presentación de powerpoint · ciclo de vida para abordar tareas big data en teledetección . e....
TRANSCRIPT
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
Seminario de Investigación 3E. Martínez de Icaya; M. E. Martínez
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
Seminario de Investigación 4E. Martínez de Icaya; M. E. Martínez
TELEDETECCION Y BIG DATA
BIG DATA
Volumen
Variedad
VelocidadUtilidad
Calidad
Seminario de Investigación 5E. Martínez de Icaya; M. E. Martínez
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
Seminario de Investigación 6E. Martínez de Icaya; M. E. Martínez
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
Seminario de Investigación 8E. Martínez de Icaya; M. E. Martínez
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
Seminario de Investigación 9E. Martínez de Icaya; M. E. Martínez
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
IDENTIFICACION E INTERPRETACIONGeneración de mapas de variables continuas. Ejemplo Mapa de sequía
x0 x1
Algoritmo automático OTSU
E. Martínez de Icaya; M. E. Martínez Seminario de Investigación 11
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)
IDENTIFICACION E INTERPRETACIONGeneración de mapas de variables continuas. Ejemplo Mapa de sequía
E. Martínez de Icaya; M. E. Martínez Seminario de Investigación 12
IDENTIFICACION E INTERPRETACIONGeneración de mapas de variables continuas. Ejemplo Mapa de sequía
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
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
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