• Real Time
• Anomaly Detection
• GPU

Nel campo dell'elaborazione di immagini iperspettrali, l’Anomaly Detection (AD) riveste un ruolo centrale. Essa consiste nell’individuazione dei pixel spettralmente anomali rispetto allo sfondo dell’immagine. In molti scenari operativi, l'individuazione dei pixel anomali deve essere effettuata in tempo reale. A tal fine sono stati effettuati molti studi riguardanti la progettazione di algoritmi di AD efficienti sotto il profilo computazionale.
Questo lavoro di tesi è stato incentrato sulla definizione di algoritmi di AD caratterizzati da una bassa complessità computazionale. In particolare, è stato analizzato un algoritmo già proposto in letteratura e denominato RX ed è stata sviluppata una versione computazionalmente efficiente dello stesso che sfrutta le potenzialità di calcolo parallelo offerte dalle nuove schede video (GPU). Inoltre, è stata proposta un’innovativa strategia di AD che sfrutta la possibilità di rappresentare l’informazione utile contenuta in un’immagine iperspettrale in un sottospazio di dimensione molto minore rispetto al numero di canali spettrali. La complessità computazionale degli algoritmi di AD è proporzionale alla dimensionalità spettrale dell’immagine analizzata, per cui la riduzione della suddetta dimensionalità permette di migliorare l’efficienza computazionale degli algoritmi. Anche per il nuovo algoritmo è stata definita un’implementazione che permette di sfruttare le potenzialità di calcolo delle schede GPU.
Entrambe le strategie di decisione analizzate sono state implementate su una scheda grafica Nvidia GeForce GTX 570, utilizzando come interfaccia di programmazione il software sviluppato dalla casa produttrice Accelereys, Jacket, integrato all’interno della piattaforma Matlab.
Le prestazioni dell’algoritmo proposto e quelle dell’algoritmo RX sono state confrontate su un insieme di dati reali, sia in termini di tempi di elaborazione che di capacità di rivelazione. I risultati ottenuti mostrano che l’algoritmo di AD proposto ed adattato all’architettura parallela offerta dalle GPU, permette di effettuare la rivelazione delle anomalie in tempo reale, anche nel caso di dati acquisiti da un sensore ad alta risoluzione spaziale e spettrale.