Publicación:

Extracción de características de forma para la identificación de firmas espectrales en el procesamiento de imágenes hiperespectrales para aplicaciones de percepción remota

Resumen en español

La percepción remota es un campo de interés en aplicaciones como: observación de la tierra, monitoreo ambiental, minería, agricultura, seguridad y defensa. El creciente interés en este campo ha impulsado el desarrollo de sensores y sistemas remotos con diferentes resoluciones espaciales y espectrales. Ejemplo de estos sistemas son los sensores hiperespectrales, los cuales capturan la energía reflejada y disipada por una superficie a lo largo de cientos de bandas continuas en el espectro electromagnético. En este tipo de imágenes, un pixel es una firma espectral, cuya forma permite la identificación remota de materiales. Sin embargo, la alta resolución espectral de las imágenes hiperespectrales son un gran reto para su procesamiento y análisis a través de técnicas de reconocimiento de patrones, dado la alta correlación de las bandas espectrales. Por esta razón, se hace necesario usar técnicas de reducción de dimensiones en el procesamiento de imágenes hiperespectrales. Las técnicas de reducción de dimensiones encontradas en la literatura, como análisis de componentes principales -PCA, no tienen en cuenta la información proporcionada por la forma de la firma espectral. En este proyecto se exploró el uso de descriptores de forma para obtener un espacio de representación de más baja dimensión para los datos hiperespectrales, teniendo en cuenta la forma de las firmas espectrales. Los descriptores de forma son ampliamente usados en el procesamiento de imágenes digitales para el reconocimiento de objetos. En este proyecto se estudió el uso de los descriptores de Fourier y Wavelet para mejorar la clasificación espectral de imágenes hiperespectrales. Los descriptores fueron evaluados a través de la clasificación de tres imágenes hiperespectrales reales usando clasificadores de máquinas de soporte vectorial (SVM) y análisis discriminante lineal (LDA). La clasificación usando los descriptores de forma se compararon con los obtenidos con PCA. Los resultados muestran que el uso de los descriptores de forma de Fourier y Wavelet permiten mejorar la precisión de clasificación de las imágenes hiperespectrales.