Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)Arguello Fuentes, HenryVargas Garcia, Hector Miguel2024-03-0320162024-03-0320162016https://noesis.uis.edu.co/handle/20.500.14071/34204Debido a los grandes volúmenes de datos recopilados por sensores espectrales, las investigaciones en técnicas de compresión de datos espectrales ha crecido exponencialmente. En muestreo remoto, las plataformas satelitales/aéreas recogen información espectral que luego es enviada a estaciones terrestres para su posterior procesamiento como la separación espectral. El reducido canal de comunicación entre la plataforma satélite/aérea y la estación de tierra limita la cantidad de datos que pueden transmitidos. Para esto, las técnicas de reducción de dimensión pueden ser útiles, operando sobre los datos en el subespacio de la señal, lo cual es computacionalmente económico y poco espacio de almacenamiento es necesario. Sin embargo, estas técnicas requieren la colección de datos completa descartando la información redundante que se adquirió en el proceso de muestreo. En este trabajo se ha propuesto un modelo de mezcla lineal espectral en un sistema de imágenes espectrales compresivas. El modelo propuesto dice que cada píxel espectral tiene una representación de pocos coeficientes en una librería espectral de pixeles puros. El vector de pocos coeficientes se estimado resolviendo un problema de optimización condicionado y métodos de variables separables. Resultados numéricos demuestran que las separación espectral es exitosa utilizando porcentajes de medidas alrededor del 10 y el 25% de toda la información espectral de la escena.application/pdfspahttp://creativecommons.org/licenses/by/4.0/Códigos De ColorImágenes EspectralesMuestreo CompresivoAperturas Codificadas.Universidad Industrial de SantanderTesis/Trabajo de grado - Monografía - MaestriaUniversidad Industrial de Santanderhttps://noesis.uis.edu.coLarge volumes of data are collected by spectrometer systems and spectral data compression techniques are needed. RS on satellite/airborne platform collects spectral information and sends to it a ground station on Earth for subsequent processing. The communication channel between the satellite/airborne platform and the ground station is reducedwhich limits the amount of data that can be transmitted. For thisDR can be very advantageousoperating on the data in the signal subspace is much less computationally intensive and less data storage. HoweverDR requires full data cube discarding redundant information that was acquired in the sensing process. In this worka linear mixture model into compressive spectral imaging system has been usedwhich find the unmixed set of abundance maps from a set of compressive measures. The proposed scheme exploits that every spectral pixel is sparse in known spectral library of endmembers. The sparse vector is recovered solving a sparse nonnegative least square problem based augmented direction method of multiplier. Numerical results clearly demonstrate that compressively acquired data of size ranging from 10% to 25% of the full size can produce satisfactory results.info:eu-repo/semantics/openAccessAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)