Skip to content

Compressione di immagini multispettrali

Informazioni tesi

  Autore: Arturo Ragozini
  Tipo: Tesi di Dottorato
Dottorato in Dottorato di ricerca in ingegneria elettronica e informatica
Anno: 1999
Docente/Relatore: Giovanni Poggi
Istituito da: Università degli Studi di Napoli
Dipartimento: DIET
  Lingua: Italiano
  Num. pagine: 146

La compressione di immagini multispettrale rappresenta un campo applicativo di elevato interesse. Per ottenere tassi di compressione spinti con una qualità di riproduzione soddisfacente è necessario sfruttare sia le dipendenze spaziali che quelle spettrali all'interno di ogni immagine.
In questa tesi sono proposte alcune soluzioni originali al problema della compressione di tali immagini e ne sono analizzate le prestazioni attraverso esperimenti numerici.

Il primo capitolo è dedicato ad una descrizione generale delle immagini telerilevate, vengono descritti i radiometri multispettrali e si discutono le caratteristiche fisiche e statistiche delle immagini dai sensori Landsat-TM e GER impiegate nelle sperimentazioni.

Nel secondo capitolo sono passate in rassegna le principali tecniche di compressione per immagini multispettrali presenti in letteratura. L'analisi comprende sia le tecniche di codifica senza perdita, che quelle con perdita, ma si concentra soprattutto su queste ultime che sono le uniche che riescono a garantire una significativa riduzione della mole dei dati (rapporti di compressione fino a 100:1). Si passano in rassegna alcuni risultati teorici utili per l'inquadramento delle tecniche proposte introducendo alcuni strumenti di base, quali la quantizzazione scalare e vettoriale, la predizione e i vari tipi di trasformata lineare, impiegati nei capitoli successivi.

Il terzo capitolo propone due tecniche di compressione per immagini multispettrali basate sull'uso delle trasformate wavelet e della quantizzazione progressiva dei coefficienti. Entrambe estendono l'algoritmo SPIHT (proposto da Said e Pearlman per immagini commerciali) al caso multispettrale. La prima tecnica usa la trasformata di Karhunen-Loeve nella direzione spettrale e trasmette i coefficienti definendo degli alberi tridimensionali tra le bande dell'immagine trasformata.
Per evitare le ingenti richieste di memoria connaturate a quest'approccio è stata poi sviluppata la seconda tecnica, basata sulla quantizzazione vettoriale gain-shape ad albero.
Questa nuova procedura di quantizzazione unisce i vantaggi della codifica gain-shape (riduzione dell'ingombro di memoria) a quelli della codifica ad albero (riduzione della complessità, codifica progressiva) ed ha perciò permesso di codificare le immagini multispettrali con ingombro di memoria e complessità ridotti, e con eccellenti prestazioni.
Nella compressione d'immagini telerilevate, le prestazioni vanno valutate non solo in termini di rapporto segnale-rumore ma anche in termini d'utilità residua delle immagini ricostruite per le più comuni elaborazioni successive, come estrazione dei contorni, segmentazione, classificazione.
Si è quindi fatto uso di un semplice algoritmo di clustering non contestuale per valutare gli effetti della compressione sull'accuratezza della segmentazione.

Nel quarto capitolo si propone una tecnica per la contemporanea compressione e segmentazione delle immagini multispettrali, in modo da garantire i migliori risultati per entrambe le operazioni. Più precisamente, si opera una segmentazione dell'immagine originale in classi di caratteristiche omogenee, e si usa poi un algoritmo di compressione che si basa su tale segmentazione per adattarsi alle caratteristiche statistiche di ciascuna classe.
In questo modo la classificazione originale, codificata senza perdita, è disponibile con l'immagine ricostruita come side information, ed allo stesso tempo la compressione, effettuata mediante trasformate lineari spettrali e spaziali, trae vantaggio dalla suddivisione in classi. In questo approccio la qualità della segmentazione risulta di importanza fondamentale, per cui si è scelto di adoperare una tecnica contestuale, in cui l'etichetta (classe) di un punto è statisticamente dipendente da quelle dei punti vicini oltre che dai dati osservabili. Tali dipendenze sono ben modellate attraverso campi aleatori markoviani (MRF), in cui la distribuzione congiunta dell'intera immagine è completamente determinata dalle distribuzioni condizionali locali.
L'uso degli MRF permette di definire algoritmi di ricerca della segmentazione ottima computabili, la cui complessità, tuttavia, resta elevatissima. Per questo motivo, nel capitolo quattro, dopo una breve introduzione sui campi di Markov, si propone un algoritmo di segmentazione contestuale basato sull'impiego di campi markoviani ad albero.
L'imporre una struttura (binaria) alle decisioni permette anzitutto di abbattere i tempi della segmentazione; inoltre, poiché ogni classe è caratterizzata da parametri di interazione spaziale stimati localmente, la segmentazione si adatta meglio alla natura spazio variante delle immagini; infine la struttura ad albero permette di stimare in modo semplice il numero di classi presenti nell'immagine, informazione solitamente non nota a priori.

CONSULTA INTEGRALMENTE QUESTA TESI

La consultazione è esclusivamente in formato digitale .PDF

Acquista

CONSULTA INTEGRALMENTE QUESTA TESI

La consultazione è esclusivamente in formato digitale .PDF

Acquista

FAQ

Per consultare la tesi è necessario essere registrati e acquistare la consultazione integrale del file, al costo di 29,89€.
Il pagamento può essere effettuato tramite carta di credito/carta prepagata, PayPal, bonifico bancario, bollettino postale.
Confermato il pagamento si potrà consultare i file esclusivamente in formato .PDF accedendo alla propria Home Personale. Si potrà quindi procedere a salvare o stampare il file.
Maggiori informazioni
Ingiustamente snobbata durante le ricerche bibliografiche, una tesi di laurea si rivela decisamente utile:
  • perché affronta un singolo argomento in modo sintetico e specifico come altri testi non fanno;
  • perché è un lavoro originale che si basa su una ricerca bibliografica accurata;
  • perché, a differenza di altri materiali che puoi reperire online, una tesi di laurea è stata verificata da un docente universitario e dalla commissione in sede d'esame. La nostra redazione inoltre controlla prima della pubblicazione la completezza dei materiali e, dal 2009, anche l'originalità della tesi attraverso il software antiplagio Compilatio.net.
  • L'utilizzo della consultazione integrale della tesi da parte dell'Utente che ne acquista il diritto è da considerarsi esclusivamente privato.
  • Nel caso in cui l'Utente volesse pubblicare o citare una tesi presente nel database del sito www.tesionline.it deve ottenere autorizzazione scritta dall'Autore della tesi stessa, il quale è unico detentore dei diritti.
  • L'Utente è l'unico ed esclusivo responsabile del materiale di cui acquista il diritto alla consultazione. Si impegna a non divulgare a mezzo stampa, editoria in genere, televisione, radio, Internet e/o qualsiasi altro mezzo divulgativo esistente o che venisse inventato, il contenuto della tesi che consulta o stralci della medesima. Verrà perseguito legalmente nel caso di riproduzione totale e/o parziale su qualsiasi mezzo e/o su qualsiasi supporto, nel caso di divulgazione nonché nel caso di ricavo economico derivante dallo sfruttamento del diritto acquisito.
  • L'Utente è a conoscenza che l'importo da lui pagato per la consultazione integrale della tesi prescelta è ripartito, a partire dalla seconda consultazione assoluta nell'anno in corso, al 50% tra l'Autore/i della tesi e Tesionline Srl, la società titolare del sito www.tesionline.it.
L'obiettivo di Tesionline è quello di rendere accessibile a una platea il più possibile vasta il patrimonio di cultura e conoscenza contenuto nelle tesi.
Per raggiungerlo, è fondamentale superare la barriera rappresentata dalla lingua. Ecco perché cerchiamo persone disponibili ad effettuare la traduzione delle tesi pubblicate nel nostro sito.
Scopri come funziona

DUBBI? Contattaci

Contatta la redazione a
[email protected]

Ci trovi su Skype (redazione_tesi)
dalle 9:00 alle 13:00

Oppure vieni a trovarci su

Parole chiave

algoritmo spiht
quantizzazione scalare
sensori landsat-tm
immagini telerilevate
immagini multispettrali
compressione di immagini
trasformata di karhunen-loeve
tasso di compressione

Non hai trovato quello che cercavi?


Abbiamo più di 45.000 Tesi di Laurea: cerca nel nostro database

Oppure consulta la sezione dedicata ad appunti universitari selezionati e pubblicati dalla nostra redazione

Ottimizza la tua ricerca:

  • individua con precisione le parole chiave specifiche della tua ricerca
  • elimina i termini non significativi (aggettivi, articoli, avverbi...)
  • se non hai risultati amplia la ricerca con termini via via più generici (ad esempio da "anziano oncologico" a "paziente oncologico")
  • utilizza la ricerca avanzata
  • utilizza gli operatori booleani (and, or, "")

Idee per la tesi?

Scopri le migliori tesi scelte da noi sugli argomenti recenti


Come si scrive una tesi di laurea?


A quale cattedra chiedere la tesi? Quale sarà il docente più disponibile? Quale l'argomento più interessante per me? ...e quale quello più interessante per il mondo del lavoro?

Scarica gratuitamente la nostra guida "Come si scrive una tesi di laurea" e iscriviti alla newsletter per ricevere consigli e materiale utile.


La tesi l'ho già scritta,
ora cosa ne faccio?


La tua tesi ti ha aiutato ad ottenere quel sudato titolo di studio, ma può darti molto di più: ti differenzia dai tuoi colleghi universitari, mostra i tuoi interessi ed è un lavoro di ricerca unico, che può essere utile anche ad altri.

Il nostro consiglio è di non sprecare tutto questo lavoro:

È ora di pubblicare la tesi