Αξιοποίηση του Παράλληλου Προγραμματισμού σε γλώσσα C για την υλοποίηση αλγορίθμων για την Διαδικασία του Φασματικού Διαχωρισμού

Abstract

Στο επιστημονικό πεδίο της ψηφιακής τηλεπισκόπησης, τα δεδομένα των πολυφασματικών δεκτών υπάρχουν εδώ και αρκετά χρόνια. Με την ανάπτυξη όμως, της τεχνολογίας των δεκτών και την ραγδαία αύξηση των δυνατοτήτων των ηλεκτρονικών υπολογιστών, έγινε δυνατή η κατασκευή των υπερφασματικών δεκτών και η επεξεργασία των δεδομένων τους. Έτσι, προέκυψε η ανάγκη δημιουργίας μεθόδων και αλγορίθμων για την αξιοποίηση των πλεονεκτημάτων των δεκτών αυτών, που δεν ήταν δυνατό να αξιοποιήσουν οι υπάρχουσες μέθοδοι των πολυφασματικών δεδομένων. Μία κατηγορία τέτοιων μεθόδων, αποτελούν αυτές που σκοπεύουν στην διαδικασία του φασματικού διαχωρισμού. Με τον όρο φασματικός διαχωρισμός μιας υπερφασματικής απεικόνισης εννοούμε την διαδικασία εύρεσης σε επίπεδο εικονοστοιχείου των υλικών / αντικειμένων που συνθέτουν την φασματική υπογραφή του εικονοστοιχείου. Η διαδικασία αυτή επιτυγχάνεται με τη χρήση μιας σειράς αλγορίθμων, που ο καθένας παρέχει τα δεδομένα που χρειάζεται ο επόμενος. Στην εργασία αυτή αξιοποιήθηκαν οι τεχνικές παράλληλου προγραμματισμού σε γλώσσα C, για τον προγραμματισμό των αλγορίθμων που αναπτύχθηκαν στο Εργαστήριο Τηλεπισκόπησης του Ε.Μ.Π. για την υλοποίηση του φασματικού διαχωρισμού. Η διαδικασία του φασματικού διαχωρισμού ξεκινά με την εκτίμηση του φασματικού υπόχωρου του σήματος που είναι συνυφασμένος με το πλήθος των υλικών / αντικειμένων (καθαρών στόχων) που εμφανίζονται στην υπερφασματική απεικόνιση. Για την υλοποίηση της διαδικασίας αυτής χρειάζεται να μετατραπεί η απεικόνιση σε απεικόνιση λευκού θορύβου και να ταξινομηθούν τα κανάλια της ανάλογα με το ποσοστό της πληροφορίας που περιέχουν. Για αυτό το σκοπό υλοποιήθηκε αρχικά πρόγραμμα που αφορά στο μετασχηματισμό ελαχιστοποίησης του θορύβου (MNF). (Green et al. 1988) Ο αλγόριθμος εκτίμησης του φασματικού υπόχωρου του σήματος που προγραμματίστηκε σε αυτή την εργασία, ο οποίος βασίζεται στη μέθοδο Outlier Detection Method (ODM) (Andreou C. and Karathanassi V., 2012), υπολογίζει τα στατιστικά των MNF καναλιών, με στόχο να προσδιορίσει τον αριθμό των διαστάσεων που χρειάζονται για να περιγραφεί η πληροφορία της εικόνας. Το αποτέλεσμα της μεθόδου εκτίμησης του φασματικού υπόχωρου του σήματος και το γεγονός ότι ο αριθμός των καθαρών στόχων ισούται με τον αριθμό της φασματικής διάστασης που περιέχει την πληροφορία της εικόνας αυξανόμενη κατά ένα, αξιοποιεί στη συνέχεια η μέθοδος εξαγωγής των φασματικών υπογραφών των καθαρών στόχων. Στην εργασία αυτή υλοποιήθηκαν προγράμματα για δύο μεθόδους εξαγωγής καθαρών στόχων, για τη Simple Endmember Extraction (SEE) και την SEE - Enhanced (E-SEE). (Andreou C. and Karathanassi V. 2011) Τέλος, υλοποιήθηκε πρόγραμμα εκτίμησης της αφθονίας του κάθε καθαρού στόχου, σε επίπεδο εικονοστοιχείου. Ο αλγόριθμος που υλοποιήθηκε, είναι ένας κλασσικός αλγόριθμος επίλυσης γραμμικών συστημάτων με ελαχιστοτετραγωνικές μεθόδους, ο οποίος χρησιμοποιεί ως εξισώσεις παρατήρησης τις φασματικές υπογραφές των καθαρών στόχων, για να εκτιμήσει τους συντελεστές αφθονίας, του κάθε καθαρού στόχου, σε κάθε εικονοστοιχείο.

In the scientific field of digital remote sensing, multispectral data have been appeared several years ago. With the development of sensor technology and the growth of computer capabilities, the development of hyperspectral sensors and the processing of their data became a challenge for the scientific community. The need of new methods and algorithms for the exploitation of hyperspectral datasets have been raised since the multispectral algorithms were unable to process them effectively. Among the new methods, methods that deal with the spectral unmixing have been developed. Spectral unmixing is the procedure of finding the materials/objects that compose the spectral signature of each pixel in the image. This procedure is accomplished with the sequential use of a series of algorithms. In this diploma thesis, techniques for parallel processing in C programming language have been used and evaluated for the implementation of the spectral unmixing procedure. The spectral unmixing methods, programmed in this diploma thesis, have been developed by the members of the Remote Sensing Laboratory of the N.T.U.A. The spectral unmixing procedure starts with the estimation of the signal dimensionality, which is closely related to the number of materials/objects (endmembers) appeared in the hyperspectral image. For the implementation of this procedure the image must be transformed into a white noise image, and its bands must be sorted according to the percentage of information they contain. For this reason, a program which applies the Minimum Noise Fraction Transformation (MNF) (Green et al. 1988) has been written. The method that estimates the number of endmembers, used in this diploma thesis, is the Outlier Detection Method (ODM) (Andreou C. and Karathanassi V., 2012). This method is based on the MNF band statistics, in order to define the dimensionality of the image. The next step of the unmixing procedure is the extraction of the endmembers. The endmember extraction method uses the result of the ODM algorithm and the fact that the dimensionality of the hyperspectral image is equal to the number of its endmembers minus one. In this diploma thesis programs for two endmember extraction methods have been developed: the Simple Endmember Extraction Method (SEE), and the SEE – Enhanced method (ESEE). (Andreou C. and Karathanassi V. 2011). The last step of the unmixing procedure is the estimation of the abundance fractions. A pixel level abundance fraction estimation program has been developed based on the linear mixing model. The algorithm solves a linear system using least squares methods, in order to estimate the abundance fraction of each endmember in a pixel basis.