Show simple item record

dc.contributor.advisorHunt, Shawn D.
dc.contributor.authorRivera-Borrero, Carlos
dc.date.accessioned2019-05-15T17:59:33Z
dc.date.available2019-05-15T17:59:33Z
dc.date.issued2007
dc.identifier.urihttps://hdl.handle.net/20.500.11801/2370
dc.description.abstractThis work includes both theoretical and practical aspects of hyperspectral image classification and unmixing assessment. The theoretical aspect includes a study of end-to-end performance of hyperspectral classification and unmixing systems. Specifically, it compares widely used current state-of-the-art algorithms with those developed at the University of Puerto Rico at Mayaguez. These include algorithms for image enhancement, band subset selection, feature extraction, supervised and unsupervised classification, and constrained and unconstrained abundance estimation. The classification algorithms are compared in terms of percentage of correct classification. The unmixing algorithms are compared using a new procedure to evaluate unmixing performance is described in this work and tested using coregis- tered data acquired by various sensors at different spatial resolutions. Techniques for image complexity analysis currently available for automatic target recognizers are studied and adapted in an attempt to predict the performance of the classifiers for different image classes. Performance is generally specific to the image used. The practical aspect included both acquisition and manual classification of ground truth data. Most important among this work is a 1m ground truth map of the Enrique reef in La Parguera Puerto Rico. In addition, 158 calibrated spectral measurements along with their GPS location at submeter resolution were collected. Finally, a hyperspectral image from Hyperion was coregistered with the 1m ground truth to determine the abundaces for each of the pixels in the low spatial resolution image.en_US
dc.description.abstractEste trabajo incluye aspectos teóricos y prácticos sobre la evaluación de clasificación y desmezclado de imágenes hiperespectrales. El aspecto teórico incluye un estudio del rendimiento de principio a fin de sistemas de desmezclado y clasificación hiperespectral. Específicamente compara algoritmos de punta ampliamente utiliza- dos con aquellos desarrollados en la Universidad de Puerto Rico en Mayaguez. Estos incluyen algoritmos para realce de imágenes, selección de subconjunto de bandas, extracción de rasgos, clasificación supervisada y no supervisada y estimación de abundancias con restricciones y sin restricciones. Los algoritmos de clasificación son comparados en términos de porcentaje de clasificación correcta. Los algoritmos de desmezclado son comparados utilizando un nuevo procedimiento para evaluar desmezclado descrito en este trabajo y probado utilizando data adquirida por varios sensores a distintas resoluciones espaciales. Técnicas para el análisis de complejidad de imágenes actualmente disponibles para reconocedores automáticos de blancos son estudiadas y adaptadas en un intento de predecir el rendimiento de clasifcadores para distintas clases de imágenes. Rendimiento es generalmente específico a la imagen utilizada. El aspecto práctico incluyó adquisición y clasificación manual de la data de validación. Lo más importante de este trabajo es un mapa de clasificación del arrecife Enrique en La Parguera Puerto Rico. En adición, 158 mediciones espectrales calibradas junto a sus localizaciones geográficas con resoluciones menores a un metro fueron recolectadas. Finalmente, una imagen de Hyperion fue coregistrada junto a la data de validación a un metro, para determinar las abundancias para cada píxel de la imagen hiperespectral de baja resolución espacial.en_US
dc.description.sponsorshipFunded primarily by the Center for Subsurface Sensing and Imaging Systems (CenSSIS) sponsored by the Engineering Research Centers Program of the US National Science Foundation under grant EEC-9986821en_US
dc.language.isoEnglishen_US
dc.titleThe development of ground truth data and accuracy assessment of hyperspectral image classification and spectral unmixingen_US
dc.typeThesisen_US
dc.rights.licenseAll rights reserveden_US
dc.rights.holder(c) 2007 Carlos Rivera-Borreroen_US
dc.contributor.committeeVelez-Reyes, Miguel|Gilbes, Fernando
dc.contributor.representativeArmstrong, Roy
thesis.degree.levelM.S.en_US
thesis.degree.disciplineElectrical Engineeringen_US
dc.contributor.collegeCollege of Engineeringen_US
dc.contributor.departmentDepartment of Electrical and Computer Engineeringen_US
dc.description.graduationYear2007en_US


Files in this item

Thumbnail

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 graduate 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