Estudio e implementación en unidades de procesamiento gráficos GPU S de un formador de imagen SAR usando técnica de backprojection
El algoritmo Backprojection en el domino temporal fue presentado como una simple pero efectiva técnica para enfocar imágenes SAR sin hacer ninguna suposición, siendo capaz de procesar datos de cualquier modo de adquisición SAR y realizar compensación de movimiento de forma natural en el mismo alg...
Guardado en:
| Autor principal: | |
|---|---|
| Formato: | Tesis NonPeerReviewed |
| Lenguaje: | Español |
| Publicado: |
2020
|
| Materias: | |
| Acceso en línea: | http://ricabib.cab.cnea.gov.ar/910/1/1Guevara_D%C3%ADaz.pdf |
| Aporte de: |
| Sumario: | El algoritmo Backprojection en el domino temporal fue presentado como una simple
pero efectiva técnica para enfocar imágenes SAR sin hacer ninguna suposición, siendo
capaz de procesar datos de cualquier modo de adquisición SAR y realizar compensación
de movimiento de forma natural en el mismo algoritmo. Su principal desventaja es su
carga computacional de O(N"3), convirtiéndolo en una opción lenta y no conveniente
para implementar en procesamiento serial. Sin embargo, dado el constante avance
tecnológico de las unidades de procesamiento gráfico de propósito general (GPGPU)
que permite programación en paralelo, ahora es posible considerar la inclusión del
Backprojection en el conjunto típico de algoritmos de formación de imágenes SAR.
Este proyecto se enfoca en entender los fundamentos de las adquisiciones SAR y
en la implementación del algoritmo Backprojection en una GPU NVIDIA T4 para
procesamiento en tierra y en tiempo real. En este documento se presenta de forma
gráfica e intuitiva las bases teóricas del Backprojection.
Dos métodos de interpolación en rango fueron propuestos, el primero es un
sobremuestreo de los ecos recibidos y el segundo es un interpolador Sinc. Con ambos
métodos se logro reducir los lóbulos secundarios de la respuesta en acimut. Se
encontró que si la cantidad de memoria de la GPU no es un factor limitante entonces
efectuar un sobremuestreo es mas eficiente, de no ser así, el interpolador Sinc logra su
cometido a cambio de un tiempo de procesamiento superior. Se aplico una ventana
Kaiser de parámetro β = 2,5 en la compresión en rango, logrando reducir los lóbulos
secundarios de la respuesta desde una PSLR de -13 dB hasta -20 dB. Se integro una
rutina de compensación de movimiento en el mismo Backprojection y exitosamente se
lograron corregir errores de enfoque debido a trayectorias no ideales de la plataforma
SAR. Se implemento con la librera OpenCV un post procesamiento de imágenes
dedicado a corregir deformaciones geométricas debido a adquisiciones con squint y a
espaciamientos en rangos no constantes, además de esto se aplico una ecualización
de histograma adaptativo de contraste limitado y un ltro de mediana para reducir
speckle noise del producto nal.
Finalmente, se presenta la implementación de un procesador en tiempo real
Backprojection. Para lograr la velocidad de procesamiento requerida, la versión básica
del algoritmo sin la interpolación ni compensation de movimiento fue ejecutada. Para
probar esta rutina se realizo una simulación y se obtuvieron resultados satisfactorios,
sin embargo aun se necesita una interfaz real con instrumentos SAR.
El algoritmo fue escrito en Python y CUDA/C usando la librera CuPy, Para probar
el algoritmo se simularon bancos puntuales con el simulador de INVAP, SIDRA y
también se usaron datos reales del proyecto SARAT proporcionados por CONAE. |
|---|