Professional Documents
Culture Documents
FUNDAMENTOS DE PROCESAMIENTO
DIGITAL DE IMGENES DE SATELITE
TABLA DE CONTENIDO
Pgina
1. FUNDAMENTOS .............................................................................................................1
1.1 CONCEPTO DE IMAGEN MULTIESPECTRAL .................................................1
1.2 ANLISIS DE IMGENES MULTIESPECTRALES ...........................................2
1.3 PROCESAMIENTO DIGITAL.................................................................................3
1.3.1 Formatos de almacenamiento para imgenes multiespectrales ...............4
1.3.1.1 Formato BIP (Band interleaved by Pixel)...............................................4
1.3.1.2 Formato BIL (Band interleaved by line) .................................................5
1.3.1.3 Formato BSQ (Band Secuencial)............................................................5
1.4 Caractersticas de los Sistemas Digitales .............................................................5
1.4.1 Equipos (Hardware)...........................................................................................6
1.4.2 Programas (Software) .......................................................................................6
1.5 Caractersticas de los sistemas de PDI.................................................................7
1.5.1 Nmero de analistas y modo de operacin ...................................................8
1.5.2 Unidad Central de Proceso, coprocesador matemtico ..............................8
y memoria RAM............................................................................................................8
1.5.3 El Sistema Operativo y el Compilador............................................................9
1.5.4 Almacenamiento en Masa ................................................................................9
1.5.5 Resolucin del monitor......................................................................................9
1.5.6 Resolucin del color ........................................................................................10
2. CARACTERIZACIN ESTADSTICA DE LAS IMGENES ...................................10
2.1 HISTOGRAMA DE UNA IMAGEN........................................................................11
2.1.1 ENTROPIA ........................................................................................................11
2.1.2 VALOR MNIMO...............................................................................................13
2.1.3 VALOR MXIMO .............................................................................................13
2.1.4 MEDIA ARITMTICA. (Esperanza matemtica o valor esperado) ........13
2.1.5 VARIANZA ........................................................................................................14
2.1.6 DESVIACIN TPICA......................................................................................14
2.1.7 COVARIANZA ..................................................................................................15
2.1.8 COEFICIENTE DE CORRELACIN ............................................................15
2.1.9 HISTOGRAMA BIDIMENSIONAL .................................................................16
2.1.10 MATRIZ VARIANZA COVARIANZA ...........................................................18
3. PROCESAMIENTO DE IMGENES..........................................................................19
3.1 DISTORSIONES Y CORRECCIONES RADIOMTRICAS .............................19
ii
5.1.1 Adicin...............................................................................................................43
5.1.2 Sus traccin.......................................................................................................44
5.1.3 Producto ............................................................................................................45
5.1.4 Divisin o proporcin.......................................................................................46
5.1.5 ndice de Vegetacin......................................................................................46
5.2 COMPOSICIN EN COLOR................................................................................47
5.3 ANLISIS EN COMPONENTES PRINCIPALES..............................................48
6. CLASIFICACIN DE IMGENES MULTIESPECTRALES..................................49
6.1 CLASIFICACIN SUPERVISADA .....................................................................49
6.1.1 Seleccin de algoritmos apropiados para la clasificacin supervisada. .50
6.1.1.1 Paraleleppedo ..........................................................................................50
6.1.1.2 Distancia Mnima a la Media...................................................................53
6.1.1.3 Mxima probabilidad................................................................................54
6.2 CLASIFICACIN NO SUPERVISADA................................................................56
6.2.1 Presentacin pictrica de los datos sin analizar.........................................56
6.2.2 Definicin de las clases espectrales (entrenamiento)................................57
6.2.3 Representacin pictrica y tabular de la clasificacin..............................58
6.2.4 Evaluacin de los resultados de la clasificacin.........................................58
BIBLIOGRAFA ...................................................................................................................59
iv
1. FUNDAMENTOS
SISTEMA
FISICO
COMPARACION
ESCENA
DISPSITIVO
SENSOR
IMAGEN
MULTIESPECTRAL
ANALISIS DE LA
IMAGEN
FENOMENO DE
DEGRADACION
MODELO DEL
SISTEMA FISICO
INTEGRACION DE LA
INFORMACION RESULTANTE
pixel2
pixel 3
pixel 4
...................
B1
B2
B3
................
Fila 1
Fila 1
Fila 1
Banda 1.....
Banda 2...
Banda 3.....
11
Salvatierra
m
E = - m log m
255
m/256
0 1 2 3 4 5 6 7 ...............................................................255
E = 256* [(m/256)* log (m/256)] = m* log (m/256)
12
Salvatierra
Xi
X1 + X2 + X3 + .................+Xm
i=1
= -------------- = -----------------------------------------------m
m
13
Salvatierra
donde:
Xi: Valor radiomtrico del pixel i
m: Nmero total de pixeles en la imagen
:
Media aritmtica de la imagen
2.1.5 VARIANZA
Es una medida de dispersin o variacin de los valores radiomtricos de los
pixeles de una imagen alrededor de su media. Si los valores tienden a
concentrarse alrededor de la media (Histograma estrecho) las varianza es
pequea, si los valores tienden a distribuirse lejos de la media, la varianza es
grande.
La varianza puede calcularse por medio de la ecuacin:
m
(Xi - )2
i= 1
Var = ----------------------------------m-1
donde:
Xi:
m:
:
Var
Los parmetros anteriores se pueden calcular para cada una ade las bandas de
una imagen digital multiespectral.
Existen otros parmetros que involucran dos bandas, permitiendo establecer la
relacin existente entre stas; ellos son la covarianza y el coeficiente de
Correlacin.
14
Salvatierra
2.1.7 COVARIANZA
Es una medida de la variacin conjunta de los valores de los pixeles en ambas
bandas alrededor de su media comn.
La covarianza se calcula aplicando la siguiente ecuacin:
m
(Xj-Ux (Yi-Uy)
J= 1 i = 1
COV xy = ------------------------------------------------------m-1
donde:
Xj:
Yi:
x:
y:
m:
Cov xy
= ------------Sx Sy
donde;
Cov xy:
Sx:
Sy:
1.0
r 2,1
r 3,1
r 4,1
Banda 2
r 1,2
1.0
r 3,2
r 4,2
Banda 3
r 1,3
r 2,3
1.0
r 4,3
Banda 4
r 1,4
r 2,4
r 3,4
1.0
B1 10 50 30 .......
B2 10 20 30 .......
B2
30
20
10
10 20 30 40 50
B1
By
rxy=1
By
rxy=-1
Bx
By
rxy=0
Bx
By
Bx
By
ry=0
rxy
Bx
Bx
17
Salvatierra
Bx
Ing. Esp. H.Cristiina
VAR 1
COV 2,1
COV 3,1
COV 4,1
Banda 2
COV 1,2
VAR 2
COV 3,2
COV 4,3
18
Salvatierra
Banda 3
COV 1,3
COV 2,3
VAR 3
COV 4,3
Banda 4
COV 1,4
COV 2,4
COV 3,4
VAR 4
3. PROCESAMIENTO DE IMGENES
Los sistemas de sensoramiento remoto introducen algunos errores en el proceso
de captacin de datos. Estos errores afectan el anlisis de las imgenes. Por
esta razn es necesario preprocesar los datos captados por el sensor, antes de
analizarlos.
La restauracin de imgenes permite hacer correcciones de la distorsin,
degradacin y ruido introducido durante el proceso de captacin de las imgenes.
Para corregir los datos de la imagen deben ser determinados los errores internos y
externos.
Los errores internos son originados por el sensor mismo, son
generalmente sistemticos (predecibles) y estacionarios (constantes) y puede ser
corregidos por una calibracin de los detectores antes del lanzamiento o en vuelo.
Los errores externos son debidos a perturbaciones de la plataforma y a la
variacin de las caractersticas de la superficie. Los errores no sistemticos
pueden ser resueltos por mediciones hechas en tierra, mediante puntos de control.
3.1 DISTORSIONES Y CORRECCIONES RADIOMTRICAS
Las distorsiones radiomtricas son las que afectan la radiometra de los objetos en
la imagen.
Algunos de los problemas ms frecuentes y el procedimiento par minimizarlos son:
3.1.1 Falta de una lnea.
El mal funcionamiento de un detector puede ocasionar que una lnea de barrido
aparezca con valores muy bajos o nulos, es decir que el sensor no capte
informacin apareciendo en la imagen visual como una lnea negra. La correccin
a este error se logra sustituyendo la lnea problema por el valor promedio de los
pixeles correspondientes a la lnea anterior y posterior.
3.1.2 Efectos atmosfricos.
Los efectos atmosfricos en imgenes de sensores remotos son debidos
especialmente a la atenuacin que sufre la radiacin en la atmsfera y la
dispersin en dicha radiacin. La dispersin es un fenmeno fsico que se
presenta al penetrar la radiacin visible a la atmsfera, debido a que al chocar con
las molculas de aire y de aerosol, se dispersa en varias direcciones, de tal
manera que una parte de esta puede ser desviada y nuevamente dirigida al
espacio. Es claro que la dispersin guarda una relacin con la longitud de onda,
19
Ing. Esp. H.Cristiina
Salvatierra
entre ms pequea la longitud de onda mayor ser la dispersin. Por esta razn
las imgenes multiespectrales presentan menos contraste en las bandas
correspondientes al azul y al verde mientras aumenta en las bandas del infrarrojo.
Para corregir el efecto de este fenmeno, el mtodo ms sencillo consiste en
comparar pixeles idnticos en todas las bandas.
Por ejemplo, pixeles
correspondientes a sombra o agua clara donde la respuesta espectral es muy baja
en todas las longituides de onda (visible e infrarrojo).
Cuando en las bandas de longitudes de onda ms corta tienen valores
relativamente altos, esto se debe la dispersin la cual causa cierta iluminacin. En
este caso se restan estos valores de todos los pixeles de la imagen. Los errores
de distorsin tambin pueden ser corregidos usando mtodos un poco ms
sofisticados basndose en estadsticas y en modelos de absorcin y dispersin
tomando parmetros como la temperatura, humedad relativa, visibilidad.
La absorcin por vapor de agua y otros gases en la atmsfera afecta
especialmente a las longitudes de onda mayores que 0.8 m, disminuyendo los
valores radiomtricos.
Los efectos atmosfricos ocasionan distorsiones radiomtricas cuando se intenta
comparar las mediciones espectrales hechas en campo con las mediciones de un
barredor multiespectral, lo cual tambin puede tener incidencia en el momento de
hacer la clasificacin.
3.1.3 Ruidos.
Se entiende por ruido cualquier seal no deseada dentro de una imagen. En
imgenes de sensores remotos hay varios tipos de ruido, entre otros: ruido al azar,
ruido aislado, ruido peridico y estacionario, ruido peridico pero no estacionario.
El ruido al azar se caracteriza por variaciones estadsticas de los niveles de gris
pixel por pixel. Este ruido puede ser originado en la atmsfera o en los
componentes electrnicos del sistema. Este tipo de ruido es independiente de la
seal. La forma ms aconsejable de eliminarlo es aplicar un filtro de paso bajo. El
ruido peridico es relativamente fcil de corregir, pero el ruido al azar es
considerablemente ms complejo, aunque a veces teniendo las caractersticas del
sensor, es posible tener una aproximacin del ruido esperado (figura 7)
Es necesario hacer un anlisis de la estructura del ruido antes de aplicarle el
algoritmo de "eliminacin del ruido".
20
Salvatierra
22
Salvatierra
Tierra
Satlite
Tamao
Pixel
Tamao
pixel
b. Alargamiento
23
Salvatierra
a)
b)
c)
Vecino ms cercano
Interpolacin bilineal
Convolucin cbica
DESVENTAJAS.
DESVENTAJAS
26
Salvatierra
VENTAJAS
DESVENTAJAS
Altera los datos originales y reduce el contraste por usar los valores promedios
conjuntos de los pixeles vecinos.
Es mas costoso computacionalmente que los mtodos de vecino ms cercano
y de interpolacin bilinear.
27
Salvatierra
1.1.
1. Localizacin de puntos de control (GCP)
Los puntos de control deben estar uniformemente distribuidos sobre toda la
imagen satelital asegurando que, al final del remuestreo, la imagen quede
correctamente georeferenciada.
RMS
GCP
COORDENADA
X DE
REFERENCIA
CURVA POLINOMIAL
28
Salvatierra
3.7.2. NO LINEARES
Estn referidas a las transformaciones de segundo orden. Pueden utilizarse para
convertir coordenadas referidas a latitud y longitud a un sistema de proyeccin
planar. Se recomienda para reas grandes, con informacin distorsionada.
3.8 NUMERO MINIMO DE GCP
A mayor orden de transformacin, mayor nmero de GCPs.
Ecuacin para determinar el nmero mnimo de GCPs:
((t + 1) (t + 2))
2
siendo t el orden de la transformacin.
Es decir, que en una transformacin de primer orden, el nmero mnimo de GCP
es de 3. Sin embargo, expertos internacionales (Jensen, 1996) recomiendan un
nmero mnimo de 15 puntos de control para asegurar una correcta rectificacin.
29
Salvatierra
4. MEJORAMIENTO DE IMGENES
Mejorar una imagen consiste en ejecutar un procesamiento numrico para realzar,
enfatizar o suprimir caractersticas de la imagen. En este procesamiento se
incluye el mejoramiento del contraste entre objetos, nfa sis en lmites entre los
diferentes tipos de cobertura terrestre y tambin sirve para suprimir caractersticas
no deseadas en la imagen.
Se han desarrollado diversas tcnicas que de acuerdo al tipo de operacin que
ejecuta sobre el pixel se pueden clasificar en puntuales y locales. El valor del pixel
en la primera es modificado en forma independiente de los dems y en la segunda
depende del valor que tengan los pixeles vecinos.
Las tcnicas para el realce de detalles en imgenes digitales, se pueden clasificar
como:
4.1 REDUCCIN Y AMPLIACIN DE LA IMAGEN
4.1.1 Reduccin
En varias ocasiones se requiere analizar una imagen en un sistema de
procesamiento que solo puede desplegar 512 x 512 pixeles simultneamente.
Para reducir una imagen justo 1/m2 de los datos originales, cada m-xima fila y mxima columna de la imagen es sistemticamente seleccionada y desplegada.
Ejemplo: Si una escena LANDSAT MSS contiene 3240 columnas y 2340 filas y se
reduce con un factor m = 2, la nueva imagen ser un 25% ms pequea que la
original.
2340 filas
3240 columnas
Si m = 2, la imagen original se reducir 1 m/2 = = 25%
30
Salvatierra
Entonces:
3240 2 = 1620
2340 2 = 1170
1170 filas
1630 columnas
Ejercicio: Sabiendo que una escena de Landsat TM tiene 6940 columnas por
5940 filas, cada cuntos pixeles se deben seleccionar, para poder desplegarse
en monitor de 512 x 512 pixeles?
4.1.2 Ampliacin de la Imagen
La ampliacin de Imgenes digitales (a menudo denominada ZOOM), es
usualmente ejecutada para mejorar la escala de despliegue con propsitos de
interpretacin visual. Amplificar una imagen digital implica hacer una rplica de
valores de pixel. Para ampliar una imagen digital por un factor m2, cada pixel de la
imagen origina l es usualmente reemplazado por un bloque de m x m pixeles, todos
con el mismo valor radiomtrico como pixel de entrada original.
31
Salvatierra
14
15
13
21
22
19
13
16
15
18
17
21
30
28
27
29
19
29
25
28
24
27
26
25
82
77
76
95
85
85
14
14
15
15
13
13
14
14
15
15
13
13
13
13
16
16
15
15
13
13
16
16
15
15
54
59
52
52
56
56
255
255
Nmin
Nmax
.b Histograma ancho
Nmax 255
255
Pixeles saturados
255
255
33
Salvatierra
0.........................255
0 ..........................................255
MAR
MAR
Figura N 20. Enmascaramiento de una clase
Fuente: Lpez, J. 1990
34
Salvatierra
By
Nmin
Nmax
By
Nmin
Nmax
255
35
Salvatierra
4.3 SEGMENTACIN
Esta tcnica permite una primera interpretacin de la imagen y obtener un mapa
temtico.
Se aprovecha el carcter multimodal del histograma para definir ciertos rangos
que son identificados como clases de informacin. A todos los pixeles ubicados
en el mismo rango se les asigna el mismo color (Figura 22).
255
cuenta los valores de los pixeles vecinos. La combinacin lineal se calcula por
medio de la ecuacin:
n
Pi = [G* Ki Po ] + H
i =1
Donde:
Pi:
G:
n:
Ki:
Po:
H:
Dependiendo del efecto que tienen sobre la imagen original, los filtros espaciales
se pueden clasificar como:
4.4.1 De suavizacin.
El efecto de este tipo de filtro es suavizar o reducir niveles de gris y en
consecuencia hacer ms armnico el contraste, aunque se pierden detalles
geomtricos, es posible resaltar zonas homogneas. Adems permite atenuar
altas frecuencias y eliminar ruidos instrumentales (figura 23).
37
Salvatierra
4.4.2 De mejoramiento.
Se utiliza para realzar las altas frecuencias y detalles geomtricos, mejorando as
la definicin de contornos, lineamientos etc.
Al realzar las caractersticas
geomtricas es normal que se pierdan algunos detalles radiomtricos. (figura 4.9).
Cuando el valor absoluto de la sumatoria de los coeficientes alrededor del pixel
central es igual al valor del pixel central se obtiene el filtro pasa-alto mximo o
tambin conocido como filtro Laplaciano. (figura 24).
a.
b.
-1
-1
-1
-1
10
-1
-1
-1
-1
-1
-1
-1
-1
16
-1
-1
-1
-1
38
Salvatierra
c.
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
d.
-1
-2
-1
-2
-2
-2
-1
39
Salvatierra
NORTE
SUR
ESTE
OESTE
-2
-1
-2
1NORDESTE
-1
-1
-1
-1
-1
-1
-1
-1
-2
-2
-1 NOROESTE
-1
-1
-1
-1
-1
-1
-1
-2
-2
1 SURESTE
-1
-1
-1
-1
-2
-1
-2
-1 SUROESTE
-1
40
Salvatierra
-1
-2
-1
-1
-2
-1
H/TAL
VERTICAL
HORIZONTAL
DIAGONAL
-1
-1
-1
-1
-1
-1
-1 VERTICAL
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
2
DIAGONAL
-1
-1
41
Salvatierra
42
Salvatierra
A=
C=
a
a
:
:
a
a
a
:
:
a
....a
....a
:
:
....a
c
c
:
:
c
c
c
:
:
c
.... c
.... c
:
:
c
b
b
B=
:
:
b
b ..... b
b ..... b
:
:
:
:
b ..... b
5.1.1 Adicin
La adicin entre banda A y Banda B est definida como la suma entre valores
radiomtricos respectivos de banda A con banda B.
Cij = aij + bij
Como es posible que Cij sea mayor que el mximo nivel de gris, es decir 255, se
debe aplicar una funcin de normalizacin que para el caso bien puede ser
obtener un promedio entre los valores radiomtricos de las bandas.
Cij =
Ejemplo:
aij + bij
2
43
Salvatierra
10
20
30
20
A=
30
20
70
10
B=
10 + 30
20 + 20
30 + 70
20 + 10
40
40
C=
C=A+B
100
30
10+ 30
2
20+ 20
2
20
20
50
15
C=A+B=
30+ 70
2
20+10
2
Si aij es menor que bij, el valor de cij ser negativo lo cual es imposible de
representar cuando se trabaja en una escala como la que tenemos (0, 255). Para
solucionar este inconveniente se puede convertir el resultado negativo siempre en
cero o aplicar una funcin de normalizacin, as:
Cij = aij - bij
Sean A y B dos bandas diferentes de la misma rea, la operacin de sustraccin A
- B est definida como la diferencia normalizada entre cada uno de los valores de
pixel de A respecto de B.
5.1.3 Producto
Sean A y B dos bandas diferentes de la misma rea, la operacin de multiplicacin
o producto entre A y B queda almacenada en C y est definida como:
Cij =
aijxbij
255
45
Salvatierra
* 127 + 127
As una vez aplicado este ndice de vegetacin normalizado, los valores de los Cij
altos estarn indicando mayor probabilidad de existencia de cobertura vegetal.
5.2 COMPOSICIN EN COLOR
Los monitores de los computadores despliegan los colores basados solamente en
tres colores primarios el rojo, verde y azul, con los cuales construye otra serie de
colores, que dependen del porcentaje que aporte cada uno de ellos. Dependiendo
de la profundidad del monitor (nmero de bits que maneja) es posible desplegar
cierto nmero de colores, as para un monitor con una profundidad de 8 bits es
posible obtener 256 combinaciones diferentes (2 ^8 = 256).
La composicin en color es un proceso mediante el cual se crea una nueva
imagen basado en la combinacin de 3 bandas, aportando cada una de ellas un
porcentaje de color primario que depende del valor del pixel, as por ejemplo:
El valor del pixel ij en banda 1 es: 57 (57/255=0.22)
El valor del pixel ij en banda 2 es: 54 (54/255=0.21)
El valor del pixel ij en banda 3 es: 146 (146/255=0.57)
Si el aporte de la banda 1 va estar representado por el color Rojo, el de banda 2
por el verde y el de banda 3 por el azul, esto significa que en la composicin a
color, habr una contribucin aproximada de un 22% de rojo, un 21% de verde y
un 57% de azul. Con base en una tabla de color preestablecida se asigna un
nuevo valor de pixel a la imagen resultante.
Las posibles combinaciones que se pueden obtener con tres bandas, si en cada
una existen 256 estados son 16'700.000, cuando se utiliza un monitor que no
alcanza a desplegar tal cantidad se debe recurrir a agrupar ciertas combinaciones.
En general este proceso se conoce como composicin en falso color debido a que
el resultado difiere de los colores naturales, ya sea porque el monitor no alcanza el
nmero de colores, o porque no hay una correspondencia entre el rango de
frecuencias de la banda asignada y el color que est representando su aporte.
47
Ing. Esp. H.Cristiina
Salvatierra
48
Salvatierra
2.
3.
4.
Analizar las estadsticas para seleccionar los datos que ofrezcan mayores
ventajas (bandas) en el proceso de clasificacin.
5.
6.
7.
6.1.1.1 Paraleleppedo
Este algoritmo requiere previamente establecer las zonas de entrenamiento y se
basa en la inspeccin de los histograma de las zonas elegidas para ello.
De los histogramas en cada zona de entrenamiento se define un rango mediante
el valor mximo y mnimo de pixel en cada banda. Esto se representar como un
50
Ing. Esp. H.Cristiina
Salvatierra
rea rectangular en un diagrama de dos canales (si estamos trabajando con dos
bandas) (figura 27).
B2
Vmin
Vmax B 1
B1
B1
Vmin
Vmax B 2
B2
La figura 27 indica el mtodo para una clase determinada (ej. Bosques). Al repetir
el mtodo para otras clases (ej. Agua, arenas, etc.) se obtendr una figura con las
caractersticas siguientes (figura 28):
51
Salvatierra
u u
U u
S
s s
S s
u u
N
D
W
A
C
Cc
CC
Cc c
1
h
cc
hh
hhh
hhhh
F F hhhhh
4
FF
FF
FFF
FF
F
w
W
w
w
BANDA 4
Figura N 28. Distribucin de clases espectrales por banda.
Fuente: Lpez, J. 1990
De este modo, un pixel desconocido, es clasificado de acuerdo a la categora de
los rangos espectrales o regin de decisin en la cual se encuentra.
Si se trabaja con ms de dos bandas, los rangos en todos los componentes
describen una caja multidimensional o paraleleppedo. Si en la clasificacin se
encuentra que un pixel cae dentro de ese paraleleppedo cualquiera, se lo designa
como perteneciente a esa clase.
El clasificador de paraleleppedo es muy rpido y eficiente y es empleado en
muchos sistemas de anlisis de imgenes por la simplicidad para entrenar y
ejecutar. A pesar de ello, presenta los siguientes inconvenientes.
a. Pueden existir vacos considerables entre los paraleleppedos y por ende los
pixeles no pueden ser clasificados en una regin (ej. Punto 3, figura 28) del
paralelepdedo
52
Salvatierra
53
Salvatierra
Si el pixel se encuentra a una distancia mayor que una determinada "a priori" por
el analista de la imagen, se interpretar como clase "desconocida".
Este mtodo es matemticamente simple y computacionalmente eficaz pero posee
graves limitaciones. La principal de ellas se ilustra en el punto 2 de la figura 29,
donde por distancia, el punto pertenece a la clase U.
54
Salvatierra
55
Salvatierra
56
Salvatierra
Productos grficos
Tablas estadsticas
Archivos de datos digitales
58
Salvatierra
BIBLIOGRAFA
PAGINAS WEB:
http://www.airbornelasermapping.com/ALMSkinny.html
http://www.webdirectory.com/Science/Space_Science/Remote_Sensing/
59
Ing. Esp. H.Cristiina
Salvatierra
http://www.webdirectory.com/Science/Geography/Aerial_Surveying_and_Mapping/
http://www.conservationimaging.org/
http://www.dfa.com.au/
http://www.asdi.com/asd/apps/index.html
http://stormy.geology.yale.edu/ceo/Projects/Faculty/faculty.html
http://edcwww.cr.usgs.gov/earthshots/slow/tableofcontents
http://www.ldeo.columbia.edu/remote/remote.html
http://keystone.geog.ucsb.edu/rsru/research.html
http://www.research.umbc.edu/~tbenja1/
http://www.unc.edu/~aaronm/RSCC/#spectral
http://grouchy.geog.ucsb.edu/rscc/vol2/rsccvol2.html
http://www.cla.sc.edu/geog/rslab/
http://www.cla.sc.edu/GEOG/rslab/rsccnew/fmod1.html
http://www.cla.sc.edu/GEOG/rslab/rsccnew/rscc-no-frames.html
http://www.cla.sc.edu/GEOG/rslab/rsccnew/mod3/3-2/dipsoftware.html
http://www.cla.sc.edu/GEOG/rslab/rsccnew/mod5/5-2/exercises/MERGE.HTM
60
Salvatierra