ANÁLISIS DEL FUNCIONAMIENTO DE UN MÉTODO BASADO EN WAVELETS BORROSOS PARA LA DETECCIÓN DE BORDES EN IMÁGENES SINTÉTICAS DEL TIPO SAR

KARIM NEMER; MARTIN PUCHETA; ANA GEORGINA FLESIA

MECANICA COMPUTACIONAL

Asociacion Argentina de Mecanica Computacional

Lugar: La Plata; Año: 2017 vol. 35 p. 2539 - 2546

La detección automática de líneas costeras y riberas, a partir de imágenes de radar de apertura sintética (conocidas como SAR, por las siglas en inglés de Synthetic Aperture Radar) es una tareadifícil dentro del campo del procesamiento de imágenes, debido a la presencia de retrodispersiones similares al ruido moteado multiplicativo. Recientemente, se presentó un Marco Wavelet Borroso (FuzzyWavelet Framework, FWF) para la detección de líneas costeras en imágenes SAR basado en una combinación de Wavelets unidimensionales, como filtro para la eliminación de parte del ruido moteado, yLógica Difusa, para la detección de las líneas costeras, ya que tiene su potencialidad en la toma de decisiones en ambientes ruidosos y mal definidas (K. Nemer Pelliza, tesis doctoral, Universidad TecnológicaNacional, Facultad Regional Córdoba, Argentina, 2016). Para realizar la detección de líneas costeras, seconstruye un mapa borroso de la imagen Wavelet intermedia, extrayéndose sus bordes. Dicho algoritmocodifica las filas y columnas de píxeles de la imagen, por lo que posee buena exactitud y preferencia enidentificar bordes verticales y horizontales; la ventaja de este algoritmo es su rapidez y eficiencia. En elpresente trabajo se presenta un estudio para analizar la detección de bordes en situaciones desfavorablespara el algoritmo con el objetivo de mejorarlo y resolver el problema con mayor exactitud. Para esto segeneran imágenes dicotómicas, con figuras de bordes lisos con presencia de líneas no alineadas con filaso columnas (por ej. círculo, rombo, estrella, etc.), se les aplican las 120 combinaciones distribuciones deretrodispersiones, para obtener imágenes similares a las del tipo SAR. Se calcula el error de detecciónde borde y se muestran las características de las imágenes que generan un mayor nivel de error en elmétodo. Finalmente, se indican las posibles vías de acción para mejorar el FWF.