Estimación de parámetros en imágenes SAR monopolarizadas usando distancias estocásticas y núcleos asimétricos

El modelo G es una buena elección para explicar las características estadísticas de datos que provienen de imágenes de radar de apertura sintética (SAR), porque bajo este modelo se pueden caracterizar regiones con diferentes grado de textura a través de sus parámetros. Esta tesis propone una nuev...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autor principal: Cassetti, Julia Analía
Otros Autores: Frery Orgambide, Alejandro
Formato: Tesis doctoral acceptedVersion
Lenguaje:Español
Publicado: Universidad Nacional de General Sarmiento 2021
Materias:
Estimación de parámetros
Sensores remotos
Imágenes SAR
Núcleos asimétricos
Distancias estocásticas
Estimadores de mínima distancia
Speckle
Acceso en línea:http://repositorio.ungs.edu.ar:8080/xmlui/handle/UNGS/760
Aporte de:
Repositorio Institucional Digital de Acceso Abierto (UNGS) de Universidad Nacional de General Sarmiento
id I71-R177-UNGS-760
record_format dspace
spelling I71-R177-UNGS-7602023-05-17T16:51:47Z Estimación de parámetros en imágenes SAR monopolarizadas usando distancias estocásticas y núcleos asimétricos Cassetti, Julia Analía Frery Orgambide, Alejandro Estimación de parámetros Sensores remotos Imágenes SAR Núcleos asimétricos Distancias estocásticas Estimadores de mínima distancia Speckle El modelo G es una buena elección para explicar las características estadísticas de datos que provienen de imágenes de radar de apertura sintética (SAR), porque bajo este modelo se pueden caracterizar regiones con diferentes grado de textura a través de sus parámetros. Esta tesis propone una nueva estrategia para la estimación del parámetro de textura del modelo G0 para datos de intensidad, por medio de la minimización de distancias estocásticas entre la función de densidad teórica, y una estimación no paramétrica de la función de densidad subyacente que proviene de los datos observados utilizando núcleos asimétricos. Se comparará el desempeño de estos estimadores, en términos de sesgo y error cuadrático medio, con los obtenidos por el Método de Momentos, Máxima Verosimilitud y Logcumulantes. Además se estudiarán propiedades de convergencia, como así también la robustez de los mismos bajo contaminación. Fil: Cassetti, Julia Analía. Universidad Nacional de General Sarmiento. Instituto de Ciencias; Argentina. 2021-10-19T17:33:30Z 2021-10-19T17:33:30Z 2020-03-10 info:eu-repo/semantics/doctoralThesis info:ar-repo/semantics/tesis doctoral info:eu-repo/semantics/acceptedVersion Cassetti, J. A. (2020). Estimación de parámetros en imágenes SAR monopolarizadas usando distancias estocásticas y núcleos asimétricos. [Tesis de doctorado]. Los Polvorines, Argentina : Universidad Nacional de General Sarmiento. http://repositorio.ungs.edu.ar:8080/xmlui/handle/UNGS/760 spa info:eu-repo/semantics/openAccess https://creativecommons.org/licenses/by-nc-nd/4.0/ application/pdf 169 p., gráfs., tbls. application/pdf Universidad Nacional de General Sarmiento
institution Universidad Nacional de General Sarmiento
institution_str I-71
repository_str R-177
collection Repositorio Institucional Digital de Acceso Abierto (UNGS)
language Español
orig_language_str_mv spa
topic Estimación de parámetros
Sensores remotos
Imágenes SAR
Núcleos asimétricos
Distancias estocásticas
Estimadores de mínima distancia
Speckle
spellingShingle Estimación de parámetros
Sensores remotos
Imágenes SAR
Núcleos asimétricos
Distancias estocásticas
Estimadores de mínima distancia
Speckle
Cassetti, Julia Analía
Estimación de parámetros en imágenes SAR monopolarizadas usando distancias estocásticas y núcleos asimétricos
topic_facet Estimación de parámetros
Sensores remotos
Imágenes SAR
Núcleos asimétricos
Distancias estocásticas
Estimadores de mínima distancia
Speckle
description El modelo G es una buena elección para explicar las características estadísticas de datos que provienen de imágenes de radar de apertura sintética (SAR), porque bajo este modelo se pueden caracterizar regiones con diferentes grado de textura a través de sus parámetros. Esta tesis propone una nueva estrategia para la estimación del parámetro de textura del modelo G0 para datos de intensidad, por medio de la minimización de distancias estocásticas entre la función de densidad teórica, y una estimación no paramétrica de la función de densidad subyacente que proviene de los datos observados utilizando núcleos asimétricos. Se comparará el desempeño de estos estimadores, en términos de sesgo y error cuadrático medio, con los obtenidos por el Método de Momentos, Máxima Verosimilitud y Logcumulantes. Además se estudiarán propiedades de convergencia, como así también la robustez de los mismos bajo contaminación.
author2 Frery Orgambide, Alejandro
author_facet Frery Orgambide, Alejandro
Cassetti, Julia Analía
format Tesis doctoral
Tesis doctoral
acceptedVersion
author Cassetti, Julia Analía
author_sort Cassetti, Julia Analía
title Estimación de parámetros en imágenes SAR monopolarizadas usando distancias estocásticas y núcleos asimétricos
title_short Estimación de parámetros en imágenes SAR monopolarizadas usando distancias estocásticas y núcleos asimétricos
title_full Estimación de parámetros en imágenes SAR monopolarizadas usando distancias estocásticas y núcleos asimétricos
title_fullStr Estimación de parámetros en imágenes SAR monopolarizadas usando distancias estocásticas y núcleos asimétricos
title_full_unstemmed Estimación de parámetros en imágenes SAR monopolarizadas usando distancias estocásticas y núcleos asimétricos
title_sort estimación de parámetros en imágenes sar monopolarizadas usando distancias estocásticas y núcleos asimétricos
publisher Universidad Nacional de General Sarmiento
publishDate 2021
url http://repositorio.ungs.edu.ar:8080/xmlui/handle/UNGS/760
work_keys_str_mv AT cassettijuliaanalia estimaciondeparametrosenimagenessarmonopolarizadasusandodistanciasestocasticasynucleosasimetricos
_version_ 1767452519565361152

Ejemplares similares