Show simple item record

dc.contributor.advisorVélez-Reyes, Miguel
dc.contributor.authorDuarte-Carvajalino, Julio M.
dc.description.abstractThis work introduces a framework for a fast and algorithmically scalable multiscale representation and segmentation of hyperspectral imagery. The framework is based on the scale-space representation generated by geometric partial differential equations (PDEs) and state of the art numerical methods such as semi-implicit discretization methods, preconditioned conjugated gradient, and multigrid solvers. Multi-scale segmentation of hyperspectral imagery exploits the fact that different image structures exists only at different image scales or resolutions, enabling a better exploitation of the high spatial-spectral information content in hyperspectral imagery. Higher level processes in hyperspectral imagery such as classification, registration, target detection, restoration, and change detection can improve significatively; by working on the regions (objects) identified by the segmentation process, rather than with the image pixels, as it is traditionally done. The main contribution of this work is the introduction of a framework, where vector-valued geometric scale-spaces are seamlessly integrated with an algorithm for multiscale segmentation of hyperspectral imagery, in a fast and scalable way that makes feasible an object-oriented approach for higher level processes in hyperspectral image processing.en_US
dc.description.abstractEste trabajo presenta una base formal para la representación y segmentación multi-escala de imágenes híper-espectrales en forma rápida y escalable algorítmicamente. El fundamento de este trabajo se basa en la representación de espacio de escala generada por ecuaciones diferenciales parciales geométricas y métodos numéricos modernos como la discretización semi-implícita, gradiente conjugado precondicionado, y métodos multi-malla. La segmentación multi-escala de imágenes híper-espectrales explota el hecho de que diferentes estructuras en la imagen existen únicamente a diferentes escalas o resoluciones de la imagen, v permitiendo una mejor explotación del alto contenido espacial y espectral en imágenes híper-espectrales. Métodos de procesamiento de imágenes híper-espectrales de mayor nivel tales como clasificación, registración, detección de objetos, restauración de imágenes, y detección de cambio pueden mejorar significativamente; trabajando con las regiones identificadas por la segmentación, en lugar de usar los pixeles de la imagen, como se hace tradicionalmente. La principal contribución de este trabajo es la introducción de una base formal, donde el espacio de escala para imágenes vectoriales es integrado en forma natural con un algoritmo para la segmentación multi-escala de imágenes híper-espectrales, con una complejidad computacional que es lineal en el tamaño de las imágenes.en_US
dc.description.sponsorshipThe NSF-EPSCOR fellowship, the Engineering Research Center Program of the National Science Foundation (NSF) under Award Number EEC-9986821, and the National Geospatial Agency (NGA) provided me with the funding and resources needed for the development of this research.en_US
dc.subjectScale space frameworken_US
dc.subjectHyperspectral imageryen_US
dc.titleGeometric scale-space framework for the analysis of hyperspectral imageryen_US
dc.rights.licenseAll rights reserveden_US
dc.rights.holder(c) 2007 Julio Martin Duarte-Carvajalinoen_US
dc.contributor.committeeHunt, Shawn D.
dc.contributor.committeeRivera Gallego, Wilson
dc.contributor.committeeCastillo, Paul E.
dc.contributor.committeeSapiro, Guillermo
dc.contributor.representativeGilbes, Fernando and Information Sciences and Engineeringen_US
dc.contributor.collegeCollege of Engineeringen_US
dc.contributor.departmentDepartment of Electrical and Computer Engineeringen_US

Files in this item


This item appears in the following Collection(s)

  • Theses & Dissertations
    Items included under this collection are theses, dissertations, and project reports submitted as a requirement for completing a degree at UPR-Mayagüez.

Show simple item record

All rights reserved
Except where otherwise noted, this item's license is described as All Rights Reserved