Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)Márquez Castellanos, Miguel ÁngelCalderón Carrillo, Camilo AndrésGómez Toloza, Pablo Andrés2022-04-192022-04-192022-03-312022-03-31https://noesis.uis.edu.co/handle/20.500.14071/10016La adquisición de video espectral a partir de la teoría de muestreo compresivo (CSV, de sus siglas en inglés compressive spectral video) se ha convertido en un tema de investigación de gran interés en la comunidad de visión por computadora, debido a que estos sistemas permiten comprimir la información espacial, espectral y temporal en un conjunto de imágenes 2D para posteriormente recuperarla usando algoritmos de reconstrucción. Sin embargo, los enfoques de CSV se han limitado a comprimir únicamente la dimensión espectral de cada cuadro, es decir, no se desarrolla compresión temporal. Los enfoques alternativos son los sistemas de brazo doble basados en un generador de imágenes espectrales y temporales compresivas que fusiona las mediciones adyacentes para recuperar el vídeo espectral. Por lo tanto, es deseable el desarrollo de un generador de imágenes CSV que permita recuperar un vídeo espectral a partir de una única medición comprimida. Este trabajo propone una metodología de adquisición y compresión de video espectral mediante el uso de un elemento de codificación espacial binario tipo segmentado y un filtro tuneable. A través del sistema óptico propuesto, tanto la dimensión espectral como la temporal se pueden modular durante un tiempo de integración utilizando solo dos elementos ópticos.application/pdfspainfo:eu-repo/semantics/openAccessMuestreo compresivoVideo espectralAprendizaje profundoSistema ópticoUniversidad Industrial de SantanderTesis/Trabajo de grado - Monografía - PregradoUniversidad Industrial de Santanderhttps://noesis.uis.edu.coCompressive SensingSpectral VideoDeep LearningOptical Systemhttp://purl.org/coar/access_right/c_abf2info:eu-repo/semantics/openAccessAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)