Proposición, validación y prueba de una metodología morfológica para el análisis de datos hiperespectrales que integra información espacial y espectral

Abstract

Esta tesis, presenta un nuevo método automático para el análisis y clasificación de imágenes hiperespectrales que considera la información espacial y espectral de forma combinada. El método se basa en conceptos de morfología matemática, una técnica clásica de análisis de imágenes que ha sio extendida al caso de imágenes multidimensionales. La evaluación del método con imágenes hiperespectrales simulados revela que las operaciones morfológicas extendidas pueden se utilizadas para extraer "endmenbers" a partir de los objetos presentes en la escena. El ajuste de las propiedades espaciales de las operaciones morfológicas permite adaptar el método a aplicaciones muy diversas, siendo su funcionamiento muy robusto en presencia de ruido. Por otra parte, los experimentos realizados con imágenes reales demuestran que el método proporciona resultados superiores a los obtenidos utilizando algunas técnicas estándar de análisis hiperespctral. Con objeto de facilitar el análisis de imágenes hiperespectrales de gran dimensionalidad de forma rápida y precisa, se proponen dos arquitecturas VLSI, basadas en arrays de sistólicos, para soportar las operaciones morfológicas extendidos realizados por el método planteado.