Metodología de clasificación en imágenes espectrales a partir del uso de redes neuronales en un sistema con múltiples vistas angulares

Córdoba Carrero, Junior Alejandro

Metodología de clasificación en imágenes espectrales a partir del uso de redes neuronales en un sistema con múltiples vistas angulares

dc.contributor.advisor	Márquez Castellanos, Miguel Ángel
dc.contributor.advisor	Argüello Fuentes, Henry
dc.contributor.author	Córdoba Carrero, Junior Alejandro
dc.contributor.evaluator	Bautista Rozo, Lola Xiomara
dc.contributor.evaluator	Bacca Quintero, Jorge Luis
dc.date.accessioned	2022-04-20T12:51:18Z
dc.date.available	2022-04-20T12:51:18Z
dc.date.created	2022-03-30
dc.date.issued	2022-03-30
dc.description.abstract	La clasificación se ha convertido en una herramienta indispensable en áreas comerciales como de la investigación al ser usada en el reconocimiento de objetivos y la interpretación de imágenes, más aún al usar información espectral, porque el comportamiento de la reflectancia a diferentes frecuencias electromagnéticas es característico de cada material, siendo posible identificarlos y analizarlos usando procesamiento de imágenes. Las SI son capturadas mediante sistemas ópticos, estos permiten obtener imágenes espectrales con una alta resolución espectral, pero su uso se ve limitado a escenarios donde los objetos poseen poco o nulo movimiento y su adquisición requiere altas capacidades de almacenamiento y de transmisión de datos. Para solucionar estos problemas, surge el muestreo compresivo espectral, que establece que es posible estimar la información espectral de una escena a partir de menos proyecciones que las requeridas por los sistemas ópticos tradicionales. A pesar de que estas técnicas permiten solucionar problemas de almacenamiento, transferencia de información, altos tiempos de adquisición, entre otros, tienen como desventaja la degradación de la información espacial. Para mejorar la calidad de reconstrucción y de clasificación se usan algunos métodos tradicionales para la dquisición de multiples imágenes como son el barrido por fila espectral, pixel por pixel y por banda espectral, se han modificado los sistemas ópticos a su vez de desarrollar e implementar aplicaciones y algoritmos basados en técnicas de DL con pocas proyecciones. En este trabajo se propone el estudio de un sistema compresivo óptico computacional que permite mejorar las tareas de clasificación a partir de una única medida comprimida la cual se obtiene mediante un arreglo de lentes y de una red neuronal basada en aprendizaje profundo.
dc.description.abstractenglish	Classification has become an indispensable tool in commercial areas such as research when used in target recognition and image interpretation, even more so when using spectral information, because the behavior of reflectance at different electromagnetic frequencies is characteristic of each material, being possible to identify and analyze them using image processing. SI are captured by optical systems, these allow obtaining spectral images with high spectral resolution, but their use is limited to scenarios where objects have little or no movement and their acquisition requires high data storage and transmission capacities. To solve these problems, spectral compression sampling arises, which establishes that it is possible to estimate the spectral information of a scene from fewer projections than those required by traditional optical systems. Although these techniques allow solving problems of storage, information transfer, high acquisition times, among others, they have the disadvantage of spatial information degradation. To improve the quality of reconstruction and classification, some traditional methods are used for the acquisition of multiple images, such as scanning by spectral row, pixel by pixel and by spectral band, optical systems have been modified in turn to develop and implement applications and algorithms based on DL techniques with few projections. This paper proposes the study of a computational optical compressive system that allows improving classification tasks from a single compressed measure, which is obtained by means of an array of lenses and a neural network based on deep learning.
dc.description.degreelevel	Pregrado
dc.description.degreename	Ingeniero de Sistemas
dc.format.mimetype	application/pdf
dc.identifier.instname	Universidad Industrial de Santander
dc.identifier.reponame	Universidad Industrial de Santander
dc.identifier.repourl	https://noesis.uis.edu.co
dc.identifier.uri	https://noesis.uis.edu.co/handle/20.500.14071/10052
dc.language.iso	spa
dc.publisher	Universidad Industrial de Santander
dc.publisher.faculty	Facultad de Ingeníerias Fisicomecánicas
dc.publisher.program	Ingeniería de Sistemas
dc.publisher.school	Escuela de Ingeniería de Sistemas e Informática
dc.rights	info:eu-repo/semantics/openAccess
dc.rights.accessrights	info:eu-repo/semantics/openAccess
dc.rights.coar	http://purl.org/coar/access_right/c_abf2
dc.rights.creativecommons	Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.license	Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subject	Clasificación
dc.subject	Redes Neuronales Convolucionales
dc.subject	Procesamiento de imagen
dc.subject	Aprendizaje Profundo
dc.subject.keyword	Classification
dc.subject.keyword	Convolutional Neural Networks
dc.subject.keyword	Image Processing
dc.subject.keyword	Deep Learning
dc.title	Metodología de clasificación en imágenes espectrales a partir del uso de redes neuronales en un sistema con múltiples vistas angulares
dc.title.english	Classification methodology in spectral images from the use of neural networks in a system with multiple angular views
dc.type.coar	http://purl.org/coar/resource_type/c_7a1f
dc.type.hasversion	http://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.local	Tesis/Trabajo de grado - Monografía - Pregrado
dspace.entity.type