<> "The repository administrator has not yet configured an RDF license."^^ . <> . . . "Detección de patrones y anomalías espectrales del terreno mediante espectrometría de imagen de alta resolución : reconocimiento, optimización y evaluación multiescenario"^^ . "El objeto de esta Tesis doctoral es el desarrollo de una metodologia para la\r\ndeteccion automatica de anomalias a partir de datos hiperespectrales o\r\nespectrometria de imagen, y su cartografiado bajo diferentes condiciones\r\ntipologicas de superficie y terreno. La tecnologia hiperespectral o espectrometria de\r\nimagen ofrece la posibilidad potencial de caracterizar con precision el estado de los\r\nmateriales que conforman las diversas superficies en base a su respuesta espectral.\r\nEste estado suele ser variable, mientras que las observaciones se producen en un\r\nnumero limitado y para determinadas condiciones de iluminacion. Al aumentar el\r\nnumero de bandas espectrales aumenta tambien el numero de muestras necesarias\r\npara definir espectralmente las clases en lo que se conoce como Maldicion de la\r\nDimensionalidad o Efecto Hughes (Bellman, 1957), muestras habitualmente no\r\ndisponibles y costosas de obtener, no hay mas que pensar en lo que ello implica en la\r\nExploracion Planetaria. Bajo la definicion de anomalia en su sentido espectral como\r\nla respuesta significativamente diferente de un pixel de imagen respecto de su\r\nentorno, el objeto central abordado en la Tesis estriba primero en como reducir la\r\ndimensionalidad de la informacion en los datos hiperespectrales, discriminando la\r\nmas significativa para la deteccion de respuestas anomalas, y segundo, en establecer\r\nla relacion entre anomalias espectrales detectadas y lo que hemos denominado\r\nanomalias informacionales, es decir, anomalias que aportan algun tipo de\r\ninformacion real de las superficies o materiales que las producen.\r\nEn la deteccion de respuestas anomalas se asume un no conocimiento previo de los\r\nobjetivos, de tal manera que los pixeles se separan automaticamente en funcion de\r\nsu informacion espectral significativamente diferenciada respecto de un fondo que\r\nse estima, bien de manera global para toda la escena, bien localmente por\r\nsegmentacion de la imagen. La metodologia desarrollada se ha centrado en la\r\nimplicacion de la definicion estadistica del fondo espectral, proponiendo un nuevo enfoque que permite discriminar anomalias respecto fondos segmentados en\r\ndiferentes grupos de longitudes de onda del espectro, explotando la potencialidad\r\nde separacion entre el espectro electromagnetico reflectivo y emisivo. Se ha\r\nestudiado la eficiencia de los principales algoritmos de deteccion de anomalias,\r\ncontrastando los resultados del algoritmo RX (Reed and Xiaoli, 1990) adoptado como\r\nestandar por la comunidad cientifica, con el metodo UTD (Uniform Targets Detector),\r\nsu variante RXD-UTD, metodos basados en subespacios SSRX (Subspace RX) y\r\nmetodo basados en proyecciones de subespacios de imagen, como OSPRX\r\n(Orthogonal Subspace Projection RX) y PP (Projection Pursuit). Se ha desarrollado un\r\nnuevo metodo, evaluado y contrastado por los anteriores, que supone una variacion\r\nde PP y describe el fondo espectral mediante el analisis discriminante de bandas del\r\nespectro electromagnetico, separando las anomalias con el algortimo denominado\r\nDetector de Anomalias de Fondo Termico o DAFT aplicable a sensores que registran\r\ndatos en el espectro emisivo. Se han evaluado los diferentes metodos de deteccion de anomalias en rangos del espectro electromagnetico del visible e infrarrojo cercano (Visible and Near Infrared-VNIR), infrarrojo de onda corta (Short Wavelenght Infrared-SWIR), infrarrojo medio\r\n(Meadle Infrared-MIR) e infrarrojo termico (Thermal Infrared-TIR). La respuesta de\r\nlas superficies en las distintas longitudes de onda del espectro electromagnetico\r\njunto con su entorno, influyen en el tipo y frecuencia de las anomalias espectrales\r\nque puedan provocar. Es por ello que se han utilizado en la investigacion cubos de\r\ndatos hiperepectrales procedentes de los sensores aeroportados cuya estrategia y\r\ndiseno en la construccion espectrometrica de la imagen difiere. Se han evaluado\r\nconjuntos de datos de test de los sensores AHS (Airborne Hyperspectral System),\r\nHyMAP Imaging Spectrometer, CASI (Compact Airborne Spectrographic Imager),\r\nAVIRIS (Airborne Visible Infrared Imaging Spectrometer), HYDICE (Hyperspectral\r\nDigital Imagery Collection Experiment) y MASTER (MODIS/ASTER Simulator). Se han\r\ndisenado experimentos sobre ambitos naturales, urbanos y semiurbanos de\r\ndiferente complejidad. Se ha evaluado el comportamiento de los diferentes\r\ndetectores de anomalias a traves de 23 tests correspondientes a 15 areas de estudio\r\nagrupados en 6 espacios o escenarios: Urbano - E1, Semiurbano/Industrial/Periferia\r\nUrbana - E2, Forestal - E3, Agricola - E4, Geologico/Volcanico - E5 y Otros Espacios\r\nAgua, Nubes y Sombras - E6.\r\nEl tipo de sensores evaluados se caracteriza por registrar imagenes en un amplio\r\nrango de bandas, estrechas y contiguas, del espectro electromagnetico. La Tesis se\r\nha centrado en el desarrollo de tecnicas que permiten separar y extraer\r\nautomaticamente pixeles o grupos de pixeles cuya firma espectral difiere de manera\r\ndiscriminante de las que tiene alrededor, adoptando para ello como espacio\r\nmuestral parte o el conjunto de las bandas espectrales en las que ha registrado\r\nradiancia el sensor hiperespectral. Un factor a tener en cuenta en la investigacion ha\r\nsido el propio instrumento de medida, es decir, la caracterizacion de los distintos\r\nsubsistemas, sensores imagen y auxiliares, que intervienen en el proceso. Para\r\npoder emplear cuantitativamente los datos medidos ha sido necesario definir las\r\nrelaciones espaciales y espectrales del sensor con la superficie observada y las\r\npotenciales anomalias y patrones objetivos de deteccion. Se ha analizado la repercusion que en la deteccion de anomalias tiene el tipo de\r\nsensor, tanto en su configuracion espectral como en las estrategias de diseno a la\r\nhora de registrar la radiacion prodecente de las superficies, siendo los dos tipos\r\nprincipales de sensores estudiados los barredores o escaneres de espejo giratorio\r\n(whiskbroom) y los barredores o escaneres de empuje (pushbroom). Se han definido\r\ndistintos escenarios en la investigacion, lo que ha permitido abarcar una amplia\r\nvariabilidad de entornos geomorfologicos y de tipos de coberturas, en ambientes\r\nmediterraneos, de latitudes medias y tropicales.\r\nEn resumen, esta Tesis presenta una tecnica de deteccion de anomalias para datos\r\nhiperespectrales denominada DAFT en su variante de PP, basada en una reduccion\r\nde la dimensionalidad proyectando el fondo en un rango de longitudes de onda del\r\nespectro termico distinto de la proyeccion de las anomalias u objetivos sin firma\r\nespectral conocida. La metodologia propuesta ha sido probada con imagenes\r\nhiperespectrales reales de diferentes sensores y en diferentes escenarios o espacios,\r\npor lo tanto de diferente fondo espectral tambien, donde los resultados muestran los\r\nbeneficios de la aproximacion en la deteccion de una gran variedad de objetos cuyas\r\nfirmas espectrales tienen suficiente desviacion respecto del fondo. La tecnica resulta\r\nser automatica en el sentido de que no hay necesidad de ajuste de parametros,\r\ndando resultados significativos en todos los casos. Incluso los objetos de tamano\r\nsubpixel, que no pueden distinguirse a simple vista por el ojo humano en la imagen\r\noriginal, pueden ser detectados como anomalias. Ademas, se realiza una\r\ncomparacion entre el enfoque propuesto, la popular tecnica RX y otros detectores\r\ntanto en su modalidad global como local.\r\nEl metodo propuesto supera a los demas en determinados escenarios, demostrando\r\nsu capacidad para reducir la proporcion de falsas alarmas. Los resultados del\r\nalgoritmo automatico DAFT desarrollado, han demostrado la mejora en la definicion\r\ncualitativa de las anomalias espectrales que identifican a entidades diferentes en o\r\nbajo superficie, reemplazando para ello el modelo clasico de distribucion normal con\r\nun metodo robusto que contempla distintas alternativas desde el momento mismo\r\nde la adquisicion del dato hiperespectral. Para su consecucion ha sido necesario\r\nanalizar la relacion entre parametros biofisicos, como la reflectancia y la emisividad\r\nde los materiales, y la distribucion espacial de entidades detectadas respecto de su\r\nentorno.\r\nPor ultimo, el algoritmo DAFT ha sido elegido como el mas adecuado para sensores\r\nque adquieren datos en el TIR, ya que presenta el mejor acuerdo con los datos de\r\nreferencia, demostrando una gran eficacia computacional que facilita su\r\nimplementacion en un sistema de cartografia que proyecte de forma automatica en\r\nun marco geografico de referencia las anomalias detectadas, lo que confirma un\r\nsignificativo avance hacia un sistema en lo que se denomina cartografia en tiempo\r\nreal. The aim of this Thesis is to develop a specific methodology in order to be applied in\r\nautomatic detection anomalies processes using hyperspectral data also called\r\nhyperspectral scenes, and to improve the classification processes. Several scenarios,\r\nareas and their relationship with surfaces and objects have been tested. The spectral\r\ncharacteristics of reflectance parameter and emissivity in the pattern recognition of\r\nurban materials in several hyperspectral scenes have also been tested. Spectral ranges\r\nof the visible-near infrared (VNIR), shortwave infrared (SWIR) and thermal infrared\r\n(TIR) from hyperspectral data cubes of AHS (Airborne Hyperspectral System), HyMAP\r\nImaging Spectrometer, CASI (Compact Airborne Spectrographic Imager), AVIRIS\r\n(Airborne Visible Infrared Imaging Spectrometer), HYDICE (Hyperspectral Digital\r\nImagery Collection Experiment) and MASTER (MODIS/ASTER Simulator) have been\r\nused in this research.\r\nIt is assumed that there is not prior knowledge of the targets in anomaly detection.\r\nThus, the pixels are automatically separated according to their spectral information,\r\nsignificantly differentiated with respect to a background, either globally for the full\r\nscene, or locally by the image segmentation. Several experiments on different scenarios\r\nhave been designed, analyzing the behavior of the standard RX anomaly detector and\r\ndifferent methods based on subspace, image projection and segmentation-based\r\nanomaly detection methods. Results and their consequences in unsupervised\r\nclassification processes are discussed.\r\nDetection of spectral anomalies aims at extracting automatically pixels that show\r\nsignificant responses in relation of their surroundings. This Thesis deals with the\r\nunsupervised technique of target detection, also called anomaly detection. Since this\r\ntechnique assumes no prior knowledge about the target or the statistical\r\ncharacteristics of the data, the only available option is to look for objects that are differentiated from the background. Several methods have been developed in the last\r\ndecades, allowing a better understanding of the relationships between the image\r\ndimensionality and the optimization of search procedures as well as the subpixel\r\ndifferentiation of the spectral mixture and its implications in anomalous responses.\r\nIn other sense, image spectrometry has proven to be efficient in the characterization of\r\nmaterials, based on statistical methods using a specific reflection and absorption\r\nbands. Spectral configurations in the VNIR, SWIR and TIR have been successfully used\r\nfor mapping materials in different urban scenarios.\r\nThere has been an increasing interest in the use of high resolution data (both spatial\r\nand spectral) to detect small objects and to discriminate surfaces in areas with urban\r\ncomplexity. This has come to be known as target detection which can be either\r\nsupervised or unsupervised. In supervised target detection, algorithms lean on prior\r\nknowledge, such as the spectral signature. The detection process for matching\r\nsignatures is not straightforward due to the complications of converting data airborne\r\nsensor with material spectra in the ground. This could be further complicated by the\r\nlarge number of possible objects of interest, as well as uncertainty as to the reflectance\r\nor emissivity of these objects and surfaces.\r\nAn important objective in this research is to establish relationships that allow linking\r\nspectral anomalies with what can be called informational anomalies and, therefore,\r\nidentify information related to anomalous responses in some places rather than simply\r\nspotting differences from the background.\r\nThe development in recent years of new hyperspectral sensors and techniques, widen\r\nthe possibilities for applications in remote sensing of the Earth. Remote sensing\r\nsystems measure and record electromagnetic disturbances that the surveyed objects\r\ninduce in their surroundings, by means of different sensors mounted on airborne or\r\nspace platforms. Map updating is important for management and decisions making\r\npeople, because of the fast changes that usually happen in natural, urban and semi\r\nurban areas. It is necessary to optimize the methodology for obtaining the best from\r\nremote sensing techniques from hyperspectral data.\r\nThe first problem with hyperspectral data is to reduce the dimensionality, keeping the\r\nmaximum amount of information. Hyperspectral sensors augment considerably the\r\namount of information, this allows us to obtain a better precision on the separation of\r\nmaterial but at the same time it is necessary to calculate a bigger number of\r\nparameters, and the precision lowers with the increase in the number of bands. This is\r\nknown as the Hughes effects (Bellman, 1957) .\r\nHyperspectral imagery allows us to discriminate between a huge number of different\r\nmaterials however some land and urban covers are made up with similar material and\r\nrespond similarly which produces confusion in the classification. The training and the\r\nalgorithm used for mapping are also important for the final result and some properties\r\nof thermal spectrum for detecting land cover will be studied. In summary, this Thesis presents a new technique for anomaly detection in\r\nhyperspectral data called DAFT, as a PP's variant, based on dimensionality reduction\r\nby projecting anomalies or targets with unknown spectral signature to the\r\nbackground, in a range thermal spectrum wavelengths. The proposed methodology has\r\nbeen tested with hyperspectral images from different imaging spectrometers\r\ncorresponding to several places or scenarios, therefore with different spectral\r\nbackground. The results show the benefits of the approach to the detection of a variety\r\nof targets whose spectral signatures have sufficient deviation in relation to the\r\nbackground. DAFT is an automated technique in the sense that there is not necessary\r\nto adjust parameters, providing significant results in all cases. Subpixel anomalies\r\nwhich cannot be distinguished by the human eye, on the original image, however can\r\nbe detected as outliers due to the projection of the VNIR end members with a very\r\nstrong thermal contrast. Furthermore, a comparison between the proposed approach\r\nand the well-known RX detector is performed at both modes, global and local.\r\nThe proposed method outperforms the existents in particular scenarios, demonstrating\r\nits performance to reduce the probability of false alarms.\r\nThe results of the automatic algorithm DAFT have demonstrated improvement in the\r\nqualitative definition of the spectral anomalies by replacing the classical model by the\r\nnormal distribution with a robust method. For their achievement has been necessary\r\nto analyze the relationship between biophysical parameters such as reflectance and\r\nemissivity, and the spatial distribution of detected entities with respect to their\r\nenvironment, as for example some buried or semi-buried materials, or building covers\r\nof asbestos, cellular polycarbonate-PVC or metal composites.\r\nFinally, the DAFT method has been chosen as the most suitable for anomaly detection\r\nusing imaging spectrometers that acquire them in the thermal infrared spectrum,\r\nsince it presents the best results in comparison with the reference data, demonstrating\r\ngreat computational efficiency that facilitates its implementation in a mapping system\r\ntowards, what is called, Real-Time Mapping."^^ . "2014" . . . . "Caminos"^^ . . . "Ingenieria_Terreno, Caminos"^^ . . . . . . . . . . <> . . "Rubén"^^ . "Martínez Marín"^^ . "Rubén Martínez Marín"^^ . . "Juan Gregorio"^^ . "Rejas Ayuga"^^ . "Juan Gregorio Rejas Ayuga"^^ . . . . . . "Detección de patrones y anomalías espectrales del terreno mediante espectrometría de imagen de alta resolución : reconocimiento, optimización y evaluación multiescenario (PDF)"^^ . . . "Juan_Gregorio_Rejas_Ayuga.pdf"^^ . . . "Detección de patrones y anomalías espectrales del terreno mediante espectrometría de imagen de alta resolución : reconocimiento, optimización y evaluación multiescenario (Other)"^^ . . . . . . "lightbox.jpg"^^ . . . "Detección de patrones y anomalías espectrales del terreno mediante espectrometría de imagen de alta resolución : reconocimiento, optimización y evaluación multiescenario (Other)"^^ . . . . . . "Detección de patrones y anomalías espectrales del terreno mediante espectrometría de imagen de alta resolución : reconocimiento, optimización y evaluación multiescenario (Other)"^^ . . . . . . "preview.jpg"^^ . . . "Detección de patrones y anomalías espectrales del terreno mediante espectrometría de imagen de alta resolución : reconocimiento, optimización y evaluación multiescenario (Other)"^^ . . . . . . "medium.jpg"^^ . . . "Detección de patrones y anomalías espectrales del terreno mediante espectrometría de imagen de alta resolución : reconocimiento, optimización y evaluación multiescenario (Other)"^^ . . . . . . "small.jpg"^^ . . "HTML Summary of #25545 \n\nDetección de patrones y anomalías espectrales del terreno mediante espectrometría de imagen de alta resolución : reconocimiento, optimización y evaluación multiescenario\n\n" . "text/html" . . . "Topografía"@es . "Topography"@en . .