Metodología de adquisición y reconstrucción de vídeos espectrales mediante el uso de la teoría de muestreo compresivo y redes neuronales convolucionales

Simple item page
dc.contributor.advisorMárquez Castellanos, Miguel Ángel
dc.contributor.authorCalderón Carrillo, Camilo Andrés
dc.contributor.authorGómez Toloza, Pablo Andrés
dc.contributor.evaluatorAndrade Sosa, Hugo Hernando
dc.contributor.evaluatorGalvis Carreño, Laura Viviana
dc.contributor.evaluatorPertuz Arroyo, Said David
dc.date.accessioned2022-04-19T18:33:41Z
dc.date.available2022-04-19T18:33:41Z
dc.date.created2022-03-31
dc.date.issued2022-03-31
dc.description.abstractLa adquisición de video espectral a partir de la teoría de muestreo compresivo (CSV, de sus siglas en inglés compressive spectral video) se ha convertido en un tema de investigación de gran interés en la comunidad de visión por computadora, debido a que estos sistemas permiten comprimir la información espacial, espectral y temporal en un conjunto de imágenes 2D para posteriormente recuperarla usando algoritmos de reconstrucción. Sin embargo, los enfoques de CSV se han limitado a comprimir únicamente la dimensión espectral de cada cuadro, es decir, no se desarrolla compresión temporal. Los enfoques alternativos son los sistemas de brazo doble basados en un generador de imágenes espectrales y temporales compresivas que fusiona las mediciones adyacentes para recuperar el vídeo espectral. Por lo tanto, es deseable el desarrollo de un generador de imágenes CSV que permita recuperar un vídeo espectral a partir de una única medición comprimida. Este trabajo propone una metodología de adquisición y compresión de video espectral mediante el uso de un elemento de codificación espacial binario tipo segmentado y un filtro tuneable. A través del sistema óptico propuesto, tanto la dimensión espectral como la temporal se pueden modular durante un tiempo de integración utilizando solo dos elementos ópticos.
dc.description.abstractenglishSpectral video acquisition from compressive sensing theory (CSV) has become a high-interest research topic in the computer vision community due to the fact that these systems allow the spatial, spectral, and temporal information to be compressed into a set of 2D images to subsequently recover the spectral video using reconstruction algorithms. However, CSV approaches have been only limited to compress the spectral dimension for each frame, i.e., temporal compression is not performed. Alternative approaches are dual-arm systems that rely on a compressive temporal and spectral imager that fuse adjacent measurements to retrieve the spectral video. Therefore, the development of a CSV imager that allows a spectral video to be retrieved from a single compressed measurement is highly desired. This work proposes a spectral video acquisition and compression methodology through the use of a segmented-type binary spatial coding element and a tunable filter. Through the proposed optical system, both the spectral and temporal dimensions can be modulated during an integration time using only two optical elements.
dc.description.cvlachttps://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0001812079
dc.description.degreelevelPregrado
dc.description.degreenameIngeniero de Sistemas
dc.description.googlescholarhttps://scholar.google.com/citations?user=edahT7QAAAAJ&hl=es
dc.description.orcidhttps://orcid.org/0000-0003-2171-5497
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/20.500.14071/10016
dc.language.isospa
dc.publisherUniversidad Industrial de Santander
dc.publisher.facultyFacultad de Ingeníerias Fisicomecánicas
dc.publisher.programIngeniería de Sistemas
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.subjectMuestreo compresivo
dc.subjectVideo espectral
dc.subjectAprendizaje profundo
dc.subjectSistema óptico
dc.subject.keywordCompressive Sensing
dc.subject.keywordSpectral Video
dc.subject.keywordDeep Learning
dc.subject.keywordOptical System
dc.titleMetodología de adquisición y reconstrucción de vídeos espectrales mediante el uso de la teoría de muestreo compresivo y redes neuronales convolucionales
dc.title.englishSpectral video acquisition and reconstruction methodology using compressive sensing theory and convolutional neural networks
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1f
dc.type.hasversionhttp://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.localTesis/Trabajo de grado - Monografía - Pregrado
dspace.entity.type
Files
Original bundle
Now showing 1 - 3 of 3
Thumbnail Image
Name:
Documento.pdf
Size:
21.94 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Carta de autorización.pdf
Size:
255.85 KB
Format:
Adobe Portable Document Format
Description:
Download
No Thumbnail Available
Name:
Nota de proyecto.pdf
Size:
1.79 MB
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
Ingeniería de Sistemas
Ingeniería Electrónica