Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)Arguello Fuentes, HenryCorrea Pugliese, Claudia Victoria2024-03-0320132024-03-0320132013https://noesis.uis.edu.co/handle/20.500.14071/29235Las técnicas tradicionales de adquisición de imágenes espectrales realizan un barrido sobre la región de interés para obtener un conjunto tri- dimensional de datos que contiene la información espacial y espectral de la escena. Por otra parte, los sistemas de captura de imágenes espectrales basados en la técnica compressive sampling, obtienen dicha información mediante un conjunto bidimensional de proyecciones aleatorias. Compressive sampling (CS) establece que ciertas señales pueden ser reconstruidas usando un número de muestras menor que el establecido por el criterio de Nyquist. El sistema CASSI (coded aperture snapshot spectral imager), es una arquitectura óptica diseñada para capturar imágenes espectrales usando CS. Las reconstrucciones en CS son obtenidas utilizando algoritmos de optimización basados en la norma /,, como GPSR (gradient projection for sparse reconstruction). La complejidad computacional del problema inverso de reconstrucción tiene un crecimiento de O(KNL) por iteración del algoritmo, donde N? y L son las dimensiones espaciales y espectral de la escena, respectivamente, y K es el número de tomas realizadas. Diversas aplicaciones requieren imágenes espectrales de grandes dimensiones, sin embargo la complejidad computacional en estos casos es abrumadora, y las reconstrucciones pueden tomar horas en arquitecturas de escritorio. El objetivo de este trabajo de investigación es obtener un modelo matemático para las reconstrucciones por bloques en el sistema CASSI, de manera que la calidad de las imágenes no se afecte y la complejidad computacional sea reducida. Los resultados obtenidos muestran que el modelo propuesto satisface las premisas con complejidad O(K BL) por iteración del GPSR, donde B << N es el tamaño del bloque. Este enfoque aprovecha la estructura de la función de transferencia del sistema, y permite realizar reconstrucciones a partir de pequeños bloques con y sin solapamiento en el conjunto de mediciones. Los resultados muestran que este modelo permite acelerar las reconstrucciones hasta en un orden de magnitud y obtener un PSNR (Peak Signal to Noise Ratio) hasta de 5 dB mayor que el del modelo tradicional.application/pdfspahttp://creativecommons.org/licenses/by/4.0/Imágenes EspectralesProcesamiento Por BloquesCompressive SamplingSistemas Ópticos Basados En Aperturas Codificadas.Universidad Industrial de SantanderTesis/Trabajo de grado - Monografía - MaestriaUniversidad Industrial de Santanderhttps://noesis.uis.edu.coSpectral ImagingBlock-ProcessingCompressive SamplingCodedaperture Based Optical Systems.info:eu-repo/semantics/openAccessAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)