Skip navigation
Use este identificador para citar ou linkar para este item: http://repositorio.unb.br/handle/10482/48378
Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
DanieleDiasSousa_DISSERT.pdf12,05 MBAdobe PDFVisualizar/Abrir
Registro completo de metadados
Campo DCValorIdioma
dc.contributor.advisorDias, Ugo Silva-
dc.contributor.authorSousa, Daniele Dias-
dc.date.accessioned2024-06-24T16:29:59Z-
dc.date.available2024-06-24T16:29:59Z-
dc.date.issued2024-06-24-
dc.date.submitted2023-01-31-
dc.identifier.citationSOUSA, Daniele Dias. Métodos para reconstrução de imagens hiperespectrais para a costa brasileira baseados em compressive sensing. 2023. 78 f., il. Dissertação (Mestrado em Engenharia Elétrica) — Universidade de Brasília, Brasília, 2023.pt_BR
dc.identifier.urihttp://repositorio2.unb.br/jspui/handle/10482/48378-
dc.descriptionDissertação (mestrado) — Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Elétrica, 2023.pt_BR
dc.description.abstractA imagem hiperespectral surgiu como uma nova geração de tecnologia para observação da Terra e exploração espacial desde o início deste milênio e amplamente utilizada em várias disciplinas e aplicações. A informação espectral detalhada é adquirida por imageadores hiperespectrais, nos quais, geralmente produzem resultados impossíveis de serem obtidos com imagens multiespectrais ou outros tipos de satélites. Muitas técnicas para análise de qualidade dos dados foram desenvolvidas ao longo dos anos, e adaptadas para imagens hiperespectrais de acordo com o objetivo, como o NDVI (Normalized Difference Vegetation Index ) e o NDWI (Normalized Difference Water Index ). A grande limitação deste tipo de tecnologia é o armazenamento dos dados devido a limitação de peso que satélites possuem. Desta forma, técnicas de compressão passaram-se a ser utilizadas, como o Compressive Sensing (CS) criado para imageamento médico, gerando imagens com alta qualidade a partir de linhas radiais no espaço-k mesmo quando a relação de Shannon-Nyquist não é obtida. Assim, este trabalho combinou a técnica de CS com a de análise de qualidade para reconstruir imagens hiperespectrais da costa brasileira, a partir de estimação de dados no domínio de Fourier e quantificar a qualidade do dado a partir dos dados reais, obtidos pelo satélite PRISMA. Os resultados obtidos apresentam tanto a relação sinal-ruído da reconstrução, onde há uma variação entre 45 dB e 330 dB comparados a imagem original e que mesmo em imagens o valor de números de radias abaixo do ideal, é visível a ênfase de informação de acordo com o NDWI. A partir dessa variação é possível determinar um número ótimo de radias que é 750. Estes resultados sugerem que Compressive Sensing com pré-filtragem permite uma melhora em relação à técnica de pré-filtragem para imageamento hiperespectral, analogamente à melhora observada nos últimos anos em problemas de imageamento médico.pt_BR
dc.language.isoporpt_BR
dc.rightsAcesso Abertopt_BR
dc.titleMétodos para reconstrução de imagens hiperespectrais para a costa brasileira baseados em compressive sensingpt_BR
dc.typeDissertaçãopt_BR
dc.subject.keywordImagens hiperespectraispt_BR
dc.subject.keywordCompressive Sensingpt_BR
dc.subject.keywordCosta brasileirapt_BR
dc.rights.licenseA concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.pt_BR
dc.description.abstract1Hyperspectral imaging has emerged as a new generation of technology for Earth observation and space exploration since the beginning of this millennium and widely used in various disciplines and applications. Detailed spectral information is acquired by hyperspectral imagers, which generally produce results that are impossible to obtain with multispectral images or other types of satellites. Many techniques for data quality analysis have been developed over the years, and adapted for hyperspectral imaging according to the objective, such as NDVI and NDWI. The great limitation of this type of technology is the storage of data due to the weight limitation that satellites have. In this way, compression techniques started to be used, such as Compressive Sensing (CS) created for medical imaging, generating high quality images from radial lines in k-space even when the ratio of Shannon-Nyquist is not obtainable. Thus, this work combined the CS technique with quality analysis to reconstruct hyperspectral images of the Brazilian coast, based on data estimation in the Fourier domain and to quantify data quality based on real data obtained by the PRISMA satellite. The results obtained show both the signal-to-noise ratio of the reconstruction, where there is a variation between 45 dB and 330 dB compared to the original image and that even in images the value of radiant numbers below the ideal, the emphasis of information is visible according to the NDWI. From this variation it is possible to determine an optimal number of radiates which is 750. These results suggest that Compressive Sensing with prefiltering allows an improvement over the prefiltering technique for hyperspectral imaging, similarly to the improvement observed in recent years in medical imaging problems.pt_BR
dc.description.unidadeFaculdade de Tecnologia (FT)pt_BR
dc.description.unidadeDepartamento de Engenharia Elétrica (FT ENE)pt_BR
dc.description.ppgPrograma de Pós-Graduação em Engenharia Elétricapt_BR
Aparece nas coleções:Teses, dissertações e produtos pós-doutorado

Mostrar registro simples do item Visualizar estatísticas



Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.