Redes generativas profundas para corrección de errores geométricos, radiométricos y otras alteraciones causadas por factores atmosféricos presentes en imágenes satelitales multiespectrales
Actualmente una porción considerable de proyectos de investigación en el contexto de procesamiento de imágenes, se abordan con algoritmos de aprendizaje profundo. Algunos estudios realizados por científicos analistas de datos como Meiyin Wu [1], enuncian que al utilizar en particular las redes convo...
- Autores:
-
Zárate Luna, Paola Andrea
- Tipo de recurso:
- Doctoral thesis
- Fecha de publicación:
- 2023
- Institución:
- Universidad Autónoma de Occidente
- Repositorio:
- RED: Repositorio Educativo Digital UAO
- Idioma:
- spa
- OAI Identifier:
- oai:red.uao.edu.co:10614/15483
- Acceso en línea:
- https://hdl.handle.net/10614/15483
https://red.uao.edu.co/
- Palabra clave:
- Doctorado en Ingeniería
Aprendizaje profundo
Satélite
Imágenes
Algoritmos
Redes neuronales
Píxel
Error
Radiométrico
Geométrico
Atmosférico
Deep learning
Satellite
Images
Algorithms
Neural networks
Pixel
Error
Radiometric
Geometric
Atmosphere
- Rights
- closedAccess
- License
- Derechos reservados - Universidad Autónoma de Occidente, 2023