presentación de powerpoint · ciclo de vida para abordar tareas big data en teledetección . e....

Teledetección cuantitativa utilizando algoritmos de umbralización.

Automatización de algoritmos de tratamiento de imagen

Seminario de Investigación.Doctorado en Ciencias y Tecnologías de la Computación para Smart Cities

Seminario de Investigación 2E. Martínez de Icaya; M. E. Martínez

Se define como la ciencia y arte de obtener información acerca de la superficiede la Tierra sin entrar en contacto con ella.

1) Detectar y grabar la energía emitida y/o reflejada2) Procesar, Analizar y Aplicar

TELEDETECCION


SENSORES Y RESOLUCION

Source: National Resources Canada http://www.nrcan.gc.ca/earth-sciences/

El volumen, la variedad y la velocidadse refieren a procesos de:

Generación Forma de captura Almacenamiento

de los datos

El valor y la veracidad están relacionadoscon características de:

Calidad Utilidad

de los datos


TELEDETECCION Y BIG DATA

BIG DATA

Volumen

Variedad

VelocidadUtilidad

Calidad


GRANDES RETOS BIG DATA EN TELEDETECCION

Selección de la aplicación de

los datos

Identificación de los datos

Despliegue de los datos

Innovación en métodos de tratamiento

Visualización de los datos

Interpretación de los datos

Retos comunes

Computación

Colaboración

Metodologías

Trasporte, Almacenamiento y Distribución

Representación, Fusión y Visualización

Identificación, Interpretación y Despliegue

Retos particulares

Ciclo de vida para abordar tareas Big Data en Teledetección


DATOS EN TELEDETECCION

BANDA 1 BANDA 2 BANDA 3

BANDA 4 BANDA 5 BANDA 7

AZUL VERDE ROJO

IR CERCANO IR de ONDA CORTA IR MEDIO

Clasificación temática de imágenes satelitales

B2B1

B3B4

B5B6

¿Qué es una imagen clasificada?

Etiquetas

Toma de decisiones

IDENTIFICACION E INTERPRETACION


Vías

Urbano

Rustico

Perenne

Suel_mixto

Mapa de variables categorizadas oclases temáticas.

Por ejemplo:

Mapa de usos de suelo

Mapa de áreas quemadas

Mapa de áreas inundadas

Mapa de cultivos

Mapa de bosques….

Mapa de variables continuas.Por ejemplo:

Índice de área foliar

Biomasa

Volumen de arbolado

Mapa de humedad o sequía

Teledetección Temática

Teledetección Cuantitativa

IDENTIFICACION E INTERPRETACIONClasificación: dos estrategias


IDENTIFICACION E INTERPRETACIONGeneración de mapas de variables continuas. Ejemplo Mapa de sequía

1ª Etapa: Compresión de la información mediante cálculo de índice de sequía (NDDI)

…………………

Serie temporal

E. Martínez de Icaya; M. E. Martínez Seminario de Investigación 10

2ª Etapa: Preparación del árbol de decisión. Establecimiento de umbrales de decisión


x0 x1

Algoritmo automático OTSU


Entrada de valores del píxeles

Si el valor del NDDI es < x0

Verdadero Falso

Clase 1

Si el valor del NDDI es > x0 y <x1

VerdaderoFalso

Clase 2Si el valor de NDDI es > x1 y <x2

Verdadero Falso

Clase 3

Flujo de inferencia

3ª Etapa: Establecimiento del árbol de decisión (Machine Learning)




4ª Etapa: Interpretación de resultados de los mapas multipemporales

Implementación

Algoritmo Otsu sobre FPGA

Seminario Máster Universitario en Ciencias y Tecnologías de Computación. Escuela Superior de Ingeniería de Sistemas Informáticos

INDICE

INTRODUCCIÓN. TELEDETECCIÓN Y HARDWARE

ALGORITMO OTSU

CONCEPTOS BÁSICOS FPGA

IMPLEMENTACIONES

Simulaciones

Implementaciones Hardware

INTRODUCCIÓN. TELEDETECCIÓN y

HARDWARE

POR QUÉ?

INTRODUCCIÓN. TELEDETECCIÓN y HARDWARE

La tendencia en teledetección siempre fue utilizar dispositivos pequeños,

baratos y con buen rendimiento.

Si parte del procesamiento se realizara en órbita mejoraría el ancho de banda

de las comunicaciones y se tendría que computar menos en tierra.

Las FPGA’s además de usarse para el prototipado rápido, combina la

flexibilidad de los microprocesadores con la potencia y el rendimiento de

los ASIC’s

Se necesitan dispositivos certificados para el espacio (Radiación que puede

causar errores en circuitos “normales”). Actel y Xilinx hacen FPGA’s seguras

para el espacio

Algoritmo OTSU

- Eficiencia

- Adecuado para histogramas bimodales

- Conviene preprocesar la imagen (quitar ruido)

𝑁 =

𝑖=0

𝐿−1

𝑛𝑖

𝑝𝑖 =𝑛𝑖𝑁, 𝑝𝑖≥ 0 𝑦

𝑖=0

𝐿−1

𝑝𝑖 = 1

Algoritmo OTSU

Pr 𝐶0 = 𝑃0 𝑘 =

𝑖=0

𝑘

𝑝𝑖 = 𝑤0 = 𝑤(𝑘)

Pr 𝐶1 = 𝑃1(𝑘) =

𝑖=𝑘+1

𝐿−1

𝑝𝑖 = 1 − 𝑃0 𝑘 = 𝑤1

𝑢 𝑘 =

𝑖=0

𝑘

𝑖𝑝𝑖

Algoritmo OTSU

𝑢0(𝑘) =

𝑖=0

𝑘

𝑖 Pr 𝑖|𝐶0 =1

𝑃0(𝑘)

𝑖=0

𝑘

𝑖𝑝𝑖 =𝑢(𝑘)

𝑤(𝑘)

𝑢1 𝑘 =

𝑖=𝑘+1

𝐿−1

𝑖 Pr 𝑖|𝐶1 =1

𝑃1(𝑘)

𝑖=𝑘+1

𝐿−1

𝑖𝑝𝑖 =𝑢𝑇 − 𝑢(𝑘)

1 − 𝑤(𝑘)

𝑤0𝑢0 +𝑤1𝑢1 = 𝑢𝑇 𝑤0 +𝑤1 = 1.

𝜎20 =

𝑖=0

𝑘

(𝑖 − 𝑢0)2Pr 𝑖 𝐶0 =

𝑖=0

𝑘(𝑖 − 𝑢0)

2𝑝𝑖𝑤0

𝜎21 =

𝑖=𝑘+1

𝐿−1

(𝑖 − 𝑢1)2Pr 𝑖 𝐶1 =

𝑖=𝑘+1

𝐿−1(𝑖 − 𝑢1)

2𝑝𝑖𝑤1

𝜎𝑤2 = 𝑤0𝜎

20 +𝑤1𝜎

21

𝜎𝐵2 = 𝑤0(𝑢0 − 𝑢𝑇)

2+𝑤1(𝑢1−𝑢𝑇)2= 𝑤0𝑤1(𝑢1−𝑢0)

2

𝜎𝐵2 𝑘 =

𝑢𝑇𝑤 𝑘 − 𝑢(𝑘) 2

𝑤(𝑘) 1 − 𝑤(𝑘)

𝑔 𝑥, 𝑦 = ቊ𝑏0 𝑠𝑖 𝑓 𝑥, 𝑦 > 𝑘∗

𝑏1 𝑠𝑖 𝑓 𝑥, 𝑦 ≤ 𝑘∗

Maximizar

𝜎𝑇2 = 𝜎𝑤

2 + 𝜎𝐵2

Algoritmo OTSU

ENTRADA: Matriz de valores de intensidad de la imagen

SALIDA: Valor umbral k para la segmentación de la imagen (global)

1. Calcular el histograma normalizado de la imagen: 𝑝𝑖 , para 𝑖 = 0, , . . 𝐿 − 1

2. Calcular la intensidad global media 𝑢𝑇3. Para 𝑘 = 0,1,2, … 𝐿 − 1, calcular:

a) las sumas acumulativas 𝑤(𝑘),

b) las medias acumulativas 𝑢(𝑘)

c) la varianza entre clases 𝜎𝐵2 𝑘

6. Obtener el umbral 𝑘∗ para el cual 𝜎𝐵2 𝑘 es el máximo.

7. Obtener la medida de separabilidad 𝜂(𝑘) para 𝑘 = 𝑘∗

8. Devolver 𝑘∗

Sistemas Empotrados. Máster en Software de SSDD y EE.

Curso 2018-19

CONCEPTOS BÁSICOS FPGA

Basys3

XC7A35T-1CPG236C

http://www.xilinx.com/support/documentation/data_sheets/ds181_Artix_7_Data_Sheet.pdf?_ga=2.100419671.81492746.1554841812-1106126835.1554841812

Nexyx 4 DDR

Descripción Descripción

1 Selector de potencia y puente de batería

13 Botón de reinicio de configuración de la FPGA

2 Puerto USB UART/JTAG compartido 14 Botón de reinicio de la CPU (para núcleos blandos)

3 Puente de configuración externa (SD / USB)

15 Puerto de señal analógica Pmod (XADC)

4 Puerto (s) Pmod 16 Puente de modo de programación 5 Micrófono 17 Conector de audio 6 Punto (s) de prueba de la fuente de

alimentación 18 Conector VGA.

7 LEDs (16) 19 Programación de FPGA hecha LED 8 Interruptores deslizantes 20 Conector ethernet 9 Pantalla de ocho dígitos 7 seg. 21 Conector host USB 10 Puerto JTAG para cable externo

(opcional) 22 Puerto de programación PIC24 (uso

de fábrica) 11 Cinco pulsadores 23 Interruptor de alimentación 12 Sensor de temperatura 24 Conector de alimentación

XC7A100T-1CSG324C),

XC7A100T-1CSG324C

Otsu. Código Matlab

𝑝𝑖 =𝑛𝑖𝑁

Pr 𝐶0 = 𝑃0 𝑘 =

𝑖=0

𝑘

𝑝𝑖 = 𝑤0 = 𝑤(𝑘)

𝑢0(𝑘) =

𝑖=0

𝑘

𝑖 Pr 𝑖|𝐶0 =

𝜎𝐵2 𝑘 =

𝑢𝑇𝑤 𝑘 − 𝑢(𝑘) 2

𝑤(𝑘) 1 − 𝑤(𝑘)

Otsu SIMULACIÓN

OTSU sobre FPGA

Posibilidades desde Matlab/Simulink a través de Vivado:

Programación:

MatlabM-code

CHLS

VHDLMatlab/Simulink

Con bloques Simulink (primitivas de Xilinx)

M-CODE

Desde código Matlab (sintaxis especial), hasta la fpga

• Sintaxis especial

• Input/Output Xilinx

Código Matlab

• Fuentes

• Restricciones

• Simulación

Generación automática

código VHDL

• Síntesis

• Implementación

• BitStream

Vivado

Generación de Reports de consumos, recursos, tiempos…

Cosimulación

M-code

OTSU sobre FPGA

EN DESARROLLO

OTSU sobre FPGA

Code Composer

HLS. Vivado

HLS

• Una forma de acelerar la

integración desde C a FPGA

• C, C++ y SystemC

OTSU en FPGA

Razones escoger modelo de bloques:

Buscamos más de un umbral

Imágenes grandes

Pero….. Tuvimos que cambiar de placa, Basys 3 no tenía suficientes recursos

Nexys

OTSU sobre FPGA

OTSU sobre FPGA

Media u Varianza

Dentro de la clase w

Dentro entre clases B

Obtención

del umbral

Se hallan umbrales locales. Se dividen las imágenes en 5 zonas

OTSU sobre FPGA

OTSUsobre FPGA

• Algún error en esta umbralización, los segmentos de imagen siempre

tienen la misma dimensión y puede producir errores de frontera

• Buscar posibilidad de realización multiumbral para este tipo de problemas

OTSU sobre FPGA

Referencias

Omar M. Saad, Ahmed Shalaby, Lotfy Samy, Mohammed S. Sayed, Automatic arrival time detection for earthquakes

based on Modified Laplacian of Gaussian filter, Computers & Geosciences, Volume 113,2018, Pages 43-53, ISSN

0098-3004, https://doi.org/10.1016/j.cageo.2018.01.013.

N. Raissouni, S. El Adib, J. A. Sobrino, N. Ben Achhab, A. Chahboun, A. Azyat & M. Lahraoua (2019) Towards LST

split-window algorithm FPGA implementation for CubeSats on-board computations purposes, International

Journal of Remote Sensing, 40:5-6, 2435-2450, DOI: 10.1080/01431161.2018.1562589

https://doi.org/10.1016/j.cageo.2018.01.013

presentación de powerpoint · ciclo de vida para abordar tareas big data en teledetección . e....

Documents