Procesamiento de imágenes satélite de tipo radar. Sentinel-1 y su utilidad para la clasificación automática de edificios y carreteras
Fecha
2021Autor
Director
Versión
Acceso abierto / Sarbide irekia
Tipo
Trabajo Fin de Máster/Master Amaierako Lana
Impacto
|
nodoi-noplumx
|
Resumen
Las imágenes satélite pueden utilizarse para el entrenamiento de modelos de Aprendizaje Profundo que permitan clasificar los elementos que las componen. Para dicho aprendizaje y clasificación, es necesario preparar las imágenes mediante un correcto método de procesamiento.
Este trabajo se centra en las imágenes de tipo radar debido a sus ventajas. En concreto, profundiza en el estudio del satéli ...
[++]
Las imágenes satélite pueden utilizarse para el entrenamiento de modelos de Aprendizaje Profundo que permitan clasificar los elementos que las componen. Para dicho aprendizaje y clasificación, es necesario preparar las imágenes mediante un correcto método de procesamiento.
Este trabajo se centra en las imágenes de tipo radar debido a sus ventajas. En concreto, profundiza en el estudio del satélite Sentinel-1 de la Agencia Espacial Europea y su aplicación junto con Sentinel-2 (satélite hiperespectral) para la clasificación automática de edificios y carreteras. Con ello se pretende, en última instancia, evaluar diferentes flujos de procesamiento para dichas imágenes radar y comparar los resultados obtenidos en su posterior segmentación.
Dado que el procesamiento de imágenes Sentinel-1 depende de herramientas software con interfaz gráfico, se desarrolla a su vez una librería en lenguaje de programación Python para albergar sus funcionalidades. De este modo, se hace posible trabajar ´únicamente desde la programación y se agiliza el diseño de las diversas vertientes del procesamiento. [--]
Satellite images can be used for training Deep Learning models which allow to classify the elements that compose these images. Designing proper processing methods for the images is key for both the learning and the segmentation tasks.
This work focuses on radar images due to their advantages. Specifically, it thoroughly studies European Spatial Agency’s Sentinel-1 satellite and its application a ...
[++]
Satellite images can be used for training Deep Learning models which allow to classify the elements that compose these images. Designing proper processing methods for the images is key for both the learning and the segmentation tasks.
This work focuses on radar images due to their advantages. Specifically, it thoroughly studies European Spatial Agency’s Sentinel-1 satellite and its application alongside Sentinel-2 (hyperspectral satellite) for the automatic classification of buildings and roads. Thus, the project’s main goal is to evaluate different processing flows for these radar images and compare the obtained results for the subsequent classification.
As the processing of Sentinel-1 images depends on software tools based on graphic interfaces, a library in the programming language Python has been developed to gather their functionalities. This library then permits to dynamically design diverse processing flows via programming code. [--]
Materias
Imágenes radar,
Satélite Sentinel-1,
Flujos de procesamiento,
Clasificación automática,
Aprendizaje profundo,
Radar imagery,
Sentinel-1 Satellite,
Processing flows,
Automatic classification,
Deep learning
Titulación
Máster Universitario en Ingeniería Informática por la Universidad Pública de Navarra /
Nafarroako Unibertsitate Publikoko Unibertsitate Masterra Informatika Ingeniaritzan