Tratamiento de imágenes de radar de apertura sintética mediante filtros stack

Autores
Buemi, María Elena
Año de publicación
2012
Idioma
español castellano
Tipo de recurso
tesis doctoral
Estado
versión publicada
Colaborador/a o director/a de tesis
Jacobo Berlles, Julio César Alberto
Descripción
En el tratamiento de imágenes que se apartan del modelo Gaussiano aditivo, en particular aquellas que además exhiben una baja relación se nalruido o presentan ruido impulsivo, la aplicación de filtros lineales generalmente no da buenos resultados, siendo los problemas típicos el borroneo de bordes o una pobre atenuación del ruido. Por otro lado, la aplicación de filtros no-lineales a este tipo de imágenes logra filtrar los valores de los pixels más afectados por el ruido y al mismo tiempo preservar los bordes. Las imágenes de Radar de Apertura Sintética (Synthetic Aperture Radar, SAR en inglés) poseen un tipo de ruido llamado speckle, el cual no es ni Gaussiano ni aditivo, y que posee una baja relación se~nal-ruido. Esto hace que la aplicación de filtros no-lineales resulte atractiva para este tipo de datos. Dentro de los filtros no lineales existe la clase de los filtros stack la cual es muy amplia y permite el diseño de filtros óptimos, desde el unto de vista del Error Absoluto Medio (Mean Absolute Error, MAE en inglés), y además permiten el procesamiento paralelo. Es por estas razones que esta tesis se dedica al estudio de la aplicación de esta clase de filtros a imágenes de Radar de Apertura Sintética. Para la evaluación de la efectividad de los filtros stack se utilizaron imágenes SAR simuladas bajo el modelo G0 e imágenes reales. Este modelo fue adoptado debido a su buen comportamiento para diversos tipos de target y su tractabilidad computacional. Se recurrió a evaluaciones de parámetros estadísticos, performance en la clasificación y calidad perceptual. También se estudió la utilización del modelo Gh en segmentación de imágenes SAR utilizando conjuntos de nivel y competencia de regiones.
In the treatment of images that do no follow the Gaussian additive model, particularly those that exhibit a low signal to noise ratio, or are affected by impulsive noise, the use of linear filters usually does not yield good results, being edge blurring or poor noise attenuetion the most common problems. On the other hand, the use of non-linear filters with this type of images, filters out the values of the most noisy pixels while, preserving the edges at the same time. Synthetic Aperture Radar (SAR) images possess a noise called speckle which is neither Gaussian nor additive, and which exhibits a low signal to noise ratio. This makes atractive the use of non-linear filters with this type of data. Within the class of non-linear filters, the stack filters represent a wide and flexible class that allows the design of optimal filters which minimize the Mean Absolute Error, and also allow to perform parallel processing. This is the reason why this thesis is devoted to the study of the application of stack filters to SAR images. To evaluate the effectivity of stack filtering, simulated SAR images under the G0 law and real SAR images, were used. This model has been adopted here due to its good behavior for different types of target and its computational tractability. Evaluation of statistical parameters, classification performance and perceptual quality assessment were performed. The suitability of the Gh modeling SAR images for segmentation, using level sets and region competition, has also been studied.
Fil: Buemi, María Elena. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales; Argentina.
Materia
FILTROS NO-LINEALES
FILTROS STACK
SAR
DISTRIBUCION GO
DISTRIBUCION GH
NON-LINEAR FILTERS
STACK FILTERS
SAR
GO DISTRIBUTION
GH DISTRIBUTION
Nivel de accesibilidad
acceso abierto
Condiciones de uso
https://creativecommons.org/licenses/by-nc-sa/2.5/ar
Repositorio
Biblioteca Digital (UBA-FCEN)
Institución
Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturales
OAI Identificador
tesis:tesis_n5129_Buemi

id BDUBAFCEN_4786f61b74e9f17fc0b5f4c1d3b689db
oai_identifier_str tesis:tesis_n5129_Buemi
network_acronym_str BDUBAFCEN
repository_id_str 1896
network_name_str Biblioteca Digital (UBA-FCEN)
spelling Tratamiento de imágenes de radar de apertura sintética mediante filtros stackSynthetic aperture radar image processing using stack filtersBuemi, María ElenaFILTROS NO-LINEALESFILTROS STACKSARDISTRIBUCION GODISTRIBUCION GHNON-LINEAR FILTERSSTACK FILTERSSARGO DISTRIBUTIONGH DISTRIBUTIONEn el tratamiento de imágenes que se apartan del modelo Gaussiano aditivo, en particular aquellas que además exhiben una baja relación se nalruido o presentan ruido impulsivo, la aplicación de filtros lineales generalmente no da buenos resultados, siendo los problemas típicos el borroneo de bordes o una pobre atenuación del ruido. Por otro lado, la aplicación de filtros no-lineales a este tipo de imágenes logra filtrar los valores de los pixels más afectados por el ruido y al mismo tiempo preservar los bordes. Las imágenes de Radar de Apertura Sintética (Synthetic Aperture Radar, SAR en inglés) poseen un tipo de ruido llamado speckle, el cual no es ni Gaussiano ni aditivo, y que posee una baja relación se~nal-ruido. Esto hace que la aplicación de filtros no-lineales resulte atractiva para este tipo de datos. Dentro de los filtros no lineales existe la clase de los filtros stack la cual es muy amplia y permite el diseño de filtros óptimos, desde el unto de vista del Error Absoluto Medio (Mean Absolute Error, MAE en inglés), y además permiten el procesamiento paralelo. Es por estas razones que esta tesis se dedica al estudio de la aplicación de esta clase de filtros a imágenes de Radar de Apertura Sintética. Para la evaluación de la efectividad de los filtros stack se utilizaron imágenes SAR simuladas bajo el modelo G0 e imágenes reales. Este modelo fue adoptado debido a su buen comportamiento para diversos tipos de target y su tractabilidad computacional. Se recurrió a evaluaciones de parámetros estadísticos, performance en la clasificación y calidad perceptual. También se estudió la utilización del modelo Gh en segmentación de imágenes SAR utilizando conjuntos de nivel y competencia de regiones.In the treatment of images that do no follow the Gaussian additive model, particularly those that exhibit a low signal to noise ratio, or are affected by impulsive noise, the use of linear filters usually does not yield good results, being edge blurring or poor noise attenuetion the most common problems. On the other hand, the use of non-linear filters with this type of images, filters out the values of the most noisy pixels while, preserving the edges at the same time. Synthetic Aperture Radar (SAR) images possess a noise called speckle which is neither Gaussian nor additive, and which exhibits a low signal to noise ratio. This makes atractive the use of non-linear filters with this type of data. Within the class of non-linear filters, the stack filters represent a wide and flexible class that allows the design of optimal filters which minimize the Mean Absolute Error, and also allow to perform parallel processing. This is the reason why this thesis is devoted to the study of the application of stack filters to SAR images. To evaluate the effectivity of stack filtering, simulated SAR images under the G0 law and real SAR images, were used. This model has been adopted here due to its good behavior for different types of target and its computational tractability. Evaluation of statistical parameters, classification performance and perceptual quality assessment were performed. The suitability of the Gh modeling SAR images for segmentation, using level sets and region competition, has also been studied.Fil: Buemi, María Elena. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales; Argentina.Universidad de Buenos Aires. Facultad de Ciencias Exactas y NaturalesJacobo Berlles, Julio César Alberto2012info:eu-repo/semantics/doctoralThesisinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_db06info:ar-repo/semantics/tesisDoctoralapplication/pdfhttps://hdl.handle.net/20.500.12110/tesis_n5129_Buemispainfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-sa/2.5/arreponame:Biblioteca Digital (UBA-FCEN)instname:Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturalesinstacron:UBA-FCEN2025-09-29T13:41:26Ztesis:tesis_n5129_BuemiInstitucionalhttps://digital.bl.fcen.uba.ar/Universidad públicaNo correspondehttps://digital.bl.fcen.uba.ar/cgi-bin/oaiserver.cgiana@bl.fcen.uba.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:18962025-09-29 13:41:27.894Biblioteca Digital (UBA-FCEN) - Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturalesfalse
dc.title.none.fl_str_mv Tratamiento de imágenes de radar de apertura sintética mediante filtros stack
Synthetic aperture radar image processing using stack filters
title Tratamiento de imágenes de radar de apertura sintética mediante filtros stack
spellingShingle Tratamiento de imágenes de radar de apertura sintética mediante filtros stack
Buemi, María Elena
FILTROS NO-LINEALES
FILTROS STACK
SAR
DISTRIBUCION GO
DISTRIBUCION GH
NON-LINEAR FILTERS
STACK FILTERS
SAR
GO DISTRIBUTION
GH DISTRIBUTION
title_short Tratamiento de imágenes de radar de apertura sintética mediante filtros stack
title_full Tratamiento de imágenes de radar de apertura sintética mediante filtros stack
title_fullStr Tratamiento de imágenes de radar de apertura sintética mediante filtros stack
title_full_unstemmed Tratamiento de imágenes de radar de apertura sintética mediante filtros stack
title_sort Tratamiento de imágenes de radar de apertura sintética mediante filtros stack
dc.creator.none.fl_str_mv Buemi, María Elena
author Buemi, María Elena
author_facet Buemi, María Elena
author_role author
dc.contributor.none.fl_str_mv Jacobo Berlles, Julio César Alberto
dc.subject.none.fl_str_mv FILTROS NO-LINEALES
FILTROS STACK
SAR
DISTRIBUCION GO
DISTRIBUCION GH
NON-LINEAR FILTERS
STACK FILTERS
SAR
GO DISTRIBUTION
GH DISTRIBUTION
topic FILTROS NO-LINEALES
FILTROS STACK
SAR
DISTRIBUCION GO
DISTRIBUCION GH
NON-LINEAR FILTERS
STACK FILTERS
SAR
GO DISTRIBUTION
GH DISTRIBUTION
dc.description.none.fl_txt_mv En el tratamiento de imágenes que se apartan del modelo Gaussiano aditivo, en particular aquellas que además exhiben una baja relación se nalruido o presentan ruido impulsivo, la aplicación de filtros lineales generalmente no da buenos resultados, siendo los problemas típicos el borroneo de bordes o una pobre atenuación del ruido. Por otro lado, la aplicación de filtros no-lineales a este tipo de imágenes logra filtrar los valores de los pixels más afectados por el ruido y al mismo tiempo preservar los bordes. Las imágenes de Radar de Apertura Sintética (Synthetic Aperture Radar, SAR en inglés) poseen un tipo de ruido llamado speckle, el cual no es ni Gaussiano ni aditivo, y que posee una baja relación se~nal-ruido. Esto hace que la aplicación de filtros no-lineales resulte atractiva para este tipo de datos. Dentro de los filtros no lineales existe la clase de los filtros stack la cual es muy amplia y permite el diseño de filtros óptimos, desde el unto de vista del Error Absoluto Medio (Mean Absolute Error, MAE en inglés), y además permiten el procesamiento paralelo. Es por estas razones que esta tesis se dedica al estudio de la aplicación de esta clase de filtros a imágenes de Radar de Apertura Sintética. Para la evaluación de la efectividad de los filtros stack se utilizaron imágenes SAR simuladas bajo el modelo G0 e imágenes reales. Este modelo fue adoptado debido a su buen comportamiento para diversos tipos de target y su tractabilidad computacional. Se recurrió a evaluaciones de parámetros estadísticos, performance en la clasificación y calidad perceptual. También se estudió la utilización del modelo Gh en segmentación de imágenes SAR utilizando conjuntos de nivel y competencia de regiones.
In the treatment of images that do no follow the Gaussian additive model, particularly those that exhibit a low signal to noise ratio, or are affected by impulsive noise, the use of linear filters usually does not yield good results, being edge blurring or poor noise attenuetion the most common problems. On the other hand, the use of non-linear filters with this type of images, filters out the values of the most noisy pixels while, preserving the edges at the same time. Synthetic Aperture Radar (SAR) images possess a noise called speckle which is neither Gaussian nor additive, and which exhibits a low signal to noise ratio. This makes atractive the use of non-linear filters with this type of data. Within the class of non-linear filters, the stack filters represent a wide and flexible class that allows the design of optimal filters which minimize the Mean Absolute Error, and also allow to perform parallel processing. This is the reason why this thesis is devoted to the study of the application of stack filters to SAR images. To evaluate the effectivity of stack filtering, simulated SAR images under the G0 law and real SAR images, were used. This model has been adopted here due to its good behavior for different types of target and its computational tractability. Evaluation of statistical parameters, classification performance and perceptual quality assessment were performed. The suitability of the Gh modeling SAR images for segmentation, using level sets and region competition, has also been studied.
Fil: Buemi, María Elena. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales; Argentina.
description En el tratamiento de imágenes que se apartan del modelo Gaussiano aditivo, en particular aquellas que además exhiben una baja relación se nalruido o presentan ruido impulsivo, la aplicación de filtros lineales generalmente no da buenos resultados, siendo los problemas típicos el borroneo de bordes o una pobre atenuación del ruido. Por otro lado, la aplicación de filtros no-lineales a este tipo de imágenes logra filtrar los valores de los pixels más afectados por el ruido y al mismo tiempo preservar los bordes. Las imágenes de Radar de Apertura Sintética (Synthetic Aperture Radar, SAR en inglés) poseen un tipo de ruido llamado speckle, el cual no es ni Gaussiano ni aditivo, y que posee una baja relación se~nal-ruido. Esto hace que la aplicación de filtros no-lineales resulte atractiva para este tipo de datos. Dentro de los filtros no lineales existe la clase de los filtros stack la cual es muy amplia y permite el diseño de filtros óptimos, desde el unto de vista del Error Absoluto Medio (Mean Absolute Error, MAE en inglés), y además permiten el procesamiento paralelo. Es por estas razones que esta tesis se dedica al estudio de la aplicación de esta clase de filtros a imágenes de Radar de Apertura Sintética. Para la evaluación de la efectividad de los filtros stack se utilizaron imágenes SAR simuladas bajo el modelo G0 e imágenes reales. Este modelo fue adoptado debido a su buen comportamiento para diversos tipos de target y su tractabilidad computacional. Se recurrió a evaluaciones de parámetros estadísticos, performance en la clasificación y calidad perceptual. También se estudió la utilización del modelo Gh en segmentación de imágenes SAR utilizando conjuntos de nivel y competencia de regiones.
publishDate 2012
dc.date.none.fl_str_mv 2012
dc.type.none.fl_str_mv info:eu-repo/semantics/doctoralThesis
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/resource_type/c_db06
info:ar-repo/semantics/tesisDoctoral
format doctoralThesis
status_str publishedVersion
dc.identifier.none.fl_str_mv https://hdl.handle.net/20.500.12110/tesis_n5129_Buemi
url https://hdl.handle.net/20.500.12110/tesis_n5129_Buemi
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
https://creativecommons.org/licenses/by-nc-sa/2.5/ar
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by-nc-sa/2.5/ar
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales
publisher.none.fl_str_mv Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales
dc.source.none.fl_str_mv reponame:Biblioteca Digital (UBA-FCEN)
instname:Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturales
instacron:UBA-FCEN
reponame_str Biblioteca Digital (UBA-FCEN)
collection Biblioteca Digital (UBA-FCEN)
instname_str Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturales
instacron_str UBA-FCEN
institution UBA-FCEN
repository.name.fl_str_mv Biblioteca Digital (UBA-FCEN) - Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturales
repository.mail.fl_str_mv ana@bl.fcen.uba.ar
_version_ 1844618706794053632
score 13.070432