Análisis de Componentes de Densidad de Probabilidad: Un Nuevo Enfoque para el Tratamiento y Clasificación de Imágenes SAR
Autores: de Carvalho Júnior, Osmar Abílio; de Moraes Maciel, Luz Marilda; de Carvalho, Ana Paula Ferreira; Guimarães, Renato Fontes; Silva, Cristiano Rosa; Gomes, Roberto Arnaldo Trancoso; Silva, Nilton Correia
Idioma: Inglés
Editor: MDPI
Año: 2014
Acceso abierto
Artículo científico
Categoría
Ciencias Medioambientales
Subcategoría
Ciencia y tecnología de los recursos naturales
Palabras clave
Ruido de sal y pimienta
Radar de apertura sintética
Clasificación de imágenes
Análisis de Componentes de Densidad de Probabilidad
Imágenes SAR
Reducción de ruido
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 7
Citaciones: Sin citaciones
El ruido de speckle (sal y pimienta) es inherente al radar de apertura sintética (SAR), lo que provoca un aspecto granular similar al ruido y complica la clasificación de imágenes. En el análisis de imágenes SAR, la información espacial puede ser un beneficio particular para la reducción de ruido y la mapeo de clases caracterizadas por una distribución estadística de las intensidades de píxeles a partir de una respuesta espectral compleja y heterogénea. Este artículo propone el Análisis de Componentes de Densidad de Probabilidad (PDCA), una nueva alternativa que combina filtrado e histograma de frecuencia para mejorar el procedimiento de clasificación de las imágenes de radar de apertura sintética (SAR) de un solo canal. Este método fue probado en datos SAR de banda L del Sistema Avanzado de Observación de la Tierra (ALOS) del sensor de Radar de Apertura Sintética de Matriz en Fase (PALSAR). El área de estudio está localizada en la selva amazónica brasileña, en el estado de Rondônia, al norte (municipio de Candeias do Jamari), que contiene patrones de uso del suelo y de bosque. El algoritmo propuesto utiliza una ventana móvil sobre la imagen, estimando la curva de densidad de probabilidad en diferentes componentes de la imagen. Por lo tanto, una única imagen de entrada genera una salida con múltiples componentes. Inicialmente, los múltiples componentes deben ser tratados por métodos de reducción de ruido, como la fracción de ruido máxima (MNF) o los componentes principales ajustados por ruido (NAPCs). Ambos métodos permiten reducir el ruido así como el ordenamiento de los datos de múltiples componentes en términos de calidad de imagen. En este artículo, el NAPC aplicado a múltiples componentes proporcionó grandes reducciones en los niveles de ruido, y los compuestos de color considerando el primer NAPC mejoran la clasificación de diferentes características de la superficie. En la clasificación espectral, se utilizaron el Mapeador de Correlación Espectral y la Distancia Mínima. Los resultados obtenidos se presentaron como similares a la interpretación visual de imágenes ópticas de TM-Landsat y Google Maps.
Descripción
El ruido de speckle (sal y pimienta) es inherente al radar de apertura sintética (SAR), lo que provoca un aspecto granular similar al ruido y complica la clasificación de imágenes. En el análisis de imágenes SAR, la información espacial puede ser un beneficio particular para la reducción de ruido y la mapeo de clases caracterizadas por una distribución estadística de las intensidades de píxeles a partir de una respuesta espectral compleja y heterogénea. Este artículo propone el Análisis de Componentes de Densidad de Probabilidad (PDCA), una nueva alternativa que combina filtrado e histograma de frecuencia para mejorar el procedimiento de clasificación de las imágenes de radar de apertura sintética (SAR) de un solo canal. Este método fue probado en datos SAR de banda L del Sistema Avanzado de Observación de la Tierra (ALOS) del sensor de Radar de Apertura Sintética de Matriz en Fase (PALSAR). El área de estudio está localizada en la selva amazónica brasileña, en el estado de Rondônia, al norte (municipio de Candeias do Jamari), que contiene patrones de uso del suelo y de bosque. El algoritmo propuesto utiliza una ventana móvil sobre la imagen, estimando la curva de densidad de probabilidad en diferentes componentes de la imagen. Por lo tanto, una única imagen de entrada genera una salida con múltiples componentes. Inicialmente, los múltiples componentes deben ser tratados por métodos de reducción de ruido, como la fracción de ruido máxima (MNF) o los componentes principales ajustados por ruido (NAPCs). Ambos métodos permiten reducir el ruido así como el ordenamiento de los datos de múltiples componentes en términos de calidad de imagen. En este artículo, el NAPC aplicado a múltiples componentes proporcionó grandes reducciones en los niveles de ruido, y los compuestos de color considerando el primer NAPC mejoran la clasificación de diferentes características de la superficie. En la clasificación espectral, se utilizaron el Mapeador de Correlación Espectral y la Distancia Mínima. Los resultados obtenidos se presentaron como similares a la interpretación visual de imágenes ópticas de TM-Landsat y Google Maps.