Los sensores SAR proporcionan imágenes con información que no puede obtenerse por medio de otros sensores, por lo tanto se están convirtiendo en una herramienta cada vez más importante en las aplicaciones de monitoreo ambiental. Esto se debe también al hecho de que este tipo de sensores son activos y por lo tanto no requieren de fuentes externas de iluminación, además son muy resistentes a condiciones atmosféricas adversas. Otro elemento valioso en la formación de este tipo de imágenes es la capacidad de las microondas para penetrar en las superfi cies, lo cual puede ser de gran utilidad.Estos datos sufren de una corrupción inherente al método de captura, llamada ruido speckle, la cual no puede evitarse y por lo tanto el análisis de este tipo de datos requiere un modelado estadístico. La distribución GI es muy útil para este fi n, ya que se ha demostrado que puede modelar una amplia variedad de texturas en forma adecuada. Por esta razón, esta distribución fue denominada "modelo universal". Está indexada por tres parámetros: el número de looks L, que describe la relación señal-ruido, la textura , y la escala de ?. El primero se puede suponer constante para toda la imagen y los dos últimos pueden variar localmente.Por primera vez calculamos la distancia geodésica (DG) entre los modelos GI. La DG cuanti fica la similaridad entre dos modelos y se puede utilizar como una medida de contraste. Obtenemos expresiones explícitas para los casos de (i) la misma textura diferentes escalas, (ii) la misma escala y textura diferente para L = {f1, f2}. También proporcionamos una expresión general para la misma escala y diferente textura para cualquier valor de L, que se puede resolver numéricamente.Esta distancia se transforma entonces en un test estadístico con distribución asintótica conocida. Tal estadístico se compara con aquel que fue obtenido a partir de la Distancia Triangular en términos de estabilidad numérica, tiempo de cálculo, errores tipos I y II, y capacidad para identifi car bordes entre regiones. En todas las situaciones el estadístico de la DG supera al estadístico de la DT con respecto a todos los criterios considerados.Con estos resultados, se concluye que la DG es una nueva herramienta útil para el análisis de datos SAR.
Fil: Naranjo Torres, José Antonio. Universidad Nacional de General Sarmiento. Instituto de Ciencias; Argentina.
