Algorithmic and hardware acceleration of abundance maps estimation methods in hyperspectral imaging
Accélération algorithmique et matérielle des méthodes d’estimation de cartes d’abondances en imagerie hyperspectrale
Résumé
Hyperspectral imaging consists in collecting the reflectance spectrum for each pixel of an image. This measurement technique is used in airborne remote sensing, astrophysics, or microscopy. Processing the large data volume of a hyperspectral image requires a method with both restrained computational cost and limited memory usage. The method proposed in this thesis aims at estimating the abundance maps (component's proportions in each image pixel) by constrained least squares criterion minimization with the addition of a penalization term to ensure the maps spatial regularity. The work done intends to reduce the computing time of an interior point optimization method. Algorithmic modifications based on separable majorization are proposed. It results in a method both faster and more adapted to parallel computing tools. An implementation on Graphics Processing Units (GPU) is achieved and applied in a large scale experiment where a high number of hyperspectral images from Mars Express exploration mission are processed. The developed method is also used in a vegetation monitoring project on the french atlantic coast.
L'imagerie hyperspectrale consiste en une mesure du spectre de réflectance en chacun des pixels d'une image. Cette technique de mesure est utilisée pour la télédétection aéroportée, en astrophysique ou encore en microscopie. Le traitement du grand volume de données que représente une image hyperspectrale nécessite à la fois des méthodes présentant un coût de calcul maîtrisé et un besoin mémoire raisonnable. Le traitement proposé dans cette thèse a pour objectif l'estimation de cartes d'abondances (proportions de plusieurs constituants dans chaque pixel de l'image) par minimisation d'un critère de type moindres carrés sous des contraintes de positivité et de somme à un, additionné d'un terme de pénalisation pour assurer une régularité spatiale des cartes. Les travaux réalisés ont pour objectif la réduction du temps de calcul d'une méthode d'optimisation de type points-intérieurs. Des modifications algorithmiques basées sur la notion d'approximation majorante séparable sont proposées. Il en résulte une méthode à la fois plus rapide et plus adaptée aux outils de calcul parallèle. Une implémentation sur processeurs de cartes graphiques (GPU) est réalisée et appliquée à grande échelle pour traiter un grand nombre d'images hyperspectrales issues de la mission d'exploration spatiale Mars Express. La méthode développée est également utilisée dans un projet de suivi de la végétation sur la côte atlantique française.