Exploração da decomposição de imagens hiperespectrais em múltiplas escalas para eficiência na separação espectral
Ano de defesa: | 2020 |
---|---|
Autor(a) principal: | |
Orientador(a): | |
Banca de defesa: | |
Tipo de documento: | Dissertação |
Tipo de acesso: | Acesso aberto |
Idioma: | por |
Instituição de defesa: |
Universidade Catolica de Pelotas
Centro de Ciencias Sociais e Tecnologicas Brasil UCPel Mestrado em Engenharia Eletronica e Computacao |
Programa de Pós-Graduação: |
Não Informado pela instituição
|
Departamento: |
Não Informado pela instituição
|
País: |
Não Informado pela instituição
|
Palavras-chave em Português: | |
Link de acesso: | http://tede.ucpel.edu.br:8080/jspui/handle/jspui/896 |
Resumo: | As imagens hiperespectrais (HSIs) são formadas por centenas ou milhares de bandas espectrais contíguas e estreitas, capazes de representar as características de diferentes materiais em uma cena. Essa aptidão é baseada na resposta da interação entre a radiação eletromagnética e os materiais em diversos comprimentos de onda, formando uma assinatura espectral. Nesse contexto, o problema de separação espectral, consiste em identificar os materiais (endmembers) e estimar as proporções (abundâncias) nas quais eles aparecem misturados nos pixels da imagem. Ao longo dos anos, diversas abordagens foram propostas para resolver o problema, dentre elas o uso da regressão linear esparsa, que busca caracterizar as abundâncias nos pixels com base em uma grande biblioteca de assinaturas espectrais obtidas a priori. Recentemente, a integração da informação espacial da imagem através de regularizadores tem mostrado uma melhora significativa no desempenho da separação espectral esparsa. No entanto, muitas dessas técnicas apresentam um custo computacional elevado, contradizendo a recente necessidade por aplicações em tempo real. O objetivo principal deste trabalho é explorar técnicas que possibilitem aprimorar o desempenho de algoritmos de separação espectral esparsa em HSI utilizando múltiplas escalas de definição da imagem. Para este fim, é proposto um método progressivo de sobressegmentação baseado no algoritmo SLIC, que subdivide a imagem em um conjunto de regiões homogêneas formadas por pixels com características similares (superpixels). Esses segmentos são usados para fornecer informações prévias a respeito da regularidade espacial das abundâncias dos materiais presentes na imagem. Resultados experimentais com imagens sintéticas demonstram que o método proposto é capaz de estimar as abundâncias de forma eficaz e com baixo custo computacional. Adicionalmente, a partir de uma análise de sensibilidade, o método mostrou-se robusto à variação nos valores de seus parâmetros de entrada |