Por favor, use este identificador para citar o enlazar este ítem:
http://inaoe.repositorioinstitucional.mx/jspui/handle/1009/616| Segmentation of multispectral satellite images based on seeded region growing and instance-based learning | |
| OCTAVIO GOMEZ RAMOS | |
| JESUS ANTONIO GONZALEZ BERNAL EDUARDO FRANCISCO MORALES MANZANARES | |
| Acceso Abierto | |
| Atribución-NoComercial-SinDerivadas | |
| Remote sensing Machine learning Computer vision | |
| In order to reach the balance between the fulfillment of human needs and the protection
of the environment, it is necessary to have detailed and accurate information about
natural resources. Such information can be obtained through thematic maps, a product
of remote sensing. In remote sensing, the generation of accurate thematic maps presents
many research challenges, being one of them, image segmentation.
In this thesis, a novel segmentation algorithm based on seeded region growing and
instance based learning is proposed. The algorithm includes a novel automatic seed
generation approach that uses a histograms analysis, a new weighted instance-based
learning algorithm (WIBK) which obtains one or more weights per feature per class,
a novel region growing algorithm (SRG-WIBK) that uses WIBK as decision criteria,
and a novel region-merging scheme based on ownership tables which allows to merge
regions according to user needs. The WIBK algorithm was experimentally evaluated
on several databases from the UCI repository, and compared against instance-based
and non instance-based learning algorithms showing a very competitive performance.
The SRG-WIBK algorithm was tested on multispectral synthetic images and compared
against the algorithms implemented in the ERDAS software showing very even results. Para lograr el balance entre la satifacción de las necesidades humanas y la protección del medio ambiente, es necesario tener información detallada y precisa sobre los recursos naturales. Esta información puede ser obtenida mediante mapas temáticos, uno de los productos de la percepción remota. En percepción remota, la generación de mapas temáticos fiables presenta muchos retos de investigación, siendo uno de ellos, la segmentación de la imagen. En esta tesis se propone un nuevo algoritmo de segmentación basado en crecimiento de regiones y aprendizaje basado en instacias. Dentro de las características del algoritmo se encuentran un nuevo esquema automático de obtención de semillas basado en análisis de histogramas, un nuevo algoritmo de aprendizaje basado en instacias (WIBK) que obtiene uno o más pesos por atributo por clase, un nuevo algoritmo de crecimiento de regiones (SRG-WIBK) que hace uso de WIBK como criterio de decisión y un nuevo esquema de agrupamiento de regiones basado en tablas de propiedad que permite agrupar regiones de acuerdo a las necesidades del usuario. El algoritmo WIBK fué evaluado experimentalmente en varias bases de datos del repositorio UCI, y comparado contra algoritmos de aprendizaje basados y no basados en instancias mostrando resultados muy competitivos. El algoritmo SRG-WIBK fué probado en imágenes multiespectrales sintéticas, y comparado contra los algoritmos implementados en el software ERDAS mostrando resultados muy parejos. | |
| Instituto Nacional de Astrofísica, Óptica y Electrónica | |
| 2007-10 | |
| Tesis de maestría | |
| Inglés | |
| Estudiantes Investigadores Público en general | |
| Gómez-Ramos O | |
| LENGUAJES ALGORÍTMICOS | |
| Versión aceptada | |
| acceptedVersion - Versión aceptada | |
| Aparece en las colecciones: | Maestría en Ciencias Computacionales |
Cargar archivos:
| Fichero | Tamaño | Formato | |
|---|---|---|---|
| GomezRO.pdf | 3.78 MB | Adobe PDF | Visualizar/Abrir |