Algoritmo de mejora de la calibración óptica para la implementación de un sistema de imágenes espectrales compresivas diseñado
dc.contributor.advisor | Argüello Fuentes, Henry | |
dc.contributor.advisor | García Arenas, Hans Yecid | |
dc.contributor.author | Urrea Vecino, Sergio Andrés | |
dc.contributor.evaluator | Pertuz Arroyo, Said David | |
dc.contributor.evaluator | Rueda Chacón, Hoover Fabián | |
dc.date.accessioned | 2025-05-26T14:47:03Z | |
dc.date.available | 2025-05-26T14:47:03Z | |
dc.date.created | 2025-05-14 | |
dc.date.issued | 2025-05-14 | |
dc.description.abstract | Las imágenes espectrales tienen diversas aplicaciones que superan las capacidades de las imágenes RGB, como los controles de calidad en la industria alimentaria, la detección de sustancias y la agricultura de precisión. Los métodos tradicionales de obtención de imágenes espectrales requieren una gran cantidad de mediciones para capturar una imagen espectral. Por otro lado, las imágenes espectrales compresivas pretenden reducir las mediciones necesarias mediante técnicas de detección compresiva. Trabajos recientes han demostrado una mejora del rendimiento de la reconstrucción de imágenes espectrales mediante el diseño del elemento de codificación. Los algoritmos se utilizan habitualmente para la reconstrucción en enfoques basados en modelos para superar la limitación de los datos. Sin embargo, la matriz de calibración del sistema implementado no coincide perfectamente con las matrices de detección diseñadas debido a las no idealidades de construcción. Para reducir esta brecha, este proyecto de investigación se centra en mejorar las mediciones del sistema de imágenes espectrales diseñado basándose en la reducción de las diferencias entre el sistema diseñado y el implementado para minimizar la disparidad entre los resultados de simulación e implementación. | |
dc.description.abstractenglish | Spectral imaging has diverse applications that surpass the capabilities of RGB images, including quality checks in the food industry, substance detection, and precision agriculture. Traditional spectral imaging methods require a high amount of measurements to capture a spectral image. On the other hand, compressive spectral imaging aims to reduce the required measurements using compressive sensing techniques. Recent work has shown an improvement in the performance of spectral image reconstruction by designing the coding element. Algorithms are commonly used for reconstruction in model-based approaches to surpass the limitation of data. However, the calibration matrix of the implemented system does not perfectly match the designed sensing matrices due to construction non-idealities. To reduce this gap, this research project focuses on enhancing the measurements of the designed spectral imaging system based on reducing the differences between the designed and implemented system to minimize the disparity between simulation and implementation results. | |
dc.description.degreelevel | Maestría | |
dc.description.degreename | Magíster en Ingeniería Electrónica | |
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/20.500.14071/45655 | |
dc.language.iso | eng | |
dc.publisher | Universidad Industrial de Santander | |
dc.publisher.faculty | Facultad de Ingeníerias Fisicomecánicas | |
dc.publisher.program | Maestría en Ingeniería Electrónica | |
dc.publisher.school | Escuela de Ingenierías Eléctrica, Electrónica y Telecomunicaciones | |
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 | Atribución-NoComercial-SinDerivadas 2.5 Colombia (CC BY-NC-ND 2.5 CO) | |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | |
dc.subject | Métodos de perturbación | |
dc.subject | Computación óptica | |
dc.subject | Modelado de sistemas | |
dc.subject | Modelos predictivos | |
dc.subject | Imágenes ópticas | |
dc.subject | Óptica adaptativa | |
dc.subject | Sensores ópticos | |
dc.subject | Procesado óptico de señales | |
dc.subject | Reconstrucción de imágenes | |
dc.subject | Imágenes hiperespectrales | |
dc.subject | Corrección de desajustes | |
dc.subject.keyword | Perturbation methods | |
dc.subject.keyword | Optical computing | |
dc.subject.keyword | Systems modeling | |
dc.subject.keyword | Predictive models | |
dc.subject.keyword | Op- tical imaging | |
dc.subject.keyword | Adaptive optics | |
dc.subject.keyword | Optical sensors | |
dc.subject.keyword | Optical signal processing | |
dc.subject.keyword | Image reconstruction | |
dc.subject.keyword | Hyperspectral imaging | |
dc.subject.keyword | Mismatch correction | |
dc.title | Algoritmo de mejora de la calibración óptica para la implementación de un sistema de imágenes espectrales compresivas diseñado | |
dc.title.english | Optical calibration enhancement algorithm for the implementation of a designed compressive spectral imaging system | |
dc.type.coar | http://purl.org/coar/resource_type/c_bdcc | |
dc.type.hasversion | http://purl.org/coar/version/c_b1a7d7d4d402bcce | |
dc.type.local | Tesis/Trabajo de grado - Monografía - Maestría |
Files
Original bundle
1 - 3 of 3
No Thumbnail Available
- Name:
- Carta de autorización.pdf
- Size:
- 85.74 KB
- Format:
- Adobe Portable Document Format
No Thumbnail Available
- Name:
- Documento.pdf
- Size:
- 45.28 MB
- Format:
- Adobe Portable Document Format
No Thumbnail Available
- Name:
- Nota de proyecto.pdf
- Size:
- 398.94 KB
- Format:
- Adobe Portable Document Format
License bundle
1 - 1 of 1
No Thumbnail Available
- Name:
- license.txt
- Size:
- 2.18 KB
- Format:
- Item-specific license agreed to upon submission
- Description: