Doctorado en Ciencias de la Computación

Permanent URI for this collection

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

Browse

Browsing Doctorado en Ciencias de la Computación by browse.metadata.evaluator "Bautista Rozo, Lola Xiomara"

Now showing 1 - 3 of 3
  • Thumbnail Image
    Item
    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.
  • Thumbnail Image
    Item
    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.
  • Thumbnail Image
    Item
    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.