NAME
i.smap - Modulo para hacer clasificación contextual
de imágenes mediante estimación secuencial máxima
a posteriori (SMAP).
(GRASS Imagery Program)
USO
i.smap
i.smap help
i.smap [-mq] group=name subgroup=namesignaturefile=name
[blocksize=value] output=name
DESCRIPCION
Se usa para dividir imágenes multiespectrales mediante un modelo
de clases espectrales denominado Gaussian mixture distribution. Incluyendo
como caso particular distribuciones gaussianas multivariantes convencionales.
Por tanto este módulo puede utilizarse también para clasificar
imágenes multiespectrales basadas simplemente en la media y la covarianza.
i.smap
tiene dos modos de operar.
El primero es el modo SMAP que trata de mejorar la precisión
de la clasificación dividiendo la imagen en regiones en lugar de
clasificar cada pixel por separado (ver NOTAS).
El segundo es la clasificación de máxima verosimilitud.
Opciones:
-
-m
-
Usar máxima verosimilitud en lugar de SMAP.
-
-q
-
Ejecución silenciosa, sin mensajes acerca del progreso del modulo.
Parametros:
group=name
Grupo de imágenes
subgroup=name
Subgrupo de imágenes
signaturefile=name
Fichero de signaturas espectrales obtenido con el módulo
i.gensigset
(ver NOTAS).
-
blocksize=value
-
Tamaño de la subventana que se utiliza para leer los datos (por
defecto: 128). Este módulo se ha diseñado para no consumir
excesiva memoria sin que por ello se vea afectada la clasificación.
Esta opción determina la cantidad de memoria que va a usarse. Una
ventana grande implica más memoria y mayor velocidad de ejecución.
Aunque dependiendo siempre de la cantidad de memoria real disponible en
el sistema y de la cantidad de memoria virtual que utilice el programa.
-
El parámetro de suavizado que utiliza el algoritmo se calcula en
cada subventana por separado. Si la imagen tiene regiones con comportamiento
cualitativamente distinto puede ser conveniente utilizar subventanas de
tamaño adecuado para tener valores diferentes en regiones diferentes.
-
-
El tamaño de la submatriz no influye sobre la ejecución del
método de máxima verosimilitud.
-
output=name
-
Mapa resultante que contiene la clasificación obtenida.
INTERACTIVE MODE
If none of the arguments are specified on the command line,
i.smap
will interactively prompt for the names of the maps and files.
NOTAS
El algoritmo SMAP utiliza el hecho de que celdillas cercanas tienen mayor
probabilidad de pertenecer a la misma clase. Funciona dividiendo la imagen
a varias escalas y utilizando las más groseras para guiar a las
más finas. Además de reducir el número de clasificaciones
erroneas, SMAP generalmente produce clasificaciones con regiones conectadas
mayores.
El grado de suavizado que se produce en la clasificación depende
del comportamiento de los datos. Si estos sugieren que celdillas cercanas
tienen elevada probabilidad de pertenecer a clases diferentes el algoritmo
reducira el suavizado.
REFERENCIAS
-
C. Bouman and M. Shapiro, "Multispectral Image Segmentation
using a Multiscale Image Model," Proc. of IEEE Int'l Conf. on Acoust.,
Speech and Sig. Proc., pp. III-565 - III-568, San Francisco, California,
March 23-26, 1992.
-
C. Bouman and M. Shapiro 1994, "A Multiscale Random
Field Model for Bayesian Image Segmentation,"IEEE Trans. on Image Processing.,
3(2), 162-177"
-
McCauley, J.D. and B.A. Engel 1994, "Comparison of Scene
Segmentations: SMAP, ECHO and Maximum Likelyhood,"IEEE Trans. on Image
Processing., 6(2), 1-4"
VER
i.group
i.gensigset
AUTORES
Charles Bouman, School of Electrical Engineering, Purdue University
Michael Shapiro, U.S.Army Construction Engineering Research Laboratory