Proceso de asignación de píxeles, objetos o segmentos de imagen a clases temáticas (cobertura del suelo, materiales, objetivos) basándose en características espectrales, espaciales, temporales o contextuales mediante métodos basados en reglas, estadísticos o de aprendizaje automático.

Principio

Mapear características de imagen medidas a etiquetas semánticas definiendo fronteras de decisión—reglas explícitas o modelos estadísticos—que separen las distribuciones de clases en el espacio de características teniendo en cuenta la incertidumbre y la variabilidad intra-clase.

Demostración

Uso de un clasificador supervisado random forest sobre imágenes multiespectrales con polígonos de entrenamiento etiquetados para producir un mapa de cobertura del suelo que distinga bosque, cultivo, urbano y agua para planificación regional.

Aplicación incorrecta

Entrenar un clasificador con muestras mal etiquetadas o no representativas, o aplicar un clasificador entrenado en un bioma directamente en otro sin adaptación de dominio, provocando errores sistemáticos de clasificación (por ejemplo, césped identificado como cultivo).

Consecuencia

Una clasificación precisa genera mapas que apoyan la vigilancia, la gestión de recursos y la modelización; los errores se propagan a los análisis posteriores, por lo que la validación y la cuantificación de la incertidumbre son esenciales para la toma de decisiones.

Inversión

Si se prescinde de las etiquetas y se usan recuperaciones continuas en su lugar (p. ej., fracciones de abundancia o índices espectrales), algunas ambigüedades categóricas desaparecen pero ciertas tareas que requieren clases discretas se complican.

Límite

Se aplica a flujos de trabajo a nivel de píxel, objeto o segmento en datos ópticos, multiespectrales, hiperespectrales y de radar; no realiza por sí sola corrección atmosférica, atribución temporal de cambios ni verificación de campo.

Tensión semántica

Existe tensión entre la clasificación categórica (etiquetas discretas) y los enfoques de recuperación continua (fracciones, probabilidades); los clasificadores ofrecen mapas simples pero pueden ocultar píxeles mixtos y gradientes.

Síntesis

La clasificación de imágenes operacionaliza la conversión de características de imagen medidas en clases temáticas mediante modelos y reglas, produciendo productos espaciales etiquetados que requieren entrenamiento representativo, validación y manejo de la incertidumbre.