Towards the efficient processing of hyperspectral images : new hardware-friendly algorithms and OpenCL-based implementations

Abstract

Actualmente los sistemas hiperespectrales son una de las herramientas más potentes para la adquisición de información superficial, siendo esta de gran utilidad en muchas áreas de aplicación. Estos sistemas proporcionan imágenes en las que cada pixel posee información espectral de la escena observada. Esta información permite identificar los materiales que componen la superficie de los objetos escaneados, permitiendo un mayor entendimiento de la escena analizada. Para poder sacar partido de la tecnologı́a hiperespectral y poder emplearla en aplicaciones que deban funcionar en tiempo real es importante que la gran cantidad de datos capturados con estos sensores sea procesada rápidamente. Para ello se emplean dispositivos hardware de cómputo paralelo como GPUs y FPGAs. Sin embargo, la complejidad matemática de los algoritmos existentes para el análisis hiperespectral, ası́ como las dependencias de datos inherentes a dichos algoritmos, impiden el aprovechamiento eficiente de los recursos hardware, impidiendo ası́ mismo su ejecución en tiempo real. Por este motivo, el desarrollo de algoritmos altamente paralelizables, pensados desde su concepción para ser implementados eficientemente en plataformas de cómputo paralelo, es tanto una necesidad como un desafı́o. En esta Tesis Doctoral se proponen nuevos algoritmos altamente paralelizables ası́ como soluciones para implementarlos eficientemente en dispositivos hardware de computo paralelo. Se ha trabajado concretamente en tres procesos del análisis hiperespectral, desmezclado espectral, fusión de imágenes multiespectrales e hiperespectrales y compresión de imágenes hiperespectrales y ultraespectrales, ya que aportar soluciones para estos tres procesos tendrá repercusiones positivas en el análisis hiperespectral en general, y en las aplicaciones que deban funcionar en tiempo real en particular. Los algoritmos e implementaciones desarrollados en esta Tesis Doctoral han sido evaluados y comparados con los trabajos más relevantes hasta el momento en términos de precisión y eficiencia, confirmando la utilidad de las contribuciones realizadas para el análisis de imágenes hiperespectrales en tiempo real.