Anàlisi i comparativa de mètodes per a l'augment de la resolució temporal de seqüències d'imatges multi-espectre
Azemar i Carnicero, Daniel-Pau
Ponsa Mussarra, Daniel, dir. (Universitat Autònoma de Barcelona. Departament de Ciències de la Computació)
Universitat Autònoma de Barcelona. Escola d'Enginyeria

Título variante: Analysis and comparison fom methods for increasing temporal resolution in multi-spectral imagery sequences
Título variante: Análisis y comparativa de métodos para el aumento de la resolución temporal de secuencias de imágenes multi-espectro
Fecha: 2018-07-02
Resumen: La freqüència de revisita d'un satèl·lit sobre una superfície determinada de la terra pot esdevenir restringit pel període d'aquest. Els especialitzats en imatge solen esser multi espectrals (MS). Existeix doncs un interès en millorar la resolució temporal de seqüències d'imatges MS un cop capturades. Els mètodes d'interpolació temporal aporten la solució al problema, però aquests estan dissenyats per interpolar en escala de Grisos o RGB. En aquest treball es realitzarà un estudi de diferents mètodes de l'estat de l'art, s'avaluarà el seu rendiment i s'estudiarà com adaptar-los per processar imatges RGB i MS. Per fer-ho, també es genera un conjunt de dades MS per poder realitzar-hi proves d'interpolació temporal. Finalment, comprovem com fent una mitja del flux òptic en cada banda d'una imatge processada amb PCA s'obtenen els millors resultats. També observem com les noves tècniques basades en Deep Learning aporten les solucions més òptimes per a interpolació MS, tot i estar entrenades en RGB.
Resumen: The revisit frequency of a satellite on a given surface of the earth may become restricted to its period. Satellites specialized in capturing images tend to be multi-spectrum (MS). Therefore, there is an interest in improving the temporal resolution of MS sequences once captured. Temporal interpolation methods provide the solution to the problem, but these are designed to interpolate over Gray or RGB scales. In this project, a study of different methods of the state of the art will be carried out, its performance will be evaluated and it will be studied how to adapt them to process RGB and MS images. To do this, an MS database is also generated to perform tests of temporal interpolation. Finally, we conclude that the best results are obtained when the average of the optical flow in each band of an image is processed with PCA. We also see how new techniques based on Deep Learning provide the optimal solutions for MS interpolation, despite being trained in RGB.
Resumen: La frecuencia de revisita de un satélite sobre una superficie determinada de la tierra puede estar restringida por su período. Los especializados en imagen suelen ser multi espectrales (MS). Existe pues un interés en mejorar la resolución temporal de secuencias de imágenes MS una vez capturadas. Los métodos de interpolación temporal aportan la solución al problema, pero estos están diseñados para interpolar en escala de Grises o RGB. En este trabajo se realizará un estudio de diferentes métodos del estado del arte, se evaluará su rendimiento y se estudiará cómo adaptarlos para procesar imágenes RGB y MS. Para ello, también se genera un conjunto de datos MS para poder realizar pruebas de interpolación temporal. Finalmente, comprobamos como haciendo una media del flujo óptico en cada canal de la imagen procesada con PCA se obtienen los mejores resultados. También observamos como las nuevas técnicas basadas en Deep Learning aportan las soluciones más óptimas para interpolación MS, a pesar de estar entrenadas en RGB.
Derechos: Aquest document està subjecte a una llicència d'ús Creative Commons. Es permet la reproducció total o parcial i la comunicació pública de l'obra, sempre que no sigui amb finalitats comercials, i sempre que es reconegui l'autoria de l'obra original. No es permet la creació d'obres derivades. Creative Commons
Lengua: Català.
Titulación: Enginyeria Informàtica [2502441]
Plan de estudios: Enginyeria Informàtica [958]
Documento: bachelorThesis ; Text
Área temática: Menció Computació
Materia: Interpolació temporal ; Agumentant resolució temporal ; Imatges multi-espectre ; Anàlisi de Components Principals (PCA) ; Deep Learning ; Xarxa Neuronal ; Flux Òptic ; Interpolación temporal ; Aumento de la resolución temporal ; Imágenes multi-espectrales ; Análisis de Componentes Principales (PCA) ; Red Neuronal ; Flujo Óptico ; Temporal Interpolation ; Increasing Temporal Resolution ; Multi-Spectral Imagery ; Principal Component Analysis ; Neural Network ; Optical Flow



12 p, 14.1 MB

El registro aparece en las colecciones:
Documentos de investigación > Trabajos de Fin de Grado > Escuela de Ingeniería. TFG

 Registro creado el 2018-10-24, última modificación el 2018-11-15



   Favorit i Compartir