摘要：El reconocimiento y delimitación de regiones homogéneas en imágenes satelitates de radar de apertura sintética (SAR) es un problema de interés por las diversas aplicaciones posibles de esta técnica, tanto en el área geo-política, análisis de cobertura de terrenos, evolución del hielo del casco antártico, entre otras. Una de las características distintivas de las imágenes SAR es la presencia de un ruido multiplicativo moteado (speckle) en la retrodispersión (backscatter), que dificulta el procesamiento de las imágenes con métodos tradicionales de procesamiento en imágenes ópticos. Surge así el interés en el análisis y evaluación de distintas alternativas para superar esta dificultad. Algunas de estas alternativas han sido consideradas por uno de los autores, éstas son sistemas híbridos que combinan wavelets con lógica difusa, o la combinación del algoritmo de detección de bordes Canny con redes neuronales e inferencia estadística. Presentamos en esta comunicación un análisis comparativo del desempeño de los métodos indicados previamente con una nueva alternativa, en desarrollo por los autores, basada en la divergencia de Jensen Shannon, una medida de la diferencia entre distribuciones de probabilidad. Para la estimación de las densidades a comparar se recurre a la aproximación del kernel de densidad, un método no paramétrico que hace la comparación independiente de las distribuciones de probabilidad asociadas al moteado. Para llevar a cabo la comparación se generan imágenes sintéticas y se evalúa el desempeño de cada método por la cifra de mérito de Pratt (PFoM). Se ilustra la respuesta de los métodos comparados analizando imágenes satelitales SAR captadas con el Sentinel 1 del sector antártico.
