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