Estudio Comparativo de Técnicas de Clasificación de Imágenes Hiperespectrales
Las imágenes hiperespectrales constituyen el núcleo de varios programas de observación remota de la Tierra. La cantidad de información que contienen estas imágenes, formadas por cientos de canales espectrales estrechos y casi continuos, resulta de gran utilidad en aplicaciones en las que la caracter...
Saved in:
| Main Authors: | , , , |
|---|---|
| Format: | Article |
| Language: | Spanish |
| Published: |
Universitat Politècnica de València
2019-03-01
|
| Series: | Revista Iberoamericana de Automática e Informática Industrial RIAI |
| Subjects: | |
| Online Access: | https://polipapers.upv.es/index.php/RIAI/article/view/11078 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| _version_ | 1846093704338604032 |
|---|---|
| author | Mercedes Eugenia Paoletti Juan Mario Haut Javier Plaza Antonio Plaza |
| author_facet | Mercedes Eugenia Paoletti Juan Mario Haut Javier Plaza Antonio Plaza |
| author_sort | Mercedes Eugenia Paoletti |
| collection | DOAJ |
| description | Las imágenes hiperespectrales constituyen el núcleo de varios programas de observación remota de la Tierra. La cantidad de información que contienen estas imágenes, formadas por cientos de canales espectrales estrechos y casi continuos, resulta de gran utilidad en aplicaciones en las que la caracterización de los materiales observados en la superficie terrestre resulta de gran relevancia. Esto se debe a la posibilidad de caracterizar de forma inequívoca cada material a través de su firma espectral. Algunas de estas aplicaciones son la agricultura de precisión, la planificación de espacios urbanos, o la prevención y seguimiento de desastres naturales. Sin embargo, la gran dimensión de las imágenes hiperespectrales supone un reto en su tratamiento, almacenamiento y procesamiento, debido a la gran variabilidad espectral y la correlación existente en los datos. En la literatura se han desarrollado múltiples algoritmos de análisis de imágenes hiperespectrales. En este artículo revisamos los algoritmos más utilizados para la clasificación de este tipo de imágenes, realizando experimentos con tres imágenes públicas y presentando una comparativa entre los métodos más ampliamente utilizados en este campo. |
| format | Article |
| id | doaj-art-56724c5861d240a38c707603bc14f0d9 |
| institution | Kabale University |
| issn | 1697-7912 1697-7920 |
| language | Spanish |
| publishDate | 2019-03-01 |
| publisher | Universitat Politècnica de València |
| record_format | Article |
| series | Revista Iberoamericana de Automática e Informática Industrial RIAI |
| spelling | doaj-art-56724c5861d240a38c707603bc14f0d92025-01-02T16:34:06ZspaUniversitat Politècnica de ValènciaRevista Iberoamericana de Automática e Informática Industrial RIAI1697-79121697-79202019-03-0116212913710.4995/riai.2019.110787289Estudio Comparativo de Técnicas de Clasificación de Imágenes HiperespectralesMercedes Eugenia Paoletti0Juan Mario Haut1Javier Plaza2Antonio Plaza3Universidad de ExtremaduraUniversidad de ExtremaduraUniversidad de ExtremaduraUniversidad de ExtremaduraLas imágenes hiperespectrales constituyen el núcleo de varios programas de observación remota de la Tierra. La cantidad de información que contienen estas imágenes, formadas por cientos de canales espectrales estrechos y casi continuos, resulta de gran utilidad en aplicaciones en las que la caracterización de los materiales observados en la superficie terrestre resulta de gran relevancia. Esto se debe a la posibilidad de caracterizar de forma inequívoca cada material a través de su firma espectral. Algunas de estas aplicaciones son la agricultura de precisión, la planificación de espacios urbanos, o la prevención y seguimiento de desastres naturales. Sin embargo, la gran dimensión de las imágenes hiperespectrales supone un reto en su tratamiento, almacenamiento y procesamiento, debido a la gran variabilidad espectral y la correlación existente en los datos. En la literatura se han desarrollado múltiples algoritmos de análisis de imágenes hiperespectrales. En este artículo revisamos los algoritmos más utilizados para la clasificación de este tipo de imágenes, realizando experimentos con tres imágenes públicas y presentando una comparativa entre los métodos más ampliamente utilizados en este campo.https://polipapers.upv.es/index.php/RIAI/article/view/11078Inteligencia artificialaplicaciones satelitalesanálisis de escenasingeniería informáticaaplicaciones informáticas |
| spellingShingle | Mercedes Eugenia Paoletti Juan Mario Haut Javier Plaza Antonio Plaza Estudio Comparativo de Técnicas de Clasificación de Imágenes Hiperespectrales Revista Iberoamericana de Automática e Informática Industrial RIAI Inteligencia artificial aplicaciones satelitales análisis de escenas ingeniería informática aplicaciones informáticas |
| title | Estudio Comparativo de Técnicas de Clasificación de Imágenes Hiperespectrales |
| title_full | Estudio Comparativo de Técnicas de Clasificación de Imágenes Hiperespectrales |
| title_fullStr | Estudio Comparativo de Técnicas de Clasificación de Imágenes Hiperespectrales |
| title_full_unstemmed | Estudio Comparativo de Técnicas de Clasificación de Imágenes Hiperespectrales |
| title_short | Estudio Comparativo de Técnicas de Clasificación de Imágenes Hiperespectrales |
| title_sort | estudio comparativo de tecnicas de clasificacion de imagenes hiperespectrales |
| topic | Inteligencia artificial aplicaciones satelitales análisis de escenas ingeniería informática aplicaciones informáticas |
| url | https://polipapers.upv.es/index.php/RIAI/article/view/11078 |
| work_keys_str_mv | AT mercedeseugeniapaoletti estudiocomparativodetecnicasdeclasificaciondeimageneshiperespectrales AT juanmariohaut estudiocomparativodetecnicasdeclasificaciondeimageneshiperespectrales AT javierplaza estudiocomparativodetecnicasdeclasificaciondeimageneshiperespectrales AT antonioplaza estudiocomparativodetecnicasdeclasificaciondeimageneshiperespectrales |