NOMBRE
i.cluster - Genera agrupaciones de celdillas y sus correspondientes
signaturas espectrales mediante el uso de un algoritmo de clasificación
no supervisado asado en técnicas de estadística multivariante.
El fichero de signaturas resultante puede ser utilizado como fichero de
entrada a i.maxlik para generar
una clasificación no supervisada de las imágenes.
(GRASS Image Processing Program)
USO
i.cluster
i.cluster help
i.cluster [-q] group=name subgroup=namesigfile=nameclasses=value
[seed=name] [sample=row_interval,col_interval]
[iterations=value] [convergence=value] [separation=value]
[min_size=value] [reportfile=name]
DESCRIPCION
i.cluster realiza el primer paso en el proceso de clasificación
no supervisada de una imagen de satélite, el módulo i.maxlik
ejecuta el segundo.
El algoritmo de clasificación que utiliza i.cluster lee
las celdillas de la imagen y construye agrupaciones basadas en la semejanza
de sus respuestas espectrales. Cada una de las agrupaciones generadas constituye
una clase espectral cuya relación con una clase informacional (usos
del suelo, litología, etc.) debe establecerse postriormente.
La forma en la que el algoritmo de agrupación trabaja, depende
de seis parámetros que debe introducir el usuario:
-
Número inicial de clases que van a discriminarse
-
Tamaño mínimo de una agrupación
-
Distancia mínima entre agrupaciones
-
Tanto por ciento de area cubierta por el conjunto de clases
-
Máximo número de iteraciones
-
Intervalo de muestreo en filas y columnas.
El número final de clases no tiene por que ser igual que el número
solicitado.
Las signaturas espectrales generadas por el módulo i.cluster
incluyen las medias y las matrices de covarianzas entre bandas. Pueden
ser posteriormente utilizadas por el módulo i.maxlik
para ejecutar la segunda fase en el proceso de clasificación de
imágenes. Las clases espectrales generadas por i.cluster
deben finalmente relacionarse con clases informacionales en el terreno.
OPCIONES
Puede ejecutarse de modo interactivo o no interactivo (todos los parámetros
introducidos en linea de comandos):
-
i.cluster [-q] group=name subgroup=namesigfile=nameclasses=value
[seed=name] [sample=row_interval,col_interval]
[iterations=value] [convergence=value] [separation=value]
[min_size=value] [reportfile=name]
where the group should contain the imagery files that the user wishes
to classify. The subgroup is a subset of this group. The user must
create a group and subgroup by running the GRASS program i.group
before running i.cluster. The subgroup should contain only the imagery
band files that the user wishes to classify. Note that this subgroup must
contain more than one band file. The purpose of the group and subgroup
is to collect map layers for classification or analysis. The
sigfile
is the file to contain result signatures which can be used as input for
i.maxlik.
The classes value is the initial number of clusters to be discriminated;
any parameter values left unspecified are set to their default values.
Alternatively, the program will be run interactively if the user types
only
i.cluster; in this case the program will prompt the user for
parameter values using the standard GRASS
parser.
Flags:
-
-q
-
Run quietly. Suppresses output of program percent-complete messages and
the time elapsed from the beginning of the program. If this flag is not
used, these messages are printed out.
Parametros:
-
group=name
-
Nombre del grupo de imágenes de satélite que se va a analizar.
-
subgroup=name
-
Nombre del subgrupo que contiene los mapas. Todos los mapas serán
incluidos en el análisis.
-
sigfile=name
-
Nombre del fichero de signaturas de las clases que podrá ser usado
como fichero de entrada por el módulo i.maxlik
para llevar a cabo una clasificación no supervisada.
-
classes=value
-
Número de agrupaciones que van a ser extraidas.
-
-
seed=name
-
Nombre de un fichero de signaturas que se utilizxará para comenzar
el análisis
-
-
of a seed signature file is optional. The seed signatures are signatures
that contain cluster means and covariance matrices which were calculated
prior to the current run of i.cluster. They may be acquired from
a previously run of i.cluster or from a supervised classification
signature training site section (e.g., using the signature file output
by i.class). The purpose of seed signatures
is to optimize the cluster decision boundaries (means) for the number of
clusters specified.
-
-
sample=row_interval,col_interval
-
Números opcionales para obtener una muestra manejable de pixels
(aproximadamente 10,000).
-
-
iterations=value
-
Número máximo de iteraciones que se va a permitir realizar
al módulo, el valor por defecto es 30. Si el proceso se detiene
por haber alcanzado este número máximo, el usuario debería
volver a ejecutar el módulo aumentando el número de iteraciones.
-
-
convergence=value
-
El porcentaje de convergencia indica la estabilidad de la solución
encontrada aelevado A high percent convergence is the point at which cluster
means become stable during the iteration process. The default value is
98.0 percent. When clusters are being created, their means constantly change
as pixels are assigned to them and the means are recalculated to include
the new pixel. After all clusters have been created,
i.cluster begins
iterations that change cluster means by maximizing the distances between
them. As these means shift, a higher and higher convergence is approached.
Because means will never become totally static, a percent convergence and
a maximum number of iterations are supplied to stop the iterative process.
The percent convergence should be reached before the maximum number of
iterations. If the maximum number of iterations is reached, it is probable
that the desired percent convergence was not reached. The number of iterations
is reported in the cluster statistics in the report file (see reportfile).
Default: 98.0
-
separation=value
-
Mínima separación que deben tener dos agrupaciones para ser
consideradas diferentes. EL valor por defecto es cero, el valor óptimo
depende de la imagen que este siendo analizada y del número final
de agrupaciones que se esperan. Su determinación requerirá
cierta experimentación, si se incrementa tambien debe incrementarse
el máximo número de iteraciones para conseguir alcanzar una
buena separación de clases con un alto porcentaje de cobertura.
-
-
min_size=value
-
Tamaño mínimo (en celdillas) que se permite tener a una agrupación
(Por defecto: 17)
-
reportfile=name
-
Parámetro opcional que contiene los resultados (estadísticos
para cada una de las agrupaciones de celdillas). Se incluye también
el porcentaje de convergencia para los clusters, número de iteraciones
y matriz de separabilidad.
NOTES
Si se ejecuta en linea de comandos, cuando el nombre del fichero de signaturas
exista ya lo sobreescribirá sin preguntar si debe hacerlo.
VER
GRASS Tutorial: Image Processing
i.class
i.group
i.gensig
i.maxlik
AUTORES
Michael Shapiro, U.S.Army Construction Engineering Research Laboratory
Tao Wen, University of Illinois at Urbana-Champaign, Illinois