dor_id: 5041654
506.#.#.a: Público
590.#.#.d: No es revisada por pares
510.0.#.a: Latindex-Directorio; PERIÓDICA; SIC CONACULTA; IRESIE; CATMEX; Latinrev
561.#.#.u: https://www.tic.unam.mx/
650.#.4.x: Multidisciplina
336.#.#.b: article
336.#.#.3: Artículo de Divulgación
336.#.#.a: Artículo
351.#.#.6: https://www.ru.tic.unam.mx/handle/123456789/7
351.#.#.b: Revista Digital Universitaria
351.#.#.a: Tecnologías de la información y comunicación
harvesting_group: ru.dgtic
270.1.#.p: rutic@unam.mx
590.#.#.c: DSpace
270.#.#.d: MX
270.1.#.d: México
590.#.#.b: Universitario
883.#.#.u: http://www.ru.tic.unam.mx/
883.#.#.a: Repositorio de la Dirección General de Cómputo y de Tecnologías de Información y Comunicación "RU-TIC"
590.#.#.a: Administración Central
883.#.#.1: https://www.tic.unam.mx/
883.#.#.q: Dirección General de Cómputo y de Tecnologías de Información y Comunicación, UNAM
850.#.#.a: Universidad Nacional Autónoma de México
856.4.0.u: https://ru.tic.unam.mx/bitstream/123456789/2327/1/art43_2015.pdf
100.1.#.a: Jimenez Martinez, Nancy Ibeth; Díaz Hernández, Raquel
100.1.#.0: Jimenez Martinez, Nancy Ibeth: cvu:373390; Díaz Hernández, Raquel: cvu:36741
524.#.#.a: Jimenez Martinez, Nancy Ibeth y Díaz Hernández, Raquel (2015). El procesamiento digital de imágenes aplicado al reconocimiento morfológico de estructuras de impacto en la superficie terrestre. Coordinación de Universidad Abierta, Innovación Educativa y Educación a Distancia, UNAM; Dirección General de Cómputo y de Tecnologías de Información y Comunicación, UNAM. Recuperado de https://repositorio.unam.mx/contenidos/5041654
245.1.0.a: El procesamiento digital de imágenes aplicado al reconocimiento morfológico de estructuras de impacto en la superficie terrestre
502.#.#.c: Universidad Nacional Autónoma de México
561.1.#.a: Dirección General de Cómputo y de Tecnologías de Información y Comunicación, UNAM
264.#.0.c: 2015
264.#.1.c: 2015-06-01
307.#.#.a: 2018-06-28T05:21:15Z
653.#.#.a: Crater; Redarsat-1; Cráteres de impacto; BP; Oasis; Efecto sal y pimienta; Segmentación; Clasificación por ANN; Aprendizaje automático; impact craters; BP; Oasis; Speckle Effect; Segmentation; ANN classification; Machine learning
506.1.#.a: La titularidad de los derechos patrimoniales de esta obra pertenece a la Universidad Nacional Autónoma de México. Su uso se rige por una licencia Creative Commons BY-NC-SA 4.0 Internacional, https://creativecommons.org/licenses/by-nc-sa/4.0/legalcode.es, fecha de asignación de la licencia 2018-06-28, para un uso diferente consultar al responsable jurídico del repositorio por medio del correo electrónico rutic@unam.mx
884.#.#.k: http://ru.tic.unam.mx/handle/123456789/2327
001.#.#.#: oai:ru.tic.unam.mx:123456789/2327
041.#.7.h: spa
520.3.#.a: El procesamiento de imágenes satelitales y de radar es el punto de partida en el mapeo geomorfológico y tiene la finalidad de colectar atributos que caractericen objetos por su forma, estructura o color. Este trabajo presenta el tratamiento de imágenes como paso inicial a la detección de cráteres de impacto. Así, se muestran los resultados del análisis de imágenes de radar (Radarsat-1) de los cráteres de impacto BP y Oasis (Libia), mismos que se usan como patrones de referencia para diferenciar entre cráteres de impacto y cráteres de origen volcánico. El análisis de las imágenes Radarsat-1 consistió en: filtrado (reducción del ruido sal y pimienta), segmentación (partición de la imagen en regiones con características comunes) y clasificación (agrupación de los pixeles con base en características de interés). Para el caso de la clasificación, este trabajo propone un proceso de identificación automática de estructuras de impacto en la superficie terrestre que, partiendo de la información extraída del filtrado y la segmentación, organiza o categoriza objetos geomorfológicos según su origen volcánico o de impacto. La relevancia del sistema computacional clasificador radica en que actúa con aprendizaje automático basado en redes neuronales artificiales (ANN). Satellite and radar image processing is the starting point in the geomorphological mapping and aims to characterize objects by shape, structure or color. This paper presents these images correcting as the first step in the detection of impact craters, such as BP and Oasis (Libya), which have been characterized by analyzing radar images (Radarsat-1) and used as standards of reference to differentiate impact craters from those of volcanic origin. The analysis of Radarsat-1 imagery consists of: filtering (known as speckle), segmenting (partition of the image into regions with common characteristics) and classifying (grouping of pixels based on selected features). About this latter action, this paper proposes automatic processes that classify, from imagery data corrected from filtering and segmentation, the geomorphic objects into two groups: impact and volcanics. The relevance of this classifier computer system is that it acts with Machine Learning based on artificial neural networks (ANN).
500.#.#.a: Tema del mes.
773.1.#.t: Revista Digital Universitaria
773.1.#.o: https://www.revista.unam.mx/
046.#.#.j: 2018-06-28T05:21:15Z
310.#.#.a: Bimestral
300.#.#.a: 3.4 MB; 2.06 MB
264.#.1.b: Coordinación de Universidad Abierta, Innovación Educativa y Educación a Distancia, UNAM; Dirección General de Cómputo y de Tecnologías de Información y Comunicación, UNAM
900.#.#.a: http://www.revista.unam.mx/vol.16/num6/art43/art43.pdf
900.#.#.c: Revista Digital Universitaria (1607 - 6079). Vol. 16, No. 6 (2015) -- http://www.revista.unam.mx/index_jun15.html
handle: 69b8fe12a3b7ef65
harvesting_date: 2021-08-10 08:52:00.0
856.#.0.q: application/pdf
file_creation_date: 2015-06-10 17:59:53.0
file_modification_date: 2015-06-10 17:59:59.0
file_name: b112489c353d9a1e90b94ea39a60b491b2ee4e5c95060efbe6aecf2930eff825.pdf
file_format_version: application/pdf; version=1.4
file_size: 2155007
245.1.0.b: Digital image processing applied to morphological recognition of impact structures in the earth’s surface
last_modified: 2021-11-12 15:35:00
license_url: https://creativecommons.org/licenses/by-nc-sa/4.0/legalcode.es
license_type: by-nc-sa
No entro en nada
No entro en nada 2