Diseño de matrices de sensado en compresión de imágenes espectrales usando análisis de componentes principales

Simple item page
dc.contributor.advisorArguello Fuentes, Henry
dc.contributor.authorMonsalve Salazar, Jonathan Arley
dc.date.accessioned2024-03-04T00:07:20Z
dc.date.available2018
dc.date.available2024-03-04T00:07:20Z
dc.date.created2018
dc.date.issued2018
dc.description.abstractLa tecnica de adquisición compresiva de imágenes espectrales (CSI, compressive spectral imaging) aprovecha los principios de la teoría de muestreo compresivo (CS,Compressive sensing) en la adquisicion de imágenes espectrales tal que permite reconstruir una señal usando una cantidad reducida de medidas en comparación con técnicas tradicionales. Una caracter´ıstica importante en CSI es el protocolo de muestreo, por esta razon, ´ su diseno es abordado en este trabajo. La coherencia y la propiedad de isometr ˜ ´ıa restrictiva han sido estudiadas con el fin de producir matrices de muestreo universales, esto quiere decir, sin tener en cuenta los datos adquiridos para guiar el proceso. Por otro lado, el uso de mediciones adaptativas puede mejorar los resultados de reconstruccion, dado que estos toman ventaja de la información en la escena para guiar el ´ proceso de adquisicion. Por otra parte, el análisis de componentes principales (PCA, ´ Principal Component analisys) se ha usado satisfactoriamente en problemas de reduccion dimensional, por lo tanto, se puede usar esta técnica para dise ´ nar las medidas ˜ adaptativas dado que CSI incluye un proceso de reduccion dimensional. Por esto, se ´ propone un algoritmo para disenar las matrices de muestreo de algunos sistemas CSI ˜ usando PCA, con el objetivo de reducir el error cuadratico medio entre las medidas y ´ las datos reales. Para realizar el diseno adaptativo de las matrices, los vectores propios ˜ son estimados directamente de las medidas comprimidas. Simulaciones computacionales muestran una mejora de hasta 4 dB en PSNR (peak signal to noise ratio) comparado con reconstrucciones obtenidas a partir de medidas aleatorias.
dc.description.abstractenglishCompressive spectral imaging (CSI) is a framework that takes advantage of the compressive sensing (CS) theory in the acquisition of spectral images allowing to recover a signal by using far fewer measurements than those required by traditional methods based on Nysquist theorem. The sensing protocol is a key feature in CSI, thus, its design is addressed in this work. Coherence and the restricted isometry property have been widely studied in order to produce universal sensing matrices without knowlege of the data. Further, the use of adaptive measurements can improve the reconstruction results since they take advantage of the information in the scene to guide the sensing process. Moreover, principal component analysis (PCA) has been successfully used in dimensionality reduction tasks; therefore it can be used to design the adaptive measurements since CSI includes a dimensionality reduction process. We propose an algorithm to design the sensing matrices of some CSI systems by using PCA, in order to reduce the mean square error between the measurements and the ground truth. In particular, eigenvectors are estimated directly from the compressive measurements allowing to design the sensing matrix adaptively. Several simulations show an improvement of up to 4 dB PSNR compared with reconstruction obtained from random measurements.
dc.description.degreelevelMaestría
dc.description.degreenameMagíster en Ingeniería de Sistemas e Informática
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/20.500.14071/38857
dc.language.isospa
dc.publisherUniversidad Industrial de Santander
dc.publisher.facultyFacultad de Ingenierías Fisicomecánicas
dc.publisher.programMaestría en Ingeniería de Sistemas e Informática
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.subjectAnalisis De Componentes Principales
dc.subjectMuestreo Compresivo
dc.subjectCom- ´ Ponentes Principales Binarios.
dc.subject.keywordCompressive Spectral Imaging
dc.subject.keywordCoded Aperture Design
dc.subject.keywordPrincipal Component Analysis
dc.subject.keywordAdaptive Sampling.
dc.titleDiseño de matrices de sensado en compresión de imágenes espectrales usando análisis de componentes principales
dc.title.englishSensing matrix design in compressive spectral imaging using principal component analysis
dc.type.coarhttp://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.hasversionhttp://purl.org/coar/resource_type/c_bdcc
dc.type.localTesis/Trabajo de grado - Monografía - Maestria
Files
Original bundle
Now showing 1 - 3 of 3
No Thumbnail Available
Name:
Carta de autorización.pdf
Size:
500.24 KB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Documento.pdf
Size:
27.24 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Nota de proyecto.pdf
Size:
301.33 KB
Format:
Adobe Portable Document Format
Download
Collections
Maestría en Ingeniería de Sistemas e Informática