RT Generic
T1 Clasificación de imágenes de superficie terrestre mediante técnicas basadas en ELM
A1 López Fandiño, Javier
K1 ELM
K1 Extreme learning machine
K1 Algoritmos-informática
K1 Procesado de imágenes
K1 Procesado de imaxes
AB Los algoritmos de procesado de im agenes, en general, y los algoritmos deprocesado de im agenes hiperespectrales, en particular, son computacionalmentemuy costosos, lo que los convierte en buenos candidatos para el modelo SIMD deprocesamiento en GPU. En este trabajo se presenta una implementaci on e centeen GPU para un esquema de clasi caci on espectral-espacial de im agenes hiperespectrales. El procesado espacial est a basado en una transformaci on divisioria porinundaci on (Watershed ) aplicada despu es de reducir la im agen hiperespectral auna  unica banda mediante un gradiente morfol ogico. La clasi caci on hiperespectral es provista por una t ecnica basada en ELM (Extreme Learning Machine).ELM puede ser expresado en t erminos de operaciones matriciales de forma quepueda sacar el m aximo provecho de la arquitectura de las GPU obeniendo resultados competitivos en comparaci on con una estrategia tradicional basada en SVMen cuanto a precisi on con unos tiempos de ejecuci on signi cativamente menores.Para mejorar los resultados de ELM, se aplica un algoritmo de regularizaci onespacial y, adem as, tambi en se considera el uso de agrupaciones de ELMs. Paraobtener el resultado  nal de la clasi caci on espectral-espacial se aplica un algoritmo adaptativo de voto de la mayor  a a los resultados previamente obtenidos.Los resultados obtenidos en este trabajo muestran que ELM es un clasi cador adecuado para su uso en el procesado de im agenes hiperespectrales en GPU,puesto que, para todas las con guraciones tanto espectrales como espectralesespaciales desarrolladas, obtiene resultados de precisi on competitivos con los obtenidos por un clasi cador SVM, ampliamente utilizado en este  ambito, con tiempos de ejecuci on notablemente inferiores
YR 2014
FD 2014
LK http://hdl.handle.net/10347/12989
UL http://hdl.handle.net/10347/12989
LA spa
NO Traballo Fin de Máster en Tecnoloxías da Información. Curso 2013-2014
DS Minerva
RD 23 abr 2026