Un nuevo enfoque para la clasificación de imágenes multiespectrales basado en complejos cartesianos

A new approach to multispectral image classification based on abstract complex cells

El presente artículo propone un nuevo enfoque de clasificación de imágenes que utiliza como representación del espacio complejos cartesianos libre de ambigüedad en las relaciones topológicas. El enfoque propuesto comprende seis fases: (i) conversión de la imagen convencional al espacio de complejos cartesianos; (ii) transformación a niveles de grises; (iii) producción de super-píxeles basada en la transformada de cuenca; (iv) producción del espacio de textura aprovechando elementos inter-pixel 1-dimensionales; (v) clasificación mediante máquinas de soporte vectorial; y (vi) evaluación de los resultados. Aunque la exactitud temática de la clasificación a partir del nuevo enfoque mejora la exactitud obtenida con una representación convencional del espacio, la prueba de confianza indica que esa mejoría no es estadísticamente significativa. Sin embargo, el nuevo enfoque puede ser fortalecido en el futuro mediante la incorporación de técnicas para mejorar la definición de límites entre cuencas utilizando valores de probabilidad y espacios de textura multiescala.

This article proposes a new approach to image classification using a space representation as a Cartesian complex free of ambiguity in the topological relationships of adjacency, connectivity, and boundary. The proposed model comprises six phases: (i) image conversion from the conventional space into the Cartesian complex space; (ii) greyscale transformation, (iii) super-pixel space production based on watershed transform, (iv) texture space production taking advantage of 1-dimensional interpixel elements, (v) classification using support vector machines and (vi) results quality assessment. Although global accuracy of the proposed classification improves accuracy of results obtained with a conventional representation of space, the confidence test shows that this improvement is not statistically significant. However, the new approach can be further strengthened by incorporating techniques to improve boundaries definition between watersheds based on probability values as well as using spaces of multiscale texture.