Identificador persistente para citar o vincular este elemento: http://hdl.handle.net/10553/71041
Campo DC Valoridioma
dc.contributor.authorIbarrola Ulzurrun, Edurneen_US
dc.contributor.authorGonzalo Martin,Consueloen_US
dc.contributor.authorMarcello Ruiz, Francisco Javieren_US
dc.date.accessioned2020-03-25T10:35:21Z-
dc.date.available2020-03-25T10:35:21Z-
dc.date.issued2017en_US
dc.identifier.isbn978-84-9048-650-4en_US
dc.identifier.urihttp://hdl.handle.net/10553/71041-
dc.description.abstractLas imágenes hiperespectrales tienen una resolución espectral extremadamente alta lo que supone una mayor complejidad y un elevado tiempo de cómputo. En este contexto, la reducción de la dimensionalidad es necesaria para permitir la aplicación eficiente de algoritmos de clasificación, así como la obtención de mapas temáticos más precisos donde la información utilizada para el proceso de clasificación depende del método de reducción. Por ello, tras una revisión del estado del arte, se ha observado la carencia de un estudio comparativo sobre las técnicas más usadas en la reducción de la dimensionalidad de las imágenes hiperespectrales. En este sentido, se han comparado las estrategias más comunes de reducción de la dimensionalidad, Principal Component Analysis (PCA), Minimum Noise Factor (MNF) e Independent Component Analysis (ICA), y evaluado su influencia en la clasificación de una imagen hiperespectral de alta resolución espacial del sensor CASI (Compact Airborne Spectrographic Imager), a través del algoritmo Support Vector Machine (SVM). Además, se han evaluado distintos métodos para determinar el número de componentes adecuado con información suficiente para una posterior clasificación.en_US
dc.description.abstractHyperspectral imagery has an extremely high spectral resolution, which implies a greater complexity and high computation time. In this context, the dimensionality reduction is necessary to allow the efficient application of classification algorithms, as well as obtaining more precise thematic maps where the information used for the classification process depends on the reduction method. Therefore, after a review of the state of art, it has been observed the lack of a comparative study on the most used techniques in the dimensionality reduction process of hyperspectral imagery. In this context, it was compared the most common dimensional reduction strategies, Principal Component Analysis (PCA), Minimum Noise Factor (MNF) and Independent Component Analysis (ICA), and to evaluate its influence on the classification of a hyperspectral high-resolution image of CASI sensor (Compact Airborne Spectrographic Imager), through the Support Vector Machine (SVM) algorithm. In addition, different methods have been evaluated to determine the appropriate number of components with enough information for further classification.en_US
dc.languagespaen_US
dc.publisherUniversitat Politècnica de València (UPV)en_US
dc.sourceXVII Congreso de la Asociación Española de Teledetección. Nuevas plataformas y sensores de teledetección. Libro de Actas / Luis A. Ruiz,; Javier Estornell; Manuel Erena, p. 395-398.en_US
dc.subject250616 Teledetección (Geología)en_US
dc.subject.otherHiperespectralen_US
dc.subject.otherReducción de la dimensionalidaden_US
dc.subject.otherPCAen_US
dc.subject.otherMNFen_US
dc.subject.otherICAen_US
dc.subject.otherCASIen_US
dc.subject.otherClasificaciónen_US
dc.subject.otherHyperspectralen_US
dc.subject.otherDimensionality reductionen_US
dc.subject.otherClassificationen_US
dc.titleEvaluación de técnicas de reducción de la dimensionalidad en imágenes hiperespectrales y su aplicación para la clasificación de ecosistemas terrestresen_US
dc.typeinfo:eu-repo/semantics/conferenceobjecten_US
dc.typeConferenceObjecten_US
dc.investigacionCienciasen_US
dc.type2Actas de congresosen_US
dc.utils.revisionen_US
dc.identifier.ulpgces
item.grantfulltextnone-
item.fulltextSin texto completo-
crisitem.author.deptGIR IOCAG: Procesado de Imágenes y Teledetección-
crisitem.author.deptIU de Oceanografía y Cambio Global-
crisitem.author.deptDepartamento de Señales y Comunicaciones-
crisitem.author.orcid0000-0001-5062-7491-
crisitem.author.orcid0000-0002-9646-1017-
crisitem.author.parentorgIU de Oceanografía y Cambio Global-
crisitem.author.fullNameIbarrola Ulzurrun, Edurne-
crisitem.author.fullNameGonzalo Martin,Consuelo-
crisitem.author.fullNameMarcello Ruiz, Francisco Javier-
Colección:Actas de congresos
Vista resumida

Visitas

293
actualizado el 17-feb-2024

Google ScholarTM

Verifica

Altmetric


Comparte



Exporta metadatos



Los elementos en ULPGC accedaCRIS están protegidos por derechos de autor con todos los derechos reservados, a menos que se indique lo contrario.