Análisis de imágenes hiperespectrales : Clasificación de cultivos

El sensado remoto o remote sensing es la ciencia o arte de obtener información sobre un objeto, área o fenómeno a través del análisis de datos obtenidos por un dispositivo que no tiene un contacto físico con dicho objeto, área o fenómeno El avance tecnológico permite actualmente obtener imágenes hip...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autor principal: Sanz, Cecilia Verónica
Formato: Objeto de conferencia
Lenguaje:Español
Publicado: 2000
Materias:
Ciencias Informáticas
imágenes hiperespectrales
Real time
cultivos
Signal processing systems
Acceso en línea:http://sedici.unlp.edu.ar/handle/10915/22162
Aporte de:
SEDICI (UNLP) de Universidad Nacional de La Plata
id I19-R120-10915-22162
record_format dspace
institution Universidad Nacional de La Plata
institution_str I-19
repository_str R-120
collection SEDICI (UNLP)
language Español
topic Ciencias Informáticas
imágenes hiperespectrales
Real time
cultivos
Signal processing systems
spellingShingle Ciencias Informáticas
imágenes hiperespectrales
Real time
cultivos
Signal processing systems
Sanz, Cecilia Verónica
Análisis de imágenes hiperespectrales : Clasificación de cultivos
topic_facet Ciencias Informáticas
imágenes hiperespectrales
Real time
cultivos
Signal processing systems
description El sensado remoto o remote sensing es la ciencia o arte de obtener información sobre un objeto, área o fenómeno a través del análisis de datos obtenidos por un dispositivo que no tiene un contacto físico con dicho objeto, área o fenómeno El avance tecnológico permite actualmente obtener imágenes hiperespectrales (muestreos contínuos de intervalos anchos del espectro), con un volumen de información considerablemente mayor comparado con el que se ha tenido hasta el momento con las imágenes multiespectrales. Los sensores hiperespectrales son instrumentos de sensado remoto que combinan la presentación espacial de un sensor de imagen con las capacidades analíticas de un espectrómetro. Pueden contener hasta cientos de bandas espectrales angostas con una resolución espectral del orden de 10 nanómetros o menor [Goe85]. Los espectrómetros producen un espectro completo para todos los píxeles de la imagen. Como resultado de tener una mayor resolución espectral se tiene la posibilidad de identificar materiales, mientras que con los sensores de bandas más anchas (por ejemplo, Landsat Thematic Mapper TM) sólo se los podía discriminar. Esto ha llevado a los investigadores a buscar nuevas técnicas de manejo y clasificación que permitan explotar adecuadamente los nuevos datos disponibles. Esta línea de investigación tiene como objetivo estudiar, analizar y encontrar métodos de clasificación que permitan tomar ventaja de la información provista por este tipo de imágenes, donde se incorporan los datos espectrales como una 3ra dimensión dentro del reconocimiento de patrones. Es decir, a la información espacial comúnmente utilizada, se le agrega la espectral. En particular, se estudia la clasificación de cultivos para una etapa específica de su evolución aplicando el método de clasificación conocido como razonamiento evidencial. Se utilizan imágenes hiperespectrales de la región de Nebraska (USA), provistas por PRA (Photon Research Association), quienes realizan investigación de los cultivos de la zona mencionada.
format Objeto de conferencia
Objeto de conferencia
author Sanz, Cecilia Verónica
author_facet Sanz, Cecilia Verónica
author_sort Sanz, Cecilia Verónica
title Análisis de imágenes hiperespectrales : Clasificación de cultivos
title_short Análisis de imágenes hiperespectrales : Clasificación de cultivos
title_full Análisis de imágenes hiperespectrales : Clasificación de cultivos
title_fullStr Análisis de imágenes hiperespectrales : Clasificación de cultivos
title_full_unstemmed Análisis de imágenes hiperespectrales : Clasificación de cultivos
title_sort análisis de imágenes hiperespectrales : clasificación de cultivos
publishDate 2000
url http://sedici.unlp.edu.ar/handle/10915/22162
work_keys_str_mv AT sanzceciliaveronica analisisdeimageneshiperespectralesclasificaciondecultivos
bdutipo_str Repositorios
_version_ 1764820465610653699

Ejemplares similares