Data selection and spectral-spatial characterisation for hyperspectral image segmentation. Applications to remote sensing.

• Autores: Olga Rajadell Rojas
• Directores de la Tesis: Filiberto Pla Bañón (codir. tes.), Pedro García Sevilla (codir. tes.)
• Lectura: En la Universitat Jaume I ( España ) en 2013
• Idioma: inglés
• Tribunal Calificador de la Tesis: Javier Calpe Maravilla (presid.), Ramón Alberto Mollineda Cardenas (secret.), Olga Durán Martín (voc.)
• Enlaces
  • Tesis en acceso abierto en: TDX
• Resumen
  • español

    El análisis de imágenes ha impulsado muchos descubrimientos en la ciencia actual. Esta tesis se centra en el análisis de imágenes remotas para inspección aérea, exactamente en el problema de segmentación y clasificación de acuerdo al uso del suelo. Desde el nacimiento de los sensores hiperespectrales su uso ha sido vital para esta tarea ya que facilitan y mejoran sustancialmente el resultado. Sin embargo el uso de imágenes hiperespectrales entraña, entre otros, problemas de dimensionalidad y de interacción con los expertos. Proponemos mejoras que ayuden a paliar estos inconvenientes y hagan el problema mas eficiente.

  • English

    Lately image analysis have aided many discoveries in research. This thesis focusses on the analysis of remote sensed images for aerial inspection. It tackles the problem of segmentation and classification according to land usage. In this field, the use of hyperspectral images has been the trend followed since the emergence of hyperspectral sensors. This type of images improves the performance of the task but raises some issues. Two of those issues are the dimensionality and the interaction with experts. We propose enhancements overcome them. Efficiency and economic reasons encouraged to start this work.

    The enhancements introduced in this work allow to tackle segmentation and classification of this type of images using less data, thus increasing the efficiency and enabling the design task specific sensors which are cheaper. Also, our enhacements allow to perform the same task with less expert collaboration which also decreases the costs and accelerates the process.