EVALUACIÓN DE REDES NEURONALES PULSANTES PARA DETECCIÓN DE CAMBIOS EN IMÁGENES SATELITALES

Aida Anai Aparicio Arroyo, Aldrin Barreto Flores, Salvador Eugenio Ayala Raggi, Verónica Edith Bautista López

Resumen


Resumen

Existen diversas aplicaciones dentro del procesamiento digital como el análisis del subsuelo, identificación de cambios en la vegetación después de un fenómeno meteorológico, modificaciones en zonas urbanas, entre otras. Hay una gran variedad de métodos que son aplicados para el análisis de imágenes satelitales como el análisis de textura, la detección de bordes, aplicación de la matriz de co-ocurrencia, etcétera. Otro método usado es el de PCNN (Pulse-Coupled Neural Networks), en el cual cada neurona en la red corresponde a un pixel en escala de grises, estas neuronas entran a un proceso que en unión con un umbral generan un pulso como respuesta. En el presente trabajo se tiene como objetivo la evaluación del método de PCNN para detección de cambios en imágenes satelitales. Primeramente, se hizo el registro de dos imágenes satelitales de años diferentes, posteriormente se seleccionaron las regiones a analizar y a aplicar el método de PCNN con un total de 20 iteraciones por cada región. Tras analizar los resultados obtenidos, se concluye que las iteraciones generadas por el algoritmo de PCNN generan un patrón que es útil para el análisis de cambios estructurales, de igual manera los valores de las gráficas pueden ser analizados para determinar los cambios estructurales.

Palabras Claves: Detección de cambios, imágenes satelitales, redes neuronales pulsantes.

 

Abstract

There are various applications within the digital processing such as the analysis of the subsoil, identifying changes in vegetation after a weather phenomenon, changes in urban areas, among others. There are a variety of methods that applied the analysis of satellite images as texture analysis, edge detection, application of co-occurrence matrix, and so on. Another method used is PCNN (Pulse-Coupled Neural Networks), in which each neuron in the network corresponds to a pixel grayscale, these neurons enter a process in conjunction with a threshold generate a pulse in response. In this papier, it has target at evaluating the PCNN method for detecting changes in satellite images. First was the registration of two images from different years, then the regions were selected and analyzed applying the method PCNN a total of 20 iterations for each region. After analyzing the results, it is concluded that the iterations generated by the algorithm PCNN generate a pattern that is useful for the analysis of structural changes, just as the values of the graphs can be analyzed to determine the structural changes.

Keywords: Detection of changes, satellite imagery, pulsed neural networks.


Texto completo:

6-19 PDF

Referencias


Ranganath, H., & Kuntimad, G. (1999). Object Detection Using Pulse Coupled Neural Networks. IEEE Transactions on Neural Networks, 10(3), 615-620.

Gu, X., Yu, D. Senior Member IEEE, & Zhang, L. Senior Member IEEE (2005). Image Shadow Removal Using Pulse Coupled Neural Network. IEEE Transactions on Neural Networks, 6(3), 692-698.

Pu, J., Zhang, H., & Haichao, Y. (2006). “Robust Image Segmentation Using Pulse-coupled neural network with De-noising by Kernal PCA”. International Conference on Mechatronics and Automation, 561-566.

Pacifici, F., & Emery, W. (2009). Pulse Coupled Neural Networks for Detecting Urban Areas Changes at Very High Resolutions. Urban Remote Sensing Joint Event.

Li, J., Zou, B., Ding, L., & Gao, X. (2013). Image Segmentation with PCNN Model and Immune Algorithm. Journal of Computer, 8(9).

Ma, H.R., & Cheng, X.W. (2014). “Automatic Image Segmentation with PCNN Algorithm Based on Garyscale Correlation”. International Journal of Signal Processing, Image Processing and Pattern Recognition, 7(5), 249-258.

Lindblad, T., & Kinser, J.M. (2005). Theory of Digital Simulation. Image Processing Using Pulse-Coupled Neural Networks. (2a edición). Berlin Heidelberg: Springer-Verlag.

Ma, Y., Zhan, K., & Wang, Z. (2010). Applications of Pulse-Coupled Neural Networks.

Pajares, G., & De la Cruz, J. (2001). Visión por computador: Imágenes digitales y aplicaciones. Madrid, España: Alfaomega.

Canny, J. Member IEEE (1986). A Computational Approach to Edge Detection. IEEE Transactions on Pattern Analysis and Machine Intelligence, 8(6), 679-698.






URL de la licencia: https://creativecommons.org/licenses/by/3.0/deed.es

Licencia Creative Commons    Pistas Educativasa está bajo la Licencia Creative Commons Atribución 3.0 No portada.