Evaluación del contenido de información en imágenes de radar de apertura sintética

Autores
Palacio, María Gabriela
Año de publicación
2019
Idioma
español castellano
Tipo de recurso
tesis doctoral
Estado
versión publicada
Colaborador/a o director/a de tesis
Frery, Alejandro
Bustos, Oscar
Vera, Elizabeth
Descripción
Tesis (DCI)--FCEFN-UNC, 2019
Fil: Palacio, María Gabriela. Universidad Nacional de Río Cuarto; Argentina.
Las imágenes Synthetic Aperture Radar (SAR) en general, y las Polarimetric Synthetic Aperture Radar (PolSAR) en particular, son una importante fuente de información en aplicaciones de Teledetección. Sin embargo, el ruido speckle —que es parte de estas imágenes— les da una apariencia granular que dificulta su interpretación y análisis, disminuyendo la cantidad de información que contienen. La evaluación del Contenido de Información (CI) de las imágenes y cómo se ve afectado por algunos procedimientos habituales se vuelve un desafío interesante en el campo de la teledetección. Muchos trabajos han abordado el problema de la evaluación del CI desde diferentes enfoques. En esta tesis, siguiendo a Narayanan et al. (2002), estudiamos el CI desde el punto de vista de la exactitud de la clasificación, analizando el efecto que la degradación espacial tiene sobre la clasificación. Como en ese trabajo, modelamos la degradación aplicando filtros con diferentes tamaños de ventana, y usamos como datos de entrada (input) para la clasificación las imágenes filtradas. De este modo, a través de imágenes clasificadas verificamos cómo el cambio en las propiedades de los datos de entrada afecta la calidad del resultado. Nuestra atención está enfocada en las etapas de filtrado y clasificación, además de la verificación de los supuestos distribucionales asociados a esas técnicas. Para el filtrado consideramos, además del clásico filtro Local Mean (LM) usado por Narayanan et al. (2002), el Model Based PolSAR (MBPolSAR). Para la clasificación aplicamos, además del clásico Máxima Verosimilitud (MV) usado por Narayanan et al. (2002), Support Vector Machines (SVM) cuyo uso se está extendiendo en el campo de la teledetección. Respecto a los modelos estudiamos los asociados a datos PolSAR multi-look, y algunas distribuciones marginales y bivariadas, unificando notación y presentando sus principales propiedades, y verificamos el ajuste de los datos a esas distribuciones. Para medir la precisión del mapa resultante de la clasificación (CI) usamos, además de la Exactitud de la Clasificación aplicada por Narayanan et al. (2002), otros dos coeficientes derivados de la Matriz de Confusión. Aplicamos la metodología a dos imágenes PolSAR reales. Las medidas de precisión obtenidas son buenas y, a diferencia de Narayanan et al. (2002), aumentan con la degradación. Con esto concluimos que, al menos hasta cierto tamaño de ventana, el filtrado mejora los resultados de clasificación y, con ello, el CI.
Fil: Palacio, María Gabriela. Universidad Nacional de Río Cuarto; Argentina.
Materia
Contenido de Información
SAR Polarimétrico
Filtro MBPolSAR
SVM
Nivel de accesibilidad
acceso abierto
Condiciones de uso
Repositorio
Repositorio Digital Universitario (UNC)
Institución
Universidad Nacional de Córdoba
OAI Identificador
oai:rdu.unc.edu.ar:11086/24399

id RDUUNC_a2e1e858f238e4d71f8ae7c0c146b112
oai_identifier_str oai:rdu.unc.edu.ar:11086/24399
network_acronym_str RDUUNC
repository_id_str 2572
network_name_str Repositorio Digital Universitario (UNC)
spelling Evaluación del contenido de información en imágenes de radar de apertura sintéticaPalacio, María GabrielaContenido de InformaciónSAR PolarimétricoFiltro MBPolSARSVMTesis (DCI)--FCEFN-UNC, 2019Fil: Palacio, María Gabriela. Universidad Nacional de Río Cuarto; Argentina.Las imágenes Synthetic Aperture Radar (SAR) en general, y las Polarimetric Synthetic Aperture Radar (PolSAR) en particular, son una importante fuente de información en aplicaciones de Teledetección. Sin embargo, el ruido speckle —que es parte de estas imágenes— les da una apariencia granular que dificulta su interpretación y análisis, disminuyendo la cantidad de información que contienen. La evaluación del Contenido de Información (CI) de las imágenes y cómo se ve afectado por algunos procedimientos habituales se vuelve un desafío interesante en el campo de la teledetección. Muchos trabajos han abordado el problema de la evaluación del CI desde diferentes enfoques. En esta tesis, siguiendo a Narayanan et al. (2002), estudiamos el CI desde el punto de vista de la exactitud de la clasificación, analizando el efecto que la degradación espacial tiene sobre la clasificación. Como en ese trabajo, modelamos la degradación aplicando filtros con diferentes tamaños de ventana, y usamos como datos de entrada (input) para la clasificación las imágenes filtradas. De este modo, a través de imágenes clasificadas verificamos cómo el cambio en las propiedades de los datos de entrada afecta la calidad del resultado. Nuestra atención está enfocada en las etapas de filtrado y clasificación, además de la verificación de los supuestos distribucionales asociados a esas técnicas. Para el filtrado consideramos, además del clásico filtro Local Mean (LM) usado por Narayanan et al. (2002), el Model Based PolSAR (MBPolSAR). Para la clasificación aplicamos, además del clásico Máxima Verosimilitud (MV) usado por Narayanan et al. (2002), Support Vector Machines (SVM) cuyo uso se está extendiendo en el campo de la teledetección. Respecto a los modelos estudiamos los asociados a datos PolSAR multi-look, y algunas distribuciones marginales y bivariadas, unificando notación y presentando sus principales propiedades, y verificamos el ajuste de los datos a esas distribuciones. Para medir la precisión del mapa resultante de la clasificación (CI) usamos, además de la Exactitud de la Clasificación aplicada por Narayanan et al. (2002), otros dos coeficientes derivados de la Matriz de Confusión. Aplicamos la metodología a dos imágenes PolSAR reales. Las medidas de precisión obtenidas son buenas y, a diferencia de Narayanan et al. (2002), aumentan con la degradación. Con esto concluimos que, al menos hasta cierto tamaño de ventana, el filtrado mejora los resultados de clasificación y, con ello, el CI.Fil: Palacio, María Gabriela. Universidad Nacional de Río Cuarto; Argentina.Frery, AlejandroBustos, OscarVera, Elizabeth2019info:eu-repo/semantics/doctoralThesisinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_db06info:ar-repo/semantics/tesisDoctoralapplication/pdfhttp://hdl.handle.net/11086/24399spainfo:eu-repo/semantics/openAccessreponame:Repositorio Digital Universitario (UNC)instname:Universidad Nacional de Córdobainstacron:UNC2025-09-29T13:42:19Zoai:rdu.unc.edu.ar:11086/24399Institucionalhttps://rdu.unc.edu.ar/Universidad públicaNo correspondehttp://rdu.unc.edu.ar/oai/snrdoca.unc@gmail.comArgentinaNo correspondeNo correspondeNo correspondeopendoar:25722025-09-29 13:42:19.825Repositorio Digital Universitario (UNC) - Universidad Nacional de Córdobafalse
dc.title.none.fl_str_mv Evaluación del contenido de información en imágenes de radar de apertura sintética
title Evaluación del contenido de información en imágenes de radar de apertura sintética
spellingShingle Evaluación del contenido de información en imágenes de radar de apertura sintética
Palacio, María Gabriela
Contenido de Información
SAR Polarimétrico
Filtro MBPolSAR
SVM
title_short Evaluación del contenido de información en imágenes de radar de apertura sintética
title_full Evaluación del contenido de información en imágenes de radar de apertura sintética
title_fullStr Evaluación del contenido de información en imágenes de radar de apertura sintética
title_full_unstemmed Evaluación del contenido de información en imágenes de radar de apertura sintética
title_sort Evaluación del contenido de información en imágenes de radar de apertura sintética
dc.creator.none.fl_str_mv Palacio, María Gabriela
author Palacio, María Gabriela
author_facet Palacio, María Gabriela
author_role author
dc.contributor.none.fl_str_mv Frery, Alejandro
Bustos, Oscar
Vera, Elizabeth
dc.subject.none.fl_str_mv Contenido de Información
SAR Polarimétrico
Filtro MBPolSAR
SVM
topic Contenido de Información
SAR Polarimétrico
Filtro MBPolSAR
SVM
dc.description.none.fl_txt_mv Tesis (DCI)--FCEFN-UNC, 2019
Fil: Palacio, María Gabriela. Universidad Nacional de Río Cuarto; Argentina.
Las imágenes Synthetic Aperture Radar (SAR) en general, y las Polarimetric Synthetic Aperture Radar (PolSAR) en particular, son una importante fuente de información en aplicaciones de Teledetección. Sin embargo, el ruido speckle —que es parte de estas imágenes— les da una apariencia granular que dificulta su interpretación y análisis, disminuyendo la cantidad de información que contienen. La evaluación del Contenido de Información (CI) de las imágenes y cómo se ve afectado por algunos procedimientos habituales se vuelve un desafío interesante en el campo de la teledetección. Muchos trabajos han abordado el problema de la evaluación del CI desde diferentes enfoques. En esta tesis, siguiendo a Narayanan et al. (2002), estudiamos el CI desde el punto de vista de la exactitud de la clasificación, analizando el efecto que la degradación espacial tiene sobre la clasificación. Como en ese trabajo, modelamos la degradación aplicando filtros con diferentes tamaños de ventana, y usamos como datos de entrada (input) para la clasificación las imágenes filtradas. De este modo, a través de imágenes clasificadas verificamos cómo el cambio en las propiedades de los datos de entrada afecta la calidad del resultado. Nuestra atención está enfocada en las etapas de filtrado y clasificación, además de la verificación de los supuestos distribucionales asociados a esas técnicas. Para el filtrado consideramos, además del clásico filtro Local Mean (LM) usado por Narayanan et al. (2002), el Model Based PolSAR (MBPolSAR). Para la clasificación aplicamos, además del clásico Máxima Verosimilitud (MV) usado por Narayanan et al. (2002), Support Vector Machines (SVM) cuyo uso se está extendiendo en el campo de la teledetección. Respecto a los modelos estudiamos los asociados a datos PolSAR multi-look, y algunas distribuciones marginales y bivariadas, unificando notación y presentando sus principales propiedades, y verificamos el ajuste de los datos a esas distribuciones. Para medir la precisión del mapa resultante de la clasificación (CI) usamos, además de la Exactitud de la Clasificación aplicada por Narayanan et al. (2002), otros dos coeficientes derivados de la Matriz de Confusión. Aplicamos la metodología a dos imágenes PolSAR reales. Las medidas de precisión obtenidas son buenas y, a diferencia de Narayanan et al. (2002), aumentan con la degradación. Con esto concluimos que, al menos hasta cierto tamaño de ventana, el filtrado mejora los resultados de clasificación y, con ello, el CI.
Fil: Palacio, María Gabriela. Universidad Nacional de Río Cuarto; Argentina.
description Tesis (DCI)--FCEFN-UNC, 2019
publishDate 2019
dc.date.none.fl_str_mv 2019
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 http://hdl.handle.net/11086/24399
url http://hdl.handle.net/11086/24399
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositorio Digital Universitario (UNC)
instname:Universidad Nacional de Córdoba
instacron:UNC
reponame_str Repositorio Digital Universitario (UNC)
collection Repositorio Digital Universitario (UNC)
instname_str Universidad Nacional de Córdoba
instacron_str UNC
institution UNC
repository.name.fl_str_mv Repositorio Digital Universitario (UNC) - Universidad Nacional de Córdoba
repository.mail.fl_str_mv oca.unc@gmail.com
_version_ 1844618924311707648
score 13.070432