Reconstruction algorithm optimization and system matrix design in compressive spectral imaging

Los sensores compresivos de imágenes espectrales reducen el número de pixeles muestreados mediante la combinación de información espectral codificada de una escena en proyecciones bidimensionales. El diseño de la matriz de muestreo que modela el sensor y la optimización del algoritmo de reconstrucci...

Full description

Autores:
Mejía Melgarejo, Yuri Hercilia
Tipo de recurso:
http://purl.org/coar/version/c_b1a7d7d4d402bcce
Fecha de publicación:
2018
Institución:
Universidad Industrial de Santander
Repositorio:
Repositorio UIS
Idioma:
spa
OAI Identifier:
oai:noesis.uis.edu.co:20.500.14071/38873
Acceso en línea:
https://noesis.uis.edu.co/handle/20.500.14071/38873
https://noesis.uis.edu.co
Palabra clave:
Muestreo Compresivo
Diseño De La Matriz Del Sistema
Algoritmo De Reconstrucción
Imágenes Espectrales.
Compressive Sensing
System Matrix Design
Reconstruction Algorithm
Spectral Imaging.
Rights
License
Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)
id UISANTADR2_aaf4148b92a54914e319443a6a86b5c2
oai_identifier_str oai:noesis.uis.edu.co:20.500.14071/38873
network_acronym_str UISANTADR2
network_name_str Repositorio UIS
repository_id_str
dc.title.none.fl_str_mv Reconstruction algorithm optimization and system matrix design in compressive spectral imaging
dc.title.english.none.fl_str_mv Reconstruction algorithm optimization and system matrix design in compressive spectral imaging
title Reconstruction algorithm optimization and system matrix design in compressive spectral imaging
spellingShingle Reconstruction algorithm optimization and system matrix design in compressive spectral imaging
Muestreo Compresivo
Diseño De La Matriz Del Sistema
Algoritmo De Reconstrucción
Imágenes Espectrales.
Compressive Sensing
System Matrix Design
Reconstruction Algorithm
Spectral Imaging.
title_short Reconstruction algorithm optimization and system matrix design in compressive spectral imaging
title_full Reconstruction algorithm optimization and system matrix design in compressive spectral imaging
title_fullStr Reconstruction algorithm optimization and system matrix design in compressive spectral imaging
title_full_unstemmed Reconstruction algorithm optimization and system matrix design in compressive spectral imaging
title_sort Reconstruction algorithm optimization and system matrix design in compressive spectral imaging
dc.creator.fl_str_mv Mejía Melgarejo, Yuri Hercilia
dc.contributor.advisor.none.fl_str_mv Arguello Fuentes, Henry
dc.contributor.author.none.fl_str_mv Mejía Melgarejo, Yuri Hercilia
dc.subject.none.fl_str_mv Muestreo Compresivo
Diseño De La Matriz Del Sistema
Algoritmo De Reconstrucción
Imágenes Espectrales.
topic Muestreo Compresivo
Diseño De La Matriz Del Sistema
Algoritmo De Reconstrucción
Imágenes Espectrales.
Compressive Sensing
System Matrix Design
Reconstruction Algorithm
Spectral Imaging.
dc.subject.keyword.none.fl_str_mv Compressive Sensing
System Matrix Design
Reconstruction Algorithm
Spectral Imaging.
description Los sensores compresivos de imágenes espectrales reducen el número de pixeles muestreados mediante la combinación de información espectral codificada de una escena en proyecciones bidimensionales. El diseño de la matriz de muestreo que modela el sensor y la optimización del algoritmo de reconstrucción son áreas importantes de investigación hoy en día. Este trabajo desarrolla algunos enfoques de diseño de la matriz de muestreo para sistemas compresivos de imágenes espectrales, además de propuestas para la mejorar el algoritmo de reconstrucción. El diseño de la matriz consiste en el estudio de la independencia lineal de las filas de la matriz de muestreo y su relación con los valores propios, dando lugar a restricciones físicas en los sensores. Estos diseños también se estudian en el caso en el que se reconstruye una imagen espectral a partir de la fusión de las medidas de dos sensores compresivos. Por otro lado, en la optimización del algoritmo de reconstrucción se explota el hecho de que las imágenes espectrales son suaves en el dominio espacial. Primero, se propone un filtrado pasa bajas dentro del proceso iterativo de los algoritmos de reconstrucción y segundo, se reformula un problema de minimización con un regularizador que promueve suavidad en la imagen y resolviendo por un enfoque Bayesiano.
publishDate 2018
dc.date.available.none.fl_str_mv 2018
2024-03-04T00:07:40Z
dc.date.created.none.fl_str_mv 2018
dc.date.issued.none.fl_str_mv 2018
dc.date.accessioned.none.fl_str_mv 2024-03-04T00:07:40Z
dc.type.local.none.fl_str_mv Tesis/Trabajo de grado - Monografía - Doctorado
dc.type.hasversion.none.fl_str_mv http://purl.org/coar/resource_type/c_db06
dc.type.coar.none.fl_str_mv http://purl.org/coar/version/c_b1a7d7d4d402bcce
format http://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.identifier.uri.none.fl_str_mv https://noesis.uis.edu.co/handle/20.500.14071/38873
dc.identifier.instname.none.fl_str_mv Universidad Industrial de Santander
dc.identifier.reponame.none.fl_str_mv Universidad Industrial de Santander
dc.identifier.repourl.none.fl_str_mv https://noesis.uis.edu.co
url https://noesis.uis.edu.co/handle/20.500.14071/38873
https://noesis.uis.edu.co
identifier_str_mv Universidad Industrial de Santander
dc.language.iso.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv http://creativecommons.org/licenses/by/4.0/
dc.rights.coar.fl_str_mv http://purl.org/coar/access_right/c_abf2
dc.rights.license.none.fl_str_mv Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)
dc.rights.uri.none.fl_str_mv http://creativecommons.org/licenses/by-nc/4.0
dc.rights.creativecommons.none.fl_str_mv Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
rights_invalid_str_mv Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)
http://creativecommons.org/licenses/by/4.0/
http://creativecommons.org/licenses/by-nc/4.0
Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
http://purl.org/coar/access_right/c_abf2
dc.format.mimetype.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidad Industrial de Santander
dc.publisher.faculty.none.fl_str_mv Facultad de Ingenierías Fisicomecánicas
dc.publisher.program.none.fl_str_mv Doctorado en Ingeniería: Área Ingeniería Electrónica
dc.publisher.school.none.fl_str_mv Escuela de Ingenierías Eléctrica, Electrónica y Telecomunicaciones
publisher.none.fl_str_mv Universidad Industrial de Santander
institution Universidad Industrial de Santander
bitstream.url.fl_str_mv https://noesis.uis.edu.co/bitstreams/a91281f4-7566-4b99-850a-c61468abb1fe/download
https://noesis.uis.edu.co/bitstreams/2f92cb22-5b21-4f03-9c8e-6303ff29659c/download
https://noesis.uis.edu.co/bitstreams/1a2c44f2-a2b8-4e06-810c-1557546a71ad/download
bitstream.checksum.fl_str_mv 8165b62b04dca31da7422152a81cbc7d
0908f52cbf474a03aef486bf5d1df217
198d7985e75aea97b64522bc9f602908
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv DSpace at UIS
repository.mail.fl_str_mv noesis@uis.edu.co
_version_ 1837008220732784640
spelling Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)http://creativecommons.org/licenses/by/4.0/http://creativecommons.org/licenses/by-nc/4.0Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)http://purl.org/coar/access_right/c_abf2Arguello Fuentes, HenryMejía Melgarejo, Yuri Hercilia2024-03-04T00:07:40Z20182024-03-04T00:07:40Z20182018https://noesis.uis.edu.co/handle/20.500.14071/38873Universidad Industrial de SantanderUniversidad Industrial de Santanderhttps://noesis.uis.edu.coLos sensores compresivos de imágenes espectrales reducen el número de pixeles muestreados mediante la combinación de información espectral codificada de una escena en proyecciones bidimensionales. El diseño de la matriz de muestreo que modela el sensor y la optimización del algoritmo de reconstrucción son áreas importantes de investigación hoy en día. Este trabajo desarrolla algunos enfoques de diseño de la matriz de muestreo para sistemas compresivos de imágenes espectrales, además de propuestas para la mejorar el algoritmo de reconstrucción. El diseño de la matriz consiste en el estudio de la independencia lineal de las filas de la matriz de muestreo y su relación con los valores propios, dando lugar a restricciones físicas en los sensores. Estos diseños también se estudian en el caso en el que se reconstruye una imagen espectral a partir de la fusión de las medidas de dos sensores compresivos. Por otro lado, en la optimización del algoritmo de reconstrucción se explota el hecho de que las imágenes espectrales son suaves en el dominio espacial. Primero, se propone un filtrado pasa bajas dentro del proceso iterativo de los algoritmos de reconstrucción y segundo, se reformula un problema de minimización con un regularizador que promueve suavidad en la imagen y resolviendo por un enfoque Bayesiano.DoctoradoDoctor en IngenieríaCompressive spectral imagers take a reduced number of sampled pixels by coding and combining the spatio spectral information of a scene in two dimensional projections. The design of the matrix that represents the compressive spectral imager and the optimization of the reconstruction algorithm are important areas of research nowadays. This work develops some approaches to design the sampling matrix of compressive spectral imagers, as well as a proposal for improving the reconstruction algorithm. The design of the matrix consists of relating the linear independence of the sampling matrix rows and columns with the bounds of its eigenvalues, giving rise to physical restrictions in the sensors. These designs are also studied in the case where a spectral image is reconstructed by fusing the measurements of two different compressive spectral imagers, each one with different spatial and spectral resolutions. On the other hand, in the optimization of the reconstruction algorithm, we exploit the fact that the spectral images are soft in the spatial domain. First, we propose a low pass filter within the iterative process of the reconstruction algorithms and second, we reformulate the minimization problem with a regularizer that promotes smoothness in the image and solving it by a Bayesian approach.application/pdfspaUniversidad Industrial de SantanderFacultad de Ingenierías FisicomecánicasDoctorado en Ingeniería: Área Ingeniería ElectrónicaEscuela de Ingenierías Eléctrica, Electrónica y TelecomunicacionesMuestreo CompresivoDiseño De La Matriz Del SistemaAlgoritmo De ReconstrucciónImágenes Espectrales.Compressive SensingSystem Matrix DesignReconstruction AlgorithmSpectral Imaging.Reconstruction algorithm optimization and system matrix design in compressive spectral imagingReconstruction algorithm optimization and system matrix design in compressive spectral imagingTesis/Trabajo de grado - Monografía - Doctoradohttp://purl.org/coar/resource_type/c_db06http://purl.org/coar/version/c_b1a7d7d4d402bcceORIGINALCarta de autorización.pdfapplication/pdf566830https://noesis.uis.edu.co/bitstreams/a91281f4-7566-4b99-850a-c61468abb1fe/download8165b62b04dca31da7422152a81cbc7dMD51Documento.pdfapplication/pdf16311548https://noesis.uis.edu.co/bitstreams/2f92cb22-5b21-4f03-9c8e-6303ff29659c/download0908f52cbf474a03aef486bf5d1df217MD52Nota de proyecto.pdfapplication/pdf1044483https://noesis.uis.edu.co/bitstreams/1a2c44f2-a2b8-4e06-810c-1557546a71ad/download198d7985e75aea97b64522bc9f602908MD5320.500.14071/38873oai:noesis.uis.edu.co:20.500.14071/388732024-03-03 19:07:40.954http://creativecommons.org/licenses/by-nc/4.0http://creativecommons.org/licenses/by/4.0/open.accesshttps://noesis.uis.edu.coDSpace at UISnoesis@uis.edu.co

Publicaciones similares