Aprendizaje de un modelo de propagación no lineal para el sistema óptico de adquisición de imágenes espectrales basado en apertura codificada de única captura (CASSI) a través de redes neuronales profundas
dc.contributor.advisor | Bacca Quintero, Jorge Luis | |
dc.contributor.author | Escobar Pérez, Jessica Paola | |
dc.contributor.evaluator | Romo Bucheli, David Edmundo | |
dc.contributor.evaluator | Camacho Velasco, Ariolfo | |
dc.date.accessioned | 2022-04-19T18:09:23Z | |
dc.date.available | 2022-04-19T18:09:23Z | |
dc.date.created | 2022-03-30 | |
dc.date.issued | 2022-03-30 | |
dc.description.abstract | Las imágenes espectrales detectan la información espacial de una escena a lo largo de múltiples longitudes de onda; las imágenes multiespectrales tienen una alta resolución espacial y baja resolución espectral, por el contrario, las imágenes hiperespectrales se caracterizan por tener alta resolución espectral y baja resolución espacial. La adquisición de dichas imágenes a través de la imagen espectral compresiva (CSI, por sus siglas en inglés compressive spectral imaging) reduce significativamente la velocidad de detección ya que adquiere la información a partir de una cantidad reducida de muestras. El sistema de adquisición de imágenes espectrales basado en apertura codificada de única captura (CASSI, por sus siglas en inglés coded aperture snapshot spectral imagers) es una de las arquitecturas más representativas de CSI en la cual se asume un modelo de propagación lineal. Sin embargo, al realizar la adquisición se presentan diferentes fenómenos de dispersión óptica que provocan que el modelo de propagación no sea lineal, por lo que se desconoce el modelo real de sensado. Por este motivo, se propone aprender un modelo de propagación no lineal a través de redes neuronales profundas (DNN, por sus siglas en inglés deep neural networks), el cual se usará en algoritmos de recuperación para obtener una mejor calidad en la estimación. | |
dc.description.abstractenglish | Spectral images detect spatial information in a scene across multiple wavelengths; multispectral images have high spatial resolution and low spectral resolution, by contrast, hyperspectral images are characterized by high spectral resolution and low spatial resolution. Acquiring these images through compressive spectral imaging (CSI) significantly reduces the speed of detection since it acquires the information from a reduced number of samples. The coded aperture snapshot spectral imagers (CASSI) based spectral image acquisition system is one of the most representative architectures of the CSI in which a linear propagation model is assumed. However, when performing the acquisition, different optical dispersion phenomena occur that cause the propagation model to be non-linear, so the real sensing model is unknown. For this reason, it is proposed to learn a model of non-linear propagation through deep neural networks (DNN), which will be used in recovery algorithms to obtain a better quality in the estimation. | |
dc.description.cvlac | https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0001812326 | |
dc.description.degreelevel | Pregrado | |
dc.description.degreename | Ingeniero de Sistemas | |
dc.description.googlescholar | https://scholar.google.com/citations?hl=es&user=NdCS940AAAAJ | |
dc.description.orcid | https://orcid.org/0000-0001-5066-8699 | |
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/20.500.14071/10015 | |
dc.language.iso | spa | |
dc.publisher | Universidad Industrial de Santander | |
dc.publisher.faculty | Facultad de Ingeníerias Fisicomecánicas | |
dc.publisher.program | Ingeniería de Sistemas | |
dc.publisher.school | Escuela de Ingeniería de Sistemas e Informática | |
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 | Attribution-NonCommercial 4.0 International (CC BY-NC 4.0) | |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | |
dc.subject | Imagen espectral compresiva | |
dc.subject | Sistema óptico | |
dc.subject | Calibración | |
dc.subject | Redes neuronales profundas | |
dc.subject.keyword | Compressive spectral imaging | |
dc.subject.keyword | Optical system | |
dc.subject.keyword | Calibration | |
dc.subject.keyword | Deep neural network | |
dc.title | Aprendizaje de un modelo de propagación no lineal para el sistema óptico de adquisición de imágenes espectrales basado en apertura codificada de única captura (CASSI) a través de redes neuronales profundas | |
dc.title.english | Non-linear propagation model learning for coded aperture snapshot spectral imaging (CASSI) optical system through deep neural networks | |
dc.type.coar | http://purl.org/coar/resource_type/c_7a1f | |
dc.type.hasversion | http://purl.org/coar/version/c_b1a7d7d4d402bcce | |
dc.type.local | Tesis/Trabajo de grado - Monografía - Pregrado | |
dspace.entity.type |
Files
Original bundle
1 - 3 of 3
No Thumbnail Available
- Name:
- Carta de autorización.pdf
- Size:
- 139.4 KB
- Format:
- Adobe Portable Document Format
No Thumbnail Available
- Name:
- Nota de proyecto.pdf
- Size:
- 395.61 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: