Subir material

Suba sus trabajos a SEDICI, para mejorar notoriamente su visibilidad e impacto

 

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


Descargar archivos

Este ítem aparece en la(s) siguiente(s) colección(ones)

Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5) Excepto donde se diga explícitamente, este item se publica bajo la siguiente licencia Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)