Implementación, optimización y paralelización del algoritmo PCA sobre RVC-CAL para imágenes hiperespectrales

Sidrach-Cardona Martínez, Ignacio (2016). Implementación, optimización y paralelización del algoritmo PCA sobre RVC-CAL para imágenes hiperespectrales. Thesis (Master thesis), E.T.S.I. y Sistemas de Telecomunicación (UPM).

Description

Title: Implementación, optimización y paralelización del algoritmo PCA sobre RVC-CAL para imágenes hiperespectrales
Author/s:
  • Sidrach-Cardona Martínez, Ignacio
Contributor/s:
  • Juárez Martínez, Eduardo
Item Type: Thesis (Master thesis)
Masters title: Ingeniería de Sistemas y Servicios para la Sociedad de la Información
Date: October 2016
Subjects:
Faculty: E.T.S.I. y Sistemas de Telecomunicación (UPM)
Department: Ingeniería Telemática y Electrónica
Creative Commons Licenses: Recognition - No derivative works - Non commercial

Full text

[img]
Preview
PDF - Requires a PDF viewer, such as GSview, Xpdf or Adobe Acrobat Reader
Download (3MB) | Preview
[img] Archive (ZIP) - Users in campus UPM only
Download (1MB)

Abstract

Las imágenes convencionales están compuestas por la información que somos capaces de obtener de la reflexión de la luz visible (rojo, verde y azul) sobre los objetos y de la intensidad lumínica con la que dicha luz es captada por el sensor expuesto a ella. Las imágenes hiperespectrales, a diferencia de las anteriores, son capaces de captar la información de un rango mucho mayor del espectro electromagnético de la luz y, a consecuencia de esto, nos permite obtener información de la estructura y composición de los objetos sobre los que incide en forma de firma espectral. Al ser esta firma espectral única para cada compuesto químico y para cada estructura física, nos permite, a su vez, hacer una identificación a través del procesado de imágenes. Por otra parte, aunque en un principio las imágenes hiperespectrales fueron desarrolladas para la teledetección y el estudio geológico terrestre, debido a su gran potencial, esta tecnología ha experimentado una expansión a otros campos de investigación, como el de la medicina. Dentro de este escenario se encuentra el proyecto HELICoiD (HypErspectraL Imaging Cancer Detection), el cual tiene como objetivo la detección de células tumorales en el cerebro a través del procesado de las imágenes hiperespectrales, y más concretamente el Grupo de Diseño Electrónico y Microelectrónico (GDEM) de la Universidad Politécnica de Madrid (UPM), encargado del diseño e implementación de los algoritmos necesarios para dicho procesado de imágenes. Uno de los problemas asociados a la aplicación que se está desarrollando es la necesidad de identificar la neoplasia en tiempo real para su extirpación quirúrgica durante una operación. Este requisito de inmediatez, trabajando con imágenes que contienen tal cantidad de información, precisa de una capacidad computacional que, hasta el momento, sólo puede ser obtenida a través de la optimización y la paralelización de las operaciones utilizadas. Es en este último punto en el que se centran los objetivos de este Trabajo Fin de Máster (TFM). Para lograr este objetivo, en este TFM se tratará de dividir el algoritmo de reducción dimensional basado en el Análisis de Componentes Principales (PCA -por sus siglas en inglés-) en diferentes etapas, posteriormente se hará un estudio de cuáles de esas etapas son las más penalizantes y, si fuera posible, su paralelización en el lenguaje de programación RVC-CAL. Una vez hecho esto se implementará en una plataforma multinúcleo convencional para obtener datos cuantificables y con ellos se analizará la posible mejora en los tiempos de ejecución. ABSTRACT. Conventional images are composed of the information extracted from the reflection of the visible light (mainly red, green and blue colors) over the objects, as well as from the light intensity captured by the sensor that obtains the aforementioned images. On the other hand, hyperspectral images are able to capture information from a wider range of the electromagnetic spectrum and, as a result, allow us to obtain information on the structure and composition of the captured objects due to the extraction of the spectral signature. As this spectral signature is unique for each chemical compound and for each physical structure, it allows us to identify them through image processing. Furthermore, although hyperspectral images were initially developed for terrestrial remote sensing and geological studies, due to its great potential this technology has been expanded to other research fields, such as medicine. Within this scenario, the HELICoiD project (Hyperspectral Imaging Cancer Detection) aims at detecting tumor cells in the brain through the processing of hyperspectral imaging. More specifically, the Electronic and Microelectronic Design Group (GDEM) of the Technical University of Madrid (UPM) is responsible for designing and implementing the algorithms needed for such image processing. One of the problems associated with the application being developed is the need to identify the tumor in real time for its surgical removal during an operation. This requirement, working with images that contain so much information, requires a computational capacity that, so far, can only be obtained through optimization and parallelization of the implemented operations. It is this last point in which the objective of this Master's Thesis (TFM) focuses. To achieve this goal, this TFM will attempt to divide the algorithm of dimensionality reduction based on Principal Component Analysis (PCA) in different stages; after that, it will perform a study of which of these stages are the most penalizing and, if possible, it will also study its parallelization in the RVC-CAL language. Once this is done, it will be implemented in a conventional multicore platform to obtain quantifiable data and analyze the possible improvement in the execution time.

More information

Item ID: 51155
DC Identifier: http://oa.upm.es/51155/
OAI Identifier: oai:oa.upm.es:51155
Deposited by: Biblioteca Universitaria Campus Sur
Deposited on: 05 Jun 2018 07:16
Last Modified: 05 Jun 2018 07:17
  • Logo InvestigaM (UPM)
  • Logo GEOUP4
  • Logo Open Access
  • Open Access
  • Logo Sherpa/Romeo
    Check whether the anglo-saxon journal in which you have published an article allows you to also publish it under open access.
  • Logo Dulcinea
    Check whether the spanish journal in which you have published an article allows you to also publish it under open access.
  • Logo de Recolecta
  • Logo del Observatorio I+D+i UPM
  • Logo de OpenCourseWare UPM