Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Grupo 2 - Imagenes Hiperespectrales
Grupo 2 - Imagenes Hiperespectrales
Integrantes:
ARIRAMA CUNAYAPE, Bill Adler.
GATICA HUESEMBER, Yoler Luis.
PINEDO SHAHUANO, Benjamin.
RIOS PANDURO, Alejandro.
RIOS PIZANGO, Lalesca Juliana.
Docente:
Jos Sanjurjo.
Ciclo:
VII
Curso:
GEOMATICA Y SIG.
PROCESAMIENTO DE IMGENES HIPERESPECTRALES:
MTODOS Y ENFOQUES
HIPERESPECTRAL
DEFINICION. La formacin de
imgenes hiperespectrales consiste en
recopilar y procesar informacin a lo largo de
todo el espectro electromagntico.
La formacin de imgenes espectrales divide
el espectro en muchas bandas. Esta tcnica de
dividir las imgenes en bandas puede
extenderse ms all de lo visible. De aqu
surge la tcnica de formacin de imgenes
hiperespectrales.
Los Ingenieros construyen sensores y
sistemas de procesamiento para la aplicacin
de este mtodo de visin en la agricultura, la
mineraloga, la fsica, y la vigilancia. Los
sensores hiperespectrales miran a los objetos
usando una vasta porcin del espectro
electromagntico. Ciertos objetos dejan unas
huellas nicas a lo largo de todo el espectro
electromagntico catalogndolos como si
de huellas dactilares se tratara. Estas 'huellas
dactilares' que se conocen como firmas
espectrales permiten la identificacin de los
materiales que componen un objeto analizado.
Por ejemplo, una firma espectral para el
petrleo ayuda a mineralogistas a encontrar
INTRODUCCIN
Los mtodos de proyeccin del subespacio han demostrado ser una poderosa clase de algoritmos de
clasificacin de patrones estadsticos. Estos mtodos pueden manejar la alta dimensionalidad de los datos
hiperespectrales llevndolo al subespacio correcto sin perder la informacin original que permite la separacin de
las clases. En este contexto, los mtodos de proyeccin del subespacio pueden proporcionar ventajas
competitivas mediante la separacin de las clases que son muy similares en el sentido espectral, respondiendo
as a las limitaciones en el proceso de clasificacin debido a la presencia de pxeles altamente mixtos. La idea
de aplicar mtodos de proyeccin del subespacio para mejorar la clasificacin, se basa en la suposicin bsica
de que las muestras dentro de cada clase pueden estar, aproximadamente, en un subespacio dimensional
inferior. Por lo tanto, cada clase puede ser representada por un subespacio generado por un conjunto de
vectores de la base, mientras que el criterio de clasificacin de una nueva muestra de entrada sera la distancia
desde la clase del subespacio.
CLASIFICACIN SEMISUPERVISADO
La variedad de tcnicas
particularmente ilustrada comprende
enfoques supervisados y
semisupervisado, tcnicas capaces de
explotar tanto la informacin espacial
y espectral, y tcnicas capaces de
tomar ventaja de una representacin
subespacial apropiada de los datos
hiperespectrales antes de realizar la
clasificacin en trminos espacio-
espectrales. Estos enfoques
representan una seleccin subjetiva
de la amplia gama de tcnicas
aprobadas actualmente para la
clasificacin de imgenes
hiperespectrales [3], que incluyen