Optimal Canny's Parameters Regressions for Coastal Line Detection in Satellite-Based SAR Images | ||
| dc.conicet.organizacion | Universidad Tecnológica Nacional. Facultad Regional Córdoba. Departamento de Electronica | |
| dc.conicet.organizacion | Universidad Tecnológica Nacional. Facultad Regional Córdoba. Departamento de Electronica | |
| dc.conicet.organizacion | Consejo Nacional de Investigaciones Científicas y Técnicas | |
| dc.conicet.organizacion | Universidad Nacional de Córdoba. Facultad de Matemática, Astronomia y Física. Sección Matemática. Grupo de Probabilidad y Estadística | |
| dc.conicet.organizacion | Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Córdoba. Centro de Investigación y Estudios de Matemática. Universidad Nacional de Córdoba. Centro de Investigación y Estudios de Matemática | |
| dc.contributor.author | Nemer Pelliza, Karim Alejandra | |
| dc.contributor.author | Pucheta, Martín Alejo | |
| dc.contributor.author | Flesia, Ana Georgina | |
| dc.date.issued | 2020-01 | |
| dc.description.abstract | Canny's algorithm is a very well-known and widely implemented multistage edge detector. The extraction of coastal lines in space-borne-based synthetic aperture radar (SAR) images using this algorithm is particularly complicated because of the multiplicative speckle noise present in them and can only be used if Canny's parameters (CaPP) are chosen appropriately. This letter introduces a methodology for computing functional forms for the CaPP, using functions of the image characteristics through a system that combines artificial neural networks (ANN) with statistical regression. A set of CaPP functional forms is obtained by applying this method on synthetic SAR images. Pratt's figure of merit (PFoM) is used to measure the performance of them, obtaining more than 0.75, on average, in the 14400 synthetic SAR images analyzed. Finally, this set of formulas has been tested for extracting coastal edges from real polynyas SAR images, acquired from Sentinel-1. | es |
| dc.description.fil | Fil: Nemer Pelliza, Karim Alejandra. Universidad Tecnológica Nacional. Facultad Regional Córdoba. Departamento de Electronica; Argentina | |
| dc.description.fil | Fil: Pucheta, Martín Alejo. Universidad Tecnológica Nacional. Facultad Regional Córdoba. Departamento de Electronica; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina | |
| dc.description.fil | Fil: Flesia, Ana Georgina. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomia y Física. Sección Matemática. Grupo de Probabilidad y Estadística; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Córdoba. Centro de Investigación y Estudios de Matemática. Universidad Nacional de Córdoba. Centro de Investigación y Estudios de Matemática; Argentina | |
| dc.format | application/pdf | es |
| dc.identifier.citation | Nemer Pelliza, Karim Alejandra; Pucheta, Martín Alejo; Flesia, Ana Georgina; Optimal Canny's Parameters Regressions for Coastal Line Detection in Satellite-Based SAR Images; Institute of Electrical and Electronics Engineers; Ieee Geoscience and Remote Sensing Letters; 17; 1; 1-2020; 82-86 | es |
| dc.identifier.eissn | 1558-0571 | es |
| dc.identifier.institucional | CONICET | |
| dc.identifier.issn | 1545-598X | es |
| dc.identifier.repo | CONICET Digital | |
| dc.identifier.uri | http://hdl.handle.net/11336/127463 | |
| dc.journal.number | 1 | es |
| dc.journal.pagination | 82-86 | es |
| dc.journal.pais | Estados Unidos | es |
| dc.journal.title | Ieee Geoscience and Remote Sensing Letters | es |
| dc.journal.volume | 17 | es |
| dc.language.iso | eng | es |
| dc.publisher | Institute of Electrical and Electronics Engineers | es |
| dc.relation.alternativeid | info:eu-repo/semantics/altIdentifier/url/https://ieeexplore.ieee.org/document/8736022/ | |
| dc.relation.alternativeid | info:eu-repo/semantics/altIdentifier/doi/http://dx.doi.org/10.1109/LGRS.2019.2916225 | |
| dc.rights | info:eu-repo/semantics/restrictedAccess | * |
| dc.rights.uri | https://creativecommons.org/licenses/by-nc-sa/2.5/ar/ | * |
| dc.subject | ARTIFICIAL NEURAL NETWORKS (ANNS) | es |
| dc.subject | EDGE DETECTION | es |
| dc.subject | STATISTICAL ANALYSIS | es |
| dc.subject | SYNTHETIC APERTURE RADAR (SAR) IMAGES | es |
| dc.subject.classification | Otras Ciencias de la Computación e Información | es |
| dc.subject.classification | Ciencias de la Computación e Información | es |
| dc.subject.classification | CIENCIAS NATURALES Y EXACTAS | es |
| dc.title | Optimal Canny's Parameters Regressions for Coastal Line Detection in Satellite-Based SAR Images | es |
| dc.type | info:eu-repo/semantics/article | |
| dc.type | info:ar-repo/semantics/artículo | |
| dc.type | info:eu-repo/semantics/publishedVersion | |
Archivos
Bloque original
Cargando...
- Nombre:
- CONICET_Digital_Nro.aafaf1ab-48b2-4b7d-a3a7-73970fd8b965_A.pdf
- Tamaño:
- 1.63 MB
- Formato:
- Adobe Portable Document Format