Paolo ADDESSO | Projects

INTEGRAZIONE DI DATI MULTISPETTRALI E MULTITEMPORALI PROVENIENTI DA SENSORI ETEROGENEI CON APPLICAZIONE AL TELERILEVAMENTO

Lo scopo della attività di ricerca è di proporre algoritmi innovativi per la fusione di dati acquisiti da sensori diversi ed in tempi differenti. La prima linea di ricerca da investigare riguarda lo sviluppo di algoritmi multitemporali e multispettrali per la determinazione della copertura nuvolosa (cloud masking) nelle immagini telerilevate. La proposta è di affrontare il problema mediante le tecniche di tracciamento multiplo (Multitarget Tracking - MTT), complicato dal fatto che i bersagli, cioè le masse nuvolose, sono di forma e dimensione variabile nel tempo. Per questo gli algoritmi di MTT vengono utilizzati solo per costruire una probabilità a priori che agevola, in un approccio Bayesiano basato su Markov Random Field, la successiva fase di classificazione. L’approccio, di cui è stata dimostrata la fattibilità nel corso delle ricerche precedenti, ha finora sofferto del problema della eccessiva complessità computazionale. Inoltre si è visto che la formulazione di un’adeguata forma funzionale della suddetta probabilità a priori costituisce un punto cruciale del metodo proposto. Entrambe queste problematiche saranno affrontate durante questa seconda fase della ricerca, facendo ricorso, per la prima, ad un’implementazione basata su misture di Gaussiane. Per quanto riguarda invece la forma funzionale della distribuzione a priori si confronteranno più modelli statistici in modo da individuare quello meglio bilanciato fra l’accuratezza della descrizione e l’onere computazionale.Riguardo lo sviluppo di tecniche per il pansharpening si vuole continuare l’approfondimento di metodologie per l’estrazione e l’iniezione dei dettagli delle immagini pancromatiche, sia nel caso di immagini MultiSpettrali (MS), che iperspettrali (HS). Più in dettaglio l’obiettivo massimo è il progetto di tecniche innovative per la costruzione dell’immagine fusa e a tale scopo si vogliono utilizzare i più recenti risultati dell’elaborazione dei dati, quali il Compressed Sensing (CS) e l’ Analisi a Componenti Principali Non Lineare (LNPCA). Tuttavia poiché in tutti i casi una fase cruciale riguarda l’iniezione dell’informazione estratta dall’immagine pancromatica nei dati MS/HS, si intende innanzitutto valutare le prestazioni ottenibili al variare della formula di iniezione. In particolare il legame fra le varie proposte presenti nella letteratura con la fisica del problema, ed in particolare con la risposta del sistema ottico di acquisizione, non è stato ancora sufficientemente investigato. Una terza linea di ricerca riguarda la fusione di immagini nell’infrarosso termico caratterizzate da diverse risoluzioni spaziali e/o temporali. Tale attività si colloca nell’ambito del progetto IRRISAT (finanziato dalla Regione Campania - CUP: B35C11000090004), che si occupa del monitoraggio e del management delle risorse irrigue e che vede, tra gli altri, la collaborazione dell’Università di Napoli Federico II e dell’Università di Palermo. Lavorando su immagini acquisite dai sensori orbitali SEVIRI e MODIS sono stati ottenuti risultati incoraggianti basati sull’utilizzo di tecniche di filtraggio Bayesiano, come i filtri di Kalman. Tuttavia si ritiene di ottenere miglioramenti nella stima di immagini termiche che abbiano sia elevata risoluzione spaziale che temporale mediante il miglioramento del modello dinamico che descrive l’andamento della temperatura al suolo basato sull’utilizzo di dati aggiuntivi quali l’inerzia termica e le informazioni orografiche del suolo. Un’altra strada possibile è quella relativa all’utilizzo dello smoothing Bayesiano. Infatti in molte applicazioni di tipo agricolo, diverse quantità come l’inerzia termica o l’NDVI variano con dinamiche lente. Pertanto è possibile ottenere stime di mappe termiche più precise eliminando il requisito di “real-time” e accontentandosi di effettuare le operazioni di stima della temperatura al termine della giornata, quando si hanno cioè a disposizione tutti i dati.