Influencia del algoritmo de segmentación en la precisión y el coste computacional de la detección de cambios multiclase sobre imágenes hiperespectrales

En el campo de la teledetección es habitual la necesidad de detectar cambios a partir de imágenes hiperespectrales de una misma área geográfica capturadas en diferentes momentos. Una gran parte de las técnicas de detección de cambios permiten además de detectar los cambios, clasificar los tipos de cambio que se han producido. El uso de técnicas de extracción de información espacial y espectral sobre áreas de la imagen, más allá del ámbito del píxel, como las técnicas de segmentación, permiten mejorar la calidad de la detección a cambio de un incremento en coste computacional. La elección adecuada de algoritmos para las diferentes etapas implicadas en el proceso y su adecuada programación permiten encontrar una solución de compromiso entre coste computacional y calidad de la detección. En este artículo proponemos y analizamos diferentes alternativas para las etapas de segmentación de las imágenes y clasificación para un método de detección de cambios, haciendo hincapié en el coste computacional de las alternativas.Este trabajo ha sido financiado en parte por el Ministerio de Ciencia e Innovación, Gobierno de España (números de subvención PID2019-104834GB-I00), y la Consellería de Educación, Universidade e Formación Profesional (número de subvención ED431C 2018/19, y acreditación 2019--2022 ED431G-2019/04). Todos ellos están cofinanciados por el Fondo Europeo de Desarrollo Regional (FEDER)