RESUM
	L'anàlisi i gestió del territori requereix l'ocupació d'informació captada per sensors aeris o espacials en forma 
d'imatges digitals. La caracterització dels elements presents en elles es pot enfocar tant estudiant la informació espectral 
com l'espacial, és a dir, les seues formes, grandàries, distribució dels seus nivells de gris, etc. La caracterització de 
textures consisteix en analitzar aquestes al ser indicatives de les diferents classes temàtiques o cobertes del territori. 
En el present treball s'aborda una anàlisi de textures per a classificar certes porciones del medi físic de diferent 
naturalesa, en forma d’imatges de diversos tipus de cobertes i de distintes fonts. Aquestes imatges es caracteritzen per 
presentar cobertes vegetals arbóries naturals (Serra d'Espadà), cobertes mixtes de vegetació natural i cultius (Menorca i 
la Vall d'Ayora) i zones agrícoles de tipologia hortícola fortament antropitzades en l'àrea peri-urbana de València.
	L'anàlisi de textures pot enfocar-se des de diversos punts de vista, bé estadístics, estructurals, basats en models, 
basats en transformades, etc. Donada la bona resposta d'alguns mètodes estadístics i les característiques de la Transformada 
Wavelet, es pretén determinar els trets texturals d'unes imatges mitjançant els dos mètodes. Respecte a aquestes variables, 
s'han estudiat els estadístics de 1er ordre i de second ordre de la matriu de co-ocurrències de nivells de gris i alguns 
obtinguts a partir de l'histograma.
	La transformada wavelet presenta un bon comportament per a l'estudi de la relació espai-freqüència, al basar-se en 
funcions matemàtiques que tallen dades o senyals en diferents components de freqüència i estudien cadascun d'ells amb una 
resolució ajustada a la seua escala. Aquesta transformada es posa en pràctica mitjançant bancs de filtres bidimensionales 
formats pels coeficientes de les funcions que permeten obtenir així la informació d'altes i baixes freqüències en la imatge. 
Són varis els paràmetres que es poden analitzar en aquesta transformada, com diverses famílies i suports, estructures o 
algoritmes d'aplicació, nivells o escales de descomposició, etc.
	Els resultats obtinguts mostren que és important seleccionar adequadament les variables texturals i paràmetres 
específics de la transformada wavelet. Les variables de textura derivades d'esta transformada es comporten bé en quasi 
totes les superfícies. Complementen a les estadístiques de la imatge pancromàtica i permeten obtindre bones classificacions 
de les diferents cobertes del territori, tant en entorns urbans com agrícoles i forestals, on és important diferenciar entre 
tipus de cobertes i densitats d'ocupació. La transformada complementa millor als mètodes estadístics en estes classes més 
homogènies i menys separables i permet aconseguir bones fiabilitats. També s'han dissenyat una sèrie de rutines per a reduir
l'efecte de bords de la classificació que s'han mostrat efectives.