral y Geodesia - Tesis y disertaciones académicas
Cartografía - Meta (Río, Colombia)
Imágenes de detección a distancia - Meta (Río, Colombia)
Geomática
Fusion
Image
Classification
Wavelet
River
Meta
Rights
License
Atribución-NoComercial-SinDerivadas 4.0 Internacional
Description
Summary:Este artículo presenta los procesos de la investigación basada en una clasificación temática de imágenes Landsat, mejoradas por medio de la fusión de imágenes multiespectrales, con su respectiva pancromática. El propósito, además de evaluar los métodos utilizados, fue apreciar el cambio que ha sufrido la zona aledaña al nacimiento del Río Meta a la altura de Puerto López, Meta-Colombia en los últimos 16 años. Para la fusión se usó la transformada Wavelet, el cual extrae información de detalles espaciales de la pancromática para incorporarla en las bandas multiespectrales. A las imágenes fusionadas se les aplicó el método clasificador supervisado de árboles de decisión; este trabaja bajo el principio de discriminación diferencial de los rangos espectrales de cada una de las coberturas en las bandas multiespectrales. Como resultado se obtuvieron cinco mapas temáticos que ilustran los cambios de áreas relativas con una precisión en la clasificación de 93.02%, frente a un 74.08% de la imagen sin fusión..