Ricerca | Progetti Finanziati

ANALISI E SVILUPPO DI ALGORITMI PER LA FUSIONE DI DATI TELERILEVATI DI NATURA ETEROGENEA

Pur rimanendo confinata nell’ambito della fusione di dati telerilevati di natura eterogenea, la ricerca in oggetto si muoverà su varie linee di investigazione, suggerite sia dalla letteratura esistente, sia dagli studi precedenti condotti dal gruppo proponente. Più in dettaglio, gli obiettivi riguardano il progetto di algoritmi innovativi di fusione dati e lo sviluppo di tecniche di valutazione delle prestazioni.Per quanto riguarda il primo punto, si partirà dagli approcci classici che ancora oggi ottengono il miglior compromesso fra la qualità dell’immagine finale e le sempre più stringenti richieste di efficienza computazionale. Tali tecniche si articolano tipicamente in due passi successivi: l’estrazione dei dettagli dall’immagine monocromatica ad alta risoluzione e l’iniezione, pesata da opportuni coefficienti, di tale informazione nell’immagine multispettrale a bassa risoluzione. Una tecnica molto accreditata per portare a termine il primo passo consiste nel ricavare i particolari mancanti applicando al dato pancromatico un filtro complementare alla risposta del sensore multispettrale. In questo lavoro ci si vuole concentrare sulla stima del miglior filtro per l’estrazione dei dettagli, a partire dai dati disponibili. Infatti le specifiche di tale sistema non sono disponibili o cambiano nel tempo, rendendo necessario l’utilizzo di una procedura di inferenza. Ancora maggiore interesse merita la successiva fase di iniezione. In tale ambito verrà condotto uno studio teorico mirato alla stima dei coefficienti di iniezione. Un'attenzione particolare verrà infine dedicata alla fase preliminare di equalizzazione dell’immagine pancromatica, che costituisce un passo cruciale in quasi tutti gli approcci presenti in letteratura.Oltre alle tecniche classiche, in questo studio verranno investigati alcuni metodi recenti che sono risultati particolarmente promettenti durante le prime prove di validazione, ma che hanno ancora bisogno di una fase di ottimizzazione prima di essere effettivamente utilizzabili nella pratica. Fra queste, un accento speciale verrà posto sulle tecniche variazionali e su quelle basate su reti neurali convoluzionali. Le prime costituiscono oggi un approccio allo stato dell’arte in molte applicazioni, quali ad esempio la riduzione del rumore (denoising), ma è necessario un minuzioso adattamento prima di ottenere prestazioni apprezzabili anche nel campo del pansharpening. In particolare, si vuole approfondire in questo lavoro l’utilizzo di fattori di regolarizzazione basati su norme collaborative, che sono in grado di portare adeguatamente in conto la presenza di informazioni comuni sui vari canali delle immagini multispettrali. Per tale motivo, significativi miglioramenti sono attesi in termini di fedeltà spaziale e spettrale vicino alle discontinuità, come ad esempio nelle prossimità dei contorni degli oggetti presenti nella scena. Con riferimento all’approccio basato sulle reti neurali convoluzionali, che sono state recentemente applicate con successo al problema in esame, l’obiettivo è innanzitutto quello di esaminare le proprietà di tale metodo, confrontandole con quelle delle principali tecniche classiche. Inoltre ci si propone di individuare un’architettura specifica per il pansharpening, in grado di tener conto della specificità del problema e di ottimizzare le prestazioni dal punto di vista computazionale.Infine si intende incrementare le prestazioni degli algoritmi di fusione mirati al miglioramento delle immagini iperspettrali e le sequenze di immagini, vagliando sia le possibilità offerte dalle tecniche classiche, che da quelle più innovative appena descritte. In questo caso, la richiesta di metodi efficienti diventa ancora più stringente e nascono nuove problematiche legate alla indisponibilità di piattaforme che ospitano sia i sensori che acquisiscono i dati da migliorare, sia quelli che raccolgono i dati a maggiore risoluzione spaziale.