Sistemas para Compressão de Imagens em Satélites de Sensoriamento Remoto

Transcrição

1 Sistemas para Compressão de Imagens em Satélites de Sensoriamento Remoto {leila, Profa. Dra. Leila M. G. Fonseca (Supervisora)... DPI/INPE Prof. Dr. Max H. M. Costa (Colaborador)... FEEC/UNICAMP Lilian Nogueira de Faria (Bolsista)... DPI/INPE

2 Bolsista PCI-DA (2009-atual) Lilian Nogueira de Faria Universidade Federal de São Carlos (UFSCar) Mestre em Ciência da Computação Processamento de Imagens e Sinais: Arquiteturas e Algoritmos Orientadores: Prof. Dr. Nelson D. A. Mascarenhas e Prof. Dr. Célio E. Moron Instituto Nacional de Pesquisas Espaciais (INPE) Bolsista do Programa de Capacitação Institucional Coordenação Geral de Observação da Terra (OBT) Divisão de Processamento de Imagens (DPI) Supervisora: Profa. Dra. Leila M. G. Fonseca

3 PTCR-INPE Programa Interno de Desenvolvimento de Tecnologias Críticas Projetos que visam consolidar tecnologias prioritárias e inovadoras para desenvolvimento independente de satélites no Brasil.

4 PTCR-PJSCD (2009-atual) Projeto Sistema de Compressão de Dados Motivação [ Dependência da tecnologia chinesa ] Adquirir conhecimentos sólidos e estabelecer domínio da tecnologia de compressão de imagens para embarcar nos futuros satélites do Programa Espacial Brasileiro.

5 Compressão de imagens Compressão de imagens reduz a quantidade de dados necessária para representar uma imagem digital, com perda ou sem perda de informação.

6 Compressão de imagens Imagem original Codificador Codificador Canal Decodificador Imagem decodificada

7 Satélites de Sensoriamento Remoto Em missões espaciais, a compressão é necessária devido a limitações de recursos de armazenamento e largura de banda de transmissão de dados.

8 Compressão de imagens Em aplicações onde a informação contida na imagem é importante para exploração científica e o custo de aquisição de dados é alto, os dados originais devem ser preservados. A câmera PAN do satélite CBERS 3, com lançamento em 9 de dezembro de 2013, usa um compressor DPCM com perda desenvolvido pela CAST/China.

9 Compressão de imagens Modelos de Compressão Domínio espacial Métodos preditivos DPCM Lossless JPEG JPEG-LS... Domínio da frequência Métodos baseados em transformada JPEG JPEG2000 CCSDS-IDC ICER e SPIHT JPEG-XR...

10 Sistemas de compressão de imagens Os métodos DPCM, JPEG-LS, CCSDS-IDC e JPEG-XR foram avaliados em software para seleção do compressor de melhor desempenho. Conjunto de imagens-teste: 20 cenas multiespectrais (5 bandas) da câmera CCD/CBERS-2B

11 Imagens CCD/CBERS-2B

12 Requisitos do sistema de compressão Processamento rápido. Execução em tempo real durante aquisição das imagens. Bom desempenho de compressão. Diminuição do volume de dados. Boa qualidade da imagem recuperada. Imagem sem perda ou quase sem perda. Baixa complexidade computacional. Implementação em hardware embarcado no satélite com recursos computacionais limitados.

13 Medidas de desempenho e qualidade Razão de Compressão CR = tamanho original tamanho comprimido Requisitos mínimos 4:1 Qualidade quantitativa da imagem 10log10 (255) PSNR MSE 2 (db) 50 db MSE 1 MN M N x 0 y 0 ( I orig I dec ) 2

14 PSNR (db) Qualidade Resultado de desempenho x qualidade JPEG-XR All CCSDS Bpp = 4 DPCM * Bpp 2.0 Noflexbits JPEG-LS Near 0 All QP = 4 All QP = 8 Near 1 All QP = 10 Bpp 1.0 Near 2 All QP = 16 Bpp 0.5 Near 3 All QP = 32 Bpp 0.25 DPCM JPEG - LS CCSDS -IDC JPEG - XR JPEG - XR All 40 Near 4 NoHighpass DC-Only Razão de Compressão *Errata Doc. DPCM Desempenho

15 Análise subjetiva de qualidade visual DPCM CR 2.0 Original DPCM Ruído granular

16 Near 2 Near 3 Original & Near 0 Near 1 Sem perda JPEG-LS CR 6.0 CR 9.0 CR 15.0

17 Int 2bpp Int 1bpp Original Int 4bpp CCSDS-IDC CR 2.0 CR 4.0 CR 8.0

18 NoHighpass CR 16.0 DC Only CR > 100 Original & All Noflexbits CR 4.0 Sem perda JPEG-XR All Q10 CR 9.0

19 Similaridade Estrutural (SSIM) DPCM CR 2.0 PSNR 38.6 MSSIM 0.98 JPEG-LS 2 CR 8.2 PSNR 45.3 MSSIM 0.97 Maior degradação < 0.95 Colormap SSIM 1.0 Sem degradação estrutural

20 Similaridade Estrutural (SSIM) CCSDS CR 8.0 PSNR 47.8 MSSIM 0.98 JPEG-XR CR 9.6 PSNR 51.9 MSSIM 0.99 Maior degradação < 0.95 Colormap SSIM 1.0 Sem degradação estrutural

21 Velocidade de compressão Intel Core i GHz ~ 6000 x 6000 pixels DPCM JPEG-LS CCSDS-IDC JPEG-XR (All QP=8) Tempo(s)

22 Principais benefícios Seleção dos métodos mais apropriados para compressão de imagens de sensoriamento remoto. Avaliação e correção do descompressor DPCM da câmera PAN do CBERS 3 & 4. Confirmação dos resultados do JPEG-LS implementado em hardware (FPGA) na DEA-INPE. Palestras técnicas e científicas sobre compressão de dados aos engenheiros, pesquisadores e pós-graduandos do INPE.

23 Publicações científicas Artigo completo publicado em periódico Lilian N. Faria, Leila M. G. Fonseca, and Max H. M. Costa, Performance Evalu ation of Data Compression Systems Applied to Satellite Imagery, Journal of Electrical and Computer Engineering, vol. 2012, Article ID , 15 pages, doi: /2012/ / Trabalho publicado em anais de congresso Lilian N. Faria, Leila M. G. Fonseca, and Max H. M. Costa, Métodos para Compressão de Imagens em Satélites de Sensoriamento Remoto, Anais XVI Simpósio Brasileiro de Sensoriamento Remoto SBSR, Foz de Iguaçu, PR, Brasil, 13 a 18 de abril de 2013, INPE. Relatório técnico Lilian N. Faria, Leila M. G. Fonseca, DPCM for Pan camera onboard CBERS 3&4 satellites, 2013, INPE.

24 Conclusões Alguns algoritmos apresentaram alta complexidade para implementação em hardware, baixo desempenho de compressão ou baixa qualidade de imagem. Seleção dos métodos de compressão que apresentam melhor relação entre complexidade computacional, desempenho de compressão e qualidade da imagem. Conhecimentos sólidos para desenvolvimento de sistemas de compressão de imagens nas futuras missões espaciais do INPE.