Desarrollo de microorganismos Desarrollo de una librería en código libre para clasificar imágenes hiperespectrales por mapeo del ángulo espectral

Al descubrir la interrelación entre el color, la frecuencia y la longitud de onda por William Herschel, se revelaron los principios usados para caracterizar la incidencia de la luz sobre los objetos [5], principios que hacen parte fundamental de la teledetección. La teledetección se ha convertido en una herramienta esencial para el estudio, seguimiento y comprensión de fenómenos no solo de la superficie terrestre sino también de los cuerpos celestes. Los sensores remotos han experimentado grandes avances, desde las primeras cámaras pancromáticas usadas para fotogrametría aérea, pasando por los scanner multiespectrales (transportados por satélites), hasta el sensor CASI (con una resolución espectral de 288 bandas [6]). Ese avance se refleja en su producto “la imagen”, la cual incrementó la cantidad de datos almacenados, pasando de multiespectral a hiperespectral; permitiendo de ese modo, mejorar la exactitud en la capacidad de análisis y síntesis, sin embargo, esto demanda mejores capacidades tanto software como hardware para realizar los procesos [37]. Dentro de las diferentes aplicaciones Software especializadas en procesar datos de sensores remotos o raster se conocen Erdas, Envi, Ilwis, Grass, entre otros; los dos primeros son comerciales y el último es Software libre. Los procesos más relevantes que permiten estos software son: la manipulación de información raster y vector, georreferenciación y segmentación de imágenes, análisis espectrales y la clasificación de imágenes [11] [35]. Los datos raster o imágenes se encuentran en diferentes formatos y tipos; los tipos más utilizados en la actualidad son los multiespectrales, pero desde la década pasada el análisis de imágenes hiperespectrales ha tenido gran actividad. La imagen hiperespectral es el producto del desarrollo tecnológico de los sensores espectrales [37]. La clasificación de las imágenes es una tarea que se realiza con el propósito de convertir datos cuantitativos en cualitativos [29], para lograrlo existen diferentes métodos que se han implementado en esta compleja tarea, los más relevante son: máxima probabilidad, Isodata, Fuzzy y, dentro de los algoritmos de inteligencia artificial están la retro-propagación y los árboles de decisiones [25] [8]. El tipo de imagen determina la forma de clasificación, para imágenes hiperespectrales los métodos que predominan son: Mapeo del Angulo Espectral, Análisis de Mezcla Espectral, Análisis de todo el Pixel, Montaje característica espectral, Análisis del Sub-Pixel, entre otros. El software Grass posee pocas herramientas para el procesamiento de imágenes hiperespectrales, especialmente que permita la clasificación por Mapeo del Ángulo Espectral (por sus siglas en ingles SAM, Spectral Anguler Mapper). Generando la necesidad de desarrollar una librería que permita esa clasificación en el software, migrando la ecuación SAM a un lenguaje de programación soportado por Grass para que se ejecute sobre su kernel; lo que permitirá que los usuarios accedan a una herramienta en software libre para realizar la clasificación SAM.

• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2015
• Institución: Universidad Distrital Francisco José de Caldas
• Repositorio: RIUD: repositorio U. Distrital
• Idioma: spa
• OAI Identifier: oai:repository.udistrital.edu.co:11349/7860
• Acceso en línea: http://hdl.handle.net/11349/7860
• Palabra clave: Mapeo; Código abierto; Imágenes hiperespectrales; Ángulo espectral; Ingeniería Catastral y Geodesia - Tesis y disertaciones académicas; Procesamiento digital de imágenes; Fotogrametría aérea; Detección a distancia; Mapping; Open source; Hyperespectral images; Spectral angle
• License: Atribución-NoComercial-SinDerivadas 4.0 Internacional