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
- Institución
- Universidad Nacional de La Plata
- OAI Identificador
- oai:sedici.unlp.edu.ar:10915/141277
Ver los metadatos del registro completo
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 |