This paper presents a multi-model classifi cation schema for satellite
images supported with context information to enhance the accuracy of a pre-classifi cation obtained with parametric algorithms. This new
scheme uses a semantic network as knowledge representation that stores
the patterns created with a decision tree ensemble (fed with spectral,
texture and geometric descriptive characteristics to describe the regions
of interest) and spatial patterns created with a graph-based representation
(with context information obtained from spatial relations among regions
of interest). Our experimental results show that the proposed classifi cation
scheme enhances the pre-classifi cation accuracy obtained with parametric
algorithms when we use context information.
En este artÃculo se presenta un esquema de clasifi cación multi-modelos
para imágenes satelitales apoyado con información de contexto con
el que se mejora la precisión de una pre-clasifi cación obtenida con
algoritmos paramétricos. El nuevo esquema utiliza una red semántica
como representación de conocimiento que almacena patrones creados
con un ensamble de árboles de decisión (alimentado con caracterÃsticas
espectrales, de textura y geométricas para describir a las regiones de
interés) y por otro lado patrones espaciales creados a partir de una
representación basada en grafos (con información de contexto a partir
de relaciones espaciales entre las regiones de interés). Los resultados
experimentales muestran que el esquema de clasifi cación propuesto
mejora la precisión de la pre-clasifi cación de los algoritmos paramétricos
al utilizar información de contexto.
