Análisis Comparativo De Métodos De Clasificación De Imágenes De Alta Resolución Espacial Para Generación De Geoinformación Temática A Escala Detallada

Actualmente, Gran Parte De La Geoinformación Temática (Cobertura, Índices De Vegetación, Topografía, Etc.) Aún Es Generada A Partir De Imágenes Satelitales O Fotografías Aéreas De Varios Metros De Resolución Espacial, Esto Impide Obtener Geoinformación A Escala Detallada. En Diversos Proyectos Enfocados En Investigación, Planificación Territorial Y Otras Temáticas, La Geoinformación A Escala Detallada Es Vital Para La Toma De Decisiones Basada En Una Representación Más Próxima A La Realidad. Adicionalmente, La Geoinformación Detallada Da La Posibilidad De Incursionar En Aplicaciones Que Requieren Mucha Precisión Como La Planificación Territorial A Detalle, Sanidad Vegetal, Cuantificación De Especies Vegetales, Etc. Por Otra Parte Diferentes Plataformas Provistas De Sensores, Están Cada Vez Más, Capturando Imágenes Multiespectrales Con Alta Resolución Temporal, Y Alta Resolución Espacial En El Orden De Los Centímetros. Sin Embargo, El Procesamiento De Esta Gran Cantidad De Imágenes Trae Consigo Nuevos Retos Debido Principalmente A La Gran Cantidad De Pixeles Obtenidos En Múltiples Capas. En Este Contexto Resulta Importante Comparar Diferentes Métodos: Tradicionales Y Nuevas Tendencias, Y Evaluar Los Resultados Del Proceso De Clasificación De Imágenes Con Fines De Cartografía Temática; Considerando En El Procesamiento, Posibles Nuevos Requerimientos En Cuanto A Computación De Alto Rendimiento. El Objetivo De Esta Investigación Es Comparar Diferentes Métodos De Clasificación De Imágenes De Alta Resolución Espacial, Para La Generación De Geoinformación Temática A Escala Detallada Y Evaluar Los Resultados En Términos De Precisión Y Eficiencia Computacional, Para Dotar De Geoinformación Temática Más Precisa A Los Tomadores De Decisiones. Los Métodos A Comparar Consideran Algoritmos Basados En Pixel, Análisis De Imágenes Basado En Objetos (Obia), Y Uso De Técnicas De Inteligencia Artificial Específicamente Algoritmos De Deep Learning. Metodológicamente Se Trabajará Con Un Caso De Estudio Sobre La Región Interandina Ecuatoriana Para La Generación De Geoinformación De Cobertura A Partir De Ortoimágenes Multiespectrales (Rgb E Infrarrojo Cercano), De 10 Cm De Tamaño De Pixel. Estas Imágenes Provienen De Vuelo Aerofotogramétrico Efectuado Por La Empresa Stereocarto En El 2012, Actualmente Reposan En El Repositorio Del Promas-Universidad De Cuenca Y Están Disponibles Para Fines De Investigación. Los Resultados Obtenidos De Cada Método De Clasificación Se Validará Contrastando: El Tiempo Computacional; Y Su Precisión En La Medida Que Reflejen La Realidad, Utilizando Geoinformación Pre-Existente (Cobertura, Curvas De Nivel, Etc. Escala 1:1000) De La Misma Fecha Del Vuelo, Que Ha Sido Validada Con Trabajo De Campo Por Técnicos Expertos Del Dominio. Esta Investigación Permitirá Profundizar En La Eficiencia De Los Algoritmos De Clasificación Aplicados Sobre Imágenes De Alta Resolución De La Región Interandina Ecuatoriana. Además, Diferentes Métodos De Clasificación Analizados, Serán Implementados Como Un Prototipo De Software (Usando Herramientas Opensource) Para Que Potencialmente Puedan Ser Ejecutados Sobre Otras Imágenes De Entrada Y De Esta Forma Proveer A Los Expertos Del Dominio O Tomadores De Decisiones De Una Herramienta Que Le Permita La Mejor Elección Para La Generación De Geoinformación Temática A Escala Detallada. El Principal Aporte Al Estado Del Arte Constituye La Posibilidad De Sugerir El Método Más Apropiado Para Generar Geoinformación Temática Detallada Al Trabajar Con Imágenes De Alta Resolución Espacial De Zonas Montañosas. Finalmente El Proyecto De Investigación Realizará La Difusión De Los Resultados Parciales Y/O Finales En Congresos Nacionales E Internacionales Con Proyección A Difusión En Revistas Con Factor De Impacto.