MODELO VARIACIONAL PARA LA DETECCIÓN Y ELIMINACIÓN DE NUBES Y SOMBRAS EN IMÁGENES DE SATÉLITE: ANÁLISIS Y RESOLUCIÓN NUMÉRICA

dc.contributor.authorÁlvarez García, Iván
dc.date.accessioned2024-07-01T18:00:15Z
dc.date.available2024-07-01T18:00:15Z
dc.date.issued2024-07-01
dc.descriptionTrabajo Fin de Grado leído en la Universidad Rey Juan Carlos en el curso académico 2023/2024. Directores/as: Emanuele Schiavi , Iván Ramírez Díaz
dc.description.abstractEl documento aborda la explicación, modificación e implementación de un algoritmo para la detección y eliminación de nubes y sombras en imágenes de satélite, propuesto por Yong Chen, Wei He, Naoto Yokoya y Ting-Zhu Huang en su artículo: "Blind cloud and cloud shadow removal of multitemporal images based on total variation regularized low-rank sparsity decomposition". Este algoritmo se fundamenta en un modelo variacional. Se introducirán conceptos para entender el algoritmo, como la modelización matemática de las imágenes y los principios del Cálculo Variacional aplicados al procesamiento de imágenes. Se explicará el desarrollo de la solución del modelo variacional en el que se basa el algoritmo y se propondrá una solución alternativa para una parte del modelo variacional. La implementación del algoritmo se llevará a cabo en Python, y se presentarán resultados y análisis obtenidos a partir de esta implementación.
dc.identifier.urihttps://hdl.handle.net/10115/35997
dc.language.isospa
dc.publisherUniversidad Rey Juan Carlos
dc.rightsCreative Commons Atribución-CompartirIgual 4.0 Internacional
dc.rights.accessRightsinfo:eu-repo/semantics/openAccess
dc.rights.urihttps://creativecommons.org/licenses/by-sa/4.0/legalcode
dc.subjectImágenes de satélite
dc.subjectDetección y eliminación de nubes y sombras
dc.subjectCálculo Variacional
dc.subjectOptimización con restricciones infinito dimensional
dc.subjectAlgoritmo ADMM
dc.subjectDescenso del gradiente
dc.titleMODELO VARIACIONAL PARA LA DETECCIÓN Y ELIMINACIÓN DE NUBES Y SOMBRAS EN IMÁGENES DE SATÉLITE: ANÁLISIS Y RESOLUCIÓN NUMÉRICA
dc.typeinfo:eu-repo/semantics/studentThesis

Archivos

Bloque original

Mostrando 1 - 2 de 2
Cargando...
Miniatura
Nombre:
2023-24-ETSII-A-2315-2315050-i.alvarezga.2019-MEMORIA.pdf
Tamaño:
10.79 MB
Formato:
Adobe Portable Document Format
Descripción:
Memoria del TFG
No hay miniatura disponible
Nombre:
2023-24-ETSII-A-2315-2315050-i.alvarezga.2019-ANEXO.zip
Tamaño:
342.59 KB
Formato:
Unknown data format
Descripción:
Anexo.zip