Resumen

Los datos de teledetección hiperespectral multitemporal tienen el potencial de detectar zonas alteradas en la superficie terrestre. Sin embargo, las diferencias en las propiedades radiométricas y geométricas de los datos multitemporales debidas al tiempo de adquisición o a la posición de los sensores deben resolverse para que las imágenes hiperespectrales puedan detectar cambios en zonas naturales o afectadas por la actividad humana. Además, el ruido de los datos en el espectro de las imágenes hiperespectrales disminuye la precisión de la detección de cambios cuando se aplican algoritmos generales de detección de cambios a las imágenes hiperespectrales. Para abordar estos problemas, presentamos un algoritmo de detección de cambios no supervisado basado en análisis estadísticos de perfiles espectrales; los perfiles se generan a partir de un método de fusión de imágenes sintéticas para imágenes hiperespectrales multitemporales. Este método pretende minimizar el ruido entre los espectros correspondientes a las localizaciones de posiciones idénticas aumentando la tasa de detección de cambios y disminuyendo la tasa de falsas alarmas sin reducir la dimensionalidad de los datos hiperespectrales originales. Mediante una comparación cuantitativa de un conjunto de datos reales adquiridos por sensores hiperespectrales aerotransportados, demostramos que el método propuesto proporciona unos resultados de detección de cambios superiores a los de los algoritmos de detección de cambios no supervisados más avanzados.

• Materias:Biotecnología Redes de sensores Sistema de sensores Diagnóstico de fallas Tecnología de sensores Diagnóstico de fallos
• Subjects:Biotechnology Sensor networks Sensor system Fault diagnosis Sensor technology
• Palabras claves:algoritmos de detección, cambio no supervisado, método de fusión de imágenes sintéticas, sensores hiperespectrales aerotransportados, espectro de imágenes hiperespectrales, imágenes hiperespectrales multitemporales, datos hiperespectrales originales, cambio, método, tiempo de adquisición
• Keywords:detection algorithms, unsupervised change, synthetic image fusion method, airborne hyperspectral sensors, hyperspectral imagery spectrum, multitemporal hyperspectral images, original hyperspectral data, change, method, acquisition time