Diseño y optimización de un sistema compresivo para la adquisición de video espectral

Simple item page
dc.contributor.advisorArgüello Fuentes, Henry
dc.contributor.authorLeón López, Kareth Marcela
dc.contributor.evaluatorRomo Buchelli, David Edmundo
dc.contributor.evaluatorPertuz Arroyo, Said David
dc.contributor.evaluatorCorrea Pugliese, Claudia Victoria
dc.contributor.evaluatorMarrugo Hernández, Andrés Guillermo
dc.contributor.evaluatorVera Rojas, Esteban Mauricio
dc.date.accessioned2022-04-06T20:34:01Z
dc.date.available2022-04-06T20:34:01Z
dc.date.created2022-03-31
dc.date.issued2022-03-31
dc.description.abstractLos videos espectrales contienen información espacial y espectral de una escena en el tiempo, implicando un conjunto de cubos de datos tridimensionales. Los sistemas de adquisición de video espectral compresivo (CSVS) adquieren de manera comprimida los videos mediante la codificación y proyección de cada cuadro espectral en un sensor bidimensional, resultando en un conjunto de cuadros espectrales comprimidos. El video es reconstruido a partir de estas medidas comprimidas usando un algoritmo de recuperación, asumiendo que la señal tiene una representación escasa en una base de transformación. La calidad del video espectral reconstruido depende de la base de transformación, la apertura codificada (CA) usada en el sistema CSVS y el método de reconstrucción. Hasta la fecha, se han realizado diferentes esfuerzos para incrementar la calidad de reconstrucción de estos videos tal como agregar una cámara extra para adquirir información adicional. Sin embargo, éstas soluciones son costosas o ineficientes en aplicaciones prácticas. Según la literatura, es posible obtener un alto rendimiento diseñando conjuntamente la base, la CA y el procedimiento de recuperación. Sin embargo, hasta donde se tiene conocimiento, no existe trabajos previos sobre el diseño conjunto de éstas etapas en sistemas CSVS, donde la información espectral es valiosa. Esta tesis estudia diferentes estrategias para diseñar y optimizar un sistema CSVS para mejorar la calidad de los cuadros espectrales reconstruidos. Una primera estrategia implica el diseño conjunto de la base de transformación y del método de recuperación usando una representación tensorial de orden superior. Y una segunda estrategia implica la optimización del sistema usando redes neuronales convolucionales, aprovechando la creciente cantidad de datos disponibles en la comunidad científica. Los experimentos numéricos sobre diferentes bases de datos a partir de las metodologías propuestas muestran calidades de reconstrucción superiores en comparación con técnicas de la literatura.
dc.description.abstractenglishSpectral videos contain spatial and spectral information of a scene across time, entailing a set of three-dimensional data cubes. Compressive spectral video sensing (CSVS) systems compressively acquire 4D spectral videos by encoding and projecting each spectral frame onto a two-dimensional sensor, resulting in a set of compressed spectral frames. Then, a recovery algorithm is employed to obtain the spectral video from the compressed measurements, where it is assumed that the signal is sparse on some transformation basis. Particularly, the quality of the recovered spectral video mainly depends on the representation basis, the coded aperture (CA) used in the CSVS system and the applied method for the recovering. Up to date, different efforts have been made for increasing the reconstruction quality of the videos such as adding an extra camera to acquire side information. However, these solutions are costly or inefficient for practical applications. According to the literature, state-of-the-art performance can be obtained by jointly designing the basis, the CA and the recovery procedure. Nonetheless, up to our knowledge, there is no prior work concerning the joint design of these stages in CSVS systems, where the spectral information is valuable. This dissertation studies different strategies for designing and optimizing a CSVS system to obtain an image quality improvement on the reconstructed spectral frames. A first strategy entails the jointly sparse basis representation and recovery method design based on a higher-order tensor representation. And a second strategy involves the optimization of the CSVS system based on convolutional neural networks taking advantage of the increasing amount of data available in the scientific community. Extensive numerical simulations on different datasets evaluate the performance of the reconstructed videos from the proposed methodologies showing superior accuracy scores against state-of-the-art techniques.
dc.description.cvlachttps://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0001538822
dc.description.degreelevelDoctorado
dc.description.degreenameDoctor en Ciencias de la Computación
dc.description.googlescholarhttps://scholar.google.com/citations?user=5tp2DgwAAAAJ&hl=es
dc.description.orcidhttps://orcid.org/0000-0002-0502-9107
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/20.500.14071/9739
dc.language.isoeng
dc.publisherUniversidad Industrial de Santander
dc.publisher.facultyFacultad de Ingeníerias Fisicomecánicas
dc.publisher.programDoctorado en Ciencias de la Computación
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.subjectaperturas codificadas
dc.subjectdiseño de sistema de adquisición
dc.subject.keywordCompressive sensing
dc.subject.keywordspectral video
dc.subject.keywordcoded aperture
dc.subject.keywordacquisition system design
dc.titleDiseño y optimización de un sistema compresivo para la adquisición de video espectral
dc.title.englishDesign and Optimization of a Compressive Spectral Video Sensing System
dc.type.coarhttp://purl.org/coar/resource_type/c_db06
dc.type.hasversionhttp://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.localTesis/Trabajo de grado - Monografía - Doctorado
dspace.entity.type
Files
Original bundle
Now showing 1 - 3 of 3
Thumbnail Image
Name:
Documento.pdf
Size:
21.44 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Carta de autorización.pdf
Size:
144.23 KB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Nota de proyecto.pdf
Size:
552.89 KB
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
Doctorado en Ciencias de la Computación