Efficient multitemporal change detection techniques for hyperspectral images on GPU

• Autores: Javier López Fandiño
• Directores de la Tesis: Dora Blanco Heras (dir. tes.), Francisco Argüello Pedreira (codir. tes.)
• Lectura: En la Universidade de Santiago de Compostela ( España ) en 2018
• Idioma: inglés
• Tribunal Calificador de la Tesis: Manuel Ujaldón Martínez (presid.), María J. Martín (secret.), Mauro Dalla Mura (voc.)
• Programa de doctorado: Programa de Doctorado en Investigación en Tecnologías de la Información por la Universidad de A Coruña y la Universidad de Santiago de Compostela
• Materias:
  • Matemáticas
    • Ciencia de los ordenadores
      • Inteligencia artificial
  • Ciencias tecnológicas
    • Tecnología de los ordenadores
      • Arquitectura de ordenadores
      • Sistemas en tiempo real
• Enlaces
  • Tesis en acceso abierto en: MINERVA
• Resumen
  • español

    Las imágenes hiperespectrales contienen cientos de valores de reflectancia para cada píxel. La detección de regiones de cambio en múltiples imágenes hiperespectrales de la misma escena tomadas en diferentes momentos es de gran interés para un gran número de aplicaciones. Para la teledetección, en particular, una aplicación muy común es el análisis de cobertura terrestre. La alta dimensionalidad de las imágenes hiperespectrales hace que el desarrollo de esquemas de procesamiento computacionalmente eficientes sea crítico. Esta tesis se enfoca en el desarrollo de técnicas de detección de cambios a nivel de objeto, basadas en la clasificación supervisada multifecha directa, para conjuntos de datos hiperespectrales. Las técnicas propuestas mejoran la precisión de los algoritmos de vanguardia y su proyección en unidades de procesamiento de gráficos (GPUs) permite su ejecución en escenarios en tiempo real.

  • English

    Hyperspectral images contain hundreds of reflectance values for each pixel.

    Detecting regions of change in multiple hyperspectral images of the same scene taken at different times is of widespread interest for a large number of applications. For remote sensing, in particular, a very common application is land-cover analysis. The high dimensionality of the hyperspectral images makes the development of computationally efficient processing schemes critical. This thesis focuses on the development of change detection approaches at object level, based on supervised direct multidate classification, for hyperspectral datasets. The proposed approaches improve the accuracy of current state of the art algorithms and their projection onto Graphics Processing Units (GPUs) allows their execution in real-time scenarios.