Académique Documents
Professionnel Documents
Culture Documents
Ondeletas
Una ondeleta (ondcula) se define como una pequea onda que oscila en un breve intervalo de tiempo.
Funcin ondeleta
La ondeleta es una funcin (t) que puede ser real o compleja que
satisface ciertas condiciones.
Funcin ondeleta
La ondeleta de campo finito, (finite field wavelet): es un tipo de ondeleta
que opera sobre un campo particular, que contiene un nmero finito de elementos.
Problemtica
El acceso a los datos capturados mediante sensores satelitales,
debe ser ms preciso, a pesar de su baja resolucin espacial.
Justificacin
Aplicaciones de tipo comercial, en la deteccin de elementos
no deseados. (intrusiones, invasiones, etc)
Metodologa
Con base en el clculo de puntos de inters Mediante operaciones de la transformada ondeleta
(discret wavelet transform)
Modelo Raster
Se caracteriza por efectuar una representacin discreta del mundo real
empleando una malla o rejilla de celdas.
Modelo Raster
Las celdas son regulares. Son localizables (x,y). Contienen informacin temtica (numrica).
Modelo O. O.
Es un enfoque que modela a un sistema como un conjunto de elementos (objetos) que interactan entre s Expresa esos objetos del mundo real, en una representacin Representa un dominio en trminos de conceptos que estn compuestos por verbos y sustantivos A estos conceptos los clasifica de acuerdo con su dependencia funcional
Modelo O. O.
Un objeto modelado:
Puede almacenar las relaciones que tenga con otros objetos Puede agruparse con otros, para formar objetos ms complejos Posee propiedades comunes y nicas Puede ser una entidad geogrfica discreta Puede ser visto como un conjunto de pixeles, pero con identidad Semntica
11
Modelo O. O.
Jerarqua de un objeto:
Escenario
Urbano
Rural
Densamente Poblado
Escasamente Poblado
Zona Industrial
Desierto
Bosque
Selva
Azotea
Callejn
rbol
Arbusto
Claro
Camino
12
Estrategia
() Pre-procesado de la imagen
1 ()
13
Fecha
2011
2011
S. Arenas, J. F. Haeger, D. Jordano Sanqiang Zhao, Yongsheng Gao and Baochang Zhang David Alexander Fonseca
2011
Aplica la transformada Gabor en sus 4 fases, en el reconocimiento de rostros, en imgenes prestablecidas. Nueva metodologa para la deteccin Detectar cambios morfolgicos en de cambios basada en criterios imgenes mediante su orientados a objetos. caracterstica espectral
2010
2010
14
Fecha
H. M. de Oliveira, T. H. Falk
Farshid Delgosha, Faramarz Fekri Line Eikvil, Lars Aurdal, Hans Koren Guillermo Castilla Castellano
Stream cipher using finite-field wavelets Classification-based vehicle detection in high resolution satellite images Object-oriented analysis of Remote Sensing images for land cover mapping: conceptual foundations and a segmentation method to derive a baseline partition for classification
2005
2004
2003
15
Objetivos
General.
Desarrollar algoritmos para analizar imgenes geogrficas mediante ondeletas de campo finito y detectar elementos con un enfoque orientado a objetos, utilizando cmputo de alto rendimiento.
Especficos:
1. Realizar la programacin de la transformada Haar y la funcin Gabor
(algoritmos conocidos), para aplicarlos al modelo orientado a objetos.
16
Avances
Aplicacin de la transformada Haar para realizar el binarizado (umbralado) de imgenes:
Donde: N = 2n
17
Avances
18
Avances
19
Avances
20
Recuperacin de la
informacin
11
Construir la
semntica de los objetos
17
16
21
Aportaciones
Presentar el uso de la transformada ondeleta de campo finito para la
caracterizacin paramtrica de objetos en imgenes geogrficas.
22
Referencias
[Cast2004] Castilla, G., Object-oriented analysis of Remote Sensing images for land cover mapping: conceptual foundations and a segmentation method to derive a baseline partition for classification, Ph.D.Thesis, Polythecnic University of Madrid, Espaa, 2004. [Otsu1979] Nobuyuki Otsu, A Tlreshold Selection Method from Gray-Level Histograms, IEEE Transactions on Systrems, Man, and Cybernetics, vol. Smc-9, No. 1, Enero 1979. [Kitt1984] J. Kittler, J. Illingworth, Munimunm Erroro Thresholding, Pattern Recognition Society, Vol. 19 No 1, Great Britain, 1984. [Hara1993] Robert M. Haralick, Linda G. Shapiro, Computer and robot vision, Addison-Wesley Vol. 2. USA, 1993. [Saho1984] Kapur, Sahoo, Wong, A new method for Gray-Level Picture Thresholdin Using the Entropy of the Histogram, Computer vision, USA, 1984. [Saho1988] Sahoo, Soltani, Wong, Chen, A Survey of Thresholding Techniques, Computer, Vision, graphics and image processing, USA, 1988. [Mehm2002] Mehmet Sezgin, lent Sankur, Survey over image thresholding techniques and quantitative performance evaluation, Journal of Electronic Imaging 13, USA, 2004.
23
Referencias
[Sath11] P. Sathya and L. Malathi, Classification and Segmentation in Satellite Imagery Using Back Propagation Algorithm of ANN and K-Means Algorithm, Int. Journal of Machine Learning and Computing, USA, 2011. [Bru01] L.Bruzzone and D.Fernandez Prieto, Unsupervised retraining of a maximum-likehood classifier for the analysis of multitemporal remote-sensing images, IEEE Transactions on Geoscience and Remote Sensing, 2001. [Flay10] Floyd F. Sabins and W.H.Freeman, Remote sensing, Principles and Interpretation. Goodwill Industries of Denver, USA, 2010. [Dav10] David Alexander F., Nueva metodologa para la deteccin de cambios basada en criterios orientados a objetos, Engeniering Thesis, Chile, 2010. [Yaow04] Yao Wei, Yan Fei, A new algorithm for remotely sensed image texture classification and segmentation, Int. J. Remote Sensing, USA 2004, [Soss2006] Sossa Azuela, J. H. Rasgos descriptores para el reconocimiento de objetos, IPN CIC Mxico, 2006. [Eik09] Line Eikvil, Lars Aurdal and Hans Koren, Classification-based vehicle detection in high resolution satellite images, Journal of Photogrammetry and Remote Sensing, USA, 2009.
24
Referencias
[Fekr11] Fekri, Faramarz., Delgoshs, Farshid, Finite-Field Wavelets, With applications in cryptography and coding. Ed. Pearson, USA, 2011. [Soss2000] J.H. Sossa-Azuela, C. Yaez-Mrquez , Computing geometric moments using morphological erosionsq, National Council of Science and Technology, Mexico, 2000. [Soil2004] Soille Pierre, Morphological Image Analysis, Principles and Applications , Springer-Verlag Berlin Heidelberg, New York, 2004. [Gonz2008] Gonzalo Pajares, Jess de la Cruz, Visin por Computador Imgenes digitales y aplicaciones 2da Ed. Alfaomega, Espaa, 2008. [Paja2008] Gonzalo Pajares, Jess de la Cruz, Ejercicios resueltos de Visin por Computador, Alfaomega, Espaa, 2008.
[Flus1991] Jan Flusser, Toms Suk, Pattern Recognition by affine moment invariants, Pattern Recognition Society 26, Pergamon UK, 1993.
[Ashw07] Ashwini T. Sapkal, N. Z. Tarapore Satellite Image Classification using the Back Propagation Algorithm of Artificial Neural Network, UK , 2007 [MiHu1962] Hu, Ming K., Visual Pattern Recognition by Moment Invariants, IRE Transactions on Information Theory, N.Y., USA, 1962.
25
26
27
28
Servicios:
29
30
Antecedentes
Resolucin espacial en una imagen:
de tamao o distancia entre los objetos de la imagen y los reales terrenos. Esta diferencia se expresa como la relacin entre la distancia sobre la imagen y la real terrena.. As por ejemplo, una escala de 1: 100000 significa que 1 cm en el mapa o imagen corresponde a 100000 cm (1 km) sobre el terreno..
31
Qu es el enfoque O. O.
Enfoque que modela un sistema como un grupo de objetos que
interactan entre s.
32
33
microfeature
micromodel
34
35