Evaluación del contenido de información en imágenes de radar de apertura sintética

Tesis (DCI)--FCEFN-UNC, 2019 Las imágenes Synthetic Aperture Radar (SAR) en general, y las Polarimetric Synthetic Aperture Radar (PolSAR) en particular, son una importante fuente de información en aplicaciones de Teledetección. Sin embargo, el ruido speckle —que es parte de estas imágenes— les da una apariencia granular que dificulta su interpretación y análisis, disminuyendo la cantidad de información que contienen. La evaluación del Contenido de Información (CI) de las imágenes y cómo se ve afectado por algunos procedimientos habituales se vuelve un desafío interesante en el campo de la teledetección. Muchos trabajos han abordado el problema de la evaluación del CI desde diferentes enfoques. En esta tesis, siguiendo a Narayanan et al. (2002), estudiamos el CI desde el punto de vista de la exactitud de la clasificación, analizando el efecto que la degradación espacial tiene sobre la clasificación. Como en ese trabajo, modelamos la degradación aplicando filtros con diferentes tamaños de ventana, y usamos como datos de entrada (input) para la clasificación las imágenes filtradas. De este modo, a través de imágenes clasificadas verificamos cómo el cambio en las propiedades de los datos de entrada afecta la calidad del resultado. Nuestra atención está enfocada en las etapas de filtrado y clasificación, además de la verificación de los supuestos distribucionales asociados a esas técnicas. Para el filtrado consideramos, además del clásico filtro Local Mean (LM) usado por Narayanan et al. (2002), el Model Based PolSAR (MBPolSAR). Para la clasificación aplicamos, además del clásico Máxima Verosimilitud (MV) usado por Narayanan et al. (2002), Support Vector Machines (SVM) cuyo uso se está extendiendo en el campo de la teledetección. Respecto a los modelos estudiamos los asociados a datos PolSAR multi-look, y algunas distribuciones marginales y bivariadas, unificando notación y presentando sus principales propiedades, y verificamos el ajuste de los datos a esas distribuciones. Para medir la precisión del mapa resultante de la clasificación (CI) usamos, además de la Exactitud de la Clasificación aplicada por Narayanan et al. (2002), otros dos coeficientes derivados de la Matriz de Confusión. Aplicamos la metodología a dos imágenes PolSAR reales. Las medidas de precisión obtenidas son buenas y, a diferencia de Narayanan et al. (2002), aumentan con la degradación. Con esto concluimos que, al menos hasta cierto tamaño de ventana, el filtrado mejora los resultados de clasificación y, con ello, el CI. Fil: Palacio, María Gabriela. Universidad Nacional de Río Cuarto; Argentina.