Este documento muestra las posibilidades de realizar análisis de imágenes usando el software estadístico R. Se ilustra, paso a paso, el uso de tres técnicas diferentes, distancia Mahalanobis, árboles de decisión y máquinas de soporte vectorial, para realizar una clasificación supervisada de la cobertura del suelo. En su desarrollo, se utiliza una imagen de juguete (144 pixeles) que consta de cuatro bandas espectrales. Se simula un mapa raster con las clases de cobertura existentes en el terreno con el objeto de obtener muestras de entrenamiento y de validación. La exactitud temática de los resultados se evalúa usando la matriz de error. El lector puede usar este tutorial como referencia para realizar sus propios análisis basados en imágenes reales.

Esta es la tercera versión de un tutorial de procesamiento de imágenes de sensores remotos usando GRASS GIS versión 7.0. En esta nueva versión, además de ampliar las secciones incluídas en la versión anterior, se profundiza en la interacción entre GRASS GIS y el software estadístico R.

Este tutorial explica paso a paso como utilizar GRASS GIS para ejecutar diversas tareas de procesamiento digital de imagenes incluyendo: correccion atmosferica, analisis de componentes principales, obtencion de indices de vegetacion y clasificacion supervisada y no supervisada de la cobertura del suelo.

Este documento es una introducción al procesamiento de imágenes de sensores remotos usando GRASS GIS versión 7.0.

The objective of this paper is to determine whether the metric and thematic values generated from raster-based image objects are significantly different from “true” values provided by existing vector data sets.

Este documento muestra ejemplos de utilización práctica de algunas funciones que permiten manejar información raster en PostGIS. Los ejemplos han sido probados en una instalación de PostgreSQL 9.1 y PostGIS 2.0.0 en el sistema Windows 7.

Tutorial created by Rebecca Bennett for the 3D Archaeology Summer School in Durham, 17-19th June 2010. It comprises several tasks to familiarise yourself with both QGIS and the GRASS plugin as well as to introduce GRASS as a tool for processing lidar data.

En el siguiente tutorial se encuentra descrito el proceso para trabajar con información Raster en PostGIS 2.0 sobre plataforma Windows.

El presente documento examina los conceptos teóricos que permiten entender la utilidad de las redes neuronales multicapa en la clasificación de imágenes. Igualmente, el se explica el algoritmo matemático del método de retropropagación (back-propagation) que puede utilizarse para entrenar dichas redes y clasificar patrones que no pueden separarse mediante una superficie lineal. Los resultados de la aplicación del algortimo usando un programa de álgebra computacional son comparados mediante el uso de un simulador de redes neuronales (neural).

Dada la complejidad cada vez mayor de la información satelital, se hace necesario un replanteo de las marcos conceptuales que encuadran a los sistemas de clasificación de usos de la tierra, en relación a su enseñanza.

Aprenda a utilizar GRASS y familiarícese con su entorno conociendo su instalación, creando bases de datos, importando y exportando varios formatos y visualizando imágenes con varias composiciones de color. Aprenda de su procesamiento, a georreferenciarlas, a hacer transformaciones y clasificación no supervisada.

Breve descripción sobre energía y su interacción con la superficie terrestre. Características de las imágenes MASTER. Composiciones en color verdadero y falso.