Busque entre los 167519 recursos disponibles en el repositorio
Mostrar el registro sencillo del ítem
dc.date.accessioned | 2012-10-10T12:09:56Z | |
dc.date.available | 2012-10-10T12:09:56Z | |
dc.date.issued | 2000 | |
dc.identifier.uri | http://sedici.unlp.edu.ar/handle/10915/22162 | |
dc.description.abstract | El sensado remoto o remote sensing es la ciencia o arte de obtener información sobre un objeto, área o fenómeno a través del análisis de datos obtenidos por un dispositivo que no tiene un contacto físico con dicho objeto, área o fenómeno El avance tecnológico permite actualmente obtener imágenes hiperespectrales (muestreos contínuos de intervalos anchos del espectro), con un volumen de información considerablemente mayor comparado con el que se ha tenido hasta el momento con las imágenes multiespectrales. Los sensores hiperespectrales son instrumentos de sensado remoto que combinan la presentación espacial de un sensor de imagen con las capacidades analíticas de un espectrómetro. Pueden contener hasta cientos de bandas espectrales angostas con una resolución espectral del orden de 10 nanómetros o menor [Goe85]. Los espectrómetros producen un espectro completo para todos los píxeles de la imagen. Como resultado de tener una mayor resolución espectral se tiene la posibilidad de identificar materiales, mientras que con los sensores de bandas más anchas (por ejemplo, Landsat Thematic Mapper TM) sólo se los podía discriminar. Esto ha llevado a los investigadores a buscar nuevas técnicas de manejo y clasificación que permitan explotar adecuadamente los nuevos datos disponibles. Esta línea de investigación tiene como objetivo estudiar, analizar y encontrar métodos de clasificación que permitan tomar ventaja de la información provista por este tipo de imágenes, donde se incorporan los datos espectrales como una 3ra dimensión dentro del reconocimiento de patrones. Es decir, a la información espacial comúnmente utilizada, se le agrega la espectral. En particular, se estudia la clasificación de cultivos para una etapa específica de su evolución aplicando el método de clasificación conocido como razonamiento evidencial. Se utilizan imágenes hiperespectrales de la región de Nebraska (USA), provistas por PRA (Photon Research Association), quienes realizan investigación de los cultivos de la zona mencionada. | es |
dc.format.extent | 126-129 | es |
dc.language | es | es |
dc.subject | imágenes hiperespectrales | es |
dc.subject | Real time | es |
dc.subject | cultivos | es |
dc.subject | Signal processing systems | es |
dc.title | Análisis de imágenes hiperespectrales | es |
dc.type | Objeto de conferencia | es |
sedici.title.subtitle | Clasificación de cultivos | es |
sedici.creator.person | Sanz, Cecilia Verónica | es |
sedici.description.note | Eje: Sistema de tiempor real. Procesamiento de señales | es |
sedici.subject.materias | Ciencias Informáticas | es |
sedici.description.fulltext | true | es |
mods.originInfo.place | Red de Universidades con Carreras en Informática (RedUNCI) | es |
sedici.subtype | Objeto de conferencia | es |
sedici.rights.license | Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5) | |
sedici.rights.uri | http://creativecommons.org/licenses/by-nc-sa/2.5/ar/ | |
sedici.date.exposure | 2000-05 | es |
sedici.relation.event | II Workshop de Investigadores en Ciencias de la Computación | es |
sedici.description.peerReview | peer-review | es |