Multidimensional analysis for hyperspectral imaging systems A time, space and wavelength approach

dc.contributor.advisorTorres Inostroza, Sergioes
dc.contributor.authorMeza Narváez, Pablo Franciscoes
dc.date.accessioned2014-12-20T12:26:45Z
dc.date.accessioned2019-12-13T10:48:53Z
dc.date.accessioned2024-08-28T21:33:16Z
dc.date.available2014-12-20T12:26:45Z
dc.date.available2019-12-13T10:48:53Z
dc.date.available2024-08-28T21:33:16Z
dc.date.issued2014
dc.descriptionTesis presentada para optar al grado de Doctor en Ciencias de la Ingeniería con mención en Ingeniería Eléctrica.es
dc.description.abstractEn esta tesis, se propone un novedoso modelo de degradación a fín de imágenes para cámaras hiperespectrales de barrido (PBHCs), siguiendo un enfoque optoelectrónico y generando una representación matemática precisa del proceso de adquisición hiperespectral. El modelo de degradación de imagen es lineal y los parámetros asociados al ruido de franjas (SN) son asumidos espacialmente correlacionados, espectralmente independientes y desvinculados de la respuesta espectral de la cámara. La aplicabilidad de estos supuestos se verifió mediante una caracterización experimental de las cámaras hiperespectrales a nuestra disposición. Además, se asume que la información espacial, espectral, y temporal son altamente redundante debido a la alta resolución espectral y al rápido barrido temporal de las PBHCs modernas. De esta manera, y con base en el modelo de observación propuesto, se han desarrollado dos nuevos algoritmos multidimensionales de compensación de ruido de franjas (SNC) para PBHCs, los algoritmos multidimensionales de redes neuronales (NN) y de ajuste de momentos (MM). Los algoritmos explotan simultáneamente la información espacial y temporal contenida en una escena objetivo, así como la información espectral contenida en las imágenes espectrales adyacentes. La habilidad de los algoritmos de estimar y compensar los parámetros de SN, sujetos a las restricciones de la radiación de entrada, fue demostrada matemáticamente.Un algoritmo adicional ha sido incluido para relajar el supuesto de redundancia espectral, reduciendo la perdida de resolución espectral en el hipercubo. La aplicabilidad de los algoritmos SNC multidimensionales fue probada con exito en datos hiperespectrales reales adquiridos usando un prototipo de laboratorio, logrando comparativamente mejores imágenes compensadas que sus versiones unidimensionales. Se ha implementado una configuración experimental, basada en las cámaras hiperespectrales Photonfocus Hurricane y Xeva Xenics, para adquirir datos en el rango de 400-1000 [nm] y 900-1700 [nm], respectivamente. Vale la pena mencionar que ambas cámaras presentan patrones distintivos de ruido en términos de estructura espectral. Además, se utilizó una plataforma móvil para simular y sin-cronizar el procedimiento de barrido de las cámaras y, para fines de calibración, una lámpara de tungsteno uniforme fue instalada para asegurar una radiancia espectral igual entre las diferentes bandas. Además, para probar los algoritmos, se utilizaron los datos crudos recolectados desde el sensor CCD Earth-observing CHRIS/PROBA.es
dc.description.campusConcepciónes
dc.description.departamentoDepartamento de Ingeniería Eléctricaes
dc.description.facultadFacultad de Ingenieríaes
dc.identifier.urihttps://repositorio.udec.cl/handle/11594/1558
dc.language.isoeses
dc.publisherUniversidad de Concepciónes
dc.rightsCC BY-NC-ND 4.0 DEED Attribution-NonCommercial-NoDerivs 4.0 Internationalen
dc.rights.urihttps://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subjectImagen Hiperespectrales
dc.subjectAnálisis Hiperespectral - Procesamiento de Datoses
dc.subjectAnálisis Espectral - Experimentoses
dc.subjectTeledetección - Espectroses
dc.subjectAlgoritmos Computacionaleses
dc.titleMultidimensional analysis for hyperspectral imaging systems A time, space and wavelength approaches
dc.typeTesises

Files

Original bundle
Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
Thesis_Multidimensional_Analysis_for_Hyperspectral.Image.Marked.pdf
Size:
7.37 MB
Format:
Adobe Portable Document Format
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Plain Text
Description:

Collections