Doctorado en Ingeniería: Área Ingeniería Electrónica

Permanent URI for this collection

https://noesis.uis.edu.co/handle/20.500.14071/9029

Browse

Browsing Doctorado en Ingeniería: Área Ingeniería Electrónica by browse.metadata.evaluator "Bacca Quintero, Jorge Luis"

Now showing 1 - 2 of 2
  • No Thumbnail Available
    Item
    Estimación de estadísticos muestrales desde proyecciones aleatorias de baja dimensión
    (Universidad Industrial de Santander, 2023-11-14) Monsalve Salazar, Jonathan Arley; Argüello Fuentes, Henry; Rueda Chacón, Hoover Fabián; Bacca Quintero, Jorge Luis; Ramírez Silva, Ana Beatriz; Gélvez Barrera, Tatiana Carolina; Rodríguez Valderrama, Pablo Antonio
    El muestreo compresivo de la covarianza (MCC) tiene como objetivo recuperar el segundo momento estadístico de una señal a partir de un conjunto de proyecciones aleatorias de baja dimensión. En particular, CCS recupera la matriz de covarianza (MC) en lugar de la señal de alta dimensión, lo que representa una reducción significativa de los datos reconstruidos en aplicaciones tales como imágenes hiperespectrales, donde la MC suele ser algunos órdenes de magnitud más pequeño que la imagen. Además, la MC proporciona información sobre el subespacio de los datos útil para diseñar protocolos de detección, entrenar modelos para la clasificación o incluso reconstruir la señal. Esta tesis estudia la estimación y el uso del segundo momento estadístico de las imágenes hiperespectrales en la acquisición compresiva de imágenes espectrales (CSI). Por lo tanto, esta tesis propone un algoritmo para reconstruir el segundo momento estadístico a partir de proyecciones aleatorias de baja dimensión de imágenes hiperespectrales y un algoritmo para diseñar el protocolo de adquisición utilizando la MC. Para ello se propone un problema de optimización convexa, un algoritmo y una arquitectura óptica. Además, esta tesis presenta el análisis de las garantías de convergencia y algunas propiedades teóricas para asegurar una correcta reconstrucción. El algoritmo propuesto se prueba en tareas de clasificación y reconstrucción de imágenes hiperespectrales, incluida la estimación de la cobertura terrestre utilizando la MC recuperada.
  • No Thumbnail Available
    Item
    Optimización de extremo a extremo de un sistema computacional codificado de única captura para la estimación de información espectral y de profundidad
    (Universidad Industrial de Santander, 2023-11-14) Vargas Díaz, Edwin Mauricio; Argüello Fuentes, Henry; Tourneret, Jean-Yves; Hinojosa Montero, Carlos Alberto; Meneses Fonseca, Jaime Enrique; Rodríguez Ferreira, Julián Gustavo; Bacca Quintero, Jorge Luis
    Las imágenes de profundidad y espectrales son tecnologías indispensables para multiples aplicaciones, pero tradicionalmente se han explorado de manera independiente. Esfuerzos recientes han estado dirigidos hacia la codificación óptica de información espectral y de profundidad (EP) en una sola captura del sensor, que posteriormente se decodifica mediante un algoritmo computacional. La efectividad de los sistemas EP de única captura depende principalmente de la modulación óptica, que se conoce como codificación, y las técnicas computacionales empleadas para extraer información EP de las medidas codificadas. La modulación óptica se realiza convencionalmente utilizando aperturas codificadas (AC), máscaras de fase, prismas o rejillas, iluminación activa, entre otros. Esta tesis propone una estrategia de modulación óptica (codificación) mediante la sincronización de una apertura codificada en fase y un obturador de píxeles arbitrario en conjunto con una apertura codificada de color en el sensor. El multiplexado en el tiempo de la apertura codificada (MTAC) mejora las estrategias de codificación convencionales sin agregar nuevos elementos ópticos. Esta tesis demuestra que el MTAC propuesto implica una función de dispersión de puntos (FDP) espacialmente variable para un profundidad constante en una escena, lo que facilita la distinción, y por tanto, una mejor recuperación de la información de profundidad. Además, el filtrado selectivo de bandas espectrales específicas por parte del CCA codifica las características relevantes de la información espectral que se decodifica usando un algoritmo e reconstrucción. Para optimizar el MTAC, esta tesis aprovecha los avances de las técnicas de aprendizaje profundo para aprender conjuntamente la modulación óptica y el algoritmo de decodificación computacional en un marco de trabajo de extremo a extremo (E2E). El enfoque propuesto demuestra a través de simulaciones numéricas y escenarios reales que el enfoque propuesto supera a los sistemas EP de única captura del estado del arte. Finalmente, esta tesis doctoral muestra que el concepto fundamental MTCA logra un mayor rendimiento cuando se aplica a sistemas computacionales de imágenes espectrales compresivas e imágenes de campo de luz, demostrando así su amplia aplicabilidad.