La adquisición y procesamiento de imágenes espectrales involucra el manejo de grandes cantidades de información espectral multidimensional. Su adquisición, procesamiento y almacenamiento son costosos temporal, computacional y económicamente. En los últimos años se han desarrollado arquitecturas ópticas para la adquisición de información espectral de forma comprimida, usando un conjunto reducido de mediciones codificadas por un modulador espacial. En este artículo se formula un esquema de procesamiento que permita utilizar las mediciones adquiridas por dichos sistemas de muestreo compresivo; por tanto, para efectuar la detección espectral de objetivos, se adaptarán algoritmos de detección tradicionales a fin de usarlos en el modelo de muestreo compresivo, y se mostrará que su desempeño es comparable al obtenido en procesos de detección sin compresión.
INTRODUCCIÓN
En las últimas décadas, el desarrollo de sensores ópticos ha facilitado el análisis de la teledetección con una rica información espacial, espectral y temporal. El aumento de la resolución espectral de las imágenes hiperespectrales (HSI) y las sondas infrarrojas ha dado lugar a nuevos ámbitos de aplicación y plantea nuevos retos metodológicos en el análisis de datos. Las HSI permiten caracterizar los objetos de interés (por ejemplo, las clases de cobertura del suelo) con una precisión sin precedentes y ayudan a mantener los inventarios actualizados. Además, las mejoras en la resolución espectral han requerido avances en los algoritmos de procesamiento y explotación de la señal [1].
La clasificación de imágenes hiperespectrales y la detección de objetivos se encuentran entre los problemas más importantes de diversas disciplinas científicas, como el aprendizaje automático [2], el procesamiento de imágenes y la visión por ordenador. En la clasificación de datos hiperespectrales hay que tener en cuenta varias cuestiones críticas. Por ejemplo, el alto número de canales espectrales y el bajo número de muestras de entrenamiento etiquetadas conducen al problema de la maldición de la dimensionalidad (es decir, el fenómeno de Hughes [3]) y dan lugar al riesgo de sobreajuste de los datos de entrenamiento [4]. Para aliviar los problemas que conlleva la gran dimensionalidad de los datos, la variabilidad espacial de la información espectral y el alto coste del etiquetado de muestras reales, y para mejorar la estabilidad numérica, se han propuesto diversos enfoques [5].
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Antena de parche de cuatro elementos con red de alimentación de serie corporativa para la comunicación 5G
Artículo:
Generación de ondas de radio OAM mediante un conjunto de antenas circulares Vivaldi
Artículo:
Estudio sobre técnicas de formación de haces para redes inalámbricas MIMO de retransmisión
Artículo:
Investigación sobre el modelo de canal espacial para el canal de comunicación de vehículo a vehículo en un entorno de dispersión en la carretera
Artículo:
Diseño de una antena UWB de alta potencia que incorpora un dieléctrico sólido para aplicaciones de guerra electrónica
Artículo:
Creación de empresas y estrategia : reflexiones desde el enfoque de recursos
Artículo:
Importancia, manejo y control de extraíbles e incrustaciones (pitch) en la fabricación de papel
Artículo:
Estudio sobre la evaluación de la sostenibilidad de los productos innovadores
Libro:
Planta de tratamiento de aguas residuales