Contratarnos

3.3 — Clasificación No Supervisada: K-means e ISODATA

📂 Módulo 3: Técnicas de Realce y Clasificación⏱ 20 min
🔀

3.3 — Fusión de Bandas e Imágenes

Pansharpening, composiciones color y metodologías de fusión multiespectral

📖 22 min🗂 Módulo 3
💡

La fusión de imágenes combina la alta resolución espacial de la banda pancromática (PAN) con la información espectral de las bandas multiespectrales (MS). Objetivo: obtener una imagen con resolución PAN y contenido espectral MS.

Mejora típica: 2m PAN vs 8m MS
ERGAS<3Calidad excelente post-fusión
Gram-SchmidtMétodo con mejor fidelidad espectral
Sentinel-220m→10m fusión nativa multiresolución
🌍

RGB Color Natural (R/G/B)

Asigna bandas visibles a los canales RGB. La imagen parece como el ojo humano la vería. Útil para comunicar a público no especializado.

🌿

Falso Color Infrarrojo (NIR/R/G)

Vegetación sana = roja intensa (alta reflectancia NIR). Clásico en fotogrametría aérea y Landsat. Permite distinguir vegetación de suelo desnudo.

🏙️

Falso Color Urbano (SWIR1/NIR/R)

Zona urbanizada = tonos brillantes (alta reflectancia SWIR). Agua = negra. Excelente para cartografía de sellado del suelo.

🌾

Agricultura (SWIR2/NIR/Azul)

Diferencia cultivos irrigados (brillante) de suelo desnudo (claro). Standard para seguimiento de campañas agrícolas.

🔀 Comparativa de Métodos de Fusión (Pansharpening)





Tipo de fusiónEntradaSalidaSensores
PansharpeningPAN + MSMS a res. PANSPOT, Pléiades, WorldView, Landsat 7
MultiresoluciónMS distintas res.MS a mayor res.Sentinel-2 (10m+20m+60m)
MultisensorÓptico + SARImagen híbridaSentinel-1 + Sentinel-2
MultitemporalMismo sensor, fechas distintasImagen libre de nubesMODIS+Landsat (STARFM)
1
Instalar OTB (Orfeo ToolBox)
Librería estándar de procesamiento de teledetección con algoritmos de fusión de imagen
2
OTB → Image Fusion → Pansharpening
Método Gram-Schmidt recomendado. Entrada: imagen PAN y MS con mismo CRS y extensión.
3
Preprocessing: remuestrear MS a PAN
Bilinear o cubic spline para llevar MS a la resolución del PAN antes de fusionar
4
Calcular métricas de calidad
ERGAS, Q4, SAM usando SCP o script Python con scikit-image. ERGAS < 3 = excelente
5
Composición RGB en QGIS
Propiedades de capa → Simbología → Renderizado multibanda → asignar bandas a R, G, B
🎯 Conceptos Clave de la Fusión de Imágenes
  • El pansharpening no crea información nueva: redistribuye la información espacial del PAN en las bandas espectrales MS
  • Gram-Schmidt tiene mejor fidelidad espectral; IHS es el más rápido pero con mayor distorsión espectral
  • Para Sentinel-2: las bandas B02,B03,B04,B08 son nativas a 10m; las de 20m y 60m requieren remuestreo
  • La métrica ERGAS mide la calidad global de la fusión: valores menores de 3 se consideran excelentes
  • La composición RGB adecuada depende del objetivo: color natural para comunicar, falso color para análisis

Conclusión del Módulo 3.3

  • ✅ La fusión multiplica la capacidad analítica: resolución espacial del pancromático + riqueza espectral del multiespectral
  • ✅ Gram-Schmidt es el método de referencia por su fidelidad espectral; Wavelet por su preservación de textura
  • ✅ La composición RGB correcta es la que hace visible el fenómeno que se quiere estudiar — no existe una universal