EFECTO DE LA COMPRESIÓN WAVELET DE IMÁGENES EN SU FOTOINTERPRETACIÓN

Transcripción

1 EFECTO DE LA COMPRESIÓN WAVELET DE IMÁGENES EN SU FOTOINTERPRETACIÓN Alaitz Zabala Departament de Geografia. Universitat Autònoma de Barcelona 08193, Cerdanyola del Vallès Sirio Modugno Centre de Recerca Ecològica i Aplicacions Forestals, CREAF 08193, Cerdanyola del Vallès siriomodugno@hotmail.com Xavier Pons Departament de Geografia. Universitat Autònoma de Barcelona Centre de Recerca Ecològica i Aplicacions Forestals, CREAF 08193, Cerdanyola del Vallès Xavier.Pons@uab.cat José Ángel Burriel Centre de Recerca Ecològica i Aplicacions Forestals, CREAF 08193, Cerdanyola del Vallès j.angel@creaf.uab.cat Joan Pino Centre de Recerca Ecològica i Aplicacions Forestals, CREAF 08193, Cerdanyola del Vallès Joan.Pino@uab.cat Palabras clave: compresión de imágenes, wavelet, JPEG2000, análisis visual, fotointerpretación Resumen El trabajo evalúa los efectos de la compresión no conservativa de imágenes en el campo del análisis visual mediante un diseño experimental de dos factores con interacción. Los factores analizados han sido el tipo de paisaje y la razón de compresión con pérdida. Se han seleccionado un total de seis áreas de test, dos para cada tipo de paisaje: forestal, agrícola y urbano. El material utilizado para cada área de estudio ha sido la ortoimagen digital color a escala 1:5000 del Institut Cartogràfic de Catalunya (0.5 metros de resolución). Las ortoimágenes han sido sometidas a una compresión con pérdida usando el formato de compresión JPEG2000 a diversas razones de compresión: sin comprimir, compresión del 20%, 10%, 5% y 1% del tamaño del fichero comprimido respecto al original. Las imágenes de las diversas zonas de estudio y resultantes de diversas razones de compresión han sido objeto de fotointerpretación (en pantalla). Esta operación ha generado un conjunto de 30 capas vectoriales, una para cada área y razón de compresión. Para poder valorar el efecto de variación introducido por el intérprete, se ha realizado una segunda fotointerpretación sobre las imágenes sin comprimir. La comparación de las dos fotointerpretaciones sobre las imágenes sin comprimir ha permitido obtener un indicador de las variaciones debidas a la subjetividad y que no deben ser atribuidas a cambios en las imágenes debidos a la compresión. A elevadas razones de compresión los vectores obtenidos por fotointerpretación presentan diferencias de estructura elevadas respecto a los vectores obtenidos con las imágenes originales. En cambio, la compresión del 20% obtiene valores sólo ligeramente diferentes a los de la fotointerpretación original, pero estas diferencias parecen debidas a la subjetividad de la fotointerpretación. Esta razón de compresión parece ser por tanto el óptimo puesto que implica una importante reducción del tamaño de las imágenes sin determinar cambios en las variables topológicas del vector generado ni en la calidad temática obtenida. 1 Introducción La compresión no conservativa de imágenes es una de las técnicas de reducción de datos más potentes. En 1991 apareció el formato JPEG [1],[2], propuesto por el Joint Photographic Experts Group, que supuso una revolución en la compresión de imágenes por cuanto consigue niveles de compresión muy elevados sin pérdida apreciable de la calidad visual, al menos hasta un tamaño de fichero del orden de un 20% del original. Más adelante aparecieron esquemas de compresión basados en transformadas wavelet que aportaron niveles de compresión aún mayores

2 para calidades visuales similares. Entre estos últimos años han tenido especial presencia entre la comunidad de TD y SIG los formatos SID, ECW y JPEG2000 [3],[4]. En todos estos casos hay que tener en cuenta que nos encontramos ante algoritmos de compresión degradativos, es decir, que sacrifican una parte de la información para obtener mayor razón de compresión. A pesar de la espectacularidad de los niveles de compresión conseguidos, han sido escasos los análisis cuantitativos de las implicaciones de estas compresiones. En referencia a la calidad geométrica y visual de las imágenes, compresiones menores a 10:1 en formato JPEG (razón de compresión 0.10) determinan una calidad visual de las imágenes aún excelente y por eso la pérdida de calidad es aceptable para la mayoría de las aplicaciones fotogramétricas [5]. Es posible utilizar razones de compresión 0.10 en formato JPEG sin efectos en la generación de MDEs siendo la degradación de la calidad mayor a mayor riqueza en la textura de la imagen [6]. Usando a la vez el formato JPEG y JPEG 2000, la pérdida de información asociada a la mayor riqueza en la textura es más acusada para JPEG clásico que para JPEG 2000 [7]. En todas las medidas de calidad de la imagen [7] el formato JPEG 2000 obtiene mejores resultados que JPEG, especialmente a elevadas razones de compresión. Debido a los resultados observados en la literatura [7], [8], [9] se ha decidido comprimir las imágenes usando el formato de compresión JPEG 2000 ya que parece dar mejores resultados y presentar una mayor capacidad de compresión. El presente trabajo evalúa la influencia de la compresión de imágenes en formato JPEG 2000 en la fotointerpretación de ortoimágenes para generar mapas de cubiertas del suelo. 2 Metodología 2.1 Diseño experimental Se han elegido seis áreas de estudio, cada una sobre un tipo de paisaje y grado de fragmentación. Las imágenes utilizadas han sido las ortoimágenes 1:5000 en color del Institut Cartogràfic de Catalunya (0.5 m de tamaño de píxel) del año 2000 en su versión digital. Las áreas definidas corresponden a los siguientes tipos de paisajes: agrícola homogéneo, agrícola heterogéneo, forestal homogéneo, forestal heterogéneo, urbano homogéneo y urbano heterogéneo. Sobre estas imágenes se ha realizado un proceso de fotointerpretación idéntico al utilizado en la elaboración de la segunda edición del Mapa de Cobertes del Sòl de Catalunya (MCSC-2) [10]. Esta fotointerpretación se ha repetido seis veces para cada área, ya que se ha realizado dos veces sobre las imágenes originales y una vez sobre las imágenes comprimidas a diversas razones de compresión. La razón de compresión generalmente se expresa en tanto por ciento, o en tanto por uno. A veces también se utiliza la forma 1/CR : 1 (CR indicando la razón de compresión en tanto por uno). Así por ejemplo si un fichero de 10 Mb se comprime hasta 2 Mb su razón de compresión será de 20%, 0.20 o 5:1. La medida de la compresión se ha realizado en base a las razones de compresión (CR) y no a la calidad de la compresión puesto que nos parece más relevante dada la evidente aplicación práctica de nuestra investigación. La razón de compresión se define como la relación entre el tamaño del fichero comprimido y el tamaño del fichero original, y en este artículo se refiere siempre en tanto por ciento: Tamaño Fichero Comprimido CR = x100 Tamaño Fichero Original Debe tenerse en cuenta que una misma razón de compresión puede suponer grados diversos de calidad en función del tipo de imagen (fragmentación espacial, tipo de datos, etc.) Esta es la razón por la que se han escogido tres tipos de paisajes y dos grados de fragmentación para cada uno de ellos. 2.2 Zonas de estudio Se han seleccionado seis áreas representativas de los tres principales tipos de paisaje dentro del ámbito de estudio. Para cada tipo de paisaje se ha escogido una zona más homogénea y otra menos homogénea. La situación de las zonas seleccionadas se pueden observar en la Figura 1. Las zonas homogéneas tienen menor número de polígonos que las zonas heterogéneas del mismo tipo de paisaje. La zona agrícola homogénea tiene 284 polígonos y la heterogénea 457. La zona forestal homogénea tiene 102 polígonos y la heterogénea 510. La zona urbana homogénea tiene 192 polígonos y la heterogénea 307.

3 Zonas de estudio km Agrícola homogéneo Agrícola heterogéneo Forestal homogéneo Forestal heterogéneo Urbano homogéneo Urbano heterogéneo N km 30 Figura 1: Situación de las áreas de estudio utilizadas La zona agrícola homogénea (en amarillo en la Figura 1) se encuentra centrada en la comarca del Alt Penedès, concretamente sobre los municipios de Vilobí del Penedès, Sant Martí Sarroca y Font-rubí. La imagen original tiene 7002 columnas y 4914 filas de 0.5 m de tamaño de píxel lo que supone un total de ha. La zona agrícola heterogénea (en naranja en la Figura 1) se encuentra centrada sobre la comarca del Bages, concretamente sobre los municipios de Sant Fruitós de Bages, Manresa y Sant Joan de Vilatorrada. La imagen original tiene 7014 columnas y 4970 filas de 0.5 m de tamaño de píxel lo que supone un total de ha. Las zonas agrícolas seleccionadas se muestran en la Figura 2. Figura 2: Zonas agrícolas: homogénea (izquierda) y heterogénea (derecha) La zona forestal homogénea (en verde claro en la Figura 1) se encuentra situada al sur de la comarca de Osona, concretamente sobre los municipios de El Brull, Tagamanent y Viladrau. Esta zona se encuentra íntegramente dentro del espacio protegido PEIN del Massís del Montseny. La imagen original tiene 7096 columnas y 5045 filas de 0.5 m de tamaño de píxel lo que supone un total de ha. La zona forestal heterogénea (en verde oscuro en la Figura 1) se encuentra situada al norte de la comarca del Vallès Occidental, concretamente sobre los municipios

4 de Terrassa, Vacarisses y Matadepera. Esta zona se encuentra casi íntegramente dentro del espacio protegido PEIN de Sant Llorenç del Munt i l Obac. La imagen original tiene 7050 columnas y 4994 filas de 0.5 m de tamaño de píxel lo que supone un total de ha. Las zonas forestales seleccionadas se muestran en la Figura 3. Figura 3: Zonas forestales: homogénea (izquierda) y heterogénea (derecha) La zona urbana homogénea (en rosa en la Figura 1) se encuentra situada principalmente al suroeste de la comarca del Barcelonès, en el municipio de Barcelona, y contiene también una pequeña parte de los municipios de l Hospitalet de Llobregat y Esplugues de Llobregat en la comarca del Baix Llobregat. La imagen original tiene 7002 columnas y 4976 filas de 0.5 m de tamaño de píxel lo que supone un total de ha. Finalmente, la zona urbana heterogénea (en morado en la Figura 1) se encuentra situada al sur de la comarca del Vallès Occidental, concretamente sobre el municipio de Sant Cugat del Vallès. La imagen original tiene 7107 columnas y 5034 filas de 0.5 m de tamaño de píxel lo que supone un total de ha. Las zonas urbanas seleccionadas se muestran en la Figura Preparación de las ortoimágenes Figura 4: Zonas urbanas: homogénea (izquierda) y heterogénea (derecha) Para la obtención de las ortoimágenes de las zonas escogidas (Figura 2, Figura 3 y Figura 4) ha sido necesario realizar un mosaico a partir de las ortoimágenes originales del Institut Cartogràfic de Catalunya. En la mayoría de casos el mosaico no ha comportado mayores problemas que quizá algún cambio de tono entre imágenes contiguas, solucionables sin mayor problema por el fotointerpretador. En algunos casos, debido a orientaciones diversas en la toma de las imágenes y generalmente en las zonas urbanas, son visibles zonas de desajuste entre las imágenes contiguas (véase Figura 5) debido a que éstas no son verticales en todos los puntos (true orto). Estos desajustes pueden ser solucionados por el fotointerpretador, en caso que sea necesario.

5 2.4 Compresión de imágenes Figura 5: Desajuste entre imágenes originales mosaicadas El formato JPEG 2000 generalmente permite realizar mayores compresiones con mejor calidad visual de las imágenes comprimidas [7],[8] que el formato JPEG clásico, motivo por el cual ha sido escogido como formato de compresión de imágenes en este estudio. JPEG 2000 es un formato de compresión diseñado tras los requisitos definidos en el JPEG 2000 Working Group [3]. Algunas de estas características son el soporte a componentes múltiples, bits por píxel variable para cada componente, soporte a regiones de interés, corrección de errores, etc. Estos requisitos se tuvieron en cuenta para desarrollar un sistema de codificación nuevo con una mayor flexibilidad, permitiendo parametrizar todas las etapas de la compresión y descompresión del usuario. La aplicación de compresión y descompresión que se ha utilizado es BOÍ, una implementación desarrollada por el departament d Enginyeria de la Informació i de les Comunicacions (deic) de la Universidad Autónoma de Barcelona [11] que implementa la parte 1 del estándar JPEG Para cada una de las zonas de estudio se han comprimido las 3 bandas de color de la ortoimagen (R, G y B) para generar un único fichero comprimido JPEG 2000 que las contenga todas. Esta compresión conjunta beneficia la preservación de la máxima información de las tres bandas conjuntamente, permitiendo mantener más información de alguna de las componentes de color si es necesario. Se ha realizado una compresión degradativa de las imágenes fijando el tamaño final deseado para la imagen comprimida para obtener en cada caso la razón de compresión deseada: compresión sin pérdida (indicada como SP), 20%, 10%, 5% y 1%. La fotointerpretación se ha realizado directamente sobre los ficheros comprimidos en formato JPEG Fotointerpretación El proceso de fotointerpretación es idéntico al utilizado en la elaboración de la segunda edición del Mapa de Cobertes del Sòl de Catalunya (MCSC-2) [10]. La fotointerpretación y digitalización de las áreas se ha realizado sobre pantalla de ordenador, lo que permite utilizar otros elementos de cartografía digital como soporte directo al proceso. El material de base de la fotointerpretación han sido las ortoimágenes 1:5 000 y sus versiones comprimidas (a las razones de compresión definidas). En esta tarea se ha utilizado el SIG MiraMon [12]. La escala de trabajo está alrededor de 1:1 500, lo que es posible gracias a la elevada resolución de las ortoimágenes (píxel de 0.5 m). La superficie mínima de digitalización es de 500 m 2. Estas características confieren al MCSC-2 y a los mapas generados siguiendo su misma metodología, como los presentados en este artículo, un elevado nivel de detalle y una alta precisión planimétrica [10]. El MCSC-2 cuenta con tres niveles distintos de resolución temática, de manera similar a otros mapas de cubiertas y usos como el CORINE land cover map [13] de la Agencia Europea de Medio Ambiente. Para los objetivos del presente estudio se ha seleccionado un nivel intermedio (nivel 2) con 24 categorías temáticas. La Tabla 1 muestra las categorías definidas en los niveles 1 y 2 del MCSC-2.

6 Nivel 1 Nivel 2 Bosques densos (no de ribera) Bosques de ribera Reforestaciones recientes Nivel 1 Nivel 2 Plantaciones de chopos Aguas continentales Aguas continentales Plantaciones de plátanos Cultivos Cultivos Bosques claros (no de ribera) Canales y balsas y agrícolas Zonas recién quemadas Zonas urbanizadas Terrenos forestales Matorrales Balsas urbanas Vegetación de humedales Vías de comunicación Improductivo artificial Prados y herbazales Zonas deportivas y lúdicas Roquedos Zonas de extracción minera Canchales Zonas urbanas denudadas Zonas forestales denudadas Playas Glaciares y heleros Tabla 1: Categorías de leyenda de MCSC-2 (niveles 1 y 2) El proceso de fotointerpretación se ha realizado por una sola persona para minimizar las diferencias que podrían ser introducidas por diferencia de criterios entre fotointerpretadores. En un estudio donde se comparaban datos de referencia producidos por diferentes fotointérpretes [14], la mayor similaridad se encuentra entre los datos producidos por el mismo fotointérprete. Para minimizar el efecto de recuerdo se ha alternado la fotointerpretación de las diversas zonas. El orden de la fotointerpretación seguido ha considerado en primer lugar las zonas homogéneas y en segundo lugar las heterogéneas. El paisaje forestal ha sido el primero fotointerpretado, seguido por el agrícola y finalmente el urbano. Por lo tanto el orden final realizado ha sido: forestal homogéneo, agrícola homogéneo, urbano homogéneo, forestal heterogéneo, agrícola heterogéneo y urbano heterogéneo. Respecto las compresiones, se ha iniciado la fotointerpretación con las imágenes más comprimidas, para evitar que el recuerdo de las imágenes de más detalle (con menos pérdida por menor compresión) enmascaren posibles errores con las imágenes de mayor compresión. Por lo tanto se ha realizado la fotointerpretación de todas las zonas para la razón de compresión de 1% (en el orden de zonas indicado anteriormente) y después para las demás razones de compresión en orden creciente (5%, 10% y 20%) para terminar con las imágenes comprimidas sin pérdida. Se ha intentado evaluar la subjetividad propia del fotointérprete, es decir, los cambios que se producen al digitalizar una misma zona dos veces por el mismo fotointérprete. Para tener una medida de esta subjetividad, y poder diferenciar estos cambios de los introducidos por la compresión, se ha realizado una segunda fotointerpretación de las zonas usando las imágenes sin compresión. Esta fotointerpretación se ha realizado un mes y medio después, para que sea lo más independiente posible a las anteriores fotointerpretaciones, y se indica en los resultados como SP b. 2.6 Parámetros analizados El primer conjunto de parámetros analizados se ha usado para evaluar el efecto de la compresión sobre la geometría y topología de los vectores obtenidos a las diversas razones de compresión. Se han escogido tres parámetros para realizar esta evaluación: el número de vértices, el número de polígonos y la longitud total de arcos del vector digitalizado. En segundo lugar se ha evaluado el efecto de la compresión sobre la exactitud temática de los vectores obtenidos. La medida utilizada para esta evaluación ha sido el porcentaje de acierto respecto a la capa vectorial obtenida sobre las imágenes comprimidas sin pérdida. 3 Resultados Se muestran los resultados agrupados en dos aspectos: indicadores de la estructura del paisaje e indicadores de la calidad temática de la fotointerpretación. El objetivo del estudio es evaluar el efecto de la compresión en la fotointerpretación, y por este motivo se ha considerado suficiente realizar las comparaciones de estructura y de calidad temática tomando como valor patrón la capa vectorial obtenida a partir de la imagen sin comprimir (SP).

7 3.1 Parámetros de estructura geométrica y topológica de los vectores La Tabla 2 y la Figura 6 muestran diferentes indicadores relacionados con la estructura o complejidad del paisaje. Para cada uno de estos indicadores la Tabla 2 muestra, en las columnas, los valores calculados con las capas vectoriales obtenidas a partir de las imágenes a las diversas razones de compresión. La Figura 6 muestra, para cada uno de estos tres indicadores, el porcentaje del valor del parámetro respecto el valor de la capa usada como patrón (SP). Número de vértices CR 1% CR 5% CR 10% CR 20% SP SP b Agrícola Heterogéneo Agrícola Homogéneo Forestal Heterogéneo Forestal Homogéneo Urbano Heterogéneo Urbano Homogéneo Media Número de polígonos CR 1% CR 5% CR 10% CR 20% SP SP b Agrícola Heterogéneo Agrícola Homogéneo Forestal Heterogéneo Forestal Homogéneo Urbano Heterogéneo Urbano Homogéneo Media Perímetro de arcos (km) CR 1% CR 5% CR 10% CR 20% SP SP b Agrícola Heterogéneo Agrícola Homogéneo Forestal Heterogéneo Forestal Homogéneo Urbano Heterogéneo Urbano Homogéneo Media Tabla 2: Parámetros de estructura Los tres indicadores escogidos son indicadores del esfuerzo de generación de la capa y de la complejidad estructural de la misma. Como se puede observar en la Tabla 2: Parámetros de estructura, en general cuanto más comprimidas estén las imágenes menor es la complejidad del paisaje obtenido. El número de vértices dibujados disminuye a mayor compresión (menor CR). Esta tendencia se puede observar para la mayoría de cubiertas así como para la media. Las diferencias introducidas por la subjetividad inherente al fotointérprete son, de media, del orden de un 6 % en el número de vértices (diferencia en los valores SP y SPb). La variación de número de vértices dibujado para la imagen comprimida al 20% es del mismo orden que esta variabilidad interna. En cambio, a mayores razones de compresión esta variación es superior y se considera producida por los cambios en la imagen debidos a la compresión. Con las imágenes comprimidas en una razón de compresión del 10%, se dibujan de media un 81% de los vértices que se dibujan en la imagen sin comprimir, y en el caso de las imágenes más comprimidas, de media se dibujan un 67% de los vértices. Respecto al número de polígonos dibujados la situación es similar. De media el número de polígonos dibujados disminuye a menor compresión. La variación en el número de polígonos dibujados con las imágenes comprimidas al 20% se sitúa en el mismo orden de variación que la producida por la subjetividad del fotointérprete, en este caso del 5%. Los escenarios de mayor compresión presentan diferencias más elevadas respecto a la fotointerpretación sobre las imágenes sin compresión, de hasta sólo un 53% de polígonos dibujados en el escenario más comprimido. Finalmente, el perímetro de los polígonos dibujados presenta también una tendencia similar con sólo una variación del 4% del perímetro total debido a la subjetividad del fotointérprete. La fotointerpretación sobre la imagen comprimida al 20% vuelve a estar contenida en el orden de variación debida a la subjetividad y, en cambio, las fotointerpretaciones realizadas sobre imágenes más comprimidas presentan valores que se desvían más, hasta un 73% en el escenario de mayor compresión.

8 Número de vértices % respecto SP Agrícola Heterogéneo Agrícola Homogéneo Forestal Heterogéneo Forestal Homogéneo Urbano Heterogéneo Urbano Homogéneo CR 1% CR 5% CR 10% CR 20% SP b Número de polígonos % respecto SP Agrícola Heterogéneo Agrícola Homogéneo Forestal Heterogéneo Forestal Homogéneo Urbano Heterogéneo Urbano Homogéneo CR 1% CR 5% CR 10% CR 20% SP b Perímetro de arcos % respecto SP Agrícola Heterogéneo Agrícola Homogéneo Forestal Heterogéneo Forestal Homogéneo Urbano Heterogéneo Urbano Homogéneo 0.00 CR 1% CR 5% CR 10% CR 20% SP b Figura 6: Parámetros de estructura Los tres indicadores que se han estudiado se pueden ajustar de manera significativa usando un modelo cuadrático (y = b 0 + b 1 x + b 1 x 2 ) a partir de la razón de compresión. La Tabla 3 muestra el coeficiente de determinación, R 2, los grados de libertad, df, la F de Fisher y la significación, p, para los ajustes de cada variable con la razón de compresión.

9 Variable R 2 df F p Número vértices Número de polígonos Perímetro de arcos Tabla 3: Parámetros de ajuste de la regresión 3.2 Calidad temática Para evaluar la calidad temática se ha realizado la matriz de confusión para la combinación analítica de vectores entre la capa vectorial a cada nivel de compresión y la capa escogida como valor patrón, es decir la capa obtenida a partir de la imagen sin comprimir (SP). Para hacer el cálculo de la matriz de confusión se rasteriza internamente el vector usando un patrón de imagen de 0.5m de lado de píxel, puesto que al ser la resolución de las imágenes originales es la máxima resolución esperable en los vectores obtenidos. La Figura 7 muestra los valores de acierto para cada escenario, calculados como el porcentaje del número de celdas con acierto respecto al número de celdas totales Porcentaje de Acierto % respecto SP Agrícola Heterogéneo Agrícola Homogéneo Forestal Heterogéneo Forestal Homogéneo Urbano Heterogéneo Urbano Homogéneo 80 CR 0.01 CR 0.05 CR 0.10 CR 0.20 SP b Figura 7: Valores del porcentaje de Acierto (en % respecto a SP) para cada tipo de paisaje y razón de compresión La variación del acierto con la compresión presenta una tendencia decreciente a mayor razón de compresión (menor CR). El cambio en el acierto producido por la subjetividad de la fotointerpretación interna (diferencia entre SP y SP b) es del mismo orden de magnitud que la mayoría de los cambios observados en los otros aciertos pero la tendencia a disminuir el acierto a mayor compresión parece clara. El acierto se puede ajustar de manera significativa usando un modelo logarítmico (y = b 0 + b 1 ln x) a partir de la razón de compresión. El coeficiente de determinación, R 2, es de 0.873, con 3 grados de libertad, df, un valor de para la F de Fisher y una significación, p, de Conclusiones A elevadas razones de compresión los vectores obtenidos por fotointerpretación presentan diferencias de estructura geométrica y topológica elevadas respecto a los vectores obtenidos con las imágenes originales. Los vectores generados presentan menor número de vértices, polígonos y perímetro de los polígonos. Para cada tipo de paisaje, estas diferencias son más acusadas en la imagen más fragmentada (heterogénea). En general, y en cuanto a la estructura geométrica y topológica de los vectores obtenidos, la compresión de 20% obtiene valores ligeramente diferentes a los de la fotointerpretación original, pero estas diferencias parecen debidas a la subjetividad de la fotointerpretación. Esta razón de compresión parece por tanto ser una compresión óptima puesto que implica una importante reducción del tamaño de las imágenes sin tener implicaciones en las variables geométricas y topológicas del vector generado ni en la calidad temática obtenida (con el nivel de leyenda escogido). Estos resultados podrían verse modificados en otros tipos de paisajes o usando una leyenda con un mayor número de categorías.

10 Referencias [1] ISO/IEC (1994): Digital compressing and coding for continuous-tone still images. ***** [2] Wallace G.K. (1991): The JPEG still picture compression standard. Communications of the ACM, 34 (4): [3] ISO/IEC (2000): JPEG 2000 image coding system - Part 1: Core coding system. [4] Taubman D.S., Marcellin M.W (2002): JPEG2000: Image compression fundamentals, standards and practice. Kluwer, Academic Publishers. [5] Li, Z.L.; X.X. Yuan, W.K.K. Lam (2002): Effects of JPEG compression on the accuracy of photogrammetric point determination. Photogrammetric Engineering and Remote Sensing, 68(8): [6] Lam, W.K.K; Z.L. Li, X.X. Yuan (2001): Effects of JPEG compression on the accuracy of digital terrain models automatically derived from digital aerial images. Photogrammetric Record, 17 (98): [7] Shih, T.Y.; J.K. Liu (2005): Effects of JPEG 2000 compression on automated DSM extraction: Evidence from aerial photographs. Photogrammetric Record, 20 (112). [8] Zabala, A.; X. Pons, J. Masó, F. García, F. Aulí, J. Serra (2005): Evaluation of JPEG and JPEG2000 effects on remote sensing image classification for mapping natural areas. WSEAS TRANSACTIONS on INFORMATION SCIENCE and APPLICATIONS. 2 (6): ISSN: [9] Zabala, A.; X. Pons, R. Díaz-Delgado, F. García, F. Aulí-Llinàs, J. Serra-Sagristà (2006): Effects of JPEG and JPEG2000 Lossy Compression on Remote Sensing Image Classification for Mapping Crops and Forest areas. IGARSS06: International Geoscience & Remote Sensing Symposium Remote Sensing: A Natural Global Partnership. (En prensa) [10] Burriel, J.A., Ibáñez, J.J. & Pons, X. (2005): Segunda edición del Mapa de Cubiertas del Suelo de Cataluña: herramienta para la gestión sostenible del territorio. Actas del IV Congreso Forestal. [11] Aulí-Llinàs, F.; J.R. Paton, J. Bartrina-Rapesta, J.L. Monteagudo-Pereira, J. Serra-Sagristà (2005): J2K: introducing a novel JPEG2000 coder. In: SPIE, IST (Ed.) Visual Communications and Image Processing. Society of Photo-optical Instrumentation Engineers (SPIE), Beijing, China. [12] Pons, X. (2005): MiraMon. Sistema de Información Geográfica y software de Teledetección. Centre de Recerca Ecològica i Aplicacions Forestals, CREAF. Bellaterra. ISBN: [13] European Environment Agency (1995): CORINE land cover. Disponible en: [14] Mann, S and Rothley, K. D. (2006): Sensitivity of Lansat/IKONOS accuracy comparison to errors in photointerpreted reference data and variations in test point sets. International Journal of Remote Sensing. Vol. 27, No 20, Agradecimientos La realización de este trabajo ha contado con la financiación aportada por el Ministerio de Ciencia y Tecnología y fondos FEDER mediante el proyecto de investigación: Compresión wavelet de imágenes para aplicaciones de Teledetección y SIG. 4 implicaciones en el proceso digital de imágenes (TIC C04-03). También queremos agradecer a nuestros compañeros del departament d Enginyeria de la Informació i de les Comunicacions (deic) de la Universitat Autònoma de Barcelona por la elaboración de la aplicación BOÍ y la ayuda prestada para facilitarnos su manejo.