Estimación Robusta en un modelo para imágenes de radar

DUARTE, LUIS MIGUEL; LUCINI, MARÍA MAGDALENA

Corrientes

Encuentro; XXI Reunión Científica del Grupo Argentino de Biometría; 2016

GAB, UNNE

El análisis y procesamiento de imágenes obtenidas por teledetección (satelitales, radar) se valen de técnicas tales como la segmentación, la determinación de bordes y la clasificación para, entre otras aplicaciones, caracterizar o delimitar regiones con distinto tipo de cobertura. A su vez, varios de los métodos propuestos para implementar dichas técnicas requieren de la estimación de los parámetros de las distribuciones de probabilidad utilizadas para modelar los datos obtenidos por estos sensores.La distribuciónWishart Compleja Escaladaes aceptada por la comunidad científica como el modelo que mejor ajusta los datos de zonas homogéneas obtenidos por radares PolSAR (PolarimetricSyntheticAperture Radar). Su función de densidad de probabilidades es〖f 〗_W (W^´ )=(L^pL |W´|^(L-p))/(|Σ|^L Γ_p (L) ) etr(-LΣ^(-1) W^´), donde Σ∈C^pxpes una matriz Hermitiana positiva definida, L∈N,L≥p,y etr(A) = exp(traza(A)), con A matriz cuadrada. Sus parámetrosL y Σ, están intrínsecamente relacionados con la obtención física de las imágenes PolSAR, y brindan información sobre ciertas características de la imagen y el terreno.En muchas técnicas empleadas en el procesamiento de imágenes estos parámetros deben estimarse de la manera más precisa y confiable posible utilizando muestras pequeñas. Debido a la naturaleza de los datos de radar, no es posible asegurar que todos los elementos de una muestra estén libres de valores espurios,por lo que se torna imperante el desarrollo de técnicas de estimación que se vean poco afectadas por la presencia de estos valores. En el presente trabajo se proponen M-estimadores de los parámetros de la distribución Wishart Compleja Escalada, se presentan un algoritmo de punto fijo para su cómputo y algunas propiedades delos estimadores. Mediante simulaciones MonteCarlo (implementadas en R) se compara la performance del estimador propuesto con la del estimador de Máxima Verosimilituden distintos escenarios. Los resultados sugieren la conveniencia de utilizar el estimador robusto. Finalmente se muestra una aplicación a datos PolSAR reales.