Tesis:
Detección de patrones y anomalías espectrales del terreno mediante espectrometría de imagen de alta resolución. Reconocimiento, optimización y evaluación multiescenario.
- Autor: REJAS AYUGA, Juan Gregorio
- Título: Detección de patrones y anomalías espectrales del terreno mediante espectrometría de imagen de alta resolución. Reconocimiento, optimización y evaluación multiescenario.
- Fecha: 2014
- Materia: Sin materia definida
- Escuela: E.T.S. DE INGENIEROS DE CAMINOS, CANALES Y PUERTOS
- Departamentos: INGENIERIA Y MORFOLOGIA DEL TERRENO
- Acceso electrónico: http://oa.upm.es/25545/
- Director/a 1º: MARTINEZ MARIN, Rubén
- Resumen: El objeto de esta Tesis doctoral es el desarrollo de una metodología para la detección automática de anomalías a partir de datos hiperespectrales o espectrometría de imagen, y su cartografiado bajo diferentes condiciones tipológicas de superficie y terreno. La tecnología hiperespectral o espectrometría de imagen ofrece la posibilidad potencial de caracterizar con precisión el estado de los materiales que conforman las diversas superficies en base a su respuesta espectral. Este estado suele ser variable, mientras que las observaciones se producen en un número limitado y para determinadas condiciones de iluminación. Al aumentar el número de bandas espectrales aumenta también el número de muestras necesarias para definir espectralmente las clases en lo que se conoce como Maldición de la Dimensionalidad o Efecto Hughes (Bellman, 1957), muestras habitualmente no disponibles y costosas de obtener, no hay más que pensar en lo que ello implica en la Exploración Planetaria. Bajo la definición de anomalía en su sentido espectral como la respuesta significativamente diferente de un píxel de imagen respecto de su entorno, el objeto central abordado en la Tesis estriba primero en cómo reducir la dimensionalidad de la información en los datos hiperespectrales, discriminando la más significativa para la detección de respuestas anómalas, y segundo, en establecer la relación entre anomalías espectrales detectadas y lo que hemos denominado anomalías informacionales, es decir, anomalías que aportan algún tipo de información real de las superficies o materiales que las producen. En la detección de respuestas anómalas se asume un no conocimiento previo de los objetivos, de tal manera que los píxeles se separan automáticamente en función de su información espectral significativamente diferenciada respecto de un fondo que se estima, bien de manera global para toda la escena, bien localmente por segmentación de la imagen. La metodología desarrollada se ha centrado en la implicación de la definición estadística del fondo espectral, proponiendo un nuevo enfoque que permite discriminar anomalías respecto fondos segmentados en diferentes grupos de longitudes de onda del espectro, explotando la potencialidad de separación entre el espectro electromagnético reflectivo y emisivo. Se ha estudiado la eficiencia de los principales algoritmos de detección de anomalías, contrastando los resultados del algoritmo RX (Reed and Xiaoli, 1990) adoptado como estándar por la comunidad científica, con el método UTD (Uniform Targets Detector), su variante RXD-UTD, métodos basados en subespacios SSRX (Subspace RX) y método basados en proyecciones de subespacios de imagen, como OSPRX (Orthogonal Subspace Projection RX) y PP (Projection Pursuit). Se ha desarrollado un nuevo método, evaluado y contrastado por los anteriores, que supone una variación de PP y describe el fondo espectral mediante el análisis discriminante de bandas del espectro electromagnético, separando las anomalías con el algortimo denominado Detector de Anomalías de Fondo Térmico o DAFT aplicable a sensores que registran datos en el espectro emisivo. Se han evaluado los diferentes métodos de detección de anomalías en rangos del espectro electromagnético del visible e infrarrojo cercano (Visible and Near Infrared- VNIR), infrarrojo de onda corta (Short Wavelenght Infrared-SWIR), infrarrojo medio (Meadle Infrared-MIR) e infrarrojo térmico (Thermal Infrared-TIR). La respuesta de las superficies en las distintas longitudes de onda del espectro electromagnético junto con su entorno, influyen en el tipo y frecuencia de las anomalías espectrales que puedan provocar. Es por ello que se han utilizado en la investigación cubos de datos hiperepectrales procedentes de los sensores aeroportados cuya estrategia y diseño en la construcción espectrométrica de la imagen difiere. Se han evaluado conjuntos de datos de test de los sensores AHS (Airborne Hyperspectral System), HyMAP Imaging Spectrometer, CASI (Compact Airborne Spectrographic Imager), AVIRIS (Airborne Visible Infrared Imaging Spectrometer), HYDICE (Hyperspectral Digital Imagery Collection Experiment) y MASTER (MODIS/ASTER Simulator). Se han diseñado experimentos sobre ámbitos naturales, urbanos y semiurbanos de diferente complejidad. Se ha evaluado el comportamiento de los diferentes detectores de anomalías a través de 23 tests correspondientes a 15 áreas de estudio agrupados en 6 espacios o escenarios: Urbano - E1, Semiurbano/Industrial/Periferia Urbana - E2, Forestal - E3, Agrícola - E4, Geológico/Volcánico - E5 y Otros Espacios Agua, Nubes y Sombras - E6. El tipo de sensores evaluados se caracteriza por registrar imágenes en un amplio rango de bandas, estrechas y contigüas, del espectro electromagnético. La Tesis se ha centrado en el desarrollo de técnicas que permiten separar y extraer automáticamente píxeles o grupos de píxeles cuya firma espectral difiere de manera discriminante de las que tiene alrededor, adoptando para ello como espacio muestral parte o el conjunto de las bandas espectrales en las que ha registrado radiancia el sensor hiperespectral. Un factor a tener en cuenta en la investigación ha sido el propio instrumento de medida, es decir, la caracterización de los distintos subsistemas, sensores imagen y auxiliares, que intervienen en el proceso. Para poder emplear cuantitativamente los datos medidos ha sido necesario definir las relaciones espaciales y espectrales del sensor con la superficie observada y las potenciales anomalías y patrones objetivos de detección. Se ha analizado la repercusión que en la detección de anomalías tiene el tipo de sensor, tanto en su configuración espectral como en las estrategias de diseño a la hora de registrar la radiación prodecente de las superficies, siendo los dos tipos principales de sensores estudiados los barredores o escáneres de espejo giratorio (whiskbroom) y los barredores o escáneres de empuje (pushbroom). Se han definido distintos escenarios en la investigación, lo que ha permitido abarcar una amplia variabilidad de entornos geomorfológicos y de tipos de coberturas, en ambientes mediterráneos, de latitudes medias y tropicales. En resumen, esta Tesis presenta una técnica de detección de anomalías para datos hiperespectrales denominada DAFT en su variante de PP, basada en una reducción de la dimensionalidad proyectando el fondo en un rango de longitudes de onda del espectro térmico distinto de la proyección de las anomalías u objetivos sin firma espectral conocida. La metodología propuesta ha sido probada con imágenes hiperespectrales reales de diferentes sensores y en diferentes escenarios o espacios, por lo tanto de diferente fondo espectral también, donde los resultados muestran los beneficios de la aproximación en la detección de una gran variedad de objetos cuyas firmas espectrales tienen suficiente desviación respecto del fondo. La técnica resulta ser automática en el sentido de que no hay necesidad de ajuste de parámetros, dando resultados significativos en todos los casos. Incluso los objetos de tamaño subpíxel, que no pueden distinguirse a simple vista por el ojo humano en la imagen original, pueden ser detectados como anomalías. Además, se realiza una comparación entre el enfoque propuesto, la popular técnica RX y otros detectores tanto en su modalidad global como local. El método propuesto supera a los demás en determinados escenarios, demostrando su capacidad para reducir la proporción de falsas alarmas. Los resultados del algoritmo automático DAFT desarrollado, han demostrado la mejora en la definición cualitativa de las anomalías espectrales que identifican a entidades diferentes en o bajo superficie, reemplazando para ello el modelo clásico de distribución normal con un método robusto que contempla distintas alternativas desde el momento mismo de la adquisición del dato hiperespectral. Para su consecución ha sido necesario analizar la relación entre parámetros biofísicos, como la reflectancia y la emisividad de los materiales, y la distribución espacial de entidades detectadas respecto de su entorno. Por último, el algoritmo DAFT ha sido elegido como el más adecuado para sensores que adquieren datos en el TIR, ya que presenta el mejor acuerdo con los datos de referencia, demostrando una gran eficacia computacional que facilita su implementación en un sistema de cartografía que proyecte de forma automática en un marco geográfico de referencia las anomalías detectadas, lo que confirma un significativo avance hacia un sistema en lo que se denomina cartografía en tiempo real.