Detección de vías de acceso con imágenes satelitales en la amazonía peruana utilizando GLCM y SVM

• Autor: Becerra Becerra, Daleshka Joselin
• Formato: tesis de grado
• Fecha de Publicación: 2022
• Institución: Universidad Nacional de San Agustín
• Repositorio: UNSA-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.unsa.edu.pe:20.500.12773/15309
• Enlace del recurso: http://hdl.handle.net/20.500.12773/15309
• Nivel de acceso: acceso abierto
• Materia: Vías de acceso; GLCM; Support vector machine (SVM); Haralick; Amazonía; Deforestación; https://purl.org/pe-repo/ocde/ford#2.02.04

En el presente trabajo de tesis, se propone una técnica computacional para la detección automática de vías de acceso en la Amazonía peruana, las cuales pueden estar vinculadas a actividades de deforestación, como son la agricultura, la tala ilegal, la minería informal, estas actividades constituyen un riesgo para la zona. La técnica propuesta se basa en el análisis de texturas a partir de imágenes satelitales, con la identificación de patrones y la clasificación de las imágenes, lo que permite obtener una estimación visual automática de manera rápida y eficiente. En la primera etapa de identificación de patrones, en el análisis de texturas se utilizan las características de Haralick y la Matriz de Co-ocurrencia en niveles de gris (GLCM), en las imágenes segmentadas, se obtienen los índices de texturas, estos datos son estadísticos, estas características se almacenarán. En la etapa de clasificación se utilizarían los resultados obtenidos en la primera etapa, se procedería a realizar la clasificación mediante un modelo de aprendizaje supervisado (Support vector machine) y se validarán los resultados por medio de la matriz de confusión, luego se realizará el análisis de los resultados, el cual será la salida del sistema. Finalmente se distingue una fase de pruebas en la cual se utiliza otro conjunto de imágenes, conocido como conjunto de prueba, para determinar la efectividad del modelo, los cuales muestran ser prometedores.