Título
Segmentation of multispectral satellite images based on seeded region growing and instance-based learning
Autor
OCTAVIO GOMEZ RAMOS
Colaborador
JESUS ANTONIO GONZALEZ BERNAL (Asesor de tesis)
EDUARDO FRANCISCO MORALES MANZANARES (Asesor de tesis)
Nivel de Acceso
Acceso Abierto
Materias
Resumen o descripción
In order to reach the balance between the fulfillment of human needs and the protection
of the environment, it is necessary to have detailed and accurate information about
natural resources. Such information can be obtained through thematic maps, a product
of remote sensing. In remote sensing, the generation of accurate thematic maps presents
many research challenges, being one of them, image segmentation.
In this thesis, a novel segmentation algorithm based on seeded region growing and
instance based learning is proposed. The algorithm includes a novel automatic seed
generation approach that uses a histograms analysis, a new weighted instance-based
learning algorithm (WIBK) which obtains one or more weights per feature per class,
a novel region growing algorithm (SRG-WIBK) that uses WIBK as decision criteria,
and a novel region-merging scheme based on ownership tables which allows to merge
regions according to user needs. The WIBK algorithm was experimentally evaluated
on several databases from the UCI repository, and compared against instance-based
and non instance-based learning algorithms showing a very competitive performance.
The SRG-WIBK algorithm was tested on multispectral synthetic images and compared
against the algorithms implemented in the ERDAS software showing very even results.
Para lograr el balance entre la satifacción de las necesidades humanas y la protección
del medio ambiente, es necesario tener información detallada y precisa sobre los recursos
naturales. Esta información puede ser obtenida mediante mapas temáticos, uno de
los productos de la percepción remota. En percepción remota, la generación de mapas
temáticos fiables presenta muchos retos de investigación, siendo uno de ellos, la
segmentación de la imagen.
En esta tesis se propone un nuevo algoritmo de segmentación basado en crecimiento
de regiones y aprendizaje basado en instacias. Dentro de las características del algoritmo
se encuentran un nuevo esquema automático de obtención de semillas basado en
análisis de histogramas, un nuevo algoritmo de aprendizaje basado en instacias (WIBK)
que obtiene uno o más pesos por atributo por clase, un nuevo algoritmo de crecimiento
de regiones (SRG-WIBK) que hace uso de WIBK como criterio de decisión y un nuevo
esquema de agrupamiento de regiones basado en tablas de propiedad que permite agrupar
regiones de acuerdo a las necesidades del usuario. El algoritmo WIBK fué evaluado
experimentalmente en varias bases de datos del repositorio UCI, y comparado contra
algoritmos de aprendizaje basados y no basados en instancias mostrando resultados
muy competitivos. El algoritmo SRG-WIBK fué probado en imágenes multiespectrales
sintéticas, y comparado contra los algoritmos implementados en el software ERDAS
mostrando resultados muy parejos.
Editor
Instituto Nacional de Astrofísica, Óptica y Electrónica
Fecha de publicación
octubre de 2007
Tipo de publicación
Tesis de maestría
Versión de la publicación
Versión aceptada
Recurso de información
Formato
application/pdf
Idioma
Inglés
Audiencia
Estudiantes
Investigadores
Público en general
Sugerencia de citación
Gómez-Ramos O
Repositorio Orígen
Repositorio Institucional del INAOE
Descargas
1084