Estudio y optimización de compressive sensing aplicado a la síntesis de imágenes en radio interferometría
Professor Advisor
dc.contributor.advisor
Silva Sánchez, Jorge
Professor Advisor
dc.contributor.advisor
Osses Alvarado, Axel
Author
dc.contributor.author
Rojas Pizarro, Roberto Patricio
Associate professor
dc.contributor.other
Orchard Concha, Marcos
Associate professor
dc.contributor.other
Pérez Muñoz, Laura
Associate professor
dc.contributor.other
Román Asenjo, Pablo
Admission date
dc.date.accessioned
2020-05-07T23:08:25Z
Available date
dc.date.available
2020-05-07T23:08:25Z
Publication date
dc.date.issued
2019
Identifier
dc.identifier.uri
https://repositorio.uchile.cl/handle/2250/174537
General note
dc.description
Tesis para optar al grado de Magíster en Ciencias de la Ingeniería, Mención Eléctrica
es_ES
General note
dc.description
Memoria para optar al título de Ingeniero Civil Eléctrico
Abstract
dc.description.abstract
Durante la última década, los métodos de minimización l1 en el marco de Compressive
Sensing han mostrado éxito consistentemente en el contexto de radio interferometría. Desde
su primera aplicación, varias bases y diccionarios han sido utilizados como dominios de
compresibilidad, pero en ningún caso se ha provisto una justi cación numérica de su elección.
Este trabajo propone una metodología de selección de diccionario basada en la compresibilidad
de la proyección de análisis. El diccionario propuesto corresponde a una concatenación
de bases ortonormales, seleccionadas iterativamente a partir de un conjunto de transformaciones
candidatas.
La metodología es aplicada sobre un conjunto de imágenes test, para luego comparar
el desempeño de reconstrucción respecto al diccionario SARA en un escenario simulado y
a partir de datos reales. El algoritmo NESTA es utilizado para resolver el problema de
minimización l1 basada en análisis.
Los resultados muestran que los diccionarios propuestos alcanzan un desempeño tan bueno
como el del diccionario SARA en términos de SNR, pero con una menor cantidad de bases
concatenadas y, por ende, con un tiempo de cómputo mucho menor. Los resultados obtenidos
a partir de datos reales con rman lo anterior.
Este trabajo evidencia el compromiso existente entre compresibilidad promovida y tamaño
de diccionario bajo la estrategia de selección propuesta, determinando un punto óptimo en
términos de calidad de la reconstrucción y costo computacional. Esta metodología permitiría
una mejora en los tiempos de cómputo de los algoritmos que usan actualmente el diccionario
SARA, como PURIFY.