Discriminación supervisada de especies vegetales mediante imagen aérea digital

Calero Pereira, María Yanira (2018). Discriminación supervisada de especies vegetales mediante imagen aérea digital. Proyecto Fin de Carrera / Trabajo Fin de Grado, E.T.S. de Ingenieros Informáticos (UPM), Madrid, España.

Description

Title: Discriminación supervisada de especies vegetales mediante imagen aérea digital
Author/s:
  • Calero Pereira, María Yanira
Contributor/s:
Item Type: Final Project
Degree: Grado en Ingeniería Informática
Date: June 2018
Subjects:
Freetext Keywords: Detección remota; Clases espectrales; Pocesamiento de imágenes; Algoritmo de clasificación; Divergencia de información espectral; Remote sensed; Spectral classes; Image processing; Classification algorithm; Spectral information divergence
Faculty: E.T.S. de Ingenieros Informáticos (UPM)
Department: Arquitectura y Tecnología de Sistemas Informáticos
Creative Commons Licenses: Recognition - No derivative works - Non commercial

Full text

[thumbnail of TFG_YANIRA_CALERO_PEREIRA.pdf]
Preview
PDF - Requires a PDF viewer, such as GSview, Xpdf or Adobe Acrobat Reader
Download (1MB) | Preview

Abstract

Realizar un mapa de
vegetación a través de imágenes de detección remota implica varios
procesos y técnicas. En general,
en un principio se
necesita
realizar
una clasificación para
clasificar y mapear la cubierta vegetal a partir de imágenes de sensores remotos, ya sea a
nivel de grupo o de especie.
A continuación, se deben identificar las correlaciones de las
especies de vegetación dentro de este sistema de clasificación con características
espectrales discernibles de imágenes de percepción remota. Estas clases espectrales de
las imágenes se traducen finalmente en los tipos de vegetación en el proceso de
interpretación de imágenes, que también se denomina procesamiento de imágenes. Los
datos
del espectro completo
proporcionan información espectral detallada para píxeles
individuales de una imagen. Esta información permite la identificación de objetivos en
función de sus propiedades espectrales en cada píxel individual.
Con el fin de mejorar el rendimiento de clasificación para
vegetación, en este documento
se propone un algoritmo de clasificación basado en la divergencia de información
espectral (SID).
Los resultados experimentales muestran que este algoritmo es óptimo
para mapear vegetación en el caso de estudio.---ABSTRACT---Mapping vegetation through remotely sensed images involves various processes and
techniques. Generally, it needs to develop a vegetation classification at first for
classifying and mapping vegetation cover from
remote sensed images either at a group
level or species level. Then, correlations of the vegetation species within this
classification system with discernible spectral characteristics of remote sensed imagery
have to be identified. These spectral classes of the imagery are finally translated into the
vegetation types in the image interpretation process, which is also called image
processing. Hyperspectral (complete spectrum) data provide detailed spectral information
for individual pixels of an image. This
information enables the identification of targets
based on their spectral properties each individual pixel.
In order to
improve the classification performance for mapping vegetation, a
classification algorithm based on spectral information divergence (SID)
is proposed in
this document.
Experimental results show that this algorithm is optimal to mapping
vegetation in the study case.

More information

Item ID: 51615
DC Identifier: https://oa.upm.es/51615/
OAI Identifier: oai:oa.upm.es:51615
Deposited by: Biblioteca Facultad de Informatica
Deposited on: 12 Jul 2018 08:54
Last Modified: 31 May 2022 15:27
  • Logo InvestigaM (UPM)
  • Logo GEOUP4
  • Logo Open Access
  • Open Access
  • Logo Sherpa/Romeo
    Check whether the anglo-saxon journal in which you have published an article allows you to also publish it under open access.
  • Logo Dulcinea
    Check whether the spanish journal in which you have published an article allows you to also publish it under open access.
  • Logo de Recolecta
  • Logo del Observatorio I+D+i UPM
  • Logo de OpenCourseWare UPM