Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)Arguello Fuentes, HenryVargas Garcia, Cesar AugustoCamacho Velasco, Ariolfo2024-03-0320162024-03-0320162016https://noesis.uis.edu.co/handle/20.500.14071/34101La técnica de sensado remoto hiperespectral permite adquirir información espacial, temporal y espectral de un objeto, o escena. Las imágenes hiperespectrales (HSI) captan información en alta resolución espectral, acerca de las características espectrales de materiales o vegetación presente sobre la superficie de la Tierra. La aplicación e investigación de las HSI es de importancia en diferentes áreas, dentro de las cuales se destaca el área agrícola. Existen diversos algoritmos que permiten aprovechar la información contenida en una HSI, tales como algoritmos de clasificación, detección de anomalías y algoritmos de detección de objetivos. Específicamente la tarea de un algoritmo de detección de objetivos en HSI es detectar un píxel deseado (objetivo) en una escena HSI con el menor nímero de falsas alarmas (FA). Los algoritmos de detección de objetivos usados en HSI en las dos íltimas décadas han presentado mejoras, modificaciones y nuevas versiones. Sin embargo, la tarea de encontrar un algoritmo de detección que cuente con un desempe˜no óptimo y que este libre de ajustes previos para diferentes escenarios y objetivos, aun es materia de investigación. Colombia posee condiciones geográficas y climáticas particulares, generando escenarios diversos, permitiendo evaluar el desempe˜no de los algoritmos seleccionados para diferentes tipos de escenarios, relieves, climas y cultivos agrícolas. La presente investigación realiza la identificación e implementación de algoritmos de detección de objetivos en HSI adquiridas por sensores remotos, sobre el territorio colombiano. En la evaluación de los algoritmos y el desarrollo de la presente investigación se trabajó con 20 HSI reales; 6 HSI sintéticas, 1 HSI sintética sin ruido y 5 con ruido, se implantaron 5 objetivos sintéticos, creados a partir de la firma espectral pura de la alunita a diferentes grados de mezcla, y se extrajeron más de 115 firmas espectrales reales, de las cuales 11 fueron usadas como objetivo, permitiendo la caracterización de cinco cultivos agrícolas del nororiente colombiano en 5 diferentes áreas de estudio. Los resultados muestran que el algoritmo ACE presenta un mejor desempe˜no para diferentes HSI y objetivos de tipo agrícola, tanto en imágenes sintéticas como reales.application/pdfspahttp://creativecommons.org/licenses/by/4.0/Sensado RemotoImagen HiperespectralAlgoritmo De Detección De Objetivos En Imágenes HiperespectralesPropiedades Espectrales De La Vegetación.Universidad Industrial de SantanderTesis/Trabajo de grado - Monografía - MaestriaUniversidad Industrial de Santanderhttps://noesis.uis.edu.coHyperspectral remote sensing techniques allow spatialspectral and temporal information from an object or a spectral scene. Hyperspectral Images (HSI) yield high spectral resolution information from materials and vegetation features of the surface. HSI applications and research are of great importance in diverse fieldsin which the agricultural area is highlighted. There are several HIS processing tasks such as classification and anomaly and target detection. The aim in a target detection algorithm is to label each desired pixel as a target with the lesser false alarm rate (FA)thus estimating the target presence in the image. In the last few decadesTarget detection algorithms have been modifiedupdated and improved. Howeverfinding a target detection algorithm with an optimal performance and independent from external presettings for different targets and scenes is a working research area. Colombia has particular climatic and geographical conditionsproviding diverse landscapes that allow to test the selected algorithms in numerous reliefsclimates and crops. This research looks for identification and implementation of target detection algorithms over hyperspectral images acquired by remote sensors in Colombian territoryallowing the technological and scientific flow at a national levelthrough appropriation and research in HIS use and application. For the experimental and testing laborseveral datasets were used: 20 real HSI6 synthetic HIS1 noise free and 5 with noisy synthetic HIS5 synthetic targets were used created from an alunite pure spectral signature with different mixture levels and more than 115 real spectral signaturesfrom which 11 were used as target signaturesyielding the characterization of 5 kinds of crops from north-east Colombia in 5 different locations. Results exhibit that the ACE algorithm presents a better performance for different HIS and agricultural targets as much as synthetic and real images.info:eu-repo/semantics/openAccessAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)