Proposição de plataforma co-design para processamento de imagens de sensoriamento remoto

Cardim, Guilherme Pina [UNESP]

Proposição de plataforma co-design para processamento de imagens de sensoriamento remoto

Arquivos

cardim_gp_dr_prud.pdf (6.92 MB)

Data

2019-09-17

Autores

Cardim, Guilherme Pina

Orientador

Silva, Erivaldo Antonio da

Muñoz, Ignacio Bravo

Dias, Mauricio Araujo

Vicente, Alfredo Gardel

Pós-graduação

Ciências Cartográficas - FCT

Editor

Universidade Estadual Paulista (Unesp)

Tipo

Tese de doutorado

Direito de acesso

Acesso aberto

Resumo

Resumo (português)

O processamento digital de imagens (PDI) consiste em uma área de grande interesse científico. Em Cartografia, o PDI é muito utilizado para extração de feições cartográficas de interesse presentes nas imagens de sensoriamento remoto (SR). Dentre as feições cartográficas, a detecção de malhas viárias é de grande interesse científico, pois proporciona a obtenção de informações atualizadas e acuradas para a realização de planejamentos urbanos. Devido à sua importância, a literatura científica possui diversos trabalhos propondo diferentes metodologias de extração de malhas viárias em imagens digitais. Dentre as metodologias, é possível encontrar metodologias propostas baseadas em lógica fuzzy, em detector de bordas e crescimento de regiões, por exemplo. Contudo, os estudos existentes focam na aplicação da metodologia de extração para determinadas áreas ou situações e utilizam recortes da imagem em seus estudos devido à grande quantidade de informações contidas nessas imagens. O avanço tecnológico proporcionou que imagens de SR sejam adquiridas com alta resolução espacial, espectral e temporal. Esse fato produz uma grande quantidade de dados a serem processados durante estudos desenvolvidos nessas imagens, o que acarreta um alto custo computacional e, consequentemente, um alto tempo de processamento. Na tentativa de reduzir o tempo de execução das metodologias de extração, os desenvolvedores dedicam esforços na redução da complexidade dos algoritmos e na utilização de outros recursos hardware disponíveis, sugerindo então, soluções que incluem o processamento a nível de software e hardware. Sendo assim, o presente trabalho apresenta uma metodologia de extração de malhas viárias que pode ser aplicada considerando diferentes tipos de vias e sob imagens de SR de alta resolução espacial com grandes dimensões. Para isso, a metodologia proposta para a extração se baseia no algoritmo de crescimento de regiões, para o qual foi proposta uma nova implementação de forma a possibilitar sua execução em uma plataforma GPU (Graphics Processing Unit) com o intuito de obter melhores desempenhos. Os resultados da extração foram avaliados estatisticamente, por métricas definidas na literatura, apresentando resultados satisfatórios, sendo verificado uma maior dificuldade em cenas mais complexas contendo vias urbanas. Em termos de desempenho, a utilização do algoritmo de crescimento de região proposto possibilitou que a metodologia de extração fosse executada com tempos inferiores a 20% quando comparado com a utilização do algoritmo anteriormente desenvolvido para a grande maioria das imagens testadas. Além disso, aplicou-se a metodologia proposta em plataforma GPU para compor o sistema co-desing proposto. O comportamento e desempenho da metodologia de extração foi avaliada em duas GPUs distintas, obtendo vantagens na execução de grandes imagens. No entanto, quando se utiliza a plataforma GPU para processar imagens menores obteve-se dois cenários distintos de acordo com a GPU avaliada. Para a GPU mais potente, obtevese vantagem, em termos de tempo de processamento, para a grande maioria das imagens. Porém ao utilizar a GPU menos potente, o custo do transporte da imagem entre a memória do computador e da GPU acarretou em um maior tempo de execução da extração. Dessa forma, essa pesquisa contribui para a literatura científica ao propor uma metodologia de extração de malhas viárias para diferentes tipos de vias, a qual pode ser aplicada às imagens de sensoriamento remoto com alta complexidade. Além disso, um sistema co-design foi gerado e avaliado em relação as vantagens e desvantagens obtidas na aplicação da metodologia de extração proposta em duas plataformas GPU distintas.

Resumo (espanhol)

El procesamiento digital de imágenes (PDI) consiste en un área de gran interés científico en diferentes áreas. En Cartografía, el PDI es muy utilizado en estudios de teledetección para extracción de los objetos cartográficos de interés presentes en las imágenes orbitales. Entre los objetos cartográficos de interés, la detección de redes viales se ha vuelto de gran interés científico proporcionando la obtención de informaciones actualizadas y precisas para la realización de planificaciones urbanas, por ejemplo. En este sentido, la literatura científica posee diversos trabajos proponiendo diferentes metodologías de extracción de redes viales en imágenes orbitales. Es posible encontrar metodologías propuestas basadas en lógica fuzzy, detector de bordes y crecimiento por región, por ejemplo. Sin embargo, los estudios existentes se centran en la aplicación de la metodología de extracción para determinadas áreas o situaciones y utilizan recortes de la imagen orbitales en sus estudios debido a la gran cantidad de informaciones contenidas en esas imágenes. Además, el avance tecnológico proporcionó que las imágenes de teledetección se adquieran con altas resoluciones espacial, espectral y temporal. Este hecho produce una gran cantidad de datos a ser procesados durante estudios desarrollados en esas imágenes, lo que acarrea en un alto costo computacional y, consecuentemente, un alto tiempo de procesamiento. En el intento de reducir el tiempo de respuesta de las metodologías de extracción, los investigadores se dedican a reducir la complejidad de los algoritmos y el uso de otros recursos de hardware disponibles, sugiriendo soluciones que incluyen el procesamiento a nivel de software y hardware. Siendo así, el presente trabajo propone una metodología de extracción de mallas viales que pueda ser aplicada en diferentes tipos de vías e imágenes orbitales de alta resolución espacial y de grandes dimensiones, sin la necesidad de generar recortes sobre esas. Para eso, la metodología de extracción se basa en el algoritmo de crecimiento por región, para el cual se propuso una nueva implementación para posibilitar su ejecución en una plataforma GPU con el fin de obtener mejores desempeños. Los resultados de la extracción fueron evaluados estadísticamente, por métricas definidas en la literatura, presentando resultados satisfactorios, siendo verificada una mayor dificultad en escenas más complejas que contenían vías urbanas. En términos de desempeño, la utilización del algoritmo de crecimiento por región propuesto posibilitó que la metodología de extracción fuera ejecutada con tiempos inferiores al 20% en la gran mayoría de las imágenes probadas. Además, se aplicó la metodología propuesta en plataforma GPU para componer el sistema codiseño propuesto. El comportamiento y desempeño de la metodología de extracción fue evaluado en dos GPU distintas, obteniendo ventajas en la ejecución de grandes imágenes. Sin embargo, cuando se utiliza la plataforma GPU para procesar imágenes más pequeñas se obtuvieron dos escenarios distintos de acuerdo con la GPU evaluada. Para la GPU más potente, se obtuvo ventaja, en términos de tiempo de procesamiento, para la gran mayoría de las imágenes, pero al utilizar la GPU menos potente, el costo del transporte de la imagen entre la memoria del ordenador y la GPU imposibilitó la obtención de los resultados más rápidamente. De esta forma, esta investigación contribuye a la literatura científica al proponer una metodología de extracción de redes viales para diferentes tipos de vías, la cual puede ser aplicada a imágenes de teledetección enteras, sin la necesidad de efectuar recortes. Además, un sistema codiseño fue generado y evaluado en relación con las ventajas y desventajas obtenidas en la aplicación de la metodología de extracción propuesta en dos plataformas GPU distintas.

Resumo (inglês)

Digital image processing (DIP) consists of an area of great scientific interest in different areas. In Cartography, the DIP is widely used in remote sensing studies to extract cartographic features of interest present in orbital images. Among the cartographic features, the detection of road networks has become of great scientific interest, since it can provide accurate and updated information for urban planning, for example. In this sense, the scientific literature has several works proposing different methodologies of extraction of road networks in orbital images. It is possible to find proposed methodologies based on fuzzy logic, edge detector and growth by region, for example. However, the existing studies focus on the application of the extraction methodology to certain areas or situations and use orbital image cuts in their studies due to the large amount of information contained in these images. In addition, the technological advance has allowed the acquisition of remote sensing images with high spatial, spectral and temporal resolutions. This fact produces a large amount of data to be processed during studies developed in these images, which results in a high computational cost and, consequently, a high processing time. In an attempt to reduce the response time of the extraction methodologies, the developers dedicate efforts in reducing the complexity of the algorithms and in using some available hardware resources suggesting solutions that include software and hardware processing. Therefore, the present work proposes a methodology for the extraction of different types of road networks and orbital images of high spatial resolution, without the need to generate cutbacks. In this sense, the proposed methodology for road extraction is based on the algorithm of region growing, for which a new implementation was proposed in order to allow its execution in a GPU platform with the intention of obtaining better performances. The results of the extraction were statistically evaluated by metrics defined in the literature, presenting satisfactory results, being verified a greater difficulty to delimitate urban roads present in complex scenes. In terms of performance, the use of the proposed algorithm of region growing allows to perform the extraction methodology with 20% less time in the majority of the images tested. In addition, the extraction methodology was applied to the GPU platform to compose the proposed co-desing system. The behavior and performance of the extraction methodology was evaluated in two distinct GPUs, obtaining advantages in the execution of large images. However, when using the GPU platform to process smaller images, two different scenarios were obtained according to the evaluated GPU. For the most powerful GPU, the processing time was advantageous for the vast majority of the images, but when using the less powerful GPU, the cost of transporting the image between the computer and GPU memories did not allow the results to be obtained more quickly. Thus, this research contributes to the scientific literature by proposing a methodology for the extraction of different types of road networks, which can be applied to a complete remote sensing image of high spatial resolutions without the need to split it. In addition, a co-design system was generated and evaluated in relation to the advantages and disadvantages obtained in the application of the proposed extraction methodology in two different GPU platforms.