La Distancia Geodésica Aplicada a Segmentación de

Imágenes de Radar de Apertura Sintética

M.Sc. José Antonio Naranjo Torres

Tesis presentada para optar al tı́tulo de Doctor en Ciencia y

Tecnologı́a de la Universidad Nacional de General Sarmiento

Directores: Dra. Juliana Gambini - Dr. Alejandro Frery

José Naranjo Torres Distancia Geodésica 1 / 77

Organización
1 Introducción
2 Modelado Estadı́stico de Imágenes SAR y la Distribución GI0
3 Distancia Geodésica
4 Distancia Geodésica entre Distribuciones GI0
Distancia Geodésica entre distribuciones GI0 con media unitaria
Forma General de la Distancia Geodésica entre distribuciones GI0
5 Prueba de Hipótesis de las Distancias Geodésica y Triangular entre
Distribuciones GI0
6 Detección de Bordes en Imágenes SAR Sintéticas utilizando la
Distancia Geodésica
7 Detección de Bordes entre regiones de Imágenes SAR Reales
utilizando la Distancia Geodésica
Disimilaridad Entre Regiones
Detección de Puntos de Bordes
8 Conclusiones
José Naranjo Torres Distancia Geodésica 2 / 77
Imagen SAR

El Radar de Apertura Sintética (SAR, Synthetic Aperture Radar)

Procesa los datos capturados por su antena y con esa información
construye imágenes.

José Naranjo Torres Distancia Geodésica 3 / 77

Imagen SAR

Aplicaciones
Monitoreo del medioambiente.
Detección temprana de incendios forestales.
Detección de manchas de petróleo en el mar.
Detección de talas ilegales.

Ventajas del SAR

Posee iluminación propia.
Es independiente del clima.

José Naranjo Torres Distancia Geodésica 4 / 77

Imagen SAR

Aplicaciones
Monitoreo del medioambiente.
Detección temprana de incendios forestales.
Detección de manchas de petróleo en el mar.
Detección de talas ilegales.

Ventajas del SAR

Posee iluminación propia.
Es independiente del clima.

José Naranjo Torres Distancia Geodésica 4 / 77

Ruido Speckle

Ruido Speckle
El SAR trabaja con iluminación coherente, produce en la imagen un
ruido llamado ruido speckle

Es no aditivo, no gaussiano.
Difı́cil de eliminar.
La interpretación automática de
imágenes SAR, constituye un
gran desafı́o.

José Naranjo Torres Distancia Geodésica 5 / 77

Ruido Speckle

Ruido Speckle
El SAR trabaja con iluminación coherente, produce en la imagen un
ruido llamado ruido speckle

Es no aditivo, no gaussiano.
Difı́cil de eliminar.
La interpretación automática de
imágenes SAR, constituye un
gran desafı́o.

José Naranjo Torres Distancia Geodésica 5 / 77

Ruido Speckle

Ruido Speckle
El SAR trabaja con iluminación coherente, produce en la imagen un
ruido llamado ruido speckle

Es no aditivo, no gaussiano.
Difı́cil de eliminar.
La interpretación automática de
imágenes SAR, constituye un
gran desafı́o.

José Naranjo Torres Distancia Geodésica 5 / 77

Interpretación de Imágenes SAR

Tareas
Discriminación automática de regiones dentro de la imagen SAR.

Plantea
Modelar los datos con distribuciones estadı́sticas adecuadas para
imágenes con ruido speckle.
El modelo multiplicativo.
La distribución GI0 , permite caracterizar regiones con diferente
grado de textura en imágenes SAR monopolarizadas.

José Naranjo Torres Distancia Geodésica 6 / 77

Interpretación de Imágenes SAR

Tareas
Discriminación automática de regiones dentro de la imagen SAR.

Plantea
Modelar los datos con distribuciones estadı́sticas adecuadas para
imágenes con ruido speckle.
El modelo multiplicativo.
La distribución GI0 , permite caracterizar regiones con diferente
grado de textura en imágenes SAR monopolarizadas.

José Naranjo Torres Distancia Geodésica 6 / 77

Interpretación de Imágenes SAR

Tareas
Discriminación automática de regiones dentro de la imagen SAR.

Plantea
Modelar los datos con distribuciones estadı́sticas adecuadas para
imágenes con ruido speckle.
El modelo multiplicativo.
La distribución GI0 , permite caracterizar regiones con diferente
grado de textura en imágenes SAR monopolarizadas.

José Naranjo Torres Distancia Geodésica 6 / 77

Objetivos de este Trabajo

Calcular la Distancia Geodésica para la distribución GI0 .

Aplicarla en detección de bordes en imágenes SAR.
Comparar con los resultados de aplicar la Distancia Triangular al
mismo problema.

José Naranjo Torres Distancia Geodésica 7 / 77

Objetivos de este Trabajo

Calcular la Distancia Geodésica para la distribución GI0 .

Aplicarla en detección de bordes en imágenes SAR.
Comparar con los resultados de aplicar la Distancia Triangular al
mismo problema.

José Naranjo Torres Distancia Geodésica 7 / 77

Objetivos de este Trabajo

Calcular la Distancia Geodésica para la distribución GI0 .

Aplicarla en detección de bordes en imágenes SAR.
Comparar con los resultados de aplicar la Distancia Triangular al
mismo problema.

José Naranjo Torres Distancia Geodésica 7 / 77

La Distancia Geodésica (DG)

Fue presentada por Rao en 1945 para medir la diferencia entre dos
distribuciones de probabilidad paramétricas.
Ha sido utilizada para resolver diversos problemas, incluyendo
recuperacion de texturas en datos multivariados y clasificación.
Hasta el momento no habı́a sido utilizada para detección de
puntos de borde en imágenes SAR monopolarimétricas.

José Naranjo Torres Distancia Geodésica 8 / 77

La Distancia Geodésica (DG)

Fue presentada por Rao en 1945 para medir la diferencia entre dos
distribuciones de probabilidad paramétricas.
Ha sido utilizada para resolver diversos problemas, incluyendo
recuperacion de texturas en datos multivariados y clasificación.
Hasta el momento no habı́a sido utilizada para detección de
puntos de borde en imágenes SAR monopolarimétricas.

José Naranjo Torres Distancia Geodésica 8 / 77

La Distancia Geodésica (DG)

Fue presentada por Rao en 1945 para medir la diferencia entre dos
distribuciones de probabilidad paramétricas.
Ha sido utilizada para resolver diversos problemas, incluyendo
recuperacion de texturas en datos multivariados y clasificación.
Hasta el momento no habı́a sido utilizada para detección de
puntos de borde en imágenes SAR monopolarimétricas.

José Naranjo Torres Distancia Geodésica 8 / 77

Propuesta

Calcular la distancia geodésica entre distribuciones de probabilidad GI0

y aplicarla para discriminar regiones en imágenes SAR.

Presentar una nueva forma de medir la diferencia entre dos

regiones dentro de una imagen SAR.
Proveer un conjunto de herramientas de análisis e interpretación
automática este tipo de imágenes.

José Naranjo Torres Distancia Geodésica 9 / 77

Propuesta

Calcular la distancia geodésica entre distribuciones de probabilidad GI0

y aplicarla para discriminar regiones en imágenes SAR.

Presentar una nueva forma de medir la diferencia entre dos

regiones dentro de una imagen SAR.
Proveer un conjunto de herramientas de análisis e interpretación
automática este tipo de imágenes.

José Naranjo Torres Distancia Geodésica 9 / 77

Organización
1 Introducción
2 Modelado Estadı́stico de Imágenes SAR y la Distribución GI0
3 Distancia Geodésica
4 Distancia Geodésica entre Distribuciones GI0
Distancia Geodésica entre distribuciones GI0 con media unitaria
Forma General de la Distancia Geodésica entre distribuciones GI0
5 Prueba de Hipótesis de las Distancias Geodésica y Triangular entre
Distribuciones GI0
6 Detección de Bordes en Imágenes SAR Sintéticas utilizando la
Distancia Geodésica
7 Detección de Bordes entre regiones de Imágenes SAR Reales
utilizando la Distancia Geodésica
Disimilaridad Entre Regiones
Detección de Puntos de Bordes
8 Conclusiones
José Naranjo Torres Distancia Geodésica 10 / 77
Modelado Estadı́stico de Imágenes SAR

Cumple un rol fundamental en la interpretación de datos provenientes

de imágenes SAR.
Aplicaciones del Modelado Estadı́stico
La clasificación de imágenes.
Segmentación.
Filtrado.
Extracción de caracterı́sticas.

José Naranjo Torres Distancia Geodésica 11 / 77

Modelado Estadı́stico de Imágenes SAR

Cumple un rol fundamental en la interpretación de datos provenientes

de imágenes SAR.
Aplicaciones del Modelado Estadı́stico
La clasificación de imágenes.
Segmentación.
Filtrado.
Extracción de caracterı́sticas.

José Naranjo Torres Distancia Geodésica 11 / 77

Modelado Estadı́stico de Imágenes SAR

Cumple un rol fundamental en la interpretación de datos provenientes

de imágenes SAR.
Aplicaciones del Modelado Estadı́stico
La clasificación de imágenes.
Segmentación.
Filtrado.
Extracción de caracterı́sticas.

José Naranjo Torres Distancia Geodésica 11 / 77

Modelado Estadı́stico de Imágenes SAR

Cumple un rol fundamental en la interpretación de datos provenientes

de imágenes SAR.
Aplicaciones del Modelado Estadı́stico
La clasificación de imágenes.
Segmentación.
Filtrado.
Extracción de caracterı́sticas.

José Naranjo Torres Distancia Geodésica 11 / 77

El Modelo Multiplicativo

El Modelo Multiplicativo
Z = X.Y

X modela la variabilidad de la retrodispersión del terreno, se considera

real y positiva.
Y modela el ruido speckle, se considera complejo.
Z modela el retorno, y corresponde a una variable aleatoria compleja

2
Intensidad ZI = kZk
√
Amplitud ZA = kZk = ZI

José Naranjo Torres Distancia Geodésica 12 / 77

Modelo del Retorno

Z  X .Y
X Y Z
N 1 , ,   I , , , L
 L, L 
,   0 ,   0 ,   0
,   0
0 0 0
0

1 ,    ,   I 0 ,    ,  

,    ,    ,    ,   
   
   
   

 1   L, L,    L
 L, 
  

José Naranjo Torres Distancia Geodésica 13 / 77

La Distribución GI0

XI ∼ Γ−1 (α, γ)
YI ∼ Γ(L, L) con −α, γ, L > 0,
ZI = XI · YI tiene una distribución GI0

Distribución GI0
LL Γ(L − α) z L−1
fG 0 (z) = · ,
I γ α Γ(−α)Γ(L) (γ + zL)L−α
donde −α, γ, z > 0 and L ≥ 1.

José Naranjo Torres Distancia Geodésica 14 / 77

La Distribución GI0

XI ∼ Γ−1 (α, γ)
YI ∼ Γ(L, L) con −α, γ, L > 0,
ZI = XI · YI tiene una distribución GI0

Distribución GI0
LL Γ(L − α) z L−1
fG 0 (z) = · ,
I γ α Γ(−α)Γ(L) (γ + zL)L−α
donde −α, γ, z > 0 and L ≥ 1.

José Naranjo Torres Distancia Geodésica 14 / 77

La Distribución GI0

Los momentos de orden r están dados por:

 γ r Γ(−α − r) Γ(L + r)
E(Z r ) = · .
L Γ(−α) Γ(L)

la media y la varianza:
γ
µ = E(z) = −
α+1

γ 2 (1 − L + α)
σ 2 = E(z 2 ) − (E(z))2 =
L(α + 1)2 (α + 2)

José Naranjo Torres Distancia Geodésica 15 / 77

Parámetros de la Distribución GI0

1 L: número de looks.
2 γ∈ R+: es un parámetro de escala, entonces:
1
W ∼ GI0 (α, γ, L) ⇒ W ∼ GI0 (α, 1, L).
γ
3 α está relacionado con la textura del objetivo.

José Naranjo Torres Distancia Geodésica 16 / 77

Estimador de Máxima Verosimilitud

Dada la muestra z = (z1 , . . . , zn ) con distribución GI0 (α, γ, L) con

R R
(α, γ) ∈ Θ = − × + y L conocido, el estimador de máxima
verosimilitud de (α, γ) satisface

(b b) = arg máx L(α, γ, L, z),

α, γ
(α,γ)∈Θ

José Naranjo Torres Distancia Geodésica 17 / 77

Estimador de Máxima Verosimilitud

α
byγ
b tal que:

n
0 0
X b + Lzi2
γ
α) − Ψ (L − α
n[Ψ (−b b)] + ln = 0,
γ
b
i=1
n
−nbα X
− (L − α
b) γ + Lzi2 )−1 = 0,
(b
γ
b
i=1

donde Ψ0 (t) = d ln Γ(t)/dt es la función digamma.

Se aplica el método de optimización de Broyden-

Fletcher-Goldfarb-Shanno (BFGS).

José Naranjo Torres Distancia Geodésica 18 / 77

Organización
1 Introducción
2 Modelado Estadı́stico de Imágenes SAR y la Distribución GI0
3 Distancia Geodésica
4 Distancia Geodésica entre Distribuciones GI0
Distancia Geodésica entre distribuciones GI0 con media unitaria
Forma General de la Distancia Geodésica entre distribuciones GI0
5 Prueba de Hipótesis de las Distancias Geodésica y Triangular entre
Distribuciones GI0
6 Detección de Bordes en Imágenes SAR Sintéticas utilizando la
Distancia Geodésica
7 Detección de Bordes entre regiones de Imágenes SAR Reales
utilizando la Distancia Geodésica
Disimilaridad Entre Regiones
Detección de Puntos de Bordes
8 Conclusiones
José Naranjo Torres Distancia Geodésica 19 / 77
Distancia Geodésica de Rao

C.R. Rao, 1945

Sea θ = (θ1 , . . . , θr ) un conjunto de r (r ≥ 1) parámetros reales

continuos en el espacio de parámetros Θ y sea {f (z | θ), θ ∈ Θ, z ∈ Z},
una familia de funciones de densidad de probabilidad de una variable
aleatoria continua Z.

José Naranjo Torres Distancia Geodésica 20 / 77

Distancia Geodésica de Rao

La (i, j)-ésima coordenada de la matriz de información de Fisher:

 
∂ ln f (z | θ) ∂ ln f (z | θ)
gij (θ) = E , i, j = 1, 2, . . . , r
∂θi ∂θj

José Naranjo Torres Distancia Geodésica 21 / 77

Distancia Geodésica de Rao

La métrica cuadrática diferencial positiva basada en los elementos

de la matriz de información de Fisher
r
X
2
ds = gij (θ)dθi dθj
i,j=1

José Naranjo Torres Distancia Geodésica 22 / 77

Distancia Geodésica de Rao

La distancia geodésica s(θ1 , θ2 ), a lo largo de la curva entre θ = θ1 y

θ = θ2 esta dada por:
 v 
Z t2 u r 
 uX dθi dθj 
s(θ1 , θ2 ) = 
 t gij (θ) dt
 t1 dt dt 
i,j=1

José Naranjo Torres Distancia Geodésica 23 / 77

Organización
1 Introducción
2 Modelado Estadı́stico de Imágenes SAR y la Distribución GI0
3 Distancia Geodésica
4 Distancia Geodésica entre Distribuciones GI0
Distancia Geodésica entre distribuciones GI0 con media unitaria
Forma General de la Distancia Geodésica entre distribuciones GI0
5 Prueba de Hipótesis de las Distancias Geodésica y Triangular entre
Distribuciones GI0
6 Detección de Bordes en Imágenes SAR Sintéticas utilizando la
Distancia Geodésica
7 Detección de Bordes entre regiones de Imágenes SAR Reales
utilizando la Distancia Geodésica
Disimilaridad Entre Regiones
Detección de Puntos de Bordes
8 Conclusiones
José Naranjo Torres Distancia Geodésica 24 / 77
Distancia Geodésica para la distribución GI0 para
muestras con media unitaria

Tomando r = 1 se tiene:
γ
E(z) = − =1
α+1
y por lo tanto
γ ∗ = −α − 1

LL Γ(L − α) z L−1
fG∗0 (z) = · .
I (−α − 1)α Γ(−α)Γ(L) (−α − 1 + zL)L−α

José Naranjo Torres Distancia Geodésica 25 / 77

Distancia Geodésica cuando E(z) = 1

Calculando la distancia geodésica entre distribuciones GI0 (α, γ ∗ , L)

como una función de α

Z ∞
d2
 
∗ α 2
−E 2
ln fG 0 (z |α) = − [ 2
+
dα I
0 (−α − 1) −α − 1
− ψ (1) (−α) + ψ (1) (L − α)
L−α 2
+ 2
− ] · fG∗0 (z |α) dz
(−α + Lz − 1) −α + Lz − 1 I

José Naranjo Torres Distancia Geodésica 26 / 77

Distancia Geodésica Cuando E(z) = 1

La distancia geodésica entre distribuciones GI0 (α, γ ∗ , L) está dada por:

α2
Z q 
 
s(α1 , α2 ) =  H(α) − ψ (1) (L − α) − ψ (1) (−α)dα
α1

donde

−4α3 + 4α − (α + 2)L2 + [α(5α + 4) − 2]L

H(α) = −
(α + 1)2 (L − α)(L − α + 1)
y ψ (1) (·) es la función trigamma.
Si α → −1 entonces H(α) → ∞

José Naranjo Torres Distancia Geodésica 27 / 77

Distancia Geodésica Cuando E(z) = 1

Distancia geodésica entre GI0 (−8, 7, L) Distancia geodésica entre GI0 (−2, 1, L)
y GI0 (α2 , γ2∗ , L). y GI0 (α2 , γ2∗ , L) .

L=1 L=1
L=5 L=5
8

8
L=10 L=10
6

6
Distancia Geodesica

Distancia Geodesica
4

4
2

2
0

−14 −12 −10 −8 −6 −4 −2 0 −3.5 −3.0 −2.5 −2.0 −1.5

α2 α2

José Naranjo Torres Distancia Geodésica 28 / 77

Forma General de la Distancia Geodésica para la
Distribución GI0

La matriz de información de Fisher

!
L
ψ (1) (−α) − ψ (1) (L − α) Lγ−αγ
g(α, γ) = L Lα
Lγ−αγ − (L−α+1)γ 2

la métrica cuadrática diferencial positiva

ds2 = g11 (α, γ)dα2 + (g12 (α, γ) + g21 (α, γ))dαdγ + g22 (α, γ)dγ 2

donde los gij (α, γ) son los elementos de la matriz de Fisher

José Naranjo Torres Distancia Geodésica 29 / 77

Forma General de la Distancia Geodésica para la
Distribución GI0

La matriz de información de Fisher

!
L
ψ (1) (−α) − ψ (1) (L − α) Lγ−αγ
g(α, γ) = L Lα
Lγ−αγ − (L−α+1)γ 2

la métrica cuadrática diferencial positiva

ds2 = g11 (α, γ)dα2 + (g12 (α, γ) + g21 (α, γ))dαdγ + g22 (α, γ)dγ 2

donde los gij (α, γ) son los elementos de la matriz de Fisher

José Naranjo Torres Distancia Geodésica 29 / 77

Distancia Geodésica para el Parámetro de Escala
Conocido

Suponiendo γ1 = γ2 = γ 0 :

ds2 = g11 (α, γ 0 )dα2

La distancia geodésica:
α2
Z h i1/2 
(1) (1)
 
s(α1 , α2 ) =  ψ (−α) − ψ (L − α) dα .
α1

José Naranjo Torres Distancia Geodésica 30 / 77

Distancia Geodésica para el Parámetro de Escala
Conocido

Utilizando las propiedades de la función trigamma:

L
X 1
ψ (1) (−α) − ψ (1) (L − α) =
(−α + n − 1)2
n=1

Lo que permite resolver s(α1 , α2 ) para valores especı́ficos de L

José Naranjo Torres Distancia Geodésica 31 / 77

Distancia Geodésica para el Parámetro de Escala
Conocido

Para L = 1:
Z 
  α2  1 1/2 
s(α1 , α2 ) = dα = |ln(α2 ) − ln(α1 )|
  
L=1  α1 α 2 

entonces:
  
  α2 
s(α1 , α2 ) = ln

L=1 α1 

Es la distancia geodésica entre distribuciones GI0 , cuando el parámetro

de escala γ 0 es conocido y L = 1.

José Naranjo Torres Distancia Geodésica 32 / 77

Distancia Geodésica para el Parámetro de Escala
Conocido

Para L = 2:
Z 1/2 
  α2  1 1
s(α1 , α2 ) = + dα
  
L=2  α1 α 2 (α − 1)2 

José Naranjo Torres Distancia Geodésica 33 / 77

Distancia Geodésica para el Parámetro de Escala
Conocido L = 2

Resolviendo esta integral:


s(α1 , α2 ) =

L=2
α12 (α2 − 1)2 (α2 R2 − 1)((α1 − 1)R1 + 1)
 
ln 2 +
α2 (α1 − 1)2 (α1 R1 − 1)((α2 − 1)R2 + 1)

√ 1 + α2 (R2 − 2) − α22 R2
 
+ 2 ln
1 + α1 (R1 − 2) − α12 R1

José Naranjo Torres Distancia Geodésica 34 / 77

Distancia Geodésica para el Parámetro de Escala
Conocido L = 2

con R1 = R (α1 ) y R2 = R (α2 ), donde

s
4α2 − 4α + 2
R (α) =
(α − 1)2 α2

José Naranjo Torres Distancia Geodésica 35 / 77

Distancia Geodésica para el Parámetro de Escala
Conocido

Distancia geodésica entre Distancia geodésica entre

distribuciones GI0 (α, 1, L), α1 = −8, distribuciones GI0 (α, 1, L), α1 = −2,
α2 ∈ [−14, −2]. α2 ∈ [−3,5, −1].

L=2 L=2
L=1 L=1
1.5

1.5
Distancia Geodésica

Distancia Geodésica
1.0

1.0
0.5

0.5
0.0

0.0

−14 −12 −10 −8 −6 −4 −2 −3.5 −3.0 −2.5 −2.0 −1.5 −1.0

α2 α2

José Naranjo Torres Distancia Geodésica 36 / 77

Distancia Geodésica para el Parámetro de Escala
Conocido

L>2
Para valores mayores del parámetro L no es posible calcular la forma
cerrada y por lo tanto es necesario calcular la integral numéricamente.

José Naranjo Torres Distancia Geodésica 37 / 77

Distancia Geodésica para el Parámetro de Escala
Conocido, L > 2

Distancia geodésica para la Distancia geodésica para la

distribución GI0 (α, 1, L), α1 = −8, distribución GI0 (α, 1, L), α1 = −2,
α2 ∈ [−14, −2]. α2 ∈ [−3,5, −1].

L=8 L=8
L=6 L=6
L=3 L=3
1.5

1.5
Distancia Geodésica

Distancia Geodésica
1.0

1.0
0.5

0.5
0.0

0.0

−14 −12 −10 −8 −6 −4 −2 −3.5 −3.0 −2.5 −2.0 −1.5 −1.0

α2 α2

José Naranjo Torres Distancia Geodésica 38 / 77

Distancia Geodésica para el Parámetro de Textura
Conocido

Suponiendo α1 = α2 = α0

ds2 = g22 (α0 , γ)dγ 2

sustituyendo en la matriz de Fisher, la distancia geodésica en este caso

resulta: Z s 
 γ2 α0 L 
s(γ1 , γ2 ) =  − dγ
 
(−α0 + L + 1)γ 2 

 γ1

José Naranjo Torres Distancia Geodésica 39 / 77

Distancia Geodésica para el Parámetro de Textura
Conocido

Resolviendo la integral, obtenemos:

r 
 α 0L γ 
1 
s(γ1 , γ2 ) =  − ln( )

−α0 + L + 1 γ2 



Es la distancia geodésica entre distribuciones GI0 (α0 , γ1 , L) y

GI0 (α0 , γ2 , L), cuando del parámetro de textura α0 es conocido.

José Naranjo Torres Distancia Geodésica 40 / 77

Distancia Geodésica para el Parámetro de Textura
Conocido

Distancia geodésica para Distancia geodésica para

distribuciones GI0 (α0 , γ, L), γ1 = 5, distribuciones GI0 (α0 , γ, L), γ1 = 10,
γ2 ∈ [1, 10], α0 = −2. γ2 ∈ [1, 20], α0 = −2.

L=2 L=2
L=1 L=1
2.5

2.5
2.0

2.0
Distancia Geodésica

Distancia Geodésica
1.5

1.5
1.0

1.0
0.5

0.5
0.0

0.0

2 4 6 8 10 5 10 15 20

γ2 γ2

José Naranjo Torres Distancia Geodésica 41 / 77

Organización
1 Introducción
2 Modelado Estadı́stico de Imágenes SAR y la Distribución GI0
3 Distancia Geodésica
4 Distancia Geodésica entre Distribuciones GI0
Distancia Geodésica entre distribuciones GI0 con media unitaria
Forma General de la Distancia Geodésica entre distribuciones GI0
5 Prueba de Hipótesis de las Distancias Geodésica y Triangular entre
Distribuciones GI0
6 Detección de Bordes en Imágenes SAR Sintéticas utilizando la
Distancia Geodésica
7 Detección de Bordes entre regiones de Imágenes SAR Reales
utilizando la Distancia Geodésica
Disimilaridad Entre Regiones
Detección de Puntos de Bordes
8 Conclusiones
José Naranjo Torres Distancia Geodésica 42 / 77
Prueba de Hipótesis

En un problema de clasificación, el objetivo es determinar si θ1 y θ2


H0 : θ1 = θ2
H1 : θ1 6= θ2

Sea una función de densidad f (z | θ), donde θ ∈ Θ es el vector de

parámetros y las hipótesis:

H0 : τ (θ0 ) = 0
H1 : τ (θ0 ) 6= 0

para una función suave τ

José Naranjo Torres Distancia Geodésica 43 / 77

Distribución Asintótica de la Distancia Geodésica

La DG entre distribuciones de probabilidad tiene la forma:

s(θ1 , θ2 ) = |ϕ(θ1 ) − ϕ(θ2 )|

1 ϕ(θ) es una función que en muchos casos no tiene una formula

cerrada.
2 No es posible obtener una distribución exacta del estadı́stico
s(θb1 , θb2 )
Entonces se considera:
 
s∗ (θ1 , θ2 ) = φ |ϕ(θ1 ) − ϕ(θ2 )|2

donde φ es una función creciente con φ(0) = 0.

José Naranjo Torres Distancia Geodésica 44 / 77

Distribución Asintótica de la Distancia Geodésica

La DG entre distribuciones de probabilidad tiene la forma:

s(θ1 , θ2 ) = |ϕ(θ1 ) − ϕ(θ2 )|

1 ϕ(θ) es una función que en muchos casos no tiene una formula

cerrada.
2 No es posible obtener una distribución exacta del estadı́stico
s(θb1 , θb2 )
Entonces se considera:
 
s∗ (θ1 , θ2 ) = φ |ϕ(θ1 ) − ϕ(θ2 )|2

donde φ es una función creciente con φ(0) = 0.

José Naranjo Torres Distancia Geodésica 44 / 77

Distribución Asintótica de la Distancia Geodésica

La DG entre distribuciones de probabilidad tiene la forma:

s(θ1 , θ2 ) = |ϕ(θ1 ) − ϕ(θ2 )|

1 ϕ(θ) es una función que en muchos casos no tiene una formula

cerrada.
2 No es posible obtener una distribución exacta del estadı́stico
s(θb1 , θb2 )
Entonces se considera:
 
s∗ (θ1 , θ2 ) = φ |ϕ(θ1 ) − ϕ(θ2 )|2

donde φ es una función creciente con φ(0) = 0.

José Naranjo Torres Distancia Geodésica 44 / 77

Distribución Asintótica de la Distancia Geodésica

Teorema
Sea θb1 y θb2 los estimadores MV, de θ1 y θ2 , basado en muestras aleatorias
independientes de tamaño n y m, respectivamente, donde
n,m→∞
m/(m + n) −−−−−→ λ ∈ (0, 1). Asumiendo las condiciones de regularidad y
suponiendo consistencia del estimador de MV:

nm s∗ (θb1 , θb2 ) D
0 −−−−−→ χ2M
n + m φ (0) n,m→∞

donde:
D
“−
→” denota convergencia en distribución
M : grados de libertad es igual a la dimensión del espacio de parámetros

José Naranjo Torres Distancia Geodésica 45 / 77

Distribución Asintótica de la Distancia Geodésica

El estadı́stico basado en la DG:

mn 2 b b
SDG (θb1 , θb2 ) = s ( θ1 , θ2 )
m+n

SDG (θb1 , θb2 ) −→ χ2 con M grados de libertad cuando θ ∈ R.

s(θb1 , θb2 ): es la distancia geodésica entre θb1 y θb2
n,m: tamaños de las muestras aleatorias.
θb1 y θb2 son los estimadores de MV de θ1 y θ2 .

José Naranjo Torres Distancia Geodésica 46 / 77

Distancia Triangular

Definición
Sea Ω un espacio medible. Sean fX y fY las densidades de las variables
aleatorias X, Y con respecto a un soporte I; La distancia triangular
dT (fX , fY ) entre ellas esta dada por:

(fX (x) − fY (x))2

Z
dT (fX , fY ) = dx.
I fX (x) + fY (x)

José Naranjo Torres Distancia Geodésica 47 / 77

Distribución Asintótica de la Distancia Triangular

Lema
m m,n→∞
Manteniendo las condiciones de regularidad. Si m+n −−−−−→ λ ∈ (0, 1),
entonces
h
2mn Dφ (θ̂1 , θ̂2 ) D
0 00 −−−−−→ χ2M (1)
m + n h (0)φ (1) m,n→∞

D
donde “−
→” denota convergencia en distribución.
θ̂1 y θ̂2 son los estimadores de MV de θ1 y θ2 .
n,m: tamaños de las muestras aleatorias.

José Naranjo Torres Distancia Geodésica 48 / 77

Distribución Asintótica de la Distancia Triangular

Entonces se puede construir el estadı́stico de prueba de la siguiente

manera:
2mnv h
Sφh (θ̂1 , θ̂2 ) = D (θ̂1 , θ̂2 )
m+n φ
1
donde v = h0 (0)φ 00
(1)
es una constante y para el caso de la DT v = 1.
El estadı́stico basado en la DT:
2mn
SDT (b
α1 , α
b2 ) = dT (b
α1 , α
b2 )
m+n

José Naranjo Torres Distancia Geodésica 49 / 77

Comparación de Estadı́sticos de las DG y DT entre
Distribuciones GI0

El nivel de rechazo de la hipótesis nula:

Proposición
Se asume que m y n son valores grandes y S(θ̂1 , θ̂2 ) = s, entonces la
hipótesis nula θ1 = θ2 se puede rechazar al nivel de confianza η si
P r(χ2M > s) ≤ η.

José Naranjo Torres Distancia Geodésica 50 / 77

Comparación de Estadı́sticos de las DG y DT entre
Distribuciones GI0

Histograma de SDG para n = 100, Histograma de SDT para n = 100,

α = −1, 5, γ = 1 y L = 1. α = −1, 5, γ = 1 y L = 1.

0.30
0.30

0.25
0.25

0.20
0.20
Densidad

Densidad
Histograma Histograma
Γ(υ, λ) Γ(υ, λ)

0.15
0.15

χ21 χ21

0.10
0.10

0.05
0.05
0.00

0.00

0 5 10 15 20 25 30 0 5 10 15 20 25 30

SDG SDT

José Naranjo Torres Distancia Geodésica 51 / 77

Cálculo del p-valor

Se evalua comportamiento de SDG y SDT

1 Se generan dos muestras de la misma distribución y el mismo
tamaño.
2 Se calcula el valor critico para η = 0, 05 de la distribución χ21
3 Se estima el número de casos para los cuales el estadı́stico de
prueba produce valores mayores que el valor crı́tico.
4 Se repite este proceso 5000 veces para diferentes tamaños de
muestra.

José Naranjo Torres Distancia Geodésica 52 / 77

Cálculo del p-valor
p-valores para diferentes tamaños de muestra.

ηGD
ηTD
η
0.8
0.6
p−valor

0.4
0.2
0.0

200 400 600 800 1000

Tamaño de Muestra

José Naranjo Torres Distancia Geodésica 53 / 77

Organización
1 Introducción
2 Modelado Estadı́stico de Imágenes SAR y la Distribución GI0
3 Distancia Geodésica
4 Distancia Geodésica entre Distribuciones GI0
Distancia Geodésica entre distribuciones GI0 con media unitaria
Forma General de la Distancia Geodésica entre distribuciones GI0
5 Prueba de Hipótesis de las Distancias Geodésica y Triangular entre
Distribuciones GI0
6 Detección de Bordes en Imágenes SAR Sintéticas utilizando la
Distancia Geodésica
7 Detección de Bordes entre regiones de Imágenes SAR Reales
utilizando la Distancia Geodésica
Disimilaridad Entre Regiones
Detección de Puntos de Bordes
8 Conclusiones
José Naranjo Torres Distancia Geodésica 54 / 77
La Dificultad
Densidades de distribuciones
GI0 (α, 1, 1), con diferentes valores de α.
2.0

α = −2
α = −3
Datos de las distribuciones GI0 (α, 1, 1),
α = −4 con α ∈ {−2, −3, −4, −5}.
α = −5
1.5
Densidades

1.0
0.5
0.0

0.0 0.5 1.0 1.5 2.0

Intensidad

José Naranjo Torres Distancia Geodésica 55 / 77

Muestra con Media unitaria

Imagen sintética generada con la distribución GI0 (−1,5, 0,5, 8)

(izquierda) y la distribución GI0 (−6, 5, 8) (derecha).

José Naranjo Torres Distancia Geodésica 56 / 77

Muestra con Media unitaria

paso 1

M1 = 7x10 M2 = 7x90

paso 2

M1 = 7x20 M2 = 7x80

paso 5

M1 = 7x50 M2 = 7x50

paso 9

M1 = 7x90 M2 = 7x10

José Naranjo Torres Distancia Geodésica 57 / 77

Detección de Borde con la Distancia Geodésica Cuando
E(z) = 1

Distancia geodésica y triangular entre GI0 (−6, 5, L) y GI0 (−1,5, 0,5, L) para
L = {3, 5, 8}.

Geodeisca Triangular Geodeisca Triangular

1.0
●
●
12

L=3 L=3 L=3 L=3

●
● L=5 ● ● L=5 ● L=5 ● ● L=5
●
L=8 ● L=8 L=8 ● L=8
10

0.8
●
●

●
●
8

0.6
Distancias

Distancias
●
6

●
●

0.4
● ●
● ● ●
●
●
●
4

0.2 ● ●
2

● ● ●
● ●
0.0

● ● ● ●
●
0

20 40 60 80 20 40 60 80

Número de píxeles Número de píxeles

José Naranjo Torres Distancia Geodésica 58 / 77

Detección de Borde con la Distancia Geodésica Cuando
E(z) = 1

Distancia geodésica y triangular entre GI0 (−6, 5, L) y GI0 (−1,5, 0,5, L) para
L = {3, 5, 8}.

Geodeisca Triangular Geodeisca Triangular

1.0
●
●
12

L=3 L=3 L=3 L=3

●
● L=5 ● ● L=5 ● L=5 ● ● L=5
●
L=8 ● L=8 L=8 ● L=8
10

0.8
●
●

●
●
8

0.6
Distancias

Distancias
●
6

●
●

0.4
● ●
● ● ●
●
●
●
4

0.2 ● ●
2

● ● ●
● ●
0.0

● ● ● ●
●
0

20 40 60 80 20 40 60 80

Número de píxeles Número de píxeles

José Naranjo Torres Distancia Geodésica 58 / 77

Detección de Borde con la Distancia Geodésica Cuando
E(z) = 1

Estadı́sticos de prueba de la DG y DT entre GI0 (−6, 5, L) y GI0 (−1,5, 0,5, L)

para L = {3, 5, 8}.

Geodeisca Triangular Triangular

250
●
25000

L=3 L=3 L=3

● L=5 ● L=5 ● L=5
L=8 L=8 L=8

200
●
20000

150
15000
Estadístico

Estadístico
●

100
● ●
10000

●
5000

50
●

● ●

● ●

● ●

● ● ● ● ● ● ● ● ● ●
0

20 40 60 80 20 40 60 80

Número de píxeles Número de píxeles

José Naranjo Torres Distancia Geodésica 59 / 77

Detección de Borde con la Distancia Geodésica Cuando
Parámetro de Escala Conocido
Imagen sintética y esquema del método de detección de borde.

paso 1

M1 = 10x500 M2 = 10x9500

paso 2

M1 = 10x1000 M2 = 10x9000

paso 10
M1 = 10x5000 M2 = 10x5000

paso 19
M1 = 10x9500 M2 = 10x500

José Naranjo Torres Distancia Geodésica 60 / 77

Detección de Borde con la Distancia Geodésica Cuando
Parámetro de Escala Conocido

Curvas poligonales para L = {1, 2}1 de las DG y DT para muestras de

distribuciones GI0 (−2, 1, L) y GI0 (α2 , 1, L), con α2 = {−2, −3, −5, −6}.

Geodeisca Geodeisca
α2 = − 6 α2 = − 6

5
1.2

● α2 = − 5 ● α2 = − 5
α2 = − 3 α2 = − 3
α2 = − 2 α2 = − 2
1.0

4
● ●
● ●
●
●
● ●
0.8

● ●
● ●
Triangular ●
Triangular ●

3
Distancias

Distancias
● ●
α2 = − 6 ●
●
α2 = − 6 ●
●

● α2 = − 5 ● α2 = − 5 ● ●
α2 = − 3 α2 = − 3
0.6

α2 = − 2 α2 = − 2
●
●

2
●
●
0.4

●
●
●
● ● ● ●
● ●
● ● ●
● ● ●
● ● ●
●
1
● ●
●
0.2

●
● ● ●
● ● ● ● ● ●
● ● ●
● ●
● ●
● ● ● ● ● ●
0.0

● ● ● ●
0

2000 4000 6000 8000 2000 4000 6000 8000

píxeles píxeles

José Naranjo Torres Distancia Geodésica 61 / 77

Detección de Borde con la Distancia Geodésica Cuando
Parámetro de Escala Conocido

Media de las curvas poligonales de estadı́sticos de prueba en base a las DG y

DT entre muestras de distribuciones GI0 (−2, 1, L) y GI0 (α2 , 1, L), con
α2 = {−2, −3, −5, −6} para L = {1, 2}1.

Geodésica para L=1 Geodesica para L=2

α2 = − 6 α2 = − 6
α2 = − 5 α2 = − 5
30000

● ●
α2 = − 3 α2 = − 3
α2 = − 2 α2 = − 2

4e+05
25000

3e+05
● ●
20000

● ●
Estadístico

Estadístico
Triangular para L=1 Triangular para L=2
α2 = − 6 ● α2 = − 6 ●
● α2 = − 5 ●
●
● α2 = − 5
15000

α2 = − 3 ●
α2 = − 3
α2 = − 2 α2 = − 2

2e+05
● ●
●
●
● ●
●
●
10000

●
● ●
●
●

1e+05
●
● ●
● ●
●
●
5000

● ●
●
● ●
●
● ●
● ●
● ● ●
● ●
● ● ● ●
●
0e+00
● ● ●
● ● ●
● ● ● ● ● ● ●
● ● ● ● ● ● ● ●
0

2000 4000 6000 8000 2000 4000 6000 8000

Número de píxeles Número de píxeles

José Naranjo Torres Distancia Geodésica 62 / 77

Detección de Borde con la Distancia Geodésica Cuando
Parámetro de Escala Conocido
Distancia geodésica entre muestras de Distancia triangular entre muestras de
distribuciones GI0 (−2, 1, L) y distribuciones GI0 (−2, 1, L) y
GI0 (−3, 1, L), con GI0 (−3, 1, L), con
L = {1, 2, 3, 4, 5, 6, 7, 8}. L = {1, 2, 3, 4, 5, 6, 7, 8}.

L=8 L=8
L=7 L=7
L=6 L=6
4

L=5 L=5

0.15
L=4 L=4
L=3 L=3
L=2 L=2
L=1 L=1
3
Geodesic Distances

Distancia Triangular

0.10
2

0.05
1

0.00
0

2000 4000 6000 8000 2000 4000 6000 8000

x x

José Naranjo Torres Distancia Geodésica 63 / 77

Organización
1 Introducción
2 Modelado Estadı́stico de Imágenes SAR y la Distribución GI0
3 Distancia Geodésica
4 Distancia Geodésica entre Distribuciones GI0
Distancia Geodésica entre distribuciones GI0 con media unitaria
Forma General de la Distancia Geodésica entre distribuciones GI0
5 Prueba de Hipótesis de las Distancias Geodésica y Triangular entre
Distribuciones GI0
6 Detección de Bordes en Imágenes SAR Sintéticas utilizando la
Distancia Geodésica
7 Detección de Bordes entre regiones de Imágenes SAR Reales
utilizando la Distancia Geodésica
Disimilaridad Entre Regiones
Detección de Puntos de Bordes
8 Conclusiones
José Naranjo Torres Distancia Geodésica 64 / 77
Datos Reales - Imagen SAR

Datos imagen E-SAR de los alrededores de Munich

Banda L.
Polarización HV .
Formato singlelook complejo, para producir datos de intensidad

José Naranjo Torres Distancia Geodésica 65 / 77

Datos Reales - Imagen SAR

José Naranjo Torres Distancia Geodésica 66 / 77

Datos Reales - Imagen SAR
Regiones de datos E-SAR usados para el estudio de la disimilaridad.

José Naranjo Torres Distancia Geodésica 67 / 77

Datos Reales - Imagen SAR
Imagen E-SAR de baja resolución.

José Naranjo Torres Distancia Geodésica 68 / 77

Estimación del Parámetro α̂

Cuadro: Estimados de α en las zonas de estudio.

Muestra Tamaño α
b α
bBR
A1 1360 −6,09 −11,53
A2 1225 −9,72 −20,00
A3 2088 −1,01 −1,00
A4 1824 −2,75 −4,27
A5 1152 −11,51 −20,00

José Naranjo Torres Distancia Geodésica 69 / 77

Distancia Geodésica Cuando E(z) = 1

Cuadro: Distancia Geodeica Cuando E(z) = 1.

Resolución Muestra A2 A3 A4 A5
A1 3.23 - 4.13 4.22
Original

A2 0 - 7.37 0.98
A3 - - -
A4 0 8.35
A1 5.31 - 6.63 5.31
Reducida

A2 0 - 11.95 0
A3 - - -
A4 0 11.95

José Naranjo Torres Distancia Geodésica 70 / 77

Distancia Geodésica y Distancia Triangular

Cuadro: Distancia entre modelos para datos reales.

Muestra A2 A3 A4 A5
A1 0,467 1,807 0,794 0,636
Resolución Original

A2 0 2,274 1,261 0,169

DG
A3 0 1,013 2,443
A4 0 1,430
A1 0,097 0,840 0,248 0,170
A2 0 1,097 0,515 0,014
DT
A3 0 0,367 1,182
A4 0 0,617
A1 2,277 12,503 4,004 2,277
ón Reducida

A2 0 14,781 6,282 0
DG
A3 0 8,498 14,781
A4 0 6,282
José Naranjo Torres Distancia Geodésica 71 / 77
Distancia Geodésica y Distancia Triangular

Ilustración distancias entre las muestras de datos reales, con la resolución

completa y reducida: GD en naranja, y TD en verde.

A1 A1

0.47 2.28
0.64 2.28
0.17 0.24
0.1 0.24

A5 1.81 A2 A5 12.5 A2
0.79 4

0.25 0.58
0.62 1.06
0.84 2.27 1.52 14.78

1.1 1.74
1.43 6.28

0.37 0.85
A4 A3 A4 A3
1.01 8.5

José Naranjo Torres Distancia Geodésica 72 / 77

Detección de Puntos de Bordes Datos Reales

Resultado de aplicar del método de detección de bordes a datos reales. sección

de imagen AnchoxAlto = 56x35

Distancia Tiempo
DG 0,002
DT 0,14

José Naranjo Torres Distancia Geodésica 73 / 77

Organización
1 Introducción
2 Modelado Estadı́stico de Imágenes SAR y la Distribución GI0
3 Distancia Geodésica
4 Distancia Geodésica entre Distribuciones GI0
Distancia Geodésica entre distribuciones GI0 con media unitaria
Forma General de la Distancia Geodésica entre distribuciones GI0
5 Prueba de Hipótesis de las Distancias Geodésica y Triangular entre
Distribuciones GI0
6 Detección de Bordes en Imágenes SAR Sintéticas utilizando la
Distancia Geodésica
7 Detección de Bordes entre regiones de Imágenes SAR Reales
utilizando la Distancia Geodésica
Disimilaridad Entre Regiones
Detección de Puntos de Bordes
8 Conclusiones
José Naranjo Torres Distancia Geodésica 74 / 77
Conclusiones

Se deriva una fórmula cerrada de la DG entre distribuciones GI0

para L = {1, 2}
Se proporciona la expresión general de la DG entre distribuciones
GI0 , se resuelve numéricamente.
Se calcula la DG entre distribuciones GI0 para varias situaciones
prácticas, asumiendo looks conocido,
I Para los parámetros de textura y escala iguales y diferentes.
I La esperanza de la distribución es igual a 1.
Se aplica esta nueva herramienta en datos reales y sintéticos.
I En la cuantificación de la disimilaridad entre pares de muestras.
I A problemas de detección de bordes entre regiones con diferente
rugosidad.
Al comparar la DG con la DT, por medio de un estadı́stico de
prueba, y el p-valor se observa que el de la DG converge más
rápido al valor del nivel de confianza y más cercano al mismo.

José Naranjo Torres Distancia Geodésica 75 / 77

Conclusiones

Se deriva una fórmula cerrada de la DG entre distribuciones GI0

para L = {1, 2}
Se proporciona la expresión general de la DG entre distribuciones
GI0 , se resuelve numéricamente.
Se calcula la DG entre distribuciones GI0 para varias situaciones
prácticas, asumiendo looks conocido,
I Para los parámetros de textura y escala iguales y diferentes.
I La esperanza de la distribución es igual a 1.
Se aplica esta nueva herramienta en datos reales y sintéticos.
I En la cuantificación de la disimilaridad entre pares de muestras.
I A problemas de detección de bordes entre regiones con diferente
rugosidad.
Al comparar la DG con la DT, por medio de un estadı́stico de
prueba, y el p-valor se observa que el de la DG converge más
rápido al valor del nivel de confianza y más cercano al mismo.

José Naranjo Torres Distancia Geodésica 75 / 77

Conclusiones

Se deriva una fórmula cerrada de la DG entre distribuciones GI0

para L = {1, 2}
Se proporciona la expresión general de la DG entre distribuciones
GI0 , se resuelve numéricamente.
Se calcula la DG entre distribuciones GI0 para varias situaciones
prácticas, asumiendo looks conocido,
I Para los parámetros de textura y escala iguales y diferentes.
I La esperanza de la distribución es igual a 1.
Se aplica esta nueva herramienta en datos reales y sintéticos.
I En la cuantificación de la disimilaridad entre pares de muestras.
I A problemas de detección de bordes entre regiones con diferente
rugosidad.
Al comparar la DG con la DT, por medio de un estadı́stico de
prueba, y el p-valor se observa que el de la DG converge más
rápido al valor del nivel de confianza y más cercano al mismo.

José Naranjo Torres Distancia Geodésica 75 / 77

Conclusiones

Se deriva una fórmula cerrada de la DG entre distribuciones GI0

para L = {1, 2}
Se proporciona la expresión general de la DG entre distribuciones
GI0 , se resuelve numéricamente.
Se calcula la DG entre distribuciones GI0 para varias situaciones
prácticas, asumiendo looks conocido,
I Para los parámetros de textura y escala iguales y diferentes.
I La esperanza de la distribución es igual a 1.
Se aplica esta nueva herramienta en datos reales y sintéticos.
I En la cuantificación de la disimilaridad entre pares de muestras.
I A problemas de detección de bordes entre regiones con diferente
rugosidad.
Al comparar la DG con la DT, por medio de un estadı́stico de
prueba, y el p-valor se observa que el de la DG converge más
rápido al valor del nivel de confianza y más cercano al mismo.

José Naranjo Torres Distancia Geodésica 75 / 77

Conclusiones

Se deriva una fórmula cerrada de la DG entre distribuciones GI0

para L = {1, 2}
Se proporciona la expresión general de la DG entre distribuciones
GI0 , se resuelve numéricamente.
Se calcula la DG entre distribuciones GI0 para varias situaciones
prácticas, asumiendo looks conocido,
I Para los parámetros de textura y escala iguales y diferentes.
I La esperanza de la distribución es igual a 1.
Se aplica esta nueva herramienta en datos reales y sintéticos.
I En la cuantificación de la disimilaridad entre pares de muestras.
I A problemas de detección de bordes entre regiones con diferente
rugosidad.
Al comparar la DG con la DT, por medio de un estadı́stico de
prueba, y el p-valor se observa que el de la DG converge más
rápido al valor del nivel de confianza y más cercano al mismo.

José Naranjo Torres Distancia Geodésica 75 / 77

Conclusiones

A medida que se hace menor la diferencia entre α1 y α2 , más bajo

es el valor de s (α1 , α2 ), lo que indica que esta distancia es una
caracterı́stica apropiada para medir el contraste entre regiones.
Los resultados de aplicar el método en imágenes sintéticas,
muestran que se puede utilizar para la detección de bordes en
imágenes reales.
En mayor medida al utilizar el estadı́stico basado en la DG
El método no se ve afectado con el aumento del valor de L.
Al utilizar las fórmulas cerradas de la DG, el coste computacional
es muy inferior, al compararlo con la DT.

José Naranjo Torres Distancia Geodésica 76 / 77

Conclusiones

A medida que se hace menor la diferencia entre α1 y α2 , más bajo

es el valor de s (α1 , α2 ), lo que indica que esta distancia es una
caracterı́stica apropiada para medir el contraste entre regiones.
Los resultados de aplicar el método en imágenes sintéticas,
muestran que se puede utilizar para la detección de bordes en
imágenes reales.
En mayor medida al utilizar el estadı́stico basado en la DG
El método no se ve afectado con el aumento del valor de L.
Al utilizar las fórmulas cerradas de la DG, el coste computacional
es muy inferior, al compararlo con la DT.

José Naranjo Torres Distancia Geodésica 76 / 77

Conclusiones

A medida que se hace menor la diferencia entre α1 y α2 , más bajo

es el valor de s (α1 , α2 ), lo que indica que esta distancia es una
caracterı́stica apropiada para medir el contraste entre regiones.
Los resultados de aplicar el método en imágenes sintéticas,
muestran que se puede utilizar para la detección de bordes en
imágenes reales.
En mayor medida al utilizar el estadı́stico basado en la DG
El método no se ve afectado con el aumento del valor de L.
Al utilizar las fórmulas cerradas de la DG, el coste computacional
es muy inferior, al compararlo con la DT.

José Naranjo Torres Distancia Geodésica 76 / 77

Conclusiones

A medida que se hace menor la diferencia entre α1 y α2 , más bajo

es el valor de s (α1 , α2 ), lo que indica que esta distancia es una
caracterı́stica apropiada para medir el contraste entre regiones.
Los resultados de aplicar el método en imágenes sintéticas,
muestran que se puede utilizar para la detección de bordes en
imágenes reales.
En mayor medida al utilizar el estadı́stico basado en la DG
El método no se ve afectado con el aumento del valor de L.
Al utilizar las fórmulas cerradas de la DG, el coste computacional
es muy inferior, al compararlo con la DT.

José Naranjo Torres Distancia Geodésica 76 / 77

Conclusiones

A medida que se hace menor la diferencia entre α1 y α2 , más bajo

es el valor de s (α1 , α2 ), lo que indica que esta distancia es una
caracterı́stica apropiada para medir el contraste entre regiones.
Los resultados de aplicar el método en imágenes sintéticas,
muestran que se puede utilizar para la detección de bordes en
imágenes reales.
En mayor medida al utilizar el estadı́stico basado en la DG
El método no se ve afectado con el aumento del valor de L.
Al utilizar las fórmulas cerradas de la DG, el coste computacional
es muy inferior, al compararlo con la DT.

José Naranjo Torres Distancia Geodésica 76 / 77

Conclusiones

Con datos reales, la DT es considerablemente menor que DG,

haciendo más difı́cil la identificación de tales diferencias.
La efectividad del uso de la DG no se ve afectada por la
resolución, pero para valores superiores a L = 2 aumenta el coste
computacional ya que se requieren métodos numéricos de
integración.
Al aplicar la DG directamente a la detección de puntos de borde
en la imagen real no se encuentra diferencia en los puntos que
encuentra la DT.
Al calcular la DG utilizando la forma cerrada para L = {1, 2} no
presenta problemas de convergencia, los cuales se presentan en la
DT, deteniendo el proceso de detección de puntos de borde o de
clasificación de regiones.

José Naranjo Torres Distancia Geodésica 77 / 77

Conclusiones

Con datos reales, la DT es considerablemente menor que DG,

haciendo más difı́cil la identificación de tales diferencias.
La efectividad del uso de la DG no se ve afectada por la
resolución, pero para valores superiores a L = 2 aumenta el coste
computacional ya que se requieren métodos numéricos de
integración.
Al aplicar la DG directamente a la detección de puntos de borde
en la imagen real no se encuentra diferencia en los puntos que
encuentra la DT.
Al calcular la DG utilizando la forma cerrada para L = {1, 2} no
presenta problemas de convergencia, los cuales se presentan en la
DT, deteniendo el proceso de detección de puntos de borde o de
clasificación de regiones.

José Naranjo Torres Distancia Geodésica 77 / 77

Conclusiones

Con datos reales, la DT es considerablemente menor que DG,

haciendo más difı́cil la identificación de tales diferencias.
La efectividad del uso de la DG no se ve afectada por la
resolución, pero para valores superiores a L = 2 aumenta el coste
computacional ya que se requieren métodos numéricos de
integración.
Al aplicar la DG directamente a la detección de puntos de borde
en la imagen real no se encuentra diferencia en los puntos que
encuentra la DT.
Al calcular la DG utilizando la forma cerrada para L = {1, 2} no
presenta problemas de convergencia, los cuales se presentan en la
DT, deteniendo el proceso de detección de puntos de borde o de
clasificación de regiones.

José Naranjo Torres Distancia Geodésica 77 / 77

Conclusiones

Con datos reales, la DT es considerablemente menor que DG,

haciendo más difı́cil la identificación de tales diferencias.
La efectividad del uso de la DG no se ve afectada por la
resolución, pero para valores superiores a L = 2 aumenta el coste
computacional ya que se requieren métodos numéricos de
integración.
Al aplicar la DG directamente a la detección de puntos de borde
en la imagen real no se encuentra diferencia en los puntos que
encuentra la DT.
Al calcular la DG utilizando la forma cerrada para L = {1, 2} no
presenta problemas de convergencia, los cuales se presentan en la
DT, deteniendo el proceso de detección de puntos de borde o de
clasificación de regiones.

José Naranjo Torres Distancia Geodésica 77 / 77