Nuevas técnicas para el procesamiento masivo de datos de observación remota de la Tierra

Abstract

Con los avances recientes en el campo de observación de la Tierra (EO), el uso de la información obtenida por los sensores (ubicados en plataformas aéreas y/o satelitales) ha adquirido un papel fundamental en las actividades humanas, por ejemplo, la gestión del medio ambiente y los recursos naturales, la prevención de riesgos y catástrofes, la planificación de espacios urbanos y rurales, la detección de objetivos militares y tareas de inteligencia, entre otras. Esto ha sido fomentado por el hecho de que ahora es posible una caracterización detallada de la superficie de la Tierra permitiendo que los sensores puedan adquirir imágenes con cientos de bandas espectrales, recopilando gran- des cantidades de información (en el dominio espectral) para la una zona. Esto permite "ver lo que el ojo humano no puede", haciendo posible la generación de imágenes hiperespectrales (HSI) con una alta dimensionalidad. El objetivo de esta tesis es el desarrollo y la aplicación de nuevas técnicas de procesamiento de imágenes para una explotación computacionalmente eficiente de las escenas HSI, haciendo uso de la información espacial y espectral disponible en los datos, con particular interés en el desarrollo de técnicas paralelas y distribuidas basadas en unidades de procesamiento gráfico (GPU) y plataformas de computación en la nube. Para este propósito, llevamos a cabo una variedad de experimentos sobre diferentes escenas de referencia que se han utilizado ampliamente en la comunidad, ilustrando así las ventajas de nuestros algoritmos recientemente desarrollados con respecto a otras técnicas de vanguardia disponibles en la literatura.

With the recent advances developed in the Earth Observation (EO) field, the use of remote sensing information captured by available sensors (located on aerial and/or satellite platforms) has acquired a very important role in a wide range of human activities such as, for instance, management of environment and natural resources (including forests, water, geological and mineralogical resources), prevention of risks and catastrophes, planning of urban and rural spaces, detection of military objectives. and intelligence tasks, among others. Actually, the sensors capable of acquiring images with hundreds of spec-tral bands (called imaging spectrometers) are able to gather large amounts of information for the same area by recording hundreds of measurements in the spectral domain at different wavelengths. This allows "to see what the human eye cannot”,making possible the generation of hyperspectral images (HSI) with very large dimensionality. The goal of this thesis is the development and application of new image processing techniques for adequate and computationally eficient exploitation of remotely sensed HSI scenes, making use of the complementarity of spatial and spectral information available in the data, and exploring new computationally eficient models for extracting information from these remotely sensed images, with particular interest in the development of parallel and distributed techniques based on graphical processing units (GPUs) and cloud computing platforms. For this purpose, we conduct experiments using a variety of HSI benchmark scenes that have been widely used in the community, illustrating the advantages of our newly developed algorithms with regards to other state-of-the-art techniques available in the literatura.