Eliminación de Ruido Speckle en Imágenes SAR utilizando Autoencoders

"Las imágenes de Radar de Apertura Sintética (SAR) son fundamentales para la observación de la Tierra debido a su capacidad de adquisición independiente de las condiciones climáticas y de iluminación. Sin embargo, estas imágenes se ven afectadas por el ruido speckle, un patrón granular multipli...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autor principal: Balzarini, Bianca
Formato: Tesis de maestría
Lenguaje:Español
Publicado: Instituto Tecnológico de Buenos Aires (ITBA) 2025
Materias:
RADAR DE APERTURA SINTÉTICA (SAR), RUIDO SPECKLE, DESPECKLING, AUTOENCODERS, REDES NEURONALES CONVOLUCIONALES, DISTRIBUCIÓN GI0, PROCESAMIENTO DE IMÁGENES, FILTRADO DE RUIDO
Acceso en línea:https://hdl.handle.net/20.500.14769/5219
Aporte de:
Repositorio Institucional Instituto Tecnológico de Buenos Aires (ITBA) de Instituto Tecnológico de Buenos Aires (ITBA)
id I32-R138-20.500.14769-5219
record_format dspace
spelling I32-R138-20.500.14769-52192026-01-07T14:11:19Z Eliminación de Ruido Speckle en Imágenes SAR utilizando Autoencoders Balzarini, Bianca RADAR DE APERTURA SINTÉTICA (SAR), RUIDO SPECKLE, DESPECKLING, AUTOENCODERS, REDES NEURONALES CONVOLUCIONALES, DISTRIBUCIÓN GI0, PROCESAMIENTO DE IMÁGENES, FILTRADO DE RUIDO "Las imágenes de Radar de Apertura Sintética (SAR) son fundamentales para la observación de la Tierra debido a su capacidad de adquisición independiente de las condiciones climáticas y de iluminación. Sin embargo, estas imágenes se ven afectadas por el ruido speckle, un patrón granular multiplicativo que degrada su calidad y dificulta su interpretación. Este trabajo presenta un enfoque novedoso para la eliminación de ruido speckle mediante el uso de autoencoders convolucionales. La principal innovación radica en el uso de la distribución 0 para generar sintéticamente pares de imágenes ruidosas y limpias destinadas al entrenamiento supervisado, modelando fielmente las características estadísticas del ruido speckle real. Complementariamente, desarrollamos un sistema flexible basado en archivos de configuración que facilita la experimentación con diferentes arquitecturas. Los experimentos revelan que las arquitecturas más profundas obtienen consistentemente mejores resultados sin evidencia de overfitting. Los modelos entrenados con datos sintéticos mostraron buen desempeño en imágenes de test sintéticas, pero limitaciones en la generalización a imágenes SAR reales. Para abordar esto, exploramos el entrenamiento con pares de imágenes reales obtenidas mediante promediado temporal, logrando mejoras significativas y desempeño comparable a otros ya conocidos. Este trabajo establece las bases para el uso de autoencoders en el filtrado de speckle y demuestra tanto el potencial como las limitaciones de los datos sintéticos generados mediante modelos estadísticos". 2025-12-19T15:33:52Z 2025-12-19T15:33:52Z 2025-10-22 Tesis de maestría https://hdl.handle.net/20.500.14769/5219 es application/pdf Instituto Tecnológico de Buenos Aires (ITBA)
institution Instituto Tecnológico de Buenos Aires (ITBA)
institution_str I-32
repository_str R-138
collection Repositorio Institucional Instituto Tecnológico de Buenos Aires (ITBA)
language Español
topic RADAR DE APERTURA SINTÉTICA (SAR), RUIDO SPECKLE, DESPECKLING, AUTOENCODERS, REDES NEURONALES CONVOLUCIONALES, DISTRIBUCIÓN GI0, PROCESAMIENTO DE IMÁGENES, FILTRADO DE RUIDO
spellingShingle RADAR DE APERTURA SINTÉTICA (SAR), RUIDO SPECKLE, DESPECKLING, AUTOENCODERS, REDES NEURONALES CONVOLUCIONALES, DISTRIBUCIÓN GI0, PROCESAMIENTO DE IMÁGENES, FILTRADO DE RUIDO
Balzarini, Bianca
Eliminación de Ruido Speckle en Imágenes SAR utilizando Autoencoders
topic_facet RADAR DE APERTURA SINTÉTICA (SAR), RUIDO SPECKLE, DESPECKLING, AUTOENCODERS, REDES NEURONALES CONVOLUCIONALES, DISTRIBUCIÓN GI0, PROCESAMIENTO DE IMÁGENES, FILTRADO DE RUIDO
description "Las imágenes de Radar de Apertura Sintética (SAR) son fundamentales para la observación de la Tierra debido a su capacidad de adquisición independiente de las condiciones climáticas y de iluminación. Sin embargo, estas imágenes se ven afectadas por el ruido speckle, un patrón granular multiplicativo que degrada su calidad y dificulta su interpretación. Este trabajo presenta un enfoque novedoso para la eliminación de ruido speckle mediante el uso de autoencoders convolucionales. La principal innovación radica en el uso de la distribución 0 para generar sintéticamente pares de imágenes ruidosas y limpias destinadas al entrenamiento supervisado, modelando fielmente las características estadísticas del ruido speckle real. Complementariamente, desarrollamos un sistema flexible basado en archivos de configuración que facilita la experimentación con diferentes arquitecturas. Los experimentos revelan que las arquitecturas más profundas obtienen consistentemente mejores resultados sin evidencia de overfitting. Los modelos entrenados con datos sintéticos mostraron buen desempeño en imágenes de test sintéticas, pero limitaciones en la generalización a imágenes SAR reales. Para abordar esto, exploramos el entrenamiento con pares de imágenes reales obtenidas mediante promediado temporal, logrando mejoras significativas y desempeño comparable a otros ya conocidos. Este trabajo establece las bases para el uso de autoencoders en el filtrado de speckle y demuestra tanto el potencial como las limitaciones de los datos sintéticos generados mediante modelos estadísticos".
format Tesis de maestría
author Balzarini, Bianca
author_facet Balzarini, Bianca
author_sort Balzarini, Bianca
title Eliminación de Ruido Speckle en Imágenes SAR utilizando Autoencoders
title_short Eliminación de Ruido Speckle en Imágenes SAR utilizando Autoencoders
title_full Eliminación de Ruido Speckle en Imágenes SAR utilizando Autoencoders
title_fullStr Eliminación de Ruido Speckle en Imágenes SAR utilizando Autoencoders
title_full_unstemmed Eliminación de Ruido Speckle en Imágenes SAR utilizando Autoencoders
title_sort eliminación de ruido speckle en imágenes sar utilizando autoencoders
publisher Instituto Tecnológico de Buenos Aires (ITBA)
publishDate 2025
url https://hdl.handle.net/20.500.14769/5219
work_keys_str_mv AT balzarinibianca eliminacionderuidospeckleenimagenessarutilizandoautoencoders
_version_ 1854267363079225344

Ejemplares similares