Resumen de Computación de altas prestaciones aplicadas a la detección de anomalías en imagenes hiperespectrales.
La detección de anomalías supone un campo de aplicación importante en el ámbito de la teledetección mediante imágenes hiperespectrales. Uno de los algoritmos más usados y extendidos para detección de anomalías en imágenes hiperespectrales es el algoritmo Reed-Xiaoli (RX). A pesar de que este algoritmo es aceptado por la comunidad, su uso está extendido y es computacionalmente complejo, existe poca documentación sobre implementaciones optimizadas y paralelizadas de este algoritmo, en particular para arquitecturas multinúcleo, clústeres de cómputo y tarjetas gráficas programables (GPUs).
En concreto, el presente trabajo describe una implementación computacionalmente eficiente del algoritmo RX para la detección de anomalías en imágenes hiperespectrales para dichas arquitecturas. De la misma manera, se propone la implementación optimizada y eficiente de una variante del algoritmo RX, denominado RX Local (en inglés Local RX o LRX). Al describir las implementaciones llevadas a cabo, se tratan aspectos críticos en la optimización del algoritmo y su implementación paralela para cada arquitectura, como el cálculo de la matriz de covarianza, el cómputo de operaciones con matrices y la resolución de sistemas de ecuaciones lineales. De esta manera, se proponen optimizaciones computacionales, desarrollando nuevas implementaciones paralelas y estudiando su impacto en términos de precisión y de rendimiento del algoritmo RX y RX Local propuesto. Los resultados obtenidos se evalúan haciendo uso de curvas ROC (Receiver Operating Characteristics) para analizar su capacidad de detectar objetivos en imágenes hiperespectrales reales, del tiempo de ejecución para evaluar el rendimiento, y del consumo energético de cada implementación sobre diferentes arquitecturas. Mediante la comparación global de los resultados obtenidos se evalúan las características y particularidades de cada implementación específica sobre cada arquitectura y su viabilidad en diferentes escenarios con distintos requisitos, por ejemplo, plataformas con limitaciones de energía.
