A supervised classification system of spectral images acquired with a single pixel optical architecture and side information
No Thumbnail Available
Date
2019
Authors
Advisors
Evaluators
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad Industrial de Santander
Abstract
Las imagenes espectrales proporcionan una gran cantidad de informaci ´ on que permite re- ´ alizar diversas tareas de procesamiento, como clasificacion, con gran precisi ´ on. Sin embargo, ´ debido a la alta dimensionalidad de los datos, procesar, transmitir y almacenar dicha informacion es costoso. En los ´ ultimos a ´ nos, la compresi ˜ on de im ´ agenes espectrales (CSI) ha ´ emergido como una nueva tecnica de adquisici ´ on que adquiere proyecciones codificadas de ´ la escena espectral aplicando diferentes patrones de codificacion, reduciendo considerable- ´ mente los costos de almacenamiento y transmision. Variando la estrategia de muestreo, varios ´ dispositivos CSI, con diferentes configuraciones opticas, se han desarrollado, donde la arqui- ´ tectura de camara de un solo p ´ ´ıxel (SPC) sobresale por bajo costo de implementacion. Tradi- ´ cionalmente, una reconstruccion completa de la escena subyacente es necesaria para realizar ´ cualquier tarea de procesamiento, lo que implica resolver un problema de optimizacion com- ´ putacionalmente costoso. El objetivo de este proyecto es realizar clasificacion de im ´ agenes ´ espectrales utilizando directamente mediciones CSI, evitando la reconstruccion completa de ´ la escena. Las mediciones de CSI se adquiriran mediante la implementaci ´ on en el laboratorio ´ de una SPC. Ademas, dada la baja resoluci ´ on espacial del sensor SPC, se propone obtener ´ informacion complementaria a trav ´ es de un sensor RGB auxiliar, que tiene una resoluci ´ on es- ´ pacial mas alta. Utilizando la informaci ´ on de ambos sensores, este trabajo propone dise ´ nar los ˜ patrones de codificacion SPC considerando la agrupaci ´ on de p ´ ´ıxeles con caracter´ısticas similares en la imagen RGB. Luego, es posible extraer caracter´ısticas de la escena para realizar una clasificacion directa. Por lo tanto, es posible obtener un mapa de clasificaci ´ on, utilizando ´ una maquina de soporte vectorial de manera r ´ apida y con alta precisi ´ on sin requerir una etapa ´ de reconstruccion. En general, se obtuvo una precisi ´ on global de ´ 95.41%, 97.29%, 97.72% y 99% utilizando la “Pavia University”, “Pavia Center”, “Salinas”, y “granos de cacao” adquiridos en un laboratorio optico, respectivamente.
Description
Keywords
Imagenes Espectrales, Resoluci ´ On Espacial, Muestreo Compresivo, Sen- ´ Sado Espectral De Imagenes, Fusi ´ On De Im ´ Agenes, Clasificaci ´ On Supervisada, Superpixeles.