Doctorado en Ciencias de la Computación

Permanent URI for this collection

https://noesis.uis.edu.co/handle/20.500.14071/9011

Browse

Now showing 1 - 6 of 6

Super resolution phase retrieval algorithm based on sparse priors
(Universidad Industrial de Santander, 2021) Bacca Quintero, Jorge Luis; Argüello Fuentes, Henry
La recuperacion de la fase de alta resoluci ´ on RFAR es un problema matem ´ atico inverso presente en ´ imagenes ´ optica difractivas, el cual consiste en estimar una imagen de alta resoluci ´ on a partir de medidas sin fase de ´ baja resolucion. Esta tesis estudia RFAR en un sistema ´ optico de patrones difractivos codificados, el cual introduce una ´ apertura codificada (AC) para modular la fase, permitiendo adquirir multiples proyecciones desde el mismo objeto. Esta tesis doctoral considera dos escenarios de superresolucion (i) computacional, donde las caracter ´ ísticas del sensor determinan la resolucion de la imagen recuperada, es decir, el tama ´ no de p ˜ íxel del sensor es menor que el del AC, y (ii) físico, donde la resolucion de la imagen est ´ a determinada por la resoluci ´ on de la AC, asumiendo que el tama ´ no˜ de píxel de AC es menor que la del sensor. Ademas, la estructura espacial de las AC puede dise ´ narse para mejorar ˜ la calidad de la estimacion por lo tanto se desarrollan diferentes estrategias de dise ´ no. Po otro lado, la literatura ˜ en algoritmos de recuperacion han demostrado que las formulaciones no convexas superan los m ´ etodos convexos, ´ requiriendo menos mediciones y complejidad computacional para recuperar la imagen. Sin embargo, la mayoría de los metodos no convexos se basan en una funci ´ on de p ´ erdida no suave y no incluyen informaci ´ on previa sobre la se ´ nal, ˜ como los escases. Por lo tanto, esta tesis estudia una funcion objetivo de m ´ ínimos cuadrados no convexos suavizada, donde se incluye algunos conocimientos previos sobre la senal, como escases, variaci ˜ on total y aprendizaje de los ´ datos. Los resultados de la simulacion muestran que los esquemas propuestos superan los m ´ etodos m ´ as avanzados en la reconstruccion de la imagen de alta resoluci ´ on. Esta tesis tambi ´ en muestra que la calidad de la reconstrucci ´ on´ utilizando AC disenada es superior a la de los conjuntos no dise ˜ nados.
Algoritmo de recuperación de fase de súper resolución basada en información de escasas
(Universidad Industrial de Santander, 2021) Bacca Quintero, Jorge Luis; Argüello Fuentes, Henry; Meneses Fonseca, Jaime Enrique; Bautista Rozo, Lola Xiomara; Ramírez Silva, Ana Beatriz
La recuperación de la fase de alta resolución RFAR es un problema matemático inverso presente en imágenes óptica difractivas, el cual consiste en estimar una imagen de alta resolución a partir de medidas sin fase de baja resolución. Esta tesis estudia RFAR en un sistema ´óptico de patrones difractivos codificados, el cual introduce una apertura codificada (AC) para modular la fase, permitiendo adquirir múltiples proyecciones desde el mismo objeto. Esta tesis doctoral considera dos escenarios de superresolución (i) computacional, donde las características del sensor determinan la resolución de la imagen recuperada, es decir, el tamaño de píxel del sensor es menor que el del AC, y (ii) físico, donde la resolución de la imagen esta´ determinada por la resolución de la AC, asumiendo que el tamaño de píxel de AC es menor que la del sensor. Además, la estructura espacial de las AC puede diseñarse para mejorar la calidad de la estimación por lo tanto se desarrollan diferentes estrategias de diseño. Po otro lado, la literatura en algoritmos de recuperación han demostrado que las formulaciones no convexas superan los métodos convexos, requiriendo menos mediciones y complejidad computacional para recuperar la imagen. Sin embargo, la mayoría de los métodos no convexos se basan en una función de perdida no suave y no incluyen información previa sobre la señal, como los escases. Por lo tanto, esta tesis estudia una función objetivo de mínimos cuadrados no convexos suavizada, donde se incluye algunos conocimientos previos sobre la señal, como escases, variación total y aprendizaje de los datos. Los resultados de la simulación muestran que los esquemas propuestos superan los métodos más avanzados en la reconstrucción de la imagen de alta resolución. Esta tesis también muestra que la calidad de la reconstrucción utilizando AC diseñada es superior a la de los conjuntos no diseñados.
Diseño y optimización de un sistema compresivo para la adquisición de video espectral
(Universidad Industrial de Santander, 2022-03-31) León López, Kareth Marcela; Argüello Fuentes, Henry; Romo Buchelli, David Edmundo; Pertuz Arroyo, Said David; Correa Pugliese, Claudia Victoria; Marrugo Hernández, Andrés Guillermo; Vera Rojas, Esteban Mauricio
Los videos espectrales contienen información espacial y espectral de una escena en el tiempo, implicando un conjunto de cubos de datos tridimensionales. Los sistemas de adquisición de video espectral compresivo (CSVS) adquieren de manera comprimida los videos mediante la codificación y proyección de cada cuadro espectral en un sensor bidimensional, resultando en un conjunto de cuadros espectrales comprimidos. El video es reconstruido a partir de estas medidas comprimidas usando un algoritmo de recuperación, asumiendo que la señal tiene una representación escasa en una base de transformación. La calidad del video espectral reconstruido depende de la base de transformación, la apertura codificada (CA) usada en el sistema CSVS y el método de reconstrucción. Hasta la fecha, se han realizado diferentes esfuerzos para incrementar la calidad de reconstrucción de estos videos tal como agregar una cámara extra para adquirir información adicional. Sin embargo, éstas soluciones son costosas o ineficientes en aplicaciones prácticas. Según la literatura, es posible obtener un alto rendimiento diseñando conjuntamente la base, la CA y el procedimiento de recuperación. Sin embargo, hasta donde se tiene conocimiento, no existe trabajos previos sobre el diseño conjunto de éstas etapas en sistemas CSVS, donde la información espectral es valiosa. Esta tesis estudia diferentes estrategias para diseñar y optimizar un sistema CSVS para mejorar la calidad de los cuadros espectrales reconstruidos. Una primera estrategia implica el diseño conjunto de la base de transformación y del método de recuperación usando una representación tensorial de orden superior. Y una segunda estrategia implica la optimización del sistema usando redes neuronales convolucionales, aprovechando la creciente cantidad de datos disponibles en la comunidad científica. Los experimentos numéricos sobre diferentes bases de datos a partir de las metodologías propuestas muestran calidades de reconstrucción superiores en comparación con técnicas de la literatura.
Diseño de aperturas codificadas en un sistema tridimensional de superresolución de tomografía computarizada compresiva
(Universidad Industrial de Santander, 2022-03-31) Mojica Rodríguez, Edson Fabián; Argüello Fuentes, Henry; Rodríguez Ferreira, Julián Gustavo; Ramírez Silva, Ana Beatriz; Rueda Chacón, Hoover Fabián; Meza Narváez, Pablo Francisco; Ramírez Rondón, Juan Marcos
El muestreo compresivo (MC) en tomografía computarizada (TC) de rayos-X se ha convertido en una herramienta esencial para conocer la estructura interna de un objeto a través de un procedimiento no invasivo. Estos enfoques utilizan aperturas codificadas (AC) a lo largo de múltiples ángulos de captura para bloquear una parte de la energía de rayos-X que viaja hacia los detectores. Sin embargo, la mayoría de los diseños de AC se centran en sistemas de haz en abanico de múltiples disparos, que manejan una proporción de 1:1 entre las características de AC y los elementos detectores. En consecuencia, la resolución de la imagen está sujeta al tamaño de píxel del detector. Como alternativa, en lugar de utilizar un arreglo de detectores más denso, esta tesis presenta un método para diseñar los patrones de AC en un sistema de haz cónico (CBTC) compresivo bajo una configuración de súper resolución (SR), donde la AC de alta resolución está diseñada para obtener imágenes de alta resolución de proyecciones de menor resolución. El diseño de AC explota el teorema de Gershgorin al minimizar sus radios, mejorando el condicionamiento de la matriz del sistema. Las simulaciones muestran que el diseño obtenido logra imágenes de alta resolución a partir de detectores de menor resolución en un escenario SR-CBTC de disparo único, donde se mejora el PSNR de las imágenes reconstruidas en comparación con patrones AC no diseñados. Además, esta tesis amplía su alcance principal para incluir un diseño de AC en un sistema imagenes espectrales conocido como CASSI, que permite aplicar de manera eficiente el concepto de MC para adquirir información espacio-espectral de una escena. La optimización incluye una máscara litográfica de colores en movimiento, en donde se alcanza una calidad de reconstrucción similar en comparación con un diseño de AC de última generación.
Algoritmo eficiente, robusto y con restricciones de similitud para el aprendizaje subespacial y la agrupación en clústeres con aplicaciones en imágenes comprimidas
(Universidad Industrial de Santander, 2022-05-04) Hinojosa Montero, Carlos Alberto; Argüello Fuentes, Henry; Pertuz Arroyo, Said David; Bautista Rozo, Lola Xiomara; Galvis Carreño, Laura Viviana; Carlsson, Marcus; Niebles, Juan Carlos
El uso directo del algoritmo Sparse Subspace Clustering (SSC) en HSI presenta tres problemas principales: (1) Las HSI generalmente tienen ruido debido a su alta variabilidad de la información espectral y el ruido del sensor, lo que puede disminuir el rendimiento del agrupamiento si no se maneja adecuadamente; (2) Debido a la alta dimensionalidad de las HSI y la complejidad computacional de SSC, la mayoría de los algoritmos de agrupamiento trabajan en pequeñas regiones de interés seleccionadas; (3) dado que SSC ignora la información espacial en los HSI, su capacidad de discriminación es limitada, lo que dificulta la homogeneidad espacial de los resultados del agrupamiento. Esta tesis propone diseñar, desarrollar y simular un método eficiente, robusto y con restricciones de similitud para el agrupamiento subespacial, el cual pretende abordar estos tres problemas mencionados anteriormente. Específicamente, el capítulo 2 explora la inclusión de un término de regularización que reduce el ruido y mejora la precisión del agrupamiento. El capítulo 3 propone un algoritmo escalable que extrae características espaciales y realiza la agrupación de manera eficiente con alta precisión. El capítulo 4 adopta ideas de los dos capítulos anteriores para desarrollar un algoritmo rápido y robusto para HSI. Finalmente, los capítulos 5 y 6 proponen diferentes estrategias para realizar el agrupamiento directamente en las medidas comprimidas, evitando la reconstrucción.
Diseño e Implementación de un Algoritmo para la Reducción de los Efectos de la Variabilidad Espectral en la Fusión de Imágenes Multiespectrales e Hiperespectrales
(Universidad Industrial de Santander, 2022-09-20) Camacho Velasco, Ariolfo; Argüello Fuentes, Henry; Castillo Castelblanco, Sergio Fernando; Bautista Rozo, Lola Xiomara; Meneses Fonseca, Jaime Enrrique; Prieto Ortiz, Flavio Augusto; Meza Narváez, Pablo Francisco
Las técnicas de fusión de imágenes han abordado el problema de formación de imágenes de alta resolución a partir de información de múltiples sensores como cámaras hiperespectrales (HS) y multiespectrales (MS), donde los primeros ofrecen alta resolución espectral y los segundos aportan alta resolución espacial. En la práctica, los espectros observados a partir de muestras de un mismo material no son idénticos. Adicionalmente, existen variaciones en la información espectral dentro de experimentos controlados en los laboratorios. Tales variaciones en forma y escala de las firmas espectrales de un mismo material en diferentes píxeles a lo largo de una imagen HS se conoce como variabilidad espectral. Recientemente, la comunidad científica se ha interesado en los efectos de la variabilidad espectral debido a que representan una fuente de error en el análisis de imágenes HS. Sin embargo, los enfoques clásicos de fusión de imágenes MS e imágenes HS aún no han abordado el fenómeno de la variabilidad espectral. Por otro lado, recientes desarrollos de sensores y métodos de procesamiento de datos han conllevado a un mayor uso de imágenes espectrales, principalmente MS e HS en la agricultura mundial. En un contexto colombiano, el desarrollo de aplicaciones e investigaciones científicas de técnicas de teledetección hiperespectral son requeridas en la agricultura, dado el gran potencial agrícola de Colombia por sus condiciones geográficas y climáticas. No obstante, el estudio de la vegetación usando información espectral es afectado por la variabilidad espectral. Por lo tanto, en esta tesis doctoral se diseñó e implementó un algoritmo para la reducción de los efectos de la variabilidad espectral en la fusión de imágenes MS y HS basado en el desmezclado espectral. La principal contribución consiste en el desarrollo de un algoritmo de fusión que combina el modelo de degradación espacio-espectral con el modelo de variabilidad espectral. Particularmente, el desempeño del algoritmo propuesto fue evaluado sobre datos semi-sintéticos, datos reales de escenas de cultivos agrícolas en Colombia y datos espectrales adquiridos en laboratorio, obteniendo una ganancia de hasta 4 dB en términos de la calidad de las imágenes fusionada en comparación con los métodos del estado del arte de fusión de imágenes MS-HS.

Browse

Browsing Doctorado en Ciencias de la Computación by Issue Date

Results Per Page

Sort Options