Please use this identifier to cite or link to this item: http://hdl.handle.net/10662/5088
Title: HYPERMIX: Una nueva herramienta para desmezclado de imágnes hiperespectrales en GPUs
Other Titles: HYPERMIX: A new tool for hyperspectral unmixing on GPUs
Authors: Jiménez Gil, Luis Ignacio
metadata.dc.contributor.advisor: Plaza Miguel, Antonio
Plaza Miguel, Javier
Keywords: Teledetección;GPUs;Análisis Hiperespectral;Remote Sensing;Hyperspectral Analysis
Issue Date: 12-Jan-2017
Abstract: El desmezclado espectral es un problema muy importante dentro del aprovechamiento de imágenes hiperespectrales en teledetección, teniendo en su mayoría una resolución espacial limitada que resulta en la presencia de varios materiales puros (tambien llamados endmembers) en cada pixel de la imagen. En consecuencia, el desmezclado espectral es importante a la hora de expresar cada pixel como una colección de endmembers ponderados por sus fracciones correspondientes (llamadas abundancias ), que nos permiten interpretar las imágenes a nivel de sub-pixel. En este sentido, el desarrollo de una nueva herramienta (llamada HyperMix) constituye un avance en el estado del arte en este campo de investigación, conteniendo implementaciones computacionalmente eficientes de diversos algoritmos que cubren las diferentes etapas de la cadena de desmezclado espectral, los cuales permiten obtener (de la imagen hiperespectral original) el conjunto de endmembers y sus correspondientes abundancias en cada pixel de una forma no supervisada. Una importante contribucion en HyperMix es el hecho de que la mayora de los algoritmos han sido implementados de forma eciente. Para ello se han aprovechado las ventajas de las unidades de procesamiento gráfico (o GPUs) como elemento hardware para una computación de alto rendimiento con un coste bajo. En particular, estos códigos han sido implementados utilizando Arquitectura Unificada de Dispositivos de Cómputo (CUDA con siglas en inglés) de NVidia.
Spectral unmixing is an important problem for remotely sensed hyperspectral image exploitation, as most of these images have limited spatial resolution that results in the presence of several pure components (called endmembers) in each pixel of the scene. As a result, spectral unmixing is important to express each pixel as a collection of endmembers weighted by their corresponding proportions (called abundances), thus allowing an interpretation of the images at a sub-pixel level. In this regard, the newly developed tool (called HyperMix) offers a state-of-the art development in the field, as it contains computationally efficient implementations of algorithms that can cover all the different stages involved in the hyperspectral unmixing chain, which aims to provide (from the original hyperspectral image) a set of endmembers and their corresponding abundance fractions in each pixel in unsupervised fashion. One important contribution of the HyperMix tool is the fact that most of the algorithms that it contains are implemented in computationally efficient fashion. For this purpose, we exploit commodity graphics processing units (GPUs) as a hardware resource that provides high performance computing at very low cost. Specifically, our implementations are developed using the Compute Unified Device Architecture (CUDA) from NVidia.
Description: Tesis doctoral con la mención de "Doctor Internacional"
URI: http://hdl.handle.net/10662/5088
Appears in Collections:DTCYC - Tesis doctorales
Tesis doctorales

Files in This Item:
File Description SizeFormat 
TDUEX_2016_Jimenez_Gil.pdf11,87 MBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons