Método para la detección de asbesto en imágenes hiperespectrales a partir de los componentes aproximados de la trasformada wavelet y la similitud diferencial espectral

Resumen

Considerando que uno de los desafíos en la detección de materiales en el campo de las imágenes hiperespectrales ante la alta dimensionalidad, es la identificación de métodos computacionales más eficientes, en este artículo se propone como contribución un método para la detección de asbesto basado en el uso de los componentes aproximados de la transformada wavelet y la similitud diferencial espectral. Las variantes del método propuesto fueron implementadas mediante el uso de las librerías de código abierto: spectral, Pywavelets, numpy, pandas y matplotlib, obteniendo una efectividad similar en la detección de asbesto con respecto al método de la correlación. Así mismo, a nivel de la eficiencia computacional, se obtuvo que las tres variantes del método resultaron más eficientes que el método de la correlación, siendo el método basado en el primer componente de la transformada el que obtuvo los mejores resultados al ser 13.964% más eficiente. A partir de los resultados obtenidos, las variantes del método propuesto pueden ser consideradas como una alternativa a los métodos convencionales, de tal forma que pueden ser articuladas en sistemas de análisis y monitorización de asbesto y otros materiales a partir del uso de imágenes hiperespectrales.  Así mismo, este trabajo demostró la factibilidad del uso de herramientas y librerías de código abierto en la identificación de materiales en imágenes hiperespectrales, por lo que esta investigación puede ser tomada como punto de referencia que centros de investigación y universidades repliquen y adapten estos métodos en investigaciones basadas en sensado remoto.