Fundamentos teóricos y análisis de imágenes Hiperespectrales

Objetivo General

Introducir al participante en los fundamentos teóricos y prácticos de los sensores hiperespectrales que permita un óptimo aprovechamiento del uso de información proveniente de esta herramienta.

Objetivos Específicos

  1. Presentar los fundamentos teórico-prácticos de los sensores hiperespectrales.
  2. Brindar a los participantes un adiestramiento integral para el procesamiento preliminar de imágenes hiperespectrales.
  3. Adiestrar a los participantes en el análisis hiperespectral.

Descripción del curso

Es un curso teórico–práctico basado en los conceptos fundamentales de sensores hiperespectrales, que pretende que los cursantes dominen la terminología técnica y herramientas fundamentales para el procesamiento y análisis de las imágenes hiperespectrales.

Perfil del participante

Dirigido a profesionales y estudiantes universitarios que han procesado previamente Imágenes de satélites o han cursado previamente el curso de PDI y/o Interpretación de Imágenes de sensores pasivos.

Inversión

Cotización a petición de la parte interesada.

Duración 40 horas

Software Envi 4.8


Contenido

Módulo 1 – Introducción

  1. Objetivo.
  2. Terminología.
  3. La imagen digital.

Módulo 2 – Bases físicas

  1. La energía electromagnética.
  2. Espectro electromagnético.
  3. Percepción remota.

Módulo 3 – Interacción de la energía electromagnética con los objetos

  1. Con la atmósfera.
  2. Con el agua.
  3. Con la vegetación.
  4. Con los minerales.
  5. Con los suelos.

Módulo 4 – Sensores Hiperespectrales

Módulo 5 – Procesamiento preliminar

  1. Selección de bandas.
  2. Correcciones radiométricas.
  3. Correcciones atmosféricas.

Módulo 6 – Reducción de la dimensionalidad de los datos

  1. Componentes principales.
  2. Fracción mínima de Ruido (Mínimun Noise Fraction, MNF).

Módulo 7 – Metodología para el análisis espectral

  1. Índice de Pureza de Pixel (Pixel Purity Index, PPI).
  2. Métodos de clasificación espectral
    • Desmezcla lineal del espectro (Linear Spectral Unmixing).
    • Filtro de Coincidencia (Matched Filtering, MF).
    • Filtro de Coincidencia de Mezcla Sintonizada (Mixture Tuned Matched Filtering, MTMF).