Intelligent signal processing techniques for information extraction from sar images
- Autores: Jaime Martín de Nicolás Presa
- Directores de la Tesis: María del Pilar Jarabo Amores (dir. tes.), David Anastasio de la Mata Moya (codir. tes.)
- Lectura: En la Universidad de Alcalá ( España ) en 2015
- Idioma: inglés
- Tribunal Calificador de la Tesis: Manuel Rosa Zurera (presid.), Roberto Gil Pita (secret.), Fabrizio Berizzi (voc.), Estíbaliz Martínez Izquierdo (voc.), José Luis Sanz González (voc.)
- Materias:
- Enlaces
- Tesis en acceso abierto en: TESEO
- Resumen
Los radares de apertura sintética (SAR) son sensores embarcados en satélites o aeroplanos de gran utilidad en tareas de observación de la Tierra. Gracias a sus características especiales, este radar es capaz de adquirir datos sobre la superficie terrestre en cualquier condición meteorológica, al igual que durante la noche. Gracias a esto, los sistemas SAR se utilizan cada vez más y son fundamentales en aplicaciones como la detección de objetivos o el mapeo de la superficie.
Esta Tesis se desarrolla como respuesta a la necesidad del diseño de herramientas y algoritmos rápidos, adaptativos y automáticos, en áreas tan diversas como el filtrado de ruido de speckle, detección de línea de costa y estimación de la máscara de tierra, caracterización del clutter marino y detección de embarcaciones y estelas.
En el campo del filtrado de ruido de speckle, se presentan dos técnicas, que si bien han sido previamente empleadas con imágenes ópticas, su aplicación a imágenes SAR no ha sido completamente explotada: Empirical Mode Decomposition y Mean Shift. Ambos métodos permiten obtener muy buenos resultados, comparables y, en algunos casos, superiores a otros métodos actuales. Especialmente interesante es la versatilidad de Mean Shift, que mediante el empleo de dos parámetros permite suavizar regiones homogéneas sin perder detalle en las zonas de bordes.
En cuanto a la estimación de máscara de tierra, además de completar el proceso de Mean Shift, se propone un algoritmo multirresolución muy rápido y eficaz que, combinado con una etapa de detección de bordes inicial, logra máscaras de tierra con una resolución superior a la ofrecida por bases de datos libres de la actualidad.
Una parte muy importante de esta Tesis es el análisis estadístico del clutter marino. Para ello se realiza una importante revisión bibliográfica de las distribuciones estadísticas empleadas en SAR y se genera una base de datos de más de 8.000 patrones sobre los que llevar a cabo los estudios estadísticos. Gracias a esta base de datos, se ha logrado la definición de cincos estados de mar, llevando a cabo la clasificación de los mismos mediante una combinación de diferentes parámetros estadísticos. Como novedad, se estudian técnicas de selección de características que no habían sido aplicadas anteriormente a las imágenes SAR, como la información mutua. El resultado es un estudio profundo de las mejores características para realizar una clasificación de patrones, en este caso de agua, en imágenes SAR.
Por último, se presentan varios detectores de embarcaciones. Varios de ellos se basan en agentes inteligentes como las redes neuronales o las SVMs, donde mediante un entrenamiento previo, se logra una alta tasa de acierto en la detección de los barcos. De igual modo, se desarrollan detectores basados en técnicas CFAR, que se apoyan en el estudio estadístico del clutter marino y buscan la distribución que permita detectar los barcos de forma adaptativa. Este método obtiene magníficos resultados con un tiempo de procesado muy bajo, en comparación con otras técnicas muy extendidas.
