{"id":112818,"date":"2018-03-11T10:39:58","date_gmt":"2018-03-11T10:39:58","guid":{"rendered":"https:\/\/www.deberes.net\/tesis\/sin-categoria\/contributions-to-hyperspectral-image-processing-from-lattice-computing-and-computational-intelligence\/"},"modified":"2018-03-11T10:39:58","modified_gmt":"2018-03-11T10:39:58","slug":"contributions-to-hyperspectral-image-processing-from-lattice-computing-and-computational-intelligence","status":"publish","type":"post","link":"https:\/\/www.deberes.net\/tesis\/procesos-de-percepcion\/contributions-to-hyperspectral-image-processing-from-lattice-computing-and-computational-intelligence\/","title":{"rendered":"Contributions to hyperspectral image processing from lattice computing and computational intelligence"},"content":{"rendered":"

Tesis doctoral de Miguel Angel Veganzones Bodon <\/strong><\/h2>\n

El marco de trabajo en el que se desarrolla esta tesis es el procesamiento de im\u00e1geneshiperespectrales. Existen actualmente numerosas misiones de distintas agencias espaciales para eldespliegue de sensores hiperespectrales que permitan una sustancial mejora en nuestra capacidadpara el reconocimiento remoto y la observaci\u00f3n terrestre. Este hecho tendr\u00e1 un fuerte impacto en eldesarrollo de aplicaciones en numerosos campos de estudio, tales como geolog\u00eda, mineralog\u00eda,ciencias forestales, ciencias marinas, y otros. A su vez, el an\u00e1lisis de este nuevo tipo de im\u00e1genesmanifiesta nuevos retos y dificultades.Esta tesis se vertebra a lo largo de dos l\u00edneas de trabajo. La primera se centra en la idea dedesarrollar sistemas de recuperaci\u00f3n de im\u00e1genes basados en contenido (ribc) para bases de datosde im\u00e1genes hiperespectrales. La segunda se centra en la aplicaci\u00f3n de la computaci\u00f3n reticular alas diversas tareas computaciones que requiere el procesamiento de im\u00e1genes hiperespectrales.Sistemas de recuperaci\u00f3n de im\u00e1genes basados en contenidolos sistemas ribc permiten interrogar bases de datos de im\u00e1genes en funci\u00f3n del propio contenidode las im\u00e1genes, en lugar de los tradicionales m\u00e9todos basados en la b\u00fasqueda sobre metadatosasociados a las im\u00e1genes. La motivaci\u00f3n principal de esta l\u00ednea de investigaci\u00f3n viene dada por elenorme aumento en la cantidad de im\u00e1genes captadas por sensores remotos hiperespectrales. Ladefinici\u00f3n de sistemas rbic para bases de datos de im\u00e1genes hiperespectrales requiere:\u00c2\u00bf la definici\u00f3n de un proceso de extracci\u00f3n de caracter\u00edsticas que se beneficien lo m\u00e1ximoposible de toda la informaci\u00f3n contenida en la imagen. Originalmente, ten\u00edamos inter\u00e9s enexplotar la informaci\u00f3n espectral contenida en las im\u00e1genes hiperespectrales.\u00c2\u00bf la definici\u00f3n de una funci\u00f3n de similitud en base a las caracter\u00edsticas extra\u00eddas que permitainterrogar la base de datos a partir de una b\u00fasqueda dada. Esta funci\u00f3n de similitud puedeser una distancia en el espacio de caracter\u00edsticas.\u00c2\u00bf la definici\u00f3n de una estrategia de b\u00fasqueda, que puede ser directa o disponer de un procesode retroalimentaci\u00f3n basada en la evaluaci\u00f3n iterativa por parte del usuario de la relevanciade las im\u00e1genes devueltas (el t\u00e9rmino t\u00e9cnico en ingl\u00e9s es relevance feedback).Extracci\u00f3n de caracter\u00edsticasen esta tesis hemos seguido distintas aproximaciones en la definici\u00f3n de un proceso de extracci\u00f3nde caracter\u00edsticas para im\u00e1genes hiperespectrales. En primer lugar, con el objetivo de incidir en laimportancia de la informaci\u00f3n espectral contenida en dichas im\u00e1genes, hemos definido las firmasespectrales inducidas (\u00c2\u00bfendmembers\u00c2\u00bf) como las caracter\u00edsticas de la imagen. En tal caso, el procesode extracci\u00f3n de caracter\u00edsticas consiste en un algoritmo de inducci\u00f3n de endmembers. En trabajossucesivos, hemos incluido informaci\u00f3n espacial en la caracterizaci\u00f3n de las im\u00e1genes. Estascaracter\u00edsticas espaciales se calculan sobre las im\u00e1genes de abundancia fracional correspondientes acada endmember inducido en la imagen, y que indican la distribuci\u00f3n espacial a lo largo de laimagen de los materiales encontrados. Asumimos que las im\u00e1genes de abundancia representan unaversi\u00f3n de dimensionalidad reducida de las im\u00e1genes originales, tal que la correlaci\u00f3n entre ellas dauna buena medida de la similitud espacial de las im\u00e1genes originales.Siguiendo una filosof\u00eda completamente distinta, hemos definido y probado un proceso de extracci\u00f3nde caracter\u00edsticas basado en el uso de algoritmos gen\u00e9ricos de compresi\u00f3n de im\u00e1genes. Enconcreto, hemos usado como caracter\u00edsticas de las im\u00e1genes los diccionarios extra\u00eddos mediante unalgoritmo de compresi\u00f3n sin perdida. Esta aproximaci\u00f3n es ciega en el sentido de que se usa toda lainformaci\u00f3n de las im\u00e1genes independientemente de su significado espectral o espacial.Funciones de similituden esta tesis proponemos medidas de similitud espec\u00edficas para los espacios de caracter\u00edsticasdefinidos para la representaci\u00f3n de im\u00e1genes hiperespectrales. Para las caracter\u00edsticas espectraleshemos propuesto una distancia que combina la similitud entre cada uno de los endmembersindividuales inducidos para las im\u00e1genes. Comparamos esta distancia espectral con otras medidasconvencionales de similitud sobre bases de datos de im\u00e1genes hiperespectrales sint\u00e9ticas y reales.Extendernos a un espacio de caracter\u00edsticas espectral y espacial nos ha llevado a considerar adaptaruna funci\u00f3n de similitud del tipo \u00c2\u00bfearth-moving\u00c2\u00bf en la que combinamos la ya mencionada distanciaespectral con la informaci\u00f3n espacial. Finalmente, para las caracter\u00edsticas basadas en diccionarioshemos considerado funciones de similitud ya existentes basadas en la intersecci\u00f3n de losdiccionarios, definidos como un conjunto de palabras.Estrategia de b\u00fasquedaen la mayor parte de nuestro trabajo en esta tesis, la estrategia de b\u00fasqueda en la base de datoshiperespectral es directa: comparamos todas las im\u00e1genes en la base de datos con la imagen criteriode b\u00fasqueda, calculamos sus similitudes y devolvemos aquellas im\u00e1genes que sean las m\u00e1s cercanasa la imagen criterio. La tesis incluye algunos experimentos y resultados obtenidos mediante el usode un proceso de relevance feedback basado en el uso de espacios de disimilitud y un clasificadorentrenado usando las im\u00e1genes etiquetadas por el usuario en un proceso iterativo. Estaaproximaci\u00f3n introduce una adaptaci\u00f3n de la topolog\u00eda del espacio de caracter\u00edsticas de acuerdo alas preferencias del usuario.Computaci\u00f3n reticularla computaci\u00f3n reticular ha sido definida como la construcci\u00f3n de algoritmos en el anillo definidopor los n\u00fameros reales, los operadores reticulares infimum y supremum como operadores aditivos,y la adicci\u00f3n de los n\u00fameros reales como operador multiplicativo. Esta definici\u00f3n contiene diversasl\u00edneas de investigaci\u00f3n en inteligencia computacional, incluyendo las memorias morfol\u00f3gicasasociativas y otras formas de sistemas difusos. En esta tesis, la computaci\u00f3n reticular ha sidoaplicada al an\u00e1lisis de im\u00e1genes hiperespectrales en dos formas espec\u00edficas:\u00c2\u00bf la formulaci\u00f3n de algoritmos de inducci\u00f3n de endmembers.\u00c2\u00bf la formulaci\u00f3n de morfolog\u00eda matem\u00e1tica multivariante para la segmentaci\u00f3n de im\u00e1geneshiperespectrales.Inducci\u00f3n de endmembersmediante el demezclado espectral (spectral unmixing), es posible obtener resultados del an\u00e1lisis deim\u00e1genes hiperespectrales a una resoluci\u00f3n sub-pixel. Para ello, es necesario conocer las firmasespectrales de los materiales en la imagen, que pueden ser dados a-priori o inducidos de la propiaimagen mediante algoritmos de inducci\u00f3n de endmembers. El grupo de investigaci\u00f3n hab\u00eda definidopreviamente algunos algoritmos de inducci\u00f3n de endmembers siguiendo una aproximaci\u00f3n basadaen la computaci\u00f3n reticular. Esta tesis contribuye con un nuevo algoritmo que combina lainducci\u00f3n de endmembers mediante memorias reticulares auto-asociativas (mraa) con unalgoritmo gen\u00e9tico multi-objetivo para la selecci\u00f3n \u00f3ptima de endmembers a partir de la colecci\u00f3nde endmembers provista por las mraas.Morfolog\u00eda matem\u00e1tica multivariantela definici\u00f3n de morfolog\u00eda matem\u00e1tica en vectores espaciales viene dificultada por lacomplicaci\u00f3n de definir una relaci\u00f3n de orden apropiada que construya ret\u00edculos completos(complete lattices). Una aproximaci\u00f3n relevante es la definici\u00f3n de un orden tal en base a laclasificaci\u00f3n de los p\u00edxeles de la imagen usando datos de entrenamiento espec\u00edficos y clasificadoresapropiados cuya salida provee el orden requerido. Esta tesis construye tal orden usando la distanciade la respuesta de las mraas como una salida de un proceso de clasificaci\u00f3n, manteniendo as\u00ed lamorfolog\u00eda matem\u00e1tica multivariante dentro del terreno de la computaci\u00f3n reticular.Contribucioneslas contribuciones de la tesis desde un punto de vista metodol\u00f3gico son las siguientes:1. Provee una revisi\u00f3n del estado del arte en dos \u00e1reas de investigaci\u00f3n: los algoritmos deinducci\u00f3n de endmembers y los sistemas de recuperaci\u00f3n de im\u00e1genes basados encontenido.2. La metodolog\u00eda experimental que hemos empleado para obtener los resultadosexperimentales es exhaustiva y est\u00e1 libre de an\u00e1lisis circular. En el caso de los experimentoscon sistemas ribc, las medidas de rendimiento fueron computadas mediante caracter\u00edsticasobtenidas independientemente para cada imagen. En el caso de los experimentos declasificaci\u00f3n, hemos sido cuidadosos para asegurar que los datos de test fuerancompletamente independientes de los datos de entrenamiento.3. Provee una metodolog\u00eda para la generaci\u00f3n de im\u00e1genes hiperespectrales sint\u00e9ticas. Laimplementaci\u00f3n de la metodolog\u00eda est\u00e1 disponible libre y gratuitamente.4. Provee una metodolog\u00eda de validaci\u00f3n de sistemas ribc en ausencia de verdad del terreno.5. Provee pruebas formales de algunos aseveraciones, tales como la naturaleza de las funcionesde disimilitud.6. Se proveen resultados en im\u00e1genes hiperespectrales reales, algunas de estas im\u00e1genes hansido profusamente utilizadas en la literatura para la validaci\u00f3n experimental cualitativa ycuantitativa.Desde un punto de vista computacional, las contribuciones de esta tesis son las siguientes:1. Un innovador algoritmo de inducci\u00f3n de endmembers (wm-moga) basada encomputaci\u00f3n reticular y algoritmos gen\u00e9ticos multi-objetivos.2. La extensi\u00f3n del paradigma ribc al dominio de las im\u00e1genes hiperespectrales.3. La definici\u00f3n de una distancia sobre im\u00e1genes hiperespectrales basada en la caracterizaci\u00f3nespectral mediante un conjunto de endmembers inducidos.4. La definici\u00f3n de una distancia sobre im\u00e1genes hiperespectrales basada en la caracterizaci\u00f3nespectral y espacial mediante un conjunto de endmembers inducidos y sus correspondientesim\u00e1genes de abundancia fraccional.5. La definici\u00f3n de distancias basadas en diccionarios para im\u00e1genes hiperespectrales.6. La formulaci\u00f3n de una estrategia de relevance feedback para sistemas ribc hiperespectralesbasada en espacios de disimilitud.7. La definici\u00f3n de una morfolog\u00eda matem\u00e1tica multivariante basada en la respuesta de lasmemorias reticulares auto-asociativas, incluyendo la definici\u00f3n de un gradiente morfol\u00f3gicoy el uso de algoritmos de segmentaci\u00f3n watershed para la segmentaci\u00f3n de im\u00e1geneshiperespectrales.<\/p>\n

 <\/p>\n

Datos acad\u00e9micos de la tesis doctoral \u00abContributions to hyperspectral image processing from lattice computing and computational intelligence<\/strong>\u00ab<\/h3>\n
    \n
  • T\u00edtulo de la tesis:<\/strong>\u00a0 Contributions to hyperspectral image processing from lattice computing and computational intelligence <\/li>\n
  • Autor:<\/strong>\u00a0 Miguel Angel Veganzones Bodon <\/li>\n
  • Universidad:<\/strong>\u00a0 Pa\u00eds vasco\/euskal herriko unibertsitatea<\/li>\n
  • Fecha de lectura de la tesis:<\/strong>\u00a0 15\/06\/2012<\/li>\n<\/ul>\n

     <\/p>\n

    Direcci\u00f3n y tribunal<\/h3>\n
      \n
    • Director de la tesis<\/strong>\n
        \n
      • Carmen Hernandez Gomez<\/li>\n<\/ul>\n<\/li>\n
      • Tribunal<\/strong>\n
          \n
        • Presidente del tribunal: angel Pascual del pobil y ferr\u00e9 <\/li>\n
        • francesc josep Ferri rabasa (vocal)<\/li>\n
        • josep Blat gimeno (vocal)<\/li>\n
        • erzebet Merenyi — (vocal)<\/li>\n<\/ul>\n<\/li>\n<\/ul>\n

           <\/p>\n","protected":false},"excerpt":{"rendered":"

          Tesis doctoral de Miguel Angel Veganzones Bodon El marco de trabajo en el que se desarrolla esta tesis es el […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"site-sidebar-layout":"default","site-content-layout":"","ast-site-content-layout":"","site-content-style":"default","site-sidebar-style":"default","ast-global-header-display":"","ast-banner-title-visibility":"","ast-main-header-display":"","ast-hfb-above-header-display":"","ast-hfb-below-header-display":"","ast-hfb-mobile-header-display":"","site-post-title":"","ast-breadcrumbs-content":"","ast-featured-img":"","footer-sml-layout":"","theme-transparent-header-meta":"","adv-header-id-meta":"","stick-header-meta":"","header-above-stick-meta":"","header-main-stick-meta":"","header-below-stick-meta":"","astra-migrate-meta-layouts":"default","ast-page-background-enabled":"default","ast-page-background-meta":{"desktop":{"background-color":"var(--ast-global-color-4)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-gradient":""},"tablet":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-gradient":""},"mobile":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-gradient":""}},"ast-content-background-meta":{"desktop":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-gradient":""},"tablet":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-gradient":""},"mobile":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-gradient":""}},"footnotes":""},"categories":[13880,2528,12909,2461],"tags":[144269,224301,224302,27578,16755,224300],"class_list":["post-112818","post","type-post","status-publish","format-standard","hentry","category-informatica","category-inteligencia-artificial","category-pais-vasco-euskal-herriko-unibertsitatea","category-procesos-de-percepcion","tag-angel-pascual-del-pobil-y-ferre","tag-carmen-hernandez-gomez","tag-erzebet-merenyi","tag-francesc-josep-ferri-rabasa","tag-josep-blat-gimeno","tag-miguel-angel-veganzones-bodon"],"_links":{"self":[{"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/posts\/112818","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/comments?post=112818"}],"version-history":[{"count":0,"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/posts\/112818\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/media?parent=112818"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/categories?post=112818"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/tags?post=112818"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}