Clasificación de imágenes de teledetección mediante ELM kernel y perfiles morfológicos en GPU.

Hoy en día el uso de sensores hiperespectrales se ha extendido a una gran variedad de aplicaciones tales como la clasificación de imágenes de teledetección. Recientemente se ha presentado un esquema de clasificación espectral-espacial (ELM-EMP) basado en Extreme Machine Learning (ELM) y Perfiles Morfológicos Extendidos (EMP) obtenidos utilizando Análisis en Componentes Principales (PCA) y operaciones morfológicas. En este trabajo se han introducido varias mejoras para incrementar la precisión de la clasificación del esquema original (ELM-EMP). En particular, se presenta un esquema que utiliza un clasificador ELM basado en kernels (KELM-EMP) y se aplica una regularización espacial. Además, se ha realizado una implementación eficiente sobre Unidades de Procesamiento Gráfico (GPUs) de estos esquemas. En cuanto a esta proyección en GPU, se han aplicado diferentes técnicas como pueden ser el uso de librerías CUDA optimizadas y la ejecución de bloques asíncronos. Como resultado, la precisión obtenida por los dos esquemas (ELM-EMP-S y KELM-EMP-S) es mejor que para el esquema ELM-EMP original y el tiempo de ejecución se ha reducido significativamente.

keywords: Teledetección, clasificación, datos hiperespectrales, Extreme Machine Learning (ELM), Análisis de Componentes Principales (PCA), Perfiles Morfológicos Extendidos (EMP).