Diseño e Implementación de un Algoritmo para la Reducción de los Efectos de la Variabilidad Espectral en la Fusión de Imágenes Multiespectrales e Hiperespectrales

Simple item page
dc.contributor.advisorArgüello Fuentes, Henry
dc.contributor.authorCamacho Velasco, Ariolfo
dc.contributor.evaluatorCastillo Castelblanco, Sergio Fernando
dc.contributor.evaluatorBautista Rozo, Lola Xiomara
dc.contributor.evaluatorMeneses Fonseca, Jaime Enrrique
dc.contributor.evaluatorPrieto Ortiz, Flavio Augusto
dc.contributor.evaluatorMeza Narváez, Pablo Francisco
dc.date.accessioned2022-09-26T19:30:08Z
dc.date.available2022-09-26T19:30:08Z
dc.date.created2022-09-20
dc.date.issued2022-09-20
dc.description.abstractLas 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.
dc.description.abstractenglishImage fusion techniques have addressed the problem of forming high-resolution images with information from multiple sensors such as hyperspectral (HS) and multispectral ( MS ) cameras. The former offers high spectral resolution, and the latter provides high spatial resolution. In practice, the spectra observed from samples of the same material are not identical. Additionally, there are variations in spectral information within controlled experiments in laboratories. Such variation in the shape and scale of the spectral signatures of the same material at different pixels throughout an HS image is known as spectral variability. Recently, the scientific community has been interested in the effects of spectral variability because they represent a source of error in the analysis of HS images. However, classical MS image fusion and HS image fusion approaches have not yet addressed the phenomenon of spectral variability. On the other hand, recent sensors and data processing developments have led to greater use of spectral images, mainly MS and HS, in agriculture. In the Colombian context, the development of applications and scientific research of hyperspectral remote sensing techniques are required in agriculture, given the tremendous agricultural potential of the country due to its geographic and climatic conditions. However, the study of vegetation using spectral information is affected by spectral variability. Therefore, in this doctoral thesis, an algorithm was designed and implemented to reduce the effects of spectral variability in the fusion of MS and HS images based on spectral unmixing. The main contribution consists of developing a fusion algorithm that combines the spatial-spectral degradation model with the spectral variability model. In particular, the performance of the proposed algorithm was evaluated on semi-synthetic data, real data from scenes of agricultural crops in Colombia, and spectral data acquired in the laboratory, obtaining a gain of up to 4 dB in terms of the quality of the fused images compared to state-of-the-art MS-HS image fusion methods.
dc.description.degreelevelDoctorado
dc.description.degreenameDoctor en Ciencias de la Computación
dc.description.googlescholarhttps://scholar.google.co.in/citations?user=_Pwb7g0AAAAJ&hl=en
dc.description.orcidhttps://orcid.org/0000-0001-7048-7430
dc.format.mimetypeapplication/pdf
dc.identifier.instnameUniversidad Industrial de Santander
dc.identifier.reponameUniversidad Industrial de Santander
dc.identifier.repourlhttps://noesis.uis.edu.co
dc.identifier.urihttps://noesis.uis.edu.co/handle/20.500.14071/11828
dc.language.isospa
dc.publisherUniversidad Industrial de Santander
dc.publisher.facultyFacultad de Ingeníerias Fisicomecánicas
dc.publisher.programDoctorado en Ciencias de la Computación
dc.publisher.schoolEscuela de Ingeniería de Sistemas e Informática
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.coarhttp://purl.org/coar/access_right/c_abf2
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.licenseAttribution-NonCommercial 4.0 International (CC BY-NC 4.0)
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subjectVariabilidad Espectral
dc.subjectFirma espectral
dc.subjectImágenes multiespectrales
dc.subjectImágenes hiperespectrales
dc.subjectFusión MS-HS
dc.subject.keywordSpectral Variability
dc.subject.keywordFusion MS-HS
dc.subject.keywordHyperspectal imaging
dc.subject.keywordMultispectral imaging
dc.subject.keywordSpectral signature
dc.titleDiseño e Implementación de un Algoritmo para la Reducción de los Efectos de la Variabilidad Espectral en la Fusión de Imágenes Multiespectrales e Hiperespectrales
dc.title.englishDesign and Implementation of an Algorithm to Reduce the Effects of Spectral Variability in the Fusion of Multispectral and Hyperspectral Images
dc.type.coarhttp://purl.org/coar/resource_type/c_db06
dc.type.hasversionhttp://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.localTesis/Trabajo de grado - Monografía - Doctorado
dspace.entity.type
Files
Original bundle
Now showing 1 - 4 of 4
No Thumbnail Available
Name:
Documento.pdf
Size:
126.64 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Anexo.zip
Size:
122.68 MB
Format:
Unknown data format
Download
No Thumbnail Available
Name:
Carta de autorización.pdf
Size:
137.13 KB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Nota de proyecto.pdf
Size:
296.01 KB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
2.18 KB
Format:
Item-specific license agreed to upon submission
Description:
Download
Collections
Doctorado en Ciencias de la Computación