Evaluación de procedimientos de reducción de ruido mediante wavelets y análisis fractal en imágenes del instrumento óptico espacial SEOSAT/Ingenio

Abstract

Este Trabajo Final de Grado hace un recorrido por las diversas fuentes de ruido que afectan a los equipos detectores embarcados en los satélites de observación de la Tierra concretamente se centra en SEOSAT/Ingenio (Primer Satélite de Observación de la Tierra Español). Se hace hincapié en la importancia de avanzar en técnicas de eliminación de ruido en imágenes mediante SW ya que mejorar la calidad de la imagen por Hardware es tremendamente caro en espacio. Se hace una revisión de técnicas de eliminación de ruido mediante Transformada Wavelet (metodología oficial e implementada para SEOSAT/Ingenio) y se proponen nuevas técnicas de eliminación de ruido basadas en Análisis Multifractal. Los fractales son estructuras autosimilares que se repiten una y otra vez a medida que aumentamos la escala, se aprende que para entender la naturaleza se necesita la geometría fractal. Se comparan ambas técnicas basando las conclusiones en el exponente de Hölder (referencia de regularidad de la imagen) y en la SNR de la imagen. Se concluye que la Transformada Wavelets es la más adecuada para este estudio aunque inicialmente las imágenes regularizadas mediante análisis multifractal estaban proporcionando resultados alentadores. Se deja abierta una línea de técnicas de eliminación de ruido basadas en multifractales y alimentadas con algoritmos genéticos

This Thesis goes over different noise sources that are affecting detection equipment onboard remote sensing satellites, concretely it is focused on SEOSAT/Ingenio (First Remote Sensing Satellite from Spain). It is very important to advance in denoising techniques based on SW since improving image quality by Hardware is extremely expensive in space. Denoising techniques based on the Wavelets Transform are reviewed in the Thesis. This method is the official one and it is already implemented in SEOSAT/Ingenio. In this document new denosing techniques are proposed based on Multifractal Analysis. Fractals are autosimilar structures being repeated once and once again when scale is increased. Both techniques are compared and conclusions are based on both Hölder Exponent calculations and SNR. As conclusion, Wavelet Transform is found to be the most fitted for SEOSAT/Ingenio characteristics although initially multifractal analysis seemed to provide best results. Future work will deal with genetic algorithm and also neural nets.