Entropy Estimators in SAR Image Classification

Revista con referato

Guardado en:

Detalles Bibliográficos
Autores principales:	Cassetti, Julia, Delgadino, Daiana, Rey, Andrea, Frery, Alejandro C.
Formato:	Artículo publishedVersion
Lenguaje:	Inglés
Publicado:	Molecular Diversity Preservation International 2025
Materias:	Extracción de características Radar de apertura sintética Estimador de entropía de Shannon Clasificación Feature extraction Synthetic aperture radar Shannon entropy estimator Classification Extração de características Radar de abertura sintética Estimador de entropia de Shannon Classificação Otras Ciencias Naturales y Exactas
Acceso en línea:	http://repositorio.ungs.edu.ar:8080/xmlui/handle/UNGS/2264
Aporte de:	Repositorio Institucional Digital de Acceso Abierto (UNGS) de Universidad Nacional de General Sarmiento

id	I71-R177-UNGS-2264
record_format	dspace
institution	Universidad Nacional de General Sarmiento
institution_str	I-71
repository_str	R-177
collection	Repositorio Institucional Digital de Acceso Abierto (UNGS)
language	Inglés
orig_language_str_mv	eng
topic	Extracción de características Radar de apertura sintética Estimador de entropía de Shannon Clasificación Feature extraction Synthetic aperture radar Shannon entropy estimator Classification Extração de características Radar de abertura sintética Estimador de entropia de Shannon Classificação Otras Ciencias Naturales y Exactas
spellingShingle	Extracción de características Radar de apertura sintética Estimador de entropía de Shannon Clasificación Feature extraction Synthetic aperture radar Shannon entropy estimator Classification Extração de características Radar de abertura sintética Estimador de entropia de Shannon Classificação Otras Ciencias Naturales y Exactas Cassetti, Julia Delgadino, Daiana Rey, Andrea Frery, Alejandro C. Entropy Estimators in SAR Image Classification
topic_facet	Extracción de características Radar de apertura sintética Estimador de entropía de Shannon Clasificación Feature extraction Synthetic aperture radar Shannon entropy estimator Classification Extração de características Radar de abertura sintética Estimador de entropia de Shannon Classificação Otras Ciencias Naturales y Exactas
description	Revista con referato
format	Artículo Artículo publishedVersion
author	Cassetti, Julia Delgadino, Daiana Rey, Andrea Frery, Alejandro C.
author_facet	Cassetti, Julia Delgadino, Daiana Rey, Andrea Frery, Alejandro C.
author_sort	Cassetti, Julia
title	Entropy Estimators in SAR Image Classification
title_short	Entropy Estimators in SAR Image Classification
title_full	Entropy Estimators in SAR Image Classification
title_fullStr	Entropy Estimators in SAR Image Classification
title_full_unstemmed	Entropy Estimators in SAR Image Classification
title_sort	entropy estimators in sar image classification
publisher	Molecular Diversity Preservation International
publishDate	2025
url	http://repositorio.ungs.edu.ar:8080/xmlui/handle/UNGS/2264
work_keys_str_mv	AT cassettijulia entropyestimatorsinsarimageclassification AT delgadinodaiana entropyestimatorsinsarimageclassification AT reyandrea entropyestimatorsinsarimageclassification AT freryalejandroc entropyestimatorsinsarimageclassification
_version_	1842217791467290624
spelling	I71-R177-UNGS-22642025-06-26T15:03:46Z Entropy Estimators in SAR Image Classification Cassetti, Julia Delgadino, Daiana Rey, Andrea Frery, Alejandro C. Extracción de características Radar de apertura sintética Estimador de entropía de Shannon Clasificación Feature extraction Synthetic aperture radar Shannon entropy estimator Classification Extração de características Radar de abertura sintética Estimador de entropia de Shannon Classificação Otras Ciencias Naturales y Exactas Revista con referato Fil: Cassetti, Julia. Universidad Nacional de General Sarmiento. Instituto del Desarrollo Humano; Argentina. Fil: Delgadino, Daiana. Universidad Nacional de General Sarmiento. Instituto de Ciencias; Argentina. Fil: Rey, Andrea. Universidad Tecnológica Nacional. Facultad Regional Buenos Aires. Centro de Procesamiento de Señales e Imágenes; Argentina Fil: Frery, Alejandro C. Victoria University of Wellington. School of Mathematics and Statistics; New Zealand. Los datos de teledetección son esenciales para comprender la dinámica ambiental, su pronóstico y la detección temprana de desastres. Los sensores de teledetección de microondas complementan la información proporcionada por las observaciones en el espectro óptico, con la ventaja de ser menos sensibles a las condiciones atmosféricas adversas y de contar con su propia fuente de iluminación. Por un lado, las nuevas generaciones y constelaciones de sensores de Radar de Apertura Sintética (SAR) proporcionan imágenes con alta resolución espacial y temporal y excelente cobertura. Por otro lado, las imágenes SAR presentan ruido de speckle y requieren modelos específicos y técnicas de extracción de información. En este sentido, la familia de distribuciones ?0 es un modelo adecuado para los datos de intensidad SAR, ya que describe bien áreas con diferentes grados de textura. La teoría de la información se ha consolidado en el procesamiento de señales e imágenes para la estimación de parámetros y la extracción de características. La entropía destaca como una de las características más expresivas en este ámbito. Evaluamos el rendimiento de varios estimadores de entropía de Shannon paramétricos y no paramétricos como entrada para algoritmos de clasificación supervisados ??y no supervisados. También proponemos una metodología para ajustar los estimadores de entropía no paramétricos. Finalmente, aplicamos estas técnicas a datos reales. Remotely sensed data are essential for understanding environmental dynamics, for their forecasting, and for early detection of disasters. Microwave remote sensing sensors complement the information provided by observations in the optical spectrum, with the advantage of being less sensitive to adverse atmospherical conditions and of carrying their own source of illumination. On the one hand, new generations and constellations of Synthetic Aperture Radar (SAR) sensors provide images with high spatial and temporal resolution and excellent coverage. On the other hand, SAR images suffer from speckle noise and need specific models and information extraction techniques. In this sense, the ?0 family of distributions is a suitable model for SAR intensity data because it describes well areas with different degrees of texture. Information theory has gained a place in signal and image processing for parameter estimation and feature extraction. Entropy stands out as one of the most expressive features in this realm. We evaluate the performance of several parametric and non-parametric Shannon entropy estimators as input for supervised and unsupervised classification algorithms. We also propose a methodology for fine-tuning non-parametric entropy estimators. Finally, we apply these techniques to actual data. Dados de sensoriamento remoto são essenciais para a compreensão da dinâmica ambiental, para sua previsão e para a detecção precoce de desastres. Sensores de sensoriamento remoto por micro-ondas complementam as informações fornecidas por observações no espectro óptico, com a vantagem de serem menos sensíveis a condições atmosféricas adversas e de possuírem sua própria fonte de iluminação. Por um lado, novas gerações e constelações de sensores de Radar de Abertura Sintética (SAR) fornecem imagens com alta resolução espacial e temporal e excelente cobertura. Por outro lado, imagens de SAR sofrem com ruído speckle e necessitam de modelos e técnicas de extração de informação específicos. Nesse sentido, a família de distribuições ?0 é um modelo adequado para dados de intensidade de SAR, pois descreve bem áreas com diferentes graus de textura. A teoria da informação ganhou espaço no processamento de sinais e imagens para estimativa de parâmetros e extração de características. A entropia se destaca como uma das características mais expressivas nesse campo. Avaliamos o desempenho de diversos estimadores de entropia de Shannon paramétricos e não paramétricos como entrada para algoritmos de classificação supervisionados e não supervisionados. Também propomos uma metodologia para ajuste fino de estimadores de entropia não paramétricos. Por fim, aplicamos essas técnicas a dados reais. 2025-06-26T15:03:46Z 2025-06-26T15:03:46Z 2022 info:eu-repo/semantics/article info:ar-repo/semantics/artículo info:eu-repo/semantics/publishedVersion Cassetti, J., Delgadino, D., Rey, A., y Frery, A. C. (2022). Entropy Estimators in SAR Image Classification. Entropy, 24(4), 509. 1099-4300 http://repositorio.ungs.edu.ar:8080/xmlui/handle/UNGS/2264 eng https://doi.org/10.3390/e24040509 info:eu-repo/semantics/openAccess application/pdf application/pdf Molecular Diversity Preservation International Entropy. 2022; 24(4): 509 https://www.mdpi.com/1099-4300/24/4

Entropy Estimators in SAR Image Classification

Ejemplares similares