SVM en clasificación de imágenes SAR con características de textura

Autores
Rey, A.; Gambini, J.; Delrieux, Claudio
Año de publicación
2021
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
Las imágenes SAR (Synthetic Aperture Radar) cumplen un rol fundamental en el monitoreo ambiental y observación terrestre debido a que proveen información que las imágenes ópticas no proporcionan. Sin embargo, estas imágenes están contaminadas con un ruido inherente al método de captura, llamado ruido speckle, que dificulta su análisis e interpretación automática. Los modelos avanzados de segmentación de imágenes SAR están dedicados a resolver las dificultades que este ruido provoca. En este sentido, resulta de suma importancia el estudio de parámetros que describan las características estructurales de textura de la imagen en presencia de ruido speckle. En este trabajo, se propone un nuevo modelo de clasificación de imágenes SAR basado en el cálculo de descriptores de textura locales, formando un vector característico, el cual involucra estimaciones de parámetros de una distribución de probabilidad, estimaciones de la dimensión fractal y entropía de Tsallis. Luego, el etiquetado de cada píxel se realiza utilizando el método de clasificación supervisada SVM (Support Vector Machine). Se analizan los resultados de aplicar el algoritmo propuesto en imágenes SAR sintéticas, simples y con valores extremos agregados, los cuales muestran alta eficacia y son prometedores para la aplicación en imágenes SAR reales.
Sociedad Argentina de Informática e Investigación Operativa
Materia
Ciencias Informáticas
Clasificación de imágenes SAR
Características de textura
Entropía
Dimensión fractal
SVM
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/3.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/141277

id SEDICI_433263f69347fef4b005e639c557c949
oai_identifier_str oai:sedici.unlp.edu.ar:10915/141277
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling SVM en clasificación de imágenes SAR con características de texturaRey, A.Gambini, J.Delrieux, ClaudioCiencias InformáticasClasificación de imágenes SARCaracterísticas de texturaEntropíaDimensión fractalSVMLas imágenes SAR (Synthetic Aperture Radar) cumplen un rol fundamental en el monitoreo ambiental y observación terrestre debido a que proveen información que las imágenes ópticas no proporcionan. Sin embargo, estas imágenes están contaminadas con un ruido inherente al método de captura, llamado ruido speckle, que dificulta su análisis e interpretación automática. Los modelos avanzados de segmentación de imágenes SAR están dedicados a resolver las dificultades que este ruido provoca. En este sentido, resulta de suma importancia el estudio de parámetros que describan las características estructurales de textura de la imagen en presencia de ruido speckle. En este trabajo, se propone un nuevo modelo de clasificación de imágenes SAR basado en el cálculo de descriptores de textura locales, formando un vector característico, el cual involucra estimaciones de parámetros de una distribución de probabilidad, estimaciones de la dimensión fractal y entropía de Tsallis. Luego, el etiquetado de cada píxel se realiza utilizando el método de clasificación supervisada SVM (Support Vector Machine). Se analizan los resultados de aplicar el algoritmo propuesto en imágenes SAR sintéticas, simples y con valores extremos agregados, los cuales muestran alta eficacia y son prometedores para la aplicación en imágenes SAR reales.Sociedad Argentina de Informática e Investigación Operativa2021-10info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf1-5http://sedici.unlp.edu.ar/handle/10915/141277spainfo:eu-repo/semantics/altIdentifier/url/http://50jaiio.sadio.org.ar/pdfs/saiv/SAIV-01.pdfinfo:eu-repo/semantics/altIdentifier/issn/2683-8990info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/3.0/Creative Commons Attribution-NonCommercial-ShareAlike 3.0 Unported (CC BY-NC-SA 3.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-29T11:35:53Zoai:sedici.unlp.edu.ar:10915/141277Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 11:35:53.82SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv SVM en clasificación de imágenes SAR con características de textura
title SVM en clasificación de imágenes SAR con características de textura
spellingShingle SVM en clasificación de imágenes SAR con características de textura
Rey, A.
Ciencias Informáticas
Clasificación de imágenes SAR
Características de textura
Entropía
Dimensión fractal
SVM
title_short SVM en clasificación de imágenes SAR con características de textura
title_full SVM en clasificación de imágenes SAR con características de textura
title_fullStr SVM en clasificación de imágenes SAR con características de textura
title_full_unstemmed SVM en clasificación de imágenes SAR con características de textura
title_sort SVM en clasificación de imágenes SAR con características de textura
dc.creator.none.fl_str_mv Rey, A.
Gambini, J.
Delrieux, Claudio
author Rey, A.
author_facet Rey, A.
Gambini, J.
Delrieux, Claudio
author_role author
author2 Gambini, J.
Delrieux, Claudio
author2_role author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
Clasificación de imágenes SAR
Características de textura
Entropía
Dimensión fractal
SVM
topic Ciencias Informáticas
Clasificación de imágenes SAR
Características de textura
Entropía
Dimensión fractal
SVM
dc.description.none.fl_txt_mv Las imágenes SAR (Synthetic Aperture Radar) cumplen un rol fundamental en el monitoreo ambiental y observación terrestre debido a que proveen información que las imágenes ópticas no proporcionan. Sin embargo, estas imágenes están contaminadas con un ruido inherente al método de captura, llamado ruido speckle, que dificulta su análisis e interpretación automática. Los modelos avanzados de segmentación de imágenes SAR están dedicados a resolver las dificultades que este ruido provoca. En este sentido, resulta de suma importancia el estudio de parámetros que describan las características estructurales de textura de la imagen en presencia de ruido speckle. En este trabajo, se propone un nuevo modelo de clasificación de imágenes SAR basado en el cálculo de descriptores de textura locales, formando un vector característico, el cual involucra estimaciones de parámetros de una distribución de probabilidad, estimaciones de la dimensión fractal y entropía de Tsallis. Luego, el etiquetado de cada píxel se realiza utilizando el método de clasificación supervisada SVM (Support Vector Machine). Se analizan los resultados de aplicar el algoritmo propuesto en imágenes SAR sintéticas, simples y con valores extremos agregados, los cuales muestran alta eficacia y son prometedores para la aplicación en imágenes SAR reales.
Sociedad Argentina de Informática e Investigación Operativa
description Las imágenes SAR (Synthetic Aperture Radar) cumplen un rol fundamental en el monitoreo ambiental y observación terrestre debido a que proveen información que las imágenes ópticas no proporcionan. Sin embargo, estas imágenes están contaminadas con un ruido inherente al método de captura, llamado ruido speckle, que dificulta su análisis e interpretación automática. Los modelos avanzados de segmentación de imágenes SAR están dedicados a resolver las dificultades que este ruido provoca. En este sentido, resulta de suma importancia el estudio de parámetros que describan las características estructurales de textura de la imagen en presencia de ruido speckle. En este trabajo, se propone un nuevo modelo de clasificación de imágenes SAR basado en el cálculo de descriptores de textura locales, formando un vector característico, el cual involucra estimaciones de parámetros de una distribución de probabilidad, estimaciones de la dimensión fractal y entropía de Tsallis. Luego, el etiquetado de cada píxel se realiza utilizando el método de clasificación supervisada SVM (Support Vector Machine). Se analizan los resultados de aplicar el algoritmo propuesto en imágenes SAR sintéticas, simples y con valores extremos agregados, los cuales muestran alta eficacia y son prometedores para la aplicación en imágenes SAR reales.
publishDate 2021
dc.date.none.fl_str_mv 2021-10
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/141277
url http://sedici.unlp.edu.ar/handle/10915/141277
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/url/http://50jaiio.sadio.org.ar/pdfs/saiv/SAIV-01.pdf
info:eu-repo/semantics/altIdentifier/issn/2683-8990
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/3.0/
Creative Commons Attribution-NonCommercial-ShareAlike 3.0 Unported (CC BY-NC-SA 3.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/3.0/
Creative Commons Attribution-NonCommercial-ShareAlike 3.0 Unported (CC BY-NC-SA 3.0)
dc.format.none.fl_str_mv application/pdf
1-5
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1844616237414350848
score 13.070432