2 results
Search Results
Now showing 1 - 2 of 2
Item Diseño metodológico para la generación de imágenes multiresolución etiquetadas(The Eurographics Association, 2025) Castillo, Francisco García del; Hortelano, Pablo Latorre; Jurado-Rodríguez, David; Jurado, Juan M.; Argudo, Oscar; Iparraguirre, OlatzLa generación de conjuntos de datos multiescala etiquetados es fundamental para aplicaciones en teledetección y análisis de imágenes satelitales, especialmente en tareas como la clasificación de terrenos, la detección de cambios y la gestión de recursos naturales debido a la poca resolución con la que trabajan y lo difícil que esto hace el poder extraer conocimiento de estas. Este trabajo en progreso presenta el diseño de una metodología para la generación automática de imágenes de alta, media y baja resolución, incorporando para cada pixel una etiqueta semántica extraída a partir de las imágenes de mayor resolución espacial. Los conjuntos de datos resultantes son necesarios para el desarrollo de modelos de inteligencia artificial dirigidos a la comprensión de escenarios reales y clasificación de entidades. Aunque los resultados preliminares son prometedores, el trabajo se encuentra en una fase temprana, y se están explorando mejoras adicionales en la integración de características contextuales y la validación en diferentes escenarios de uso. Este trabajo en curso presenta un alto potencial para la generación de nuevos conjuntos de datos etiquetados más precisos y robustos para aplicaciones relacionadas con la simulación de la apariencia de materiales y otras soluciones relacionadas con teledetección.Item First steps in the dimensionality reduction of hyperspectral images of real-world scenarios based on curve representation(The Eurographics Association, 2025) Domínguez-Fuentes, Luis René; Jiménez-Pérez, Juan-Roberto; Jurado, Juan M.; Jurado-Rodríguez, David; Argudo, Oscar; Iparraguirre, OlatzDimensionality reduction (DR) has been used in hyperspectral data mining for a variety of purposes. In particular, it has been used as a preprocessing technique to reduce a very high dimensional data space coupled with its characteristically large volume to a manageable low dimensional space in which data analysis can be performed more efficiently. This study focuses on developing a workflow for hyperspectral image processing employing feature extraction using vegetation indices. Combined with feature selection to develop a DR by band selection (DRBS) method that searches for a subset of bands representing the original data, so that the information of interest in the data can be retained in the selected subset of bands. It is proposed to employ curve simplification techniques such as Douglas-Peucker to achieve this end. To perform the experiments we have used a hyperspectral image (HSI) taken by a drone flight with 0.31 m resolution, in a scenario that presents both vegetation and other architectural elements, with the presence of illuminated areas and shadows. Our results show that our method manages to reduce the amount of information by 96.4% of the HSI. In this case, preserving the most important features with a minimum level of loss, in most cases with mean square error very close to 0, this allows subsequently recreating the original data with high reliability.