Procesamiento de imágenes hiperespectrales en GPUs

Resumen

En esta tesis se estudia el uso de unidades de procesamiento gráfico (GPUs) para el análisis de imágenes hiperespectrales. Para este tipo de análisis es habitual localizar en las imágenes aquellos píxeles de espectro más puro, conocidos como end-members. En este trabajo se utiliza un algoritmo de búsqueda automático: AMEE (Automated Morphological End-member Extraction), basado en el uso de morfología matemática para aprovechar la correlación entre la información espacial y espectral en la búsqueda de los píxeles de espectro más puro. Durante el desarrollo de la tesis se utilizan dos variantes de dicho algoritmo, una basada en la distancia angular entre los píxeles: SAM (Spectral Angle Mapper); y otra basada en la diferencia de información entre los píxeles: SID (Spectral Information Divergence).En una primera parte se realiza la adaptación de AMEE al modelo de procesamiento de flujos (stream processing) para poder ejecutarlo sobre GPUs basándonos en un framework de desarrollo propio diseñado para utilizar las unidades de procesamiento gráfico como procesadores de propósito general (GPGPU). Seguidamente se realiza un análisis comparativo del rendimiento de AMEE en GPUs y CPUs.En una segunda parte se completa el estudio utilizando CUDA (Compute Unified Device Architecture), un API (Application Programming Interface) propuesto por NVIDIA para el cómputo de altas prestaciones sobre GPUs.