Por favor, use este identificador para citar o enlazar este ítem: http://bibdigital.epn.edu.ec/handle/15000/19806
Título: Desarrollo de un método para la clasificación automatizada de imágenes Landsat 8 mediante Redes Neuronales Artificiales
Autor: Tituaña Jami, Juan Carlos
Palabras clave: INTELIGENCIA ARTIFICIAL
APRENDIZAJE DE MAQUINA
REDES NEURONALES
Fecha de publicación: 25-oct-2018
Editorial: Quito, 2018.
Citación: Tituaña Jami, J. C. (2018). Desarrollo de un método para la clasificación automatizada de imágenes Landsat 8 mediante Redes Neuronales Artificiales. 63 hojas. Quito : EPN.
Resumen: This research develop a method for the automated classification of Landsat 8 images from the integration of Artificial Neural Networks and the identification of pixels of pure classes. The exercise carried out in this research from the SEPAL platform, allowed to obtain a mosaic L8 of the study area, duly pre-processed and calibrated, automatically in minutes. This result represents a significant advance in terms of pre-processing capacity that currently exists for the management of satellite data compared to the state of the area a decade ago. This relevant advance has been possible due to the use of artificial neural networks and cross-correlation factors of the píxels of the Landsat 8 satellite platform images. Their use and differentiation of areas in remote sensing of wooded, agricultural and water areas are discussed.
Descripción: Este trabajo de investigación presenta el desarrollo de un método para la clasificación automatizada de imágenes Landsat 8 a partir de la integración de redes neuronales artificiales y la identificación de píxeles de clases puras. El ejercicio realizado en esta investigación a partir de la plataforma SEPAL, permitió obtener un mosaico L8 del área de estudio, debidamente preprocesado y calibrado, automáticamente en lapsos de minutos. Este resultado representa un avance en cuanto a la capacidad de preprocesamiento que existe actualmente para el manejo de datos satelitales en comparación con el estado del área hace una década atrás. Este avance relevante ha sido posible debido al uso de redes neuronales artificiales y factores de correlación cruzada de los píxeles de las imágenes de la plataforma satelital Landsat 8. Su empleo y diferenciación de aéreas en la teledetección de áreas boscosas, agrícolas e hídricas son comentados.
URI: http://bibdigital.epn.edu.ec/handle/15000/19806
Tipo: bachelorThesis
Aparece en las colecciones:Tesis Sistemas Informáticos y de Computación (ISIS)

Ficheros en este ítem:
Fichero Descripción TamañoFormato 
CD-9217.pdf1,11 MBAdobe PDFVisualizar/Abrir


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.