Clasificación de cultivos en imágenes Landsat utilizando algoritmos de Active Learning

Abstract

El presente trabajo tiene como objetivo obtener un clasificador para cultivos de verano en el noroeste de la provincia de Buenos Aires a partir de imágenes satelitales Landsat. Se utilizó Active Learning (AL) como técnica de clasificación ya que obtiene resultados satisfactorios utilizando un conjunto pequeño de muestras etiquetadas para entrenar el algoritmo. La construcción del conjunto de entrenamiento es iterativa y se realiza mediante una heurística para la selección de las muestras no etiquetadas que serán clasificadas por un experto. Se utilizaron las siguientes heurísticas para la comparación: Breaking Ties, Multiclass Level Uncertainty, Margin Sampling y Random Sampling. Como contraste, el algoritmo también se comparó con la técnica supervisada Support Vector Machine (SVM). Los experimentos se probaron con tres imágenes Landsat 8 de diferentes fechas utilizando 6 bandas por imagen y varios índices de vegetación. Los resultados obtenidos utilizando AL en combinación con las diferentes heurísticas no difieren sustancialmente de SVM.