SAUSSURE 4X, el detalle de las cosas

INTELIGENCIA APLICADA AL INCREMENTO DE RESOLUCIÓN ESPACIAL DE IMÁGENES

Cuando se trata de extraer información de imágenes procedentes de plataformas como los satélites, la resolución geométrica de éstas es uno de los principales factores que determinará sus posibles usos, y la precisión de los resultados a obtener.

La constelación de satélites Sentinel-2 de la ESA pone a disposición de la comunidad, imágenes multiespectrales de manera abierta y con una alta frecuencia de refresco. El inconveniente radica en su resolución espacial, alrededor de 10 metros por pixel en el mejor de los casos, lo que limita sus posibles aplicaciones.

Existen muchas metodologías para aumentar la resolución espacial de estas imágenes. Algunos enfoques se centran en mejorar las bandas de menor resolución (20m. y 60m.) empleando la información de las bandas RGB y NIR (10m), esta estrategia permite generar imágenes Sentinel-2 con sus 13 bandas a 10m.

En Tracasa hemos querido llegar mucho más allá, y con nuestro modelo Saussure 4X conseguimos mejorar la resolución de las bandas RGB y NIR pasando de los 10 metros a los 2.5 metros.

¿Cómo lo hemos conseguido?

Hasta ahora, para afrontar este reto solo se utilizaban métodos tradicionales de interpolación y re-muestreo, tales como interpolación lineal, bilineal, cúbica, bicúbica… 

En nuestro caso para aumentar la resolución hasta un factor de 4 veces la original, hemos aplicado técnicas de deep learning, mediante redes neuronales convolucionales de vanguardia.

Valorando la mejora conseguida

Para interpretar los resultados hemos empleado un sistema de medidas ampliamente utilizadas en el análisis de imágenes como son el PSNR y el SSIM. Estas medidas son indicadores de calidad de los resultados en función de una imagen objetivo a alcanzar. A mayor valor en la métrica mejor se ajustará la imagen al resultado óptimo.

  PSNR SSIM
Bicubic 34.71 0.9230
Superresolución 35.47 0.9387

Resultados

En las siguientes imágenes Sentinel-2, se pueden observar varios ejemplos de muestra de zonas de Pamplona. La imagen original tiene 10 metros por pixel, y nuestra propuesta superresolucionada 2,5 metros por pixel.

Fuente: Tracasa

Este modelo nos permite superresolucionar imágenes multiespectrales de una manera más precisa de como se venía realizando hasta el momento, y se nos abre un gran abanico de posibilidades y aplicación a otros proyectos.

Tracasa se incorpora al mapa de capacidades de tecnologías de inteligencia artificial

Recientemente se ha hecho público el nuevo Mapa de Capacidades de Tecnologías de Inteligencia Artificial (IA) del Ministerio de Ciencia, Innovación y Universidades, reconociendo a Tracasa como un destacado polo de innovación en Inteligencia Artificial y consolidando a la empresa como uno de los mayores referentes de esta temática en Navarra, y en el norte de España.

Fuente: Gobierno de España

La creación de este mapa ha sido una prioridad del Gobierno de España, a través del Grupo Interministerial en Inteligencia Artificial creado bajo la Comisión Delegada para Política Científica, Tecnológica y de Innovación, y en el que participan 15 de los 16 ministerios del Gobierno. El mapa es también un compromiso de los Estados Miembros con la UE reflejada en el Plan Coordinado de la Inteligencia Artificial COM (2018) 795 final en su contribución al objetivo de fortalecer la Inteligencia Artificial.

Este mapa es un hito necesario para conocer el estado actual de las distintas entidades que componen el ecosistema de IA en España. Los datos incluidos en el formulario pretenden generar un mapa de capacidades en tecnologías de IA, fomentar las sinergias entre las entidades españolas, y abrir un camino de colaboración europeo e internacional identificando y visualizando capacidades.

Desde hace años Tracasa ha decidido aplicar una nueva estrategia de innovación muy ligada a la Inteligencia Artificial y a la ciencia de datos, desarrollando proyectos de investigación dentro de esta temática y aplicando los avances obtenidos a nuestras líneas de negocio. Mejorando la calidad de nuestros productos o servicios y haciéndolos cada vez más competitivos.

Photogrammetric Image Analysis and Remote Sensing Symposium

ISPRS foundation ha reeditado un año más el Photogrammetric Image Analysis (PIA19), conjuntamente con el MRSS19 – Munich Remote Sensing Symposium 2019. El evento ha tenido lugar en Munich (Alemania) durante los días 18 y 19 de Setiembre. Se trata de un congreso de claro carácter científico, en el que tienen representación más de 117 países a través de las más prestigiosas universidades y centros de investigación.

La apertura del congreso corrió a cargo de Daniel Cremers, doctor asociado a la TUM (Technical University on Munich), especializado en visión e inteligencia artificial. Un auténtico referente en la materia, con una clara componente de aplicación a la conducción autónoma de vehículos. Coordina uno de los más potentes equipos de investigación formado por más de 60 investigadores en Tokio, Sillicon Valley y Munich.

Tracasa tuvo la oportunidad de realizar una presentación donde mostró sus avances en la aplicación de técnicas de inteligencia artificial para conseguir super-resolucionar imágenes multiespectrales, obtenidas a partir de satélites de la Agencia Espacial Europea (ESA).

Fuente: Tracasa

El comité evaluador del evento ha seleccionado nuestro proyecto para su publicación tanto en el ‘The International Archives of the Photo- grammetry, Remote Sensing and Spatial Information Sciences’, el registro de Thomson Reuters  “Conference Citation Proceedings Index (CPCI)”, así como en SCOPUS y Google Scholar.

En 2018 Tracasa, en colaboración con la UPNA, lanza su línea de investigación para la aplicación de técnicas de inteligencia artificial en la super-resolución de imágenes multiespectrales.

La super-resolución agrupa un conjunto de técnicas y algoritmos que logran mejorar el detalle de una imagen de partida aumentando la resolución espacial. Podríamos decir que, tras el procesado de la imagen con el modelo de super-resolución, se pueden observar mejor los detalles de la imagen.

Esta tecnología tiene una clara aplicación en el análisis de imágenes procedentes de satélites de baja resolución como por ejemplo el Sentinel-2 de la ESA. Se trata de añadir a cualidades tan destacables como su alta frecuencia (una imagen cada cinco días), y su visión sinóptica del terreno, la mejora en la resolución espacial. Estamos hablando de ‘convertir’ pixeles que representan 10 metros de la superficie, a pixeles que representan 5 metros, recuperando parte de la información perdida.

Los resultados obtenidos son realmente buenos, y su aplicación directa al estudio del territorio abre un amplio campo de oportunidades de estudio, lo que nos permite afianzar nuestra posición en el ámbito de la interpretación del entorno mediante el procesamiento de información procedente de sensores remotos.

Fuente: Tracasa