Doctorado en Ingeniería: Área Ingeniería Electrónica
Permanent URI for this collection
Browse
Browsing Doctorado en Ingeniería: Área Ingeniería Electrónica by browse.metadata.evaluator "Bautista Rozo, Lola Xiomara"
Now showing 1 - 6 of 6
Results Per Page
Sort Options
Item Algoritmo de reconstrucción de imágenes a partir de proyecciones espectrales aleatorias usando regularizadores de bajo rango(Universidad Industrial de Santander, 2022-05-05) Gélvez Barrera, Tatiana Carolina; Argüello Fuentes, Henry; Duarte Gualdrón, César Antonio; Bautista Rozo, Lola Xiomara; Galvis Carreño, Laura Viviana; Basarab, Adrian; Carlsson, MarcusEl uso de información previa es crucial en la solución de problemas inversos mal condicionados en el procesamiento de imágenes. Esta tesis estudia el denominado bajo rango como información previa de una imagen espectral (IE) abordando la pregunta de investigación ¿Cómo aprovechar la propiedad de bajo rango para resolver problemas de recuperación de imágenes espectrales? Una IE puede ser modelada como un arreglo tridimensional con dos dimensiones espaciales y una dimensión espectral. Típicamente, las escenas naturales contienen redundancia en las respuestas espectrales y similitudes en las estructuras espaciales, tal que la propiedad de bajo rango indica que una IE se encuentra en un subespacio de baja dimensión. Sin embargo, la literatura omite comúnmente un aspecto crítico relacionado con la distinta connotación que tiene la propiedad de bajo rango en las dimensiones espaciales y espectral. Por lo tanto, esta tesis analiza la propiedad de bajo rango por medio de premisas teóricas y estudios empíricos para determinar cómo emplear el bajo rango, obteniendo las siguientes contribuciones principalmente. Un enfoque que incorpora la propiedad de bajo rango implícitamente en la arquitectura de una red neuronal, proponiendo una alternativa a la formulación típica de una función de regularización. Además, se introduce el concepto de similitud de rango-uno asumiendo que las correlaciones estructurales en una IE son preservadas a lo largo de las bandas espectrales. Este concepto determina una dimensión adicional a las dimensiones espaciales y espectral para emplear la propiedad de bajo rango. Finalmente, se presenta la implementación y desarrollo de cuatro algoritmos de recuperación de imágenes espectrales, cubriendo formulaciones de optimización convexa y aprendizaje profundo que consideran la propiedad de bajo rango en la dimensión espacial, espectral, de similitud, y desde el punto de vista global y no-local. En particular, se abordan los problemas de eliminación de ruido, super-resolución, fusión, fusión compresiva, y reconstrucción compresiva, superando los métodos de referencia comparativa en métricas de calidad objetivas y visuales.Item Coded aperture design for adaptive compressive spectral imaging(Universidad Industrial de Santander, 2020) Díaz Díaz, Nelson Eduardo; Argüello Fuentes, Henry; Bautista Rozo, Lola Xiomara; Meneses Fonseca, Jaime Enrique; Rodríguez Ferreira, Julián Gustavo; Carlsson, Marcus; Basarab, AdrianLa adquisición de imágenes espectrales de manera tradicional es un proceso lento debido a que se requiere escanear la escena bajo estudio. En contraste, obtener imágenes espectrales comprimidas (compressive spectral imaging, CSI por sus siglas en inglés) ha atraído un gran interés porque reduce el número de muestras respecto a los sistemas de escaneo para capturar el cubo de datos, esto mejora la velocidad de muestreo. CSI mide proyecciones lineales de una escena, y luego un algoritmo de reconstrucción estima la escena subyacente. Una arquitectura ejemplo de CSI es el sistema de adquisición espectral comprimido de única captura con apertura de color (Colored coded aperture compressive spectral imager, C-CASSI, por sus siglas en inglés) que emplea un arreglo de filtros como códigos de apertura para codificar espacial y espectralmente la luz que entra en el sistema. Dichos códigos de apertura son equivalentes a la matriz de muestreo del sistema, su función es obtener medidas de la señal. Al día de hoy los trabajos relacionados con C-CASSI han usado códigos de apertura no adaptados. Específicamente, el muestreo no adaptado ignora la información a priori acerca de la señal para diseñar los patrones de codificación. Por lo tanto, este trabajo propone tres métodos diferentes para diseñar de forma adaptativa la apertura codificada de colores aplicada a diferentes problemas, incluyendo, mejora de la calidad de la reconstrucción de la imagen de una escena estática, incremento de la precisión en la clasificación usando mediciones espectrales comprimidas, y diseño de un enfoque de estimación de movimiento utilizando una representación escasa en escenas dinámicas (ultrasonido y video multiespectral), en el caso de video multispectral es usado para diseñar aperturas codificadas de forma adaptada para mejorar la calidad de la reconstrucción de la imagen en escenas dinámicas.Item Coded diffraction pattern design algorithm for phase retrieval in optical imaging(Universidad Industrial de Santander, 2020) Pinilla Sánchez, Samuel Eduardo; Argüello Fuentes, Henry; Bautista Rozo, Lola Xiomara; Torres Amarís, Rafael Ángel; Meneses Fonseca, Jaime Enrique; Vera Rojas, Esteban Mauricio; Eguiazarian, KarenLa recuperación de fase es un problema inverso que consiste en estimar una escena a partir de inten-sidades de difracción. Este problema aparece en la formación de imágenes ópticas, que tiene tres zonas principales de difracción donde se pueden adquirir medidas, cerca, media y lejos. Trabajos recientes han empleado algoritmos de descenso de gradiente para resolver el problema de recuperación de fase relacionado con la zona lejana, creando redundancia en el proceso de medición al incluir una apertura codificada, que permite modular la escena y adquirir patrones de difracción codificados (CDP). Sin embargo, este problema no se ha estudiado teóricamente para CDP en las zonas cercana y media. Además, la estructura de la apertura codificada se selecciona al azar, lo que conduce a estimaciones subóptimas. Esta tesis proporciona garantías teóricas para la recuperación de una escena adquirida en las tres zonas de difracción utilizando modulaciones admisibles. Con base en los resultados teóricos, se demostrará que la calidad de reconstrucción de la imagen depende directamente de la estructura de apertura codificada; por lo tanto, el diseño de la matriz de detección es fundamental para obtener una alta calidad de reconstrucción. Específicamente, las aperturas codificadas se pueden diseñar para mejorar la calidad de la señal reconstruida. Además, cuando la escena se puede representar escasamente de alguna manera, su soporte se puede estimar mejor para una elección cuidadosa de los elementos de codificación. Los resultados numéricos muestran que la escena se recupera con éxito mediante el uso de aperturas codificadas diseñadas con hasta 40% menos de medidas en comparación con conjuntos no diseñados.Item Diseño de diccionarios para representación escasa en sensado espectral comprimido(Universidad Industrial de Santander, 2023-07-21) Barajas Solano, Crisóstomo Alberto; Argüello Fuentes, Henry; Pertuz Arroyo, Said David; Bautista Rozo, Lola Xiomara; Galvis Carreño, Laura Viviana; Ramírez Rondón, Juan Marcos; Rodríguez Valderrama, Paul AntonioLa Representación de diccionarios escasos convolucionales (CSDR) ha surgido como un marco robusto y flexible para representar escasamente señales de voz, escala de grises e imágenes en color. También se ha utilizado en aplicaciones médicas como imágenes de ultrasonido y ecografía, y geología. El modelo CSDR propone representar una señal como la suma de las convoluciones de una colección demasiado completa de elementos de diccionario convolucional (átomos) y mapas de coeficientes dispersos. Ambas colecciones deben cumplir una serie de restricciones. El modelo CSDR ofrece algunas ventajas interesantes frente a otros modelos de representación dispersa. Por ejemplo, el operador convolucional permite la eliminación de ruido, la invariancia de cambios, la tolerancia (hasta cierto punto) a la deformación, la rotación y la traslación. Estas propiedades hacen del CSDR un modelo interesante para su uso en imágenes espectrales compresivas (CSI). CSI establece que una imagen espectral de interés se puede recuperar a partir de un pequeño conjunto de medidas de compresión, {porque un problema de optimización, con alta probabilidad, recupera la información faltante ya que se supone que los datos son escasos en algún dominio}. Los métodos de última generación utilizan el modelo de representación de señal dispersa (SSR) como base de representación para recuperar la imagen espectral de tamaño completo a partir de una serie de mediciones de compresión. Este trabajo propone cambiar el modelo SSR para el marco CSDR basado en señales para aprovechar las propiedades de CSDR.Item Diseño e implementación de nuevos métodos para tareas de inferencia usando imágenes hiperespectrales sensadas por compresión(Universidad Industrial de Santander, 2023-11-13) Vargas García, Héctor; Argüello Fuentes, Henry; Martínez Carrillo, Fabio; Bautista Rozo, Lola Xiomara; Gélvez Barrera, Tatiana Carolina; Esnaola, Iñaki; Rodríguez Valderrama, Paul AntonioLa escasez, representada por un conjunto reducido de coeficientes en un diccionario dado, es clave en tareas de procesamiento de señales. La adquisición compresiva utiliza proyecciones aleatorias para aprovechar la escasez de las señales en sistemas con recursos limitados, como sensores, con una costosa reconstrucción. Una alternativa es transformar la reconstrucción costosa en un método de procesamiento de señales más económico, estimando un número reducido de características. Por otro lado, las proyecciones aleatorias computacionales se emplean para integrarse eficientemente con métodos de inferencia tradicionales. Se asume que ciertas proyecciones preservan el subespacio de datos, utilizándose en métodos basados en subespacios para reducir ruido y dimensión de la información. En esta tesis, se propone una metodología para adquirir imágenes hiperespectrales de manera compresiva. Se utiliza un sistema óptico multimodal con cámaras hiperespectral y RGB. La extracción de características se realiza sin reconstruir todo el cubo de datos, mediante una estrategia de optimización numérica. Este enfoque demuestra la posibilidad de obtener características discriminatorias sin reconstruir todos los datos en términos de precisión de clasificación.Item Optimización del algoritmo de reconstrucción y diseño de la matriz del sistema en adquisición compresiva de imágenes espectrales(Universidad Industrial de Santander, 2018) Mejía Melgarejo, Yuri Hercilia; Argüello Fuentes, Henry; Bautista Rozo, Lola Xiomara; Pertuz Arroyo, Said David; Meneses Fonseca, Jaime Enrique; Vera Rojas, Esteban Mauricio; Tourneret, Jean-YvesLos sensores compresivos de imágenes espectrales reducen el número de pixeles muestreados mediante la combinación de información espectral codificada de una escena en proyecciones bidimensionales. El diseño de la matriz de muestreo que modela el sensor y la optimización del algoritmo de reconstrucción son áreas importantes de investigación hoy en día. Este trabajo desarrolla algunos enfoques de diseño de la matriz de muestreo para sistemas compresivos de imágenes espectrales, además de propuestas para la mejorar el algoritmo de reconstrucción. El diseño de la matriz consiste en el estudio de la independencia lineal de las filas de la matriz de muestreo y su relación con los val-ores propios, dando lugar a restricciones físicas en los sensores. Estos diseños también se estudian en el caso en el que se reconstruye una imagen espectral a partir de la fusión de las medidas de dos sensores compresivos. Por otro lado, en la optimización del algoritmo de reconstrucción se explota el hecho de que las imágenes espectrales son suaves en el dominio espacial. Primero, se propone un filtrado pasa bajas dentro del proceso iterativo de los algoritmos de reconstrucción y segundo, se reformula un problema de minimización con un regularizador que promueve suavidad en la imagen y resolviendo por un enfoque Bayesiano.