Algoritmo para la detección de objetivos en imágenes espectrales utilizando medidas compresivas

Simple item page
dc.contributor.advisorVargas García, Héctor Miguel
dc.contributor.advisorArguello Fuentes, Henry
dc.contributor.authorBoada Supelano, David Alberto
dc.date.accessioned2024-03-03T22:07:16Z
dc.date.available2015
dc.date.available2024-03-03T22:07:16Z
dc.date.created2015
dc.date.issued2015
dc.description.abstractLa adquisicion y procesamiento de im ´ agenes espectrales involucra el manejo de gran- ´ des cantidades de informacion espectral multidimensional. En cada p ´ íxel de estas image- ´ nes se representa la informacion del comportamiento espectral en una ubicaci ´ on espa- ´ cial, referente a varias longitudes de onda. Esta informacion puede ser usada para ´ tareas como deteccion, clasificaci ´ on, y extracci ´ on de caracter ´ ísticas presentes en una escena. En los ultimos a ´ nos se han desarrollado arquitecturas ˜ opticas para la adquisici ´ on de ´ informacion espectral de forma comprimida usando un conjunto reducido de medicio- ´ nes codificadas por un modulador espacial. Estos avances han facilitado el proceso de muestreo y almacenamiento de informacion espectral. Sin embargo, el proceso de ´ reconstruccion de las im ´ agenes es una operaci ´ on costosa tanto en tiempo como en ´ recursos computacionales. Aplicar el muestreo compresivo a la hora de procesar imagenes espectrales, disminu- ´ yendo el costo de adquisicion y almacenamiento, es la principal motivaci ´ on de este ´ trabajo. Específicamente, se busca el diseno de un modelo de detecci ˜ on escasa que ´ use mediciones comprimidas para detectar objetivos en escenas espectrales usando diccionarios preentrenados y las transformada wavelet. Un algoritmo de optimizacion´ heurístico es utilizado para la evaluacion del modelo, con lo cual se determina si el p ´ íxel evaluado es o no un píxel objetivo
dc.description.abstractenglishHyperspectral imaging entails data typically spanning hundreds of contiguous wavebands in a certain spectral range. Each spatial point in hyperspectral images is therefore represented by a vector whose entries correspond to the intensity on each spectral band. These images enable object and feature detection, classification, or identification based on their spectral characteristics. Novel architectures have been developed for the acquisition of compressive spectral images with just a few coded aperture focal plane array measurements. However, spectral image reconstruction is a highly expensive computational process. This work focuses on the development of a target detection approach in hyperspectral images, using directly compressive spectral measurements without first reconstructing the full data cube that represents the real image, using trained background and target dictionaries and the wavelet transform. Specifically, a sparsity-based target detection model that uses compressive measurement for the detection task is designed and tested using an optimization algorithm. Simulations show that it is possible to perform certain transformations to the dictionaries used in traditional target detection, in order to achieve an accurate image representation in the compressed subspace. Results suggest that the proposed model achieves a probability of detection between 98.92 % and 99.97 % using just the 40 % of the spectral information.
dc.description.degreelevelPregrado
dc.description.degreenameIngeniero de Sistemas
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/20.500.14071/32642
dc.language.isospa
dc.publisherUniversidad Industrial de Santander
dc.publisher.facultyFacultad de Ingenierías Fisicomecánicas
dc.publisher.programIngeniería de Sistemas
dc.publisher.schoolEscuela de Ingeniería de Sistemas e Informática
dc.rightshttp://creativecommons.org/licenses/by/4.0/
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
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/4.0
dc.subjectImagenes Espectrales
dc.subjectProcesamiento De ´ ´Imagenes
dc.subjectMuestreo Compresivo
dc.subjectDeteccion De Objetivos.
dc.subject.keywordSpectral Imaging
dc.subject.keywordImage Processing
dc.subject.keywordCompressive Sampling
dc.subject.keywordTarget Detection.
dc.titleAlgoritmo para la detección de objetivos en imágenes espectrales utilizando medidas compresivas
dc.title.englishAlgorithm for spectral image target detection from compressive measurements using a joint sparsity model and a cassi architecture
dc.type.coarhttp://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.hasversionhttp://purl.org/coar/resource_type/c_7a1f
dc.type.localTesis/Trabajo de grado - Monografía - Pregrado
Files
Original bundle
Now showing 1 - 3 of 3
No Thumbnail Available
Name:
Carta de autorización.pdf
Size:
65.69 KB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Documento.pdf
Size:
4.48 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Nota de proyecto.pdf
Size:
294.76 KB
Format:
Adobe Portable Document Format
Download
Collections
Ingeniería de Sistemas