R versus Python en la selección de umbrales múltiples para imágenes de radares de apertura sintética (SAR)

Autores
Rey, Andrea Alejandra; Caballero, Gisela Verónica; Ferré, María de los Ángeles Mabel
Año de publicación
2020
Idioma
español castellano
Tipo de recurso
artículo
Estado
versión publicada
Descripción
Las imágenes de radares de apertura sintética (imágenes SAR) han sido consideradas por varios investigadores como la mejor herramienta para monitorear la Tierra. A pesar de las ventajas de este tipo de radares, las imágenes SAR son difíciles de analizar. El objetivo de seleccionar umbra- les para una imagen es obtener una nueva imagen simplificada, conservando la información de forma y la estructura geométrica. En este trabajo comparamos el desempeño de los lenguajes R y Python para la selección de umbrales múltiples en imágenes SAR reales, en términos de costo computacional y medidas clásicas para el análisis de calidad de imagen.
Synthetic aperture radar images (SAR images) have been considered as the best tool for Earth mo- nitoring by many researchers. In spite of the advantages of this kind of radars, SAR images are very difficult to analize. The goal of image thresholding is to find a new simplified image that preserves the same shape information and geometric structure. In this work, we compare the performance of the languages R and Python in real SAR image multiple thresholding, in terms of computational cost and classical image quality assessment measures.
Fil: Rey, Andrea Alejandra. Universidad Tecnológica Nacional. Facultad Regional Buenos Aires. Centro de Procesamiento de Señales e Imágenes; Argentina.
Fil: Caballero, Gisela Verónica. Universidad Tecnológica Nacional. Facultad Regional Buenos Aires. Centro de Procesamiento de Señales e Imágenes; Argentina.
Fil: Ferré, María de los Ángeles Mabel. Universidad Tecnológica Nacional. Facultad Regional Buenos Aires. Centro de Procesamiento de Señales e Imágenes; Argentina.
Peer Reviewed
Fuente
Proyecciones, Vol.18 No.1, 65-77. (2020)
Materia
imágenes sar
umbrales múltiples
segmentación
r - python
nuclear reactions
nuclear reactors
tritons
reverse protons
48v
Nivel de accesibilidad
acceso abierto
Condiciones de uso
2021-09-17T17:11:46Z
Repositorio
Repositorio Institucional Abierto (UTN)
Institución
Universidad Tecnológica Nacional
OAI Identificador
oai:ria.utn.edu.ar:20.500.12272/5435
Acceder
id RIAUTN_56f5a89f2a93d9ea3a63de25745db361
oai_identifier_str oai:ria.utn.edu.ar:20.500.12272/5435
network_acronym_str RIAUTN
repository_id_str a
network_name_str Repositorio Institucional Abierto (UTN)
spelling R versus Python en la selección de umbrales múltiples para imágenes de radares de apertura sintética (SAR)Rey, Andrea AlejandraCaballero, Gisela VerónicaFerré, María de los Ángeles Mabelimágenes sarumbrales múltiplessegmentaciónr - pythonnuclear reactionsnuclear reactorstritonsreverse protons48vLas imágenes de radares de apertura sintética (imágenes SAR) han sido consideradas por varios investigadores como la mejor herramienta para monitorear la Tierra. A pesar de las ventajas de este tipo de radares, las imágenes SAR son difíciles de analizar. El objetivo de seleccionar umbra- les para una imagen es obtener una nueva imagen simplificada, conservando la información de forma y la estructura geométrica. En este trabajo comparamos el desempeño de los lenguajes R y Python para la selección de umbrales múltiples en imágenes SAR reales, en términos de costo computacional y medidas clásicas para el análisis de calidad de imagen.Synthetic aperture radar images (SAR images) have been considered as the best tool for Earth mo- nitoring by many researchers. In spite of the advantages of this kind of radars, SAR images are very difficult to analize. The goal of image thresholding is to find a new simplified image that preserves the same shape information and geometric structure. In this work, we compare the performance of the languages R and Python in real SAR image multiple thresholding, in terms of computational cost and classical image quality assessment measures.Fil: Rey, Andrea Alejandra. Universidad Tecnológica Nacional. Facultad Regional Buenos Aires. Centro de Procesamiento de Señales e Imágenes; Argentina.Fil: Caballero, Gisela Verónica. Universidad Tecnológica Nacional. Facultad Regional Buenos Aires. Centro de Procesamiento de Señales e Imágenes; Argentina.Fil: Ferré, María de los Ángeles Mabel. Universidad Tecnológica Nacional. Facultad Regional Buenos Aires. Centro de Procesamiento de Señales e Imágenes; Argentina.Peer Reviewed2021-09-17T17:11:46Z2021-09-17T17:11:46Z2020-04-01info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articuloapplication/pdfapplication/pdfProyecciones, Vol.18 No. 11853-6352http://hdl.handle.net/20.500.12272/5435Proyecciones, Vol.18 No.1, 65-77. (2020)reponame:Repositorio Institucional Abierto (UTN)instname:Universidad Tecnológica Nacionalspainfo:eu-repo/semantics/openAccess2021-09-17T17:11:46Zhttp://creativecommons.org/licenses/by-nc/4.0/Atribución-NoComercial 4.0 InternacionalLicencia Creative Commons Atribución -No Comercial2026-10-01T12:01:05Zoai:ria.utn.edu.ar:20.500.12272/5435instacron:UTNInstitucionalhttp://ria.utn.edu.ar/Universidad públicaNo correspondehttp://ria.utn.edu.ar/oaigestionria@rec.utn.edu.ar; fsuarez@rec.utn.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:a2026-10-01 12:01:06.124Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacionalfalse
dc.title.none.fl_str_mv R versus Python en la selección de umbrales múltiples para imágenes de radares de apertura sintética (SAR)
title R versus Python en la selección de umbrales múltiples para imágenes de radares de apertura sintética (SAR)
spellingShingle R versus Python en la selección de umbrales múltiples para imágenes de radares de apertura sintética (SAR)
Rey, Andrea Alejandra
imágenes sar
umbrales múltiples
segmentación
r - python
nuclear reactions
nuclear reactors
tritons
reverse protons
48v
title_short R versus Python en la selección de umbrales múltiples para imágenes de radares de apertura sintética (SAR)
title_full R versus Python en la selección de umbrales múltiples para imágenes de radares de apertura sintética (SAR)
title_fullStr R versus Python en la selección de umbrales múltiples para imágenes de radares de apertura sintética (SAR)
title_full_unstemmed R versus Python en la selección de umbrales múltiples para imágenes de radares de apertura sintética (SAR)
title_sort R versus Python en la selección de umbrales múltiples para imágenes de radares de apertura sintética (SAR)
dc.creator.none.fl_str_mv Rey, Andrea Alejandra
Caballero, Gisela Verónica
Ferré, María de los Ángeles Mabel
author Rey, Andrea Alejandra
author_facet Rey, Andrea Alejandra
Caballero, Gisela Verónica
Ferré, María de los Ángeles Mabel
author_role author
author2 Caballero, Gisela Verónica
Ferré, María de los Ángeles Mabel
author2_role author
author
dc.subject.none.fl_str_mv imágenes sar
umbrales múltiples
segmentación
r - python
nuclear reactions
nuclear reactors
tritons
reverse protons
48v
topic imágenes sar
umbrales múltiples
segmentación
r - python
nuclear reactions
nuclear reactors
tritons
reverse protons
48v
dc.description.none.fl_txt_mv Las imágenes de radares de apertura sintética (imágenes SAR) han sido consideradas por varios investigadores como la mejor herramienta para monitorear la Tierra. A pesar de las ventajas de este tipo de radares, las imágenes SAR son difíciles de analizar. El objetivo de seleccionar umbra- les para una imagen es obtener una nueva imagen simplificada, conservando la información de forma y la estructura geométrica. En este trabajo comparamos el desempeño de los lenguajes R y Python para la selección de umbrales múltiples en imágenes SAR reales, en términos de costo computacional y medidas clásicas para el análisis de calidad de imagen.
Synthetic aperture radar images (SAR images) have been considered as the best tool for Earth mo- nitoring by many researchers. In spite of the advantages of this kind of radars, SAR images are very difficult to analize. The goal of image thresholding is to find a new simplified image that preserves the same shape information and geometric structure. In this work, we compare the performance of the languages R and Python in real SAR image multiple thresholding, in terms of computational cost and classical image quality assessment measures.
Fil: Rey, Andrea Alejandra. Universidad Tecnológica Nacional. Facultad Regional Buenos Aires. Centro de Procesamiento de Señales e Imágenes; Argentina.
Fil: Caballero, Gisela Verónica. Universidad Tecnológica Nacional. Facultad Regional Buenos Aires. Centro de Procesamiento de Señales e Imágenes; Argentina.
Fil: Ferré, María de los Ángeles Mabel. Universidad Tecnológica Nacional. Facultad Regional Buenos Aires. Centro de Procesamiento de Señales e Imágenes; Argentina.
Peer Reviewed
description Las imágenes de radares de apertura sintética (imágenes SAR) han sido consideradas por varios investigadores como la mejor herramienta para monitorear la Tierra. A pesar de las ventajas de este tipo de radares, las imágenes SAR son difíciles de analizar. El objetivo de seleccionar umbra- les para una imagen es obtener una nueva imagen simplificada, conservando la información de forma y la estructura geométrica. En este trabajo comparamos el desempeño de los lenguajes R y Python para la selección de umbrales múltiples en imágenes SAR reales, en términos de costo computacional y medidas clásicas para el análisis de calidad de imagen.
publishDate 2020
dc.date.none.fl_str_mv 2020-04-01
2021-09-17T17:11:46Z
2021-09-17T17:11:46Z
dc.type.none.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/resource_type/c_6501
info:ar-repo/semantics/articulo
format article
status_str publishedVersion
dc.identifier.none.fl_str_mv Proyecciones, Vol.18 No. 1
1853-6352
http://hdl.handle.net/20.500.12272/5435
identifier_str_mv Proyecciones, Vol.18 No. 1
1853-6352
url http://hdl.handle.net/20.500.12272/5435
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
2021-09-17T17:11:46Z
http://creativecommons.org/licenses/by-nc/4.0/
Atribución-NoComercial 4.0 Internacional
Licencia Creative Commons Atribución -No Comercial
eu_rights_str_mv openAccess
rights_invalid_str_mv 2021-09-17T17:11:46Z
http://creativecommons.org/licenses/by-nc/4.0/
Atribución-NoComercial 4.0 Internacional
Licencia Creative Commons Atribución -No Comercial
dc.format.none.fl_str_mv application/pdf
application/pdf
dc.source.none.fl_str_mv Proyecciones, Vol.18 No.1, 65-77. (2020)
reponame:Repositorio Institucional Abierto (UTN)
instname:Universidad Tecnológica Nacional
reponame_str Repositorio Institucional Abierto (UTN)
collection Repositorio Institucional Abierto (UTN)
instname_str Universidad Tecnológica Nacional
repository.name.fl_str_mv Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacional
repository.mail.fl_str_mv gestionria@rec.utn.edu.ar; fsuarez@rec.utn.edu.ar
_version_ 1877862444789923840
score 12.853507

Publicaciones similares