Abstract
Considerando que las imágenes de diferentes espectros proporcionan una amplia información que ayuda mucho en el proceso de identificación y distinción de objetos que tienen firmas espectrales únicas. En este trabajo se evalúa el uso de imágenes cross-espectrales en el proceso de detección de bordes. Este estudio evalua el detector de bordes Canny con dos variantes. La primera se refiere al uso de imágenes cross-espectrales fusionadas, y la segunda al uso de filtros morfológicos. Para garantizar la calidad de los datos utilizados en este estudio se aplicó el marco de trabajo GQM (Goal-Question-Metrics), la cual fue utilizada como marco de trabajo para reducir el ruido y aumentar la entropía en las imágenes. Después de realizar los experimentos. Las métricas obtenidas en los experimentos confirman que la cantidad y calidad de los bordes detectados aumenta significativamente después de la inclusión de un filtro morfológico y un canal de espectro infrarrojo cercano en las imágenes fusionadas.
Highlights
Considering that the images of different spectra provide an ample information that helps a lo in the process of identification and distinction of objects that have unique spectral signatures
Las imágenes de diferentes espectros proporcionan el potencial para una extracción de información más precisa y detallada, de allí que, se han realizado estudios de imágenes proporcionadas por satélites para ser utilizadas en procesos de clasificación y medición de la exactitud de la resolución y características en las imágenes analizadas (Wilkinson., 2005)
Se han realizado otros estudios basados en el reemplazo del filtro Gaussiano por otro adaptativo basado en la máxima probabilidad entre las clases y la medición de la entropía cruzada para obtener menor diferencia entre el fondo y los objetivos para obtener el nivel óptimo de los bordes (Wang & Wang, 2009)
Summary
En términos de procesamiento de imágenes digitales, como los lugares donde se produce un fuerte cambio de intensidad. Basados en el operador convencional del algoritmo de Canny y en muchas otras técnicas como la lógica difusa, la transformada Wavelet, control de escala lineal y filtrado morfológico o lineal sugeridos en los artículos de : (Patel, Dhiraj, Sagar, & More, 2013), (Xia, Yao, Chang, & Zhong, 2010), (Demigny, 2002), (Xu, Weaver, & Healy, 1994), (Heric & Zazula, 2007), (Elder & Zucker, 1998), nuestro artículo propone realizar una variación del filtro morfológico presentando en (Deng, Wang, & Yang, 2013), donde se reemplaza el filtro gaussiano que presenta la debilidad de la selección manual de la varianza para realizar la reducción del ruido. Esta propuesta permite mejorar la conservación de los detalles de la imagen, al reducir el kernel B a un tamaño de 3 x 3, generando un menor suavizado también, al cambiar el modelo morfológico, ya que se incluye una operación adicional de dilatación, se reducen los cambios de las altas frecuencias de la imagen, preservando la información de los cambios de intensidades de forma más homogénea reduciendo los bordes falsos positivos
Sign-in/Register to view highlights & summary Sign-in/Register to access full text options 
Talk to us
Join us for a 30 min session where you can share your feedback and ask us any queries you have
Schedule a callDisclaimer: All third-party content on this website/platform is and will remain the property of their respective owners and is provided on "as is" basis without any warranties, express or implied. Use of third-party content does not indicate any affiliation, sponsorship with or endorsement by them. Any references to third-party content is to identify the corresponding services and shall be considered fair use under The CopyrightLaw.
