Identificador persistente para citar o vincular este elemento: http://hdl.handle.net/10662/930
Títulos: Nuevas técnicas de clasificación de imágenes hiperespectrales
Otros títulos: New techniques for hyperspectral image classification
Autores/as: García Dópido, Inmaculada
Director/a: Plaza Miguel, Antonio
Palabras clave: Análisis hiperespectral;Clasificación y desmezclado espectral;Imágenes hiperespectrales;Hyperspectral imaging;Classification and spectral unmixing
Fecha de publicación: 2014-01-24
Resumen: La principal contribución del presente trabajo de tesis doctoral viene dada por el diseño e implementación de nuevas técnicas de clasificación de imágenes hiperespectrales de la superficie terrestre, obtenidas de forma remota mediante sensores aerotransportados o de tipo satélite. En particular, en la presente tesis doctoral se integran por primera vez en la literatura técnicas para desmezclado espectral y de clasificación de forma combinada para mejorar el proceso de interpretación de dichas imágenes. La clasificación y el desmezclado constituyen dos campos muy activos en el análisis de imágenes hiperespectrales. Por un lado, las técnicas de clasificación se enfrentan a varios problemas debidos a la alta dimensionalidad de las imágenes y la escasez de muestras etiquetadas, lo que dificulta los procesos de clasificación supervisada o semi-supervisada que son los más ampliamente utilizados en este campo (en particular, aquellos basados en un aprendizaje activo por parte del usuario). Por otra parte, el problema de la mezcla en imágenes hiperespectrales es bastante relevante, debido a que la resolución del sensor no es lo suficientemente alta para que en un único pixel solamente se encuentre presente un material. En este sentido, las técnicas para desmezclado intentan caracterizar los diferentes materiales presentes en cada pixel. En el presente trabajo de tesis doctoral, se ha integrado la información adicional que proporcionan las técnicas para desmezclado en el proceso de clasificación con el fin de obtener métodos más eficientes adaptados al uso de imágenes hiperespectrales, y que además resulten eficientes en términos computacionales.
The main contribution of this thesis is de development and implementation of new techniques for hyperspectral analysis which are able to incorporate the spatial component of the data when performing spectral unmixing and remote compressive sensing of hyperspectral images. Spectral mixing is one of the main problems that arise when characterizing the spectral constituents residing at a sub-pixel level in a hyperspectral scene. It consists of the fact that many pixels in the scene are “mixed” in nature, i.e. they are formed by different spectral constituents at sub-pixel levels. In this regard, one of the main contributions of the present thesis is the integration of spatial and spectral information as a previous step to the traditional endmember identification conducted by many algorithms. We accomplish this through a set of innovative spatial preprocessing modules, intended to guide the endmember identification process by including spatial information but without the need to modify the already available, spectral-based endmember identification algorithms. Furthermore in this thesis work, we develop a new compressive sensing framework for hyperspectral imaging, which exploits the spatial correlation of hyperspectral images and the spectral mixing phenomenon in order to compress the hyperspectral data in the acquisition process.
Descripción: Tesis doctoral con la Mención de "Doctor Internacional"
URI: http://hdl.handle.net/10662/930
Colección:DTCYC - Tesis doctorales
Tesis doctorales

Archivos
Archivo Descripción TamañoFormato 
TDUEX_2014_Garcia_Dopido.pdf5,95 MBAdobe PDFDescargar


Este elemento está sujeto a una licencia Licencia Creative Commons Creative Commons