Estimación de parámetros en imágenes SAR monopolarizadas usando distancias estocásticas y núcleos asimétricos

Autores
Cassetti, Julia Analía
Año de publicación
2020
Idioma
español castellano
Tipo de recurso
tesis doctoral
Estado
versión aceptada
Colaborador/a o director/a de tesis
Frery Orgambide, Alejandro
Descripción
El modelo G es una buena elección para explicar las características estadísticas de datos que provienen de imágenes de radar de apertura sintética (SAR), porque bajo este modelo se pueden caracterizar regiones con diferentes grado de textura a través de sus parámetros. Esta tesis propone una nueva estrategia para la estimación del parámetro de textura del modelo G0 para datos de intensidad, por medio de la minimización de distancias estocásticas entre la función de densidad teórica, y una estimación no paramétrica de la función de densidad subyacente que proviene de los datos observados utilizando núcleos asimétricos. Se comparará el desempeño de estos estimadores, en términos de sesgo y error cuadrático medio, con los obtenidos por el Método de Momentos, Máxima Verosimilitud y Logcumulantes. Además se estudiarán propiedades de convergencia, como así también la robustez de los mismos bajo contaminación.
Fil: Cassetti, Julia Analía. Universidad Nacional de General Sarmiento. Instituto de Ciencias; Argentina.
Materia
Estimación de parámetros
Sensores remotos
Imágenes SAR
Núcleos asimétricos
Distancias estocásticas
Estimadores de mínima distancia
Speckle
Nivel de accesibilidad
acceso abierto
Condiciones de uso
https://creativecommons.org/licenses/by-nc-nd/4.0/
Repositorio
Repositorio Institucional UNGS
Institución
Universidad Nacional de General Sarmiento
OAI Identificador
oai:repositorio.ungs.edu.ar:UNGS/760
Acceder
id RIUNGS_eeef05a39b108b3e7a43c539f5571c8b
oai_identifier_str oai:repositorio.ungs.edu.ar:UNGS/760
network_acronym_str RIUNGS
repository_id_str
network_name_str Repositorio Institucional UNGS
spelling Estimación de parámetros en imágenes SAR monopolarizadas usando distancias estocásticas y núcleos asimétricosCassetti, Julia AnalíaEstimación de parámetrosSensores remotosImágenes SARNúcleos asimétricosDistancias estocásticasEstimadores de mínima distanciaSpeckleEl modelo G es una buena elección para explicar las características estadísticas de datos que provienen de imágenes de radar de apertura sintética (SAR), porque bajo este modelo se pueden caracterizar regiones con diferentes grado de textura a través de sus parámetros. Esta tesis propone una nueva estrategia para la estimación del parámetro de textura del modelo G0 para datos de intensidad, por medio de la minimización de distancias estocásticas entre la función de densidad teórica, y una estimación no paramétrica de la función de densidad subyacente que proviene de los datos observados utilizando núcleos asimétricos. Se comparará el desempeño de estos estimadores, en términos de sesgo y error cuadrático medio, con los obtenidos por el Método de Momentos, Máxima Verosimilitud y Logcumulantes. Además se estudiarán propiedades de convergencia, como así también la robustez de los mismos bajo contaminación.Fil: Cassetti, Julia Analía. Universidad Nacional de General Sarmiento. Instituto de Ciencias; Argentina.Universidad Nacional de General SarmientoFrery Orgambide, Alejandro2021-10-19T17:33:30Z2021-10-19T17:33:30Z2020-03-10info:eu-repo/semantics/doctoralThesisinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_db06info:ar-repo/semantics/tesisDoctoralapplication/pdf169 p., gráfs., tbls.application/pdfCassetti, J. A. (2020). Estimación de parámetros en imágenes SAR monopolarizadas usando distancias estocásticas y núcleos asimétricos. [Tesis de doctorado]. Los Polvorines, Argentina : Universidad Nacional de General Sarmiento.http://repositorio.ungs.edu.ar:8080/xmlui/handle/UNGS/760spainfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-nd/4.0/reponame:Repositorio Institucional UNGSinstname:Universidad Nacional de General Sarmiento2025-10-16T15:29:24Zoai:repositorio.ungs.edu.ar:UNGS/760instacron:UNGSInstitucionalhttp://repositorio.ungs.edu.ar:8080/Universidad públicahttps://www.ungs.edu.ar/http://repositorio.ungs.edu.ar:8080/oaiubyd@campus.ungs.edu.arArgentinaopendoar:2025-10-16 15:29:25.098Repositorio Institucional UNGS - Universidad Nacional de General Sarmientofalse
dc.title.none.fl_str_mv Estimación de parámetros en imágenes SAR monopolarizadas usando distancias estocásticas y núcleos asimétricos
title Estimación de parámetros en imágenes SAR monopolarizadas usando distancias estocásticas y núcleos asimétricos
spellingShingle Estimación de parámetros en imágenes SAR monopolarizadas usando distancias estocásticas y núcleos asimétricos
Cassetti, Julia Analía
Estimación de parámetros
Sensores remotos
Imágenes SAR
Núcleos asimétricos
Distancias estocásticas
Estimadores de mínima distancia
Speckle
title_short Estimación de parámetros en imágenes SAR monopolarizadas usando distancias estocásticas y núcleos asimétricos
title_full Estimación de parámetros en imágenes SAR monopolarizadas usando distancias estocásticas y núcleos asimétricos
title_fullStr Estimación de parámetros en imágenes SAR monopolarizadas usando distancias estocásticas y núcleos asimétricos
title_full_unstemmed Estimación de parámetros en imágenes SAR monopolarizadas usando distancias estocásticas y núcleos asimétricos
title_sort Estimación de parámetros en imágenes SAR monopolarizadas usando distancias estocásticas y núcleos asimétricos
dc.creator.none.fl_str_mv Cassetti, Julia Analía
author Cassetti, Julia Analía
author_facet Cassetti, Julia Analía
author_role author
dc.contributor.none.fl_str_mv Frery Orgambide, Alejandro
dc.subject.none.fl_str_mv Estimación de parámetros
Sensores remotos
Imágenes SAR
Núcleos asimétricos
Distancias estocásticas
Estimadores de mínima distancia
Speckle
topic Estimación de parámetros
Sensores remotos
Imágenes SAR
Núcleos asimétricos
Distancias estocásticas
Estimadores de mínima distancia
Speckle
dc.description.none.fl_txt_mv El modelo G es una buena elección para explicar las características estadísticas de datos que provienen de imágenes de radar de apertura sintética (SAR), porque bajo este modelo se pueden caracterizar regiones con diferentes grado de textura a través de sus parámetros. Esta tesis propone una nueva estrategia para la estimación del parámetro de textura del modelo G0 para datos de intensidad, por medio de la minimización de distancias estocásticas entre la función de densidad teórica, y una estimación no paramétrica de la función de densidad subyacente que proviene de los datos observados utilizando núcleos asimétricos. Se comparará el desempeño de estos estimadores, en términos de sesgo y error cuadrático medio, con los obtenidos por el Método de Momentos, Máxima Verosimilitud y Logcumulantes. Además se estudiarán propiedades de convergencia, como así también la robustez de los mismos bajo contaminación.
Fil: Cassetti, Julia Analía. Universidad Nacional de General Sarmiento. Instituto de Ciencias; Argentina.
description El modelo G es una buena elección para explicar las características estadísticas de datos que provienen de imágenes de radar de apertura sintética (SAR), porque bajo este modelo se pueden caracterizar regiones con diferentes grado de textura a través de sus parámetros. Esta tesis propone una nueva estrategia para la estimación del parámetro de textura del modelo G0 para datos de intensidad, por medio de la minimización de distancias estocásticas entre la función de densidad teórica, y una estimación no paramétrica de la función de densidad subyacente que proviene de los datos observados utilizando núcleos asimétricos. Se comparará el desempeño de estos estimadores, en términos de sesgo y error cuadrático medio, con los obtenidos por el Método de Momentos, Máxima Verosimilitud y Logcumulantes. Además se estudiarán propiedades de convergencia, como así también la robustez de los mismos bajo contaminación.
publishDate 2020
dc.date.none.fl_str_mv 2020-03-10
2021-10-19T17:33:30Z
2021-10-19T17:33:30Z
dc.type.none.fl_str_mv info:eu-repo/semantics/doctoralThesis
info:eu-repo/semantics/acceptedVersion
http://purl.org/coar/resource_type/c_db06
info:ar-repo/semantics/tesisDoctoral
format doctoralThesis
status_str acceptedVersion
dc.identifier.none.fl_str_mv Cassetti, J. A. (2020). Estimación de parámetros en imágenes SAR monopolarizadas usando distancias estocásticas y núcleos asimétricos. [Tesis de doctorado]. Los Polvorines, Argentina : Universidad Nacional de General Sarmiento.
http://repositorio.ungs.edu.ar:8080/xmlui/handle/UNGS/760
identifier_str_mv Cassetti, J. A. (2020). Estimación de parámetros en imágenes SAR monopolarizadas usando distancias estocásticas y núcleos asimétricos. [Tesis de doctorado]. Los Polvorines, Argentina : Universidad Nacional de General Sarmiento.
url http://repositorio.ungs.edu.ar:8080/xmlui/handle/UNGS/760
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-nd/4.0/
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by-nc-nd/4.0/
dc.format.none.fl_str_mv application/pdf
169 p., gráfs., tbls.
application/pdf
dc.publisher.none.fl_str_mv Universidad Nacional de General Sarmiento
publisher.none.fl_str_mv Universidad Nacional de General Sarmiento
dc.source.none.fl_str_mv reponame:Repositorio Institucional UNGS
instname:Universidad Nacional de General Sarmiento
reponame_str Repositorio Institucional UNGS
collection Repositorio Institucional UNGS
instname_str Universidad Nacional de General Sarmiento
repository.name.fl_str_mv Repositorio Institucional UNGS - Universidad Nacional de General Sarmiento
repository.mail.fl_str_mv ubyd@campus.ungs.edu.ar
_version_ 1846164339413745664
score 12.375692

Publicaciones similares