Efectes de la compressió amb pèrdua en les imatges de teledetecció i la cartografia resultant

Abstract

La teledetecció proporciona, probablement, la més enorme font de dades de la qual la humanitat disposa sobre el planeta. I aquesta generació de dades continua creixent a un ritme vertiginós, no només perquè els satèl·lits existents segueixen enviant imatges, sinó també perquè es llancen nous satèl·lits, en molts casos capaços de generar encara més informació. Aquest procés comporta enormes possibilitats d’aplicació, però també una important problemàtica de maneig de tota aquesta informació i una creixent necessitat de formats de compressió que permetin disminuir el volum de dades emmagatzemades sense disminuir significativament la qualitat de les imatges per a aplicacions posteriors. A més a més, el nou paradigma de les Infraestructures de Dades Espacials (IDE), promou l’establiment de serveis de dades web, que habitualment requereix de l’ús d’estratègies de compressió per a transferir imatges de manera repetitiva a entorns d’ample de banda potser restringit. L’objectiu principal d’aquesta Tesi doctoral és estudiar i quantificar els efectes de diferents tècniques de compressió amb pèrdua en la cartografia generada a través d’imatges de teledetecció, considerant diferents tipus d’imatges, escenaris geogràfics, mètodes de generació de cartografia i opcions de compressió (estàndard: JPEG, JPEG 2000 o CCSDS; moment en què es comprimeix: a bord o usuari; diversos nivells de compressió). Entre les principals aportacions s’ha descobert que l’efecte de la compressió depèn de la metodologia emprada per a obtenir la cartografia desitjada, de l’estàndard de compressió emprat, del moment en què la compressió s’ha realitzat i de la fragmentació de la zona a cartografiar. Les zones més fragmentades accepten menys compressió, especialment si s’usen els estàndards menys eficients. JPEG 2000 obté millors resultats que JPEG clàssic quan s’aplica a nivell d’usuari, especialment si s’empra compressió 3D en JPEG 2000. CCSDS obté millors resultats que JPEG 2000 quan s’utilitza a bord a raons de compressió baixes (les desitjades en aquest entorn) i si el rang dinàmic de la imatge és petit baix (fins a 1000). Finalment, l’adaptació de l’estàndard JPEG 2000 per a codificar les zones de NODATA és factible emprant tècniques de codificació que milloren la fidelitat de la compressió evitant codificar la zona definida com a NODATA, i permetent mantenir la seva definició, de gran utilitat per als usuaris de teledetecció. Des d’un punt de vista més quantitatiu, els resultats de la tesi mostren que quan s’utilitzen tècniques de fotointerpretació sobre ortoimatges per a obtenir un mapa categòric d’usos del sòl, una compressió JPEG 2000 del 5:1 pot ser aplicada sense obtenir efectes en la cartografia obtinguda, més enllà dels propis deguts a la subjectivitat del fotointèrpret. Quan s’usen models de regressió per a obtenir variables quantitatives com la temperatura mitjana o mínima anual, a partir de dades de teledetecció (temperatura de superfície terrestre i NDVI) i/o variables geogràfiques (altitud, latitud, continentalitat, etc.), la compressió JPEG 2000 no afecta a la regressió fins a raons de compressió molt elevades (25:1 o 5:1 segons si s’usen només variables climàtiques o també variables de teledetecció). Si l’objectiu és la classificació píxel a píxel multitemporal d’imatges de satèl·lit per a obtenir mapes d’usos del sòl, la compressió aplicada pot ser diferent en funció del tipus de paisatge (zona de boscos o de conreus) i la fragmentació de la zona. El rang de compressions JPEG 2000 admeses varien des del 3.33:1 o 5:1 en el pitjor dels casos (zones de boscos fragmentades) fins l’100:1 (zones de conreus menys fragmentades). Si la classificació s’obté a través de tècniques de segmentació (grups de píxels), les conclusions indiquen que fins a compressions JPEG 2000 de 20:1 (depenent de la fragmentació de la zona), la classificació obtinguda és similar a la classificació original.

Remote sensing is probably the largest source of data about the Earth that humanity has. Data are continually generated, and the amount of information we are acquiring is growing. This is not only because the currently existing satellites keep sending images, but also because new satellites that generally generate more information are being launched. This process clearly provides enormous application potential, but there is also an important handling problem and a growing need for compression formats that allow the volume of stored data to be decreased without significantly reducing the quality of the images used in applications. The new Spatial Data Infrastructures (SDI) paradigm developed over recent years promotes the establishment of web data services, usually in terms of the Open Geospatial Consortium. These services require compression and interactive transmission strategies in order to transfer images (which may be very large) repetitively to environments with restricted bandwidth. The problems related to restricted bandwidth are especially critical in emergency situations in which mobile devices with low bandwidth are usually the only option. The main aim of this PhD Thesis was to study and quantify the effects of several lossy compression techniques on the cartography resulting from remote sensing images, taking into account several image types, geographical scenarios and compression options (standards: JPEG, JPEG 2000 or CCSDS, using on board compression or user compression). Among the main contributions of the thesis, we found that the effect of compression depends on the methodology used to obtain the cartography, on the compression standard employed and on the fragmentation of the study area. More fragmented areas cannot be compressed as much as less fragmented areas, especially if less efficient standards are used. JPEG 2000 obtains better results than the classic JPEG, especially if 3D JPEG 2000 is used. CCSDS obtains better results than JPEG 2000 when on board compression is used at low compression ratios (which are enough in this environment) and if the dynamic range of the image is low (up to 1000). Finally it is possible to use a JPEG 2000 modification to code NODATA areas with coding techniques that improve compression fidelity, avoid coding NODATA areas and allow them to be defined, which is very useful for remote sensing users. From a quantitative point of view, these results show that when photointerpretation techniques are used on orthoimages to obtain a land cover map, JPEG 2000 compression can be applied at 5:1 with fewer effects on the resulting cartography than those introduced by the subjectivity of the photointerpreter. When regression models are applied to obtain quantitative variables, such as mean or minimum annual temperature, from remote sensing data (land surface temperature and NDVI) and/or geographical variables (altitude, latitude, continentality, etc.), JPEG 2000 compression does not affect regression up to very high compression ratios (25:1 or 5:1 depending on whether only climatic data or remote sensing data are also used). If the aim is a pixel by pixel classification of a multitemporal satellite image series to obtain land cover maps, the compression applied may be different depending on the landscape type (crops or forest areas) and the fragmentation of the area. The JPEG 2000 compression ratios varied from 3.33:1 or 5:1 in the worst case (fragmented forest areas) to 100:1 (less fragmented crop areas). If object-based classification is the objective, our results show that classifications of JPEG 2000 compressions up to 20:1 (depending on the area fragmentation) obtain similar results as classifications of non-compressed images.