Mostrar el registro sencillo del ítem
Extracción de características de forma para la identificación de firmas espectrales en el procesamiento de imágenes hiperespectrales para aplicaciones de percepción remota
dc.contributor.advisor | Torres Madroñero, Maria Constanza | |
dc.contributor.author | Torres Quiñones, Lina Maria | |
dc.date.accessioned | 2024-04-16T20:27:19Z | |
dc.date.available | 2024-04-16T20:27:19Z | |
dc.date.issued | 2017 | |
dc.identifier.uri | http://hdl.handle.net/20.500.12622/6445 | |
dc.description.abstract | 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. | spa |
dc.format.mimetype | application/pdf | spa |
dc.language.iso | spa | spa |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | spa |
dc.subject | Imágenes hiperespectrales, percepción remota, clasificación espectral, clasificación espacial-espectral, descriptores de forma | spa |
dc.title | Extracción de características de forma para la identificación de firmas espectrales en el procesamiento de imágenes hiperespectrales para aplicaciones de percepción remota | spa |
dc.publisher.faculty | Facultad de Ingenierías | spa |
dc.subject.keywords | hyperspectral imagery, remote sensing, spectral classification, spatial-spectral classification, shape descriptor | spa |
dc.subject.lemb | Imágenes hiperespectrales, espectro electromagnético, procesamiento digital de imágenes | spa |
dc.description.abstractenglish | Remote sensing is a field of interest for applications such as: earth observation, environmental monitoring, mining, agriculture, security and defense. The growing interest in this field has promoted the development of remote sensors and systems with several spatial and spectral resolutions. Some of these systems are the hyperspectral sensors, that collect the reflected and emitted energy by a surface along of hundred narrow bands of the electromagnetic spectrum. In these images, a pixel is a spectral signature and its shape allows the remote identification of materials. However, the high spectral resolution of hyperspectral imagery poses a great challenge for its processing and analysis using pattern recognition techniques, due to the high correlation among spectral bands. Thus, it is necessary to use dimensional reduction techniques for hyperspectral image processing. The dimensional reduction techniques, such as principal component analysis (PCA), do not take into consideration the shape of the spectral signatures. This project explores the use of shape descriptors to obtain lower representation space for hyperspectral data taking into account the shape of spectral signatures. Shape descriptors such as Fourier or Wavelet descriptors are widely used in image processing for object recognition, however, their use in hyperespectral image processing has been limited. This project studied the use of Fourier and Wavelet shape descriptors to improve the spectral classification of hyperspectral imagery. Shape descriptors are evaluated by classifying three real hyperspectral images using support vector machine (SVM) and linear discriminant analysis (LDA); Classification results obtained using the shape descriptors are compared with those obtained when PCA is applied. The results show that the Fourier and Wavelet shape descriptors help to improve the classification accuracy of the hyperspectral image | spa |
dc.description.degreename | Magíster en Automatización y Control Industrial | spa |
dc.identifier.instname | instname:Instituto Tecnológico Metropolitano | spa |
dc.identifier.reponame | reponame:Repositorio Institucional Instituto Tecnológico Metropolitano | spa |
dc.identifier.repourl | repourl:https://repositorio.itm.edu.co | spa |
dc.rights.local | Acceso abierto | spa |
dc.rights.accessrights | info:eu-repo/semantics/openAccess | spa |
dc.rights.creativecommons | Attribution-NonCommercial-NoDerivatives 4.0 International | spa |
dc.title.translated | Extraction of shape features for spectral signature identification in hyperspectral image processing for remote sensing applications | spa |
dc.type.local | Tesis de maestría | spa |
dc.type.coar | http://purl.org/coar/resource_type/c_bdcc | spa |
dc.type.driver | info:eu-repo/semantics/masterThesis | spa |
dc.description.degreelevel | maestría | spa |