Clasificación supervisada - utilización de los lugares de aprendizaje y las marcas de clase
La clasificación supervisada es mucho más efectiva, en lo que se refiere a la exactitud (véase más adelante), a la hora de elaborar mapas de las clases substanciales, cuya validez depende enormemente del conocimiento y la destreza del especialista en imágenes.
La estrategia es simple: se van a reconocer en la escena las clases convencionales (reales y familiares) o significativas (pero de alguna forma artificiales) a partir del conocimiento previo, ya sea por la experiencia personal en la región en cuestión, o por la identificación mediante mapas temáticos o visitas reales al lugar (compare con la sección de verificación en tierra). Esto permite elegir y determinar clases discretas (selección supervisada) y asignarlas categorías. Los centros de formación, es decir, las áreas en la imagen que representan cada una de las categorías de cubierta terrestre que aparece más o menos homogénea (sus formas se aprecian con un tono parecido), se circunscriben mediante fronteras poligonales. Para cada clase así descrita, se calculan los valores medios y las varianzas de los DNs de las bandas clasificadoras, a partir de todos los pixeles que existen en el sitio(s). Se puede establecer más de un polígono para cada clase.
Cuando se representan los DNs en función de la secuencia de banda (aumentan con la longitud de onda), el resultado es una marca espectral (véase más adelante en la verificación en tierra) o curva de respuesta espectral para esa clase (en realidad para los distintos materiales existentes en el lugar que interactúa con la radiación entrante).
Ahora la clasificación comienza el procesamiento estadístico, en el que cada pixel se compara con las distintas marcas, y es asignado a la clase de marca más parecida. Algunos no encajan en la escena y permanecen sin clasificar, ya que pueden pertenecer a una clase no reconocida o definida.
