Detección de Cambios en Imágenes Multiespectrales para el satelite Landsat 7 de la Nasa

En este proyecto se desarrollo una nueva metodología para detección de cambios, en imágenes satelitales (Landsat 7), con base en índices de comparación espectral. Para determinar la eficiencia del método propuesto, se realizaron pruebas con otro tipo de imágenes satelitales (Quickbird), a través de...

Full description

Autores:: Ramos Galvis, Jeisson Fabian

Tipo de recurso:

Fecha de publicación:: 2017

Institución:: Universidad Militar Nueva Granada

Repositorio:: Repositorio UMNG

Idioma:: spa

id	UNIMILTAR2_8fde5b588d2a01389425b34754529c31
oai_identifier_str	oai:repository.unimilitar.edu.co:10654/16016
network_acronym_str	UNIMILTAR2
network_name_str	Repositorio UMNG
repository_id_str
dc.title.spa.fl_str_mv	Detección de Cambios en Imágenes Multiespectrales para el satelite Landsat 7 de la Nasa
dc.title.translated.spa.fl_str_mv	Detection of Changes in images multispectral for the Landsat 7 satellite of the Nasa
title	Detección de Cambios en Imágenes Multiespectrales para el satelite Landsat 7 de la Nasa
spellingShingle	Detección de Cambios en Imágenes Multiespectrales para el satelite Landsat 7 de la Nasa DETECCION A DISTANCIA TELEDETECCION - EQUIPOS Y ACCESORIOS SATELITES ARTIFICIALES EN DETECCION A DISTANCIA Remote Sensing Change Detection Index of spectral compararison Landsat 7 Supervised Classification Teledetección Detección de Cambios Indice de comparación espectral Sensor remoto Clasificación Supervisada
title_short	Detección de Cambios en Imágenes Multiespectrales para el satelite Landsat 7 de la Nasa
title_full	Detección de Cambios en Imágenes Multiespectrales para el satelite Landsat 7 de la Nasa
title_fullStr	Detección de Cambios en Imágenes Multiespectrales para el satelite Landsat 7 de la Nasa
title_full_unstemmed	Detección de Cambios en Imágenes Multiespectrales para el satelite Landsat 7 de la Nasa
title_sort	Detección de Cambios en Imágenes Multiespectrales para el satelite Landsat 7 de la Nasa
dc.creator.fl_str_mv	Ramos Galvis, Jeisson Fabian
dc.contributor.advisor.spa.fl_str_mv	Renza Torres, Diego
dc.contributor.author.spa.fl_str_mv	Ramos Galvis, Jeisson Fabian
dc.subject.lemb.spa.fl_str_mv	DETECCION A DISTANCIA TELEDETECCION - EQUIPOS Y ACCESORIOS SATELITES ARTIFICIALES EN DETECCION A DISTANCIA
topic	DETECCION A DISTANCIA TELEDETECCION - EQUIPOS Y ACCESORIOS SATELITES ARTIFICIALES EN DETECCION A DISTANCIA Remote Sensing Change Detection Index of spectral compararison Landsat 7 Supervised Classification Teledetección Detección de Cambios Indice de comparación espectral Sensor remoto Clasificación Supervisada
dc.subject.keywords.spa.fl_str_mv	Remote Sensing Change Detection Index of spectral compararison Landsat 7 Supervised Classification
dc.subject.proposal.spa.fl_str_mv	Teledetección Detección de Cambios Indice de comparación espectral Sensor remoto Clasificación Supervisada
description	En este proyecto se desarrollo una nueva metodología para detección de cambios, en imágenes satelitales (Landsat 7), con base en índices de comparación espectral. Para determinar la eficiencia del método propuesto, se realizaron pruebas con otro tipo de imágenes satelitales (Quickbird), a través de las métricas Overall Accuracy (OA) y Kappa Index (K), para comparar los resultados entre ambos tipos de imagenes.
publishDate	2017
dc.date.accessioned.none.fl_str_mv	2017-06-27T13:21:26Z 2019-12-26T22:06:08Z
dc.date.available.none.fl_str_mv	2017-06-27T13:21:26Z 2019-12-26T22:06:08Z
dc.date.issued.none.fl_str_mv	2017-02-15
dc.type.spa.fl_str_mv	info:eu-repo/semantics/bachelorThesis
dc.type.coar.fl_str_mv	http://purl.org/coar/resource_type/c_7a1f
dc.type.local.spa.fl_str_mv	Trabajo de grado
dc.identifier.uri.none.fl_str_mv	http://hdl.handle.net/10654/16016
url	http://hdl.handle.net/10654/16016
dc.language.iso.spa.fl_str_mv	spa
language	spa
dc.relation.references.spa.fl_str_mv	Renza Torres, D. (2015). Transformada Wavelet Compleja de Doble Árbol (DT-CWT) y su aplicación en Teledetección. Nuevos modelos y aplicaciones (Doctoral dissertation, ETSI_Informatica). Tewkesbury, A. P., Comber, A. J., Tate, N. J., Lamb, A., & Fisher, P. F. (2015). A critical synthesis of remotely sensed optical image change detection techniques. Remote Sensing of Environment, 160, 1-14. L.Wald, Data Fusion: Definitions and Architectures: Fusion of Images of Different Spatial Resolutions. Paris, France: Presses des MINES, 2002. ArGIS for Desktop, Función NDVI, Página Web, recuperado de http://desktop.arcgis.com/es/arcmap/10.3/manage-data/raster-and-images/ndvi-function.htm Índice de Vegetación Diferencial Normalizado (NDVI) Formato PDF, recuperado de http://www.dpa.gov.ar/clima/informes/NDVI.pdf Akramullah, S. (2014). Digital video concepts, methods, and metrics: quality, compression, performance, and power trade-off analysis. Apress. Yuhas, R. H., Goetz, A. F., & Boardman, J. W. (1992). Discrimination among semi-arid landscape endmembers using the spectral angle mapper (SAM) algorithm. Kuching, S. (2007). The performance of maximum likelihood, spectral angle mapper, neural network and decision tree classifiers in hyperspectral image analysis. Journal of Computer Science, 3(6), 419-423. De Carvalho, O. A., & Meneses, P. R. (2000, February). Spectral correlation mapper (SCM): an improvement on the spectral angle mapper (SAM). In Summaries of the 9th JPL Airborne Earth Science Workshop, JPL Publication 00-18 (Vol. 9). Pasadena, CA: JPL Publication A. Hore and D. Ziou, "Image Quality Metrics: PSNR vs. SSIM," 2010 20th International Conference on Pattern Recognition, Istanbul, 2010, pp. 2366-2369. doi: 10.1109/ICPR.2010.579 A. F. Torres-Monsalve and J. Velasco-Medina, "Hardware implementation of ISODATA and Otsu thresholding algorithms," 2016 XXI Symposium on Signal Processing, Images and Artificial Vision (STSIVA), Bucaramanga, 2016, pp. 1-5. L. J. Uribe-Valencia and J. F. Martínez-Carballido, "Thesholding methods review for the location of the Optic disc in retinal fundus color images," 2016 13th International Conference on Electrical Engineering, Computing Science and Automatic Control (CCE), Mexico City, 2016, pp. 1-6. E. Sediyono, G. A. Hanindito and A. Setiawan, "Analyzing land conversion in South East Minahasa, Indonesia, under Landsat Satellite image data using the supervised classification method," 2016 1st International Conference on Information Technology, Information Systems and Electrical Engineering (ICITISEE), Yogyakarta, 2016, pp. 75-80. D. I.M.Enderle and R. C. WeihJr, “Integrating Supervised and Unsupervised Classification Methods to Develop a More Accurate Land Cover Classification,” J. Ark. Acad. Sci., vol. 59, pp. 65–73, 2005. ULTIMA PARTE C. Cortes and V. Vapnik, Support Vector Networks, Machine Learning, 20, 273-297, 1995. E.E. Osuna, R. Freund and F. Girosi, Support Vector Machines: Training and Applications, Technical Report, Massachusetts Institute of Technology, Artificial Intelligence Laboratory, AI Memo No. 1602, , 1997.
dc.rights.coar.fl_str_mv	http://purl.org/coar/access_right/c_abf2
rights_invalid_str_mv	http://purl.org/coar/access_right/c_abf2
dc.format.mimetype.spa.fl_str_mv	application/pdf
dc.coverage.spatial.spa.fl_str_mv	Calle 100
dc.publisher.department.spa.fl_str_mv	Facultad de Ingeniería
dc.publisher.program.spa.fl_str_mv	Ingeniería en Telecomunicaciones
dc.publisher.grantor.spa.fl_str_mv	Universidad Militar Nueva Granada
institution	Universidad Militar Nueva Granada
bitstream.url.fl_str_mv	http://repository.unimilitar.edu.co/bitstream/10654/16016/1/RAMOSGALVISJEISSONFABIAN2017.pdf http://repository.unimilitar.edu.co/bitstream/10654/16016/2/license.txt http://repository.unimilitar.edu.co/bitstream/10654/16016/3/RAMOSGALVISJEISSONFABIAN2017.pdf.txt http://repository.unimilitar.edu.co/bitstream/10654/16016/4/RAMOSGALVISJEISSONFABIAN2017.pdf.jpg
bitstream.checksum.fl_str_mv	cfb579bd424fbea6b609ba14a5fa784c 57c1b5429c07cf705f9d5e4ce515a2f6 d6c49527b7522456f2a7d7b5a697f055 a8d494224da2c3ecd57cb2a01741ee17
bitstream.checksumAlgorithm.fl_str_mv	MD5 MD5 MD5 MD5
repository.name.fl_str_mv	Repositorio Institucional UMNG
repository.mail.fl_str_mv	bibliodigital@unimilitar.edu.co
_version_	1837098438066438144
spelling	Renza Torres, DiegoRamos Galvis, Jeisson FabianIngeniero en TelecomunicacionesCalle 1002017-06-27T13:21:26Z2019-12-26T22:06:08Z2017-06-27T13:21:26Z2019-12-26T22:06:08Z2017-02-15http://hdl.handle.net/10654/16016En este proyecto se desarrollo una nueva metodología para detección de cambios, en imágenes satelitales (Landsat 7), con base en índices de comparación espectral. Para determinar la eficiencia del método propuesto, se realizaron pruebas con otro tipo de imágenes satelitales (Quickbird), a través de las métricas Overall Accuracy (OA) y Kappa Index (K), para comparar los resultados entre ambos tipos de imagenes.In this project was developed a new methodology for the detection of changes in satellite images (Landsat 7), based on indices of spectral comparison . For determine the efficacy of the proposed method, were tests with other types of satellite images (Quickbird) in based with the metrics. Overall Accuracy (OA) and Kappa Index (K), for compare the result between both types of images.Pregradoapplication/pdfspaDetección de Cambios en Imágenes Multiespectrales para el satelite Landsat 7 de la NasaDetection of Changes in images multispectral for the Landsat 7 satellite of the Nasainfo:eu-repo/semantics/bachelorThesisTrabajo de gradohttp://purl.org/coar/resource_type/c_7a1fDETECCION A DISTANCIATELEDETECCION - EQUIPOS Y ACCESORIOSSATELITES ARTIFICIALES EN DETECCION A DISTANCIARemote SensingChange DetectionIndex of spectral compararisonLandsat 7Supervised ClassificationTeledetecciónDetección de CambiosIndice de comparación espectralSensor remotoClasificación SupervisadaFacultad de IngenieríaIngeniería en TelecomunicacionesUniversidad Militar Nueva GranadaRenza Torres, D. (2015). Transformada Wavelet Compleja de Doble Árbol (DT-CWT) y su aplicación en Teledetección. Nuevos modelos y aplicaciones (Doctoral dissertation, ETSI_Informatica).Tewkesbury, A. P., Comber, A. J., Tate, N. J., Lamb, A., & Fisher, P. F. (2015). A critical synthesis of remotely sensed optical image change detection techniques. Remote Sensing of Environment, 160, 1-14.L.Wald, Data Fusion: Definitions and Architectures: Fusion of Images of Different Spatial Resolutions. Paris, France: Presses des MINES, 2002.ArGIS for Desktop, Función NDVI, Página Web, recuperado de http://desktop.arcgis.com/es/arcmap/10.3/manage-data/raster-and-images/ndvi-function.htmÍndice de Vegetación Diferencial Normalizado (NDVI) Formato PDF, recuperado de http://www.dpa.gov.ar/clima/informes/NDVI.pdfAkramullah, S. (2014). Digital video concepts, methods, and metrics: quality, compression, performance, and power trade-off analysis. Apress.Yuhas, R. H., Goetz, A. F., & Boardman, J. W. (1992). Discrimination among semi-arid landscape endmembers using the spectral angle mapper (SAM) algorithm.Kuching, S. (2007). The performance of maximum likelihood, spectral angle mapper, neural network and decision tree classifiers in hyperspectral image analysis. Journal of Computer Science, 3(6), 419-423.De Carvalho, O. A., & Meneses, P. R. (2000, February). Spectral correlation mapper (SCM): an improvement on the spectral angle mapper (SAM). In Summaries of the 9th JPL Airborne Earth Science Workshop, JPL Publication 00-18 (Vol. 9). Pasadena, CA: JPL PublicationA. Hore and D. Ziou, "Image Quality Metrics: PSNR vs. SSIM," 2010 20th International Conference on Pattern Recognition, Istanbul, 2010, pp. 2366-2369. doi: 10.1109/ICPR.2010.579A. F. Torres-Monsalve and J. Velasco-Medina, "Hardware implementation of ISODATA and Otsu thresholding algorithms," 2016 XXI Symposium on Signal Processing, Images and Artificial Vision (STSIVA), Bucaramanga, 2016, pp. 1-5.L. J. Uribe-Valencia and J. F. Martínez-Carballido, "Thesholding methods review for the location of the Optic disc in retinal fundus color images," 2016 13th International Conference on Electrical Engineering, Computing Science and Automatic Control (CCE), Mexico City, 2016, pp. 1-6.E. Sediyono, G. A. Hanindito and A. Setiawan, "Analyzing land conversion in South East Minahasa, Indonesia, under Landsat Satellite image data using the supervised classification method," 2016 1st International Conference on Information Technology, Information Systems and Electrical Engineering (ICITISEE), Yogyakarta, 2016, pp. 75-80.D. I.M.Enderle and R. C. WeihJr, “Integrating Supervised and Unsupervised Classification Methods to Develop a More Accurate Land Cover Classification,” J. Ark. Acad. Sci., vol. 59, pp. 65–73, 2005. ULTIMA PARTEC. Cortes and V. Vapnik, Support Vector Networks, Machine Learning, 20, 273-297, 1995.E.E. Osuna, R. Freund and F. Girosi, Support Vector Machines: Training and Applications, Technical Report, Massachusetts Institute of Technology, Artificial Intelligence Laboratory, AI Memo No. 1602, , 1997.http://purl.org/coar/access_right/c_abf2ORIGINALRAMOSGALVISJEISSONFABIAN2017.pdfTesisapplication/pdf2120682http://repository.unimilitar.edu.co/bitstream/10654/16016/1/RAMOSGALVISJEISSONFABIAN2017.pdfcfb579bd424fbea6b609ba14a5fa784cMD51LICENSElicense.txttext/plain1521http://repository.unimilitar.edu.co/bitstream/10654/16016/2/license.txt57c1b5429c07cf705f9d5e4ce515a2f6MD52TEXTRAMOSGALVISJEISSONFABIAN2017.pdf.txtExtracted texttext/plain67706http://repository.unimilitar.edu.co/bitstream/10654/16016/3/RAMOSGALVISJEISSONFABIAN2017.pdf.txtd6c49527b7522456f2a7d7b5a697f055MD53THUMBNAILRAMOSGALVISJEISSONFABIAN2017.pdf.jpgIM Thumbnailimage/jpeg4397http://repository.unimilitar.edu.co/bitstream/10654/16016/4/RAMOSGALVISJEISSONFABIAN2017.pdf.jpga8d494224da2c3ecd57cb2a01741ee17MD5410654/16016oai:repository.unimilitar.edu.co:10654/160162020-06-30 12:58:11.876Repositorio Institucional UMNGbibliodigital@unimilitar.edu.coRWwgYXV0b3IgZGUgbGEgb2JyYSAodGVzaXMsIG1vbm9ncmFmw61hIG8gdHJhYmFqbyBkZSBncmFkbyksIGFjdHVhbmRvIGVuIG5vbWJyZSBwcm9waW8sCkhhY2UgZW50cmVnYSBkZWwgZWplbXBsYXIgcmVzcGVjdGl2byB5IGRlIHN1cyBhbmV4b3MgZW4gZm9ybWF0byBkaWdpdGFsIG8gZWxlY3Ryw7NuaWNvLgoKWSBhdXRvcml6YSBhIGxhIFVOSVZFUlNJREFEIE1JTElUQVIgTlVFVkEgR1JBTkFEQSwgcGFyYSBxdWUgZW4gbG9zIHTDqXJtaW5vcyBlc3RhYmxlY2lkb3MgZW46CgotIExleSAyMyBkZSAxOTgyCi0gTGV5IDQ0IGRlIDE5OTMKLSBEZWNpc2nDs24gQW5kaW5hIDM1MSBkZSAxOTkzCi0gRGVjcmV0byA0NjAgZGUgMTk5NQoKeSBkZW3DoXMgbm9ybWFzIGdlbmVyYWxlcyBzb2JyZSBsYSBtYXRlcmlhLCB1dGlsaWNlIHkgdXNlIHBvciBjdWFscXVpZXIgbWVkaW8gY29ub2NpZG8gbyBwb3IgY29ub2NlciwKbG9zIGRlcmVjaG9zIHBhdHJpbW9uaWFsZXMgZGUgcmVwcm9kdWNjacOzbiwgY29tdW5pY2FjacOzbiBww7pibGljYSwgdHJhbnNmb3JtYWNpw7NuIHkgZGlzdHJpYnVjacOzbiBkZSBsYSBvYnJhIApvYmpldG8gZGVsIHByZXNlbnRlIGRvY3VtZW50by4KClBBUsOBR1JBRk86IExhIHByZXNlbnRlIGF1dG9yaXphY2nDs24gc2UgaGFjZSBleHRlbnNpdmEgbm8gc8OzbG8gYSBsYXMgZmFjdWx0YWRlcyB5IGRlcmVjaG9zIGRlIHVzbyBzb2JyZQpsYSBvYnJhIGVuIGZvcm1hdG8gbyBzb3BvcnRlIG1hdGVyaWFsLCBzaW5vIHRhbWJpw6luIHBhcmEgZm9ybWF0byB2aXJ0dWFsLCBlbGVjdHLDs25pY28sIGRpZ2l0YWwsIHkgY3V5byB1c28gc2UgZGUgZW4gcmVkLAppbnRlcm5ldCwgZXh0cmFuZXQsIGludHJhbmV0LCBldGMuLCB5IGVuIGdlbmVyYWwgZW4gY3VhbHF1aWVyIGZvcm1hdG8gY29ub2NpZG8gbyBwb3IgY29ub2Nlci4KCkVMIEVTVFVESUFOVEUgLSBBVVRPUiwgbWFuaWZpZXN0YSBxdWUgbGEgb2JyYSBvYmpldG8gZGUgbGEgcHJlc2VudGUgYXV0b3JpemFjacOzbiBlcyBvcmlnaW5hbCB5IGxhIHJlYWxpesOzIHNpbiB2aW9sYXIKbyB1c3VycGFyIGRlcmVjaG9zIGRlIGF1dG9yIGRlIHRlcmNlcm9zLCBwb3IgbG8gdGFudG8gbGEgb2JyYSBlcyBkZSBleGNsdXNpdmEgYXV0b3LDrWEgeSB0aWVuZSBsYSB0aXR1bGFyaWRhZCBzb2JyZSBsYSBtaXNtYS4KClBBUsOBR1JBRk86IEVuIGNhc28gZGUgcHJlc2VudGFyc2UgY3VhbHF1aWVyIHJlY2xhbWFjacOzbiBvIGFjY2nDs24gcG9yIHBhcnRlIGRlIHVuIHRlcmNlcm8gZW4gY3VhbnRvIGEgCmxvcyBkZXJlY2hvcyBkZSBhdXRvciBzb2JyZSBsYSBvYnJhIGVuIGN1ZXN0acOzbiwgRUwgRVNUVURJQU5URSAtIEFVVE9SLCBhc3VtaXLDoSB0b2RhIGxhIHJlc3BvbnNhYmlsaWRhZCwgCnkgc2FsZHLDoSBlbiBkZWZlbnNhIGRlIGxvcyBkZXJlY2hvcyBhcXXDrSBhdXRvcml6YWRvczsgcGFyYSB0b2RvcyBsb3MgZWZlY3RvcyBsYSB1bml2ZXJzaWRhZCBhY3TDumEgY29tbyAKdW4gdGVyY2VybyBkZSBidWVuYSBmZS4K

Detección de Cambios en Imágenes Multiespectrales para el satelite Landsat 7 de la Nasa

Publicaciones similares