Geo-estadística aplicada para el realce de imágenes digitales ordinarias
PDF

Palabras clave

Geo-estadística
imagen digital
interpolación
dowscaling.

Cómo citar

Geo-estadística aplicada para el realce de imágenes digitales ordinarias. (2018). Journal of Research in Engineering Science- JRES, 3, 97-117. https://doi.org/10.33133/jres-3-2018-183

Resumen

Este estudio consistió en aplicar diversas técnicas geo-estadísticas en el realce de imágenes digitales, con base en el hecho de que la estructura matricial de dichas imágenes permite su interpretación en términos geoespaciales y su manipulación geo-estadística con fines de realce. El planteamiento experimental tomó una imagen digital de base que fue sometida a diversas ediciones, para conformar el dataset que permitiera su adecuación al análisis geoestadístico. Luego se utilizaron diversas técnicas de interpolación geo-estadísticas y de cada una de ellas se obtuvieron resultados. Para la evaluación de la calidad de los resultados fue desarrollado un análisis comparativo, orientado desde dos perspectivas independientes (evaluación de errores absolutos y validación cruzada), como base de la evaluación y la sistematización del proceso de selección del mejor estimador. Producto de este análisis se evidenció que la interpolación basada en función polinomial localizada resultó ser el mejor estimador para definir la razón de variación espacial que caracteriza las peculiaridades de la imagen de estudio. Se entiende que existe la posibilidad de que distintas imágenes sean más afines a otras técnicas de interpolación espacial, y es aquí donde la sistematización del proceso de evaluación de calidad demuestra su valor. Finalizado el estudio, se comprobó la factibilidad de desarrollar un análisis comparativo y sistemático de distintas opciones de interpolación espacial, con miras a relazar la calidad visual de una imagen digital. El producto resultante demostró ser más detallado que la imagen original. De igual modo, siendo que la razón de variación espacial de dicho producto es parametrizada, las posibilidades de reescalamiento no tiene límites y esto constituye un valor adicional del estudio.
PDF

Downloads

Download data is not yet available.