Técnicas de oversampling aplicadas al análisis de imágenes hiperespectrales

DSpace/Manakin Repository

español português english

Técnicas de oversampling aplicadas al análisis de imágenes hiperespectrales

Show simple item record

dc.contributor.advisor Plaza Miguel, Antonio
dc.contributor.advisor Haut Hurtado, Juan Mario
dc.contributor.author Municio Durán, David
dc.date.accessioned 2019-02-21T11:44:46Z
dc.date.available 2019-02-21T11:44:46Z
dc.date.issued 2019-02-21
dc.date.submitted 2019-01
dc.identifier.uri http://hdl.handle.net/10662/8811
dc.description.abstract La definición de un dataset apropiado es una de las fases más importantes para conseguir un buen resultado en la clasificación de datos obtenidos a partir de sensores de observación remota de la Tierra. El potencial actual de los sensores hiperespectrales, que permiten obtener imágenes con cientos de bandas, permite solucionar problemas imposibles de abordar hace unos años. Sin embargo, el desbalanceo de clases en dichas imágenes, así como la alta dimensionalidad de las mismas, son algunos de los retos en los que actualmente la comunidad investigadora centra sus esfuerzos en busca de soluciones óptimas. Nuestro trabajo se centra en evaluar la posibilidad de utilizar técnicas de oversampling para solucionar los problemas anteriormente comentados en la clasificación de imágenes hiperespectrales sin eliminar datos reales, como sí hacen otras técnicas. En concreto, en este trabajo realizamos un estudio detallado acerca de la eficacia de varios modelos de clasificación sobre imágenes hiperespectrales previamente acondicionadas mediante técnicas de oversampling. Nuestros resultados, obtenidos utilizando varias imágenes hiperespectrales reales, reflejan la utilidad de dichas técnicas de oversampling para mejorar el proceso de clasificación de imágenes hiperespectrales, en particular, en aquellas clases que constan con un número reducido de muestras pero que pueden constituir el principal objetivo del proceso de clasificación. es_ES
dc.description.abstract The proper definition of a dataset is one of the most important aspects in order to optimize remotely sensed image classification. Current sensors, such as hyperspectral instruments, allow tackling problems that were not easy to solve several years ago. However, important challenges still remain, such as the high dimensionality of the data and the presence of classes with an imbalanced number of samples, which represent important obstacles to the classification process. This work explores the use of oversampling techniques as a means to obtain better conditioned hyperspectral data for classification purposes. We specifically analyze the behavior of different oversampling algorithms prior to the application of well-known classification models. Oversampling methods do not remove real samples from the original dataset, which represents an important advantage over other available approaches. Specifically, we present a thorough study of several oversampling techniques in the context of hyperspectral data classification, analyzing their performance when combined with linear and nonlinear classification models. Our experimental results, conducted using real hyperspectral data sets, indicate that oversampling techniques can be very useful for the classification of hyperspectral images, in particular, when the classes of interest contain a significantly reduced number of samples when compared to other classes in the scene. es_ES
dc.format.extent 96 p. es_ES
dc.format.mimetype application/pdf en_US
dc.language.iso spa es_ES
dc.rights Attribution-NonCommercial-ShareAlike 4.0 International *
dc.rights.uri http://creativecommons.org/licenses/by-nc-sa/4.0/ *
dc.subject Oversampling es_ES
dc.subject Análisis es_ES
dc.subject Imágenes hiperespectrales es_ES
dc.subject Analysis es_ES
dc.subject Hyperspectral imaging es_ES
dc.subject Clasificación es_ES
dc.subject Classification es_ES
dc.title Técnicas de oversampling aplicadas al análisis de imágenes hiperespectrales es_ES
dc.type bachelorThesis es_ES
europeana.type TEXT en_US
dc.rights.accessRights openAccess es_ES
dc.subject.unesco 1203 Ciencia de Los Ordenadores es_ES
dc.subject.unesco 3304 Tecnología de Los Ordenadores es_ES
europeana.dataProvider Universidad de Extremadura. España es_ES
dc.description.degree Grado en Ingeniería Informática en Ingeniería de Computadores. Universidad de Extremadura es_ES


Files in this item

Files Size Format View
TFGUEX_2019_Municio_Duran.pdf 5.172Mb PDF Thumbnail

The following license files are associated with this item:

This item appears in the following Collection(s)

Show simple item record

Attribution-NonCommercial-ShareAlike 4.0 International Except where otherwise noted, this item's license is described as Attribution-NonCommercial-ShareAlike 4.0 International

Search DSpace


Browse

My Account

Statistics

Help

Redes sociales