Discusión de Resultados del Espacio Urbano

Se plantean dos enfoques en esta discusión. Por un lado se analizan métodos de detección de anomalías en escenarios urbanos mediante algoritmos globales y locales, de tal manera que se identifique el método que aporta mejores resultados en los casos investigados. Por otro lado se discute la información cualitativa que aportan las anomalías detectadas por los diferentes métodos. El método óptimo sería aquel que no sólo presentara una alta probabilidad de detección en relación con una baja probabilidad de falsas alarmas, sino que además presentara un alto poder de discriminación de anomalías informacionales con baja variabilidad entre cada una de ellas. El cálculo en todos los métodos se ha llevado a cabo por separado para los rangos espectrales de los canales reflectantes y emisivos para el conjunto de datos de prueba de AHS y MASTER. El principal desafío es cómo caracterizar con precisión el “interés" de forma numérica. En el caso de esta Tesis el "interés" se puede definir en términos de valores atípicos.

En el test de Alcalá de Henares y de Mérida, mediante el método DAFT se obtiene una buena probabilidad de detección, aunque no la mejor, siendo ésta para OSPRX y RXD-UTD, respectivamente. Se ha analizado no obstante la información cualitativa que proporcionan los verdaderos positivos en los métodos que mejores resultados ofrecen.

(a) (b) (c) (d)

Figura 6.3 Ejemplo de detección de cambios de anomalías para el test de Mérida. (a) Imagen AHS en combinación en color, (b) RXD-UTD global, (c) DAFT global y (d) cambios de anomalías entre RXD-UTD

192 DETECCIÓN DE PATRONES Y ANOMALÍAS ESPECTRALES DEL TERRENO MEDIANTE _{ESPECTROMETRÍA DE IMAGEN DE ALTA RESOLUCIÓN}

Comparados con RX global, OSPRX global obtuvo un coeficiente Kappa de 0.6471 a un nivel de precisión del 94.04% en el test de Alcalá de Henares, mientras que para DAFT el coeficiente Kappa obtenido fue de 0.5955 a un nivel de precisión del 93.18%. En el caso de Mérida, RXD-UTD obtuvo un Kappa de 0.8713 a un nivel de precisión el 99.11%, mientras que DAFT obtuvo un Kappa de 0.6230 a un nivel de precisión del 97.10%. Para unos coeficientes Kappa inferiores calculados en base a RX global, las anomalías detectadas por DAFT son más fuertes, tienen valores más altos, y son detectadas en muchas ocasiones donde no lo hace OSPRX y RXD-UTD en el test de Alcalá y Mérida, respectivamente. En la Figura 6.3 se muestra un ejemplo de detección de cambios para dos zonas del test de Mérida, comparando los resultados de RXD-UTD global (b) y DAFT global (c). En la imagen (c) se observan en negro los píxeles bajo test que se detectaron como anomalía en DAFT y no en RXD-UTD. Se puede percibir como DAFT es más sensible, la anomalía es más fuerte, a determinadas cubiertas artificiales, como la del campo de fútbol o los edificios junto a la estación de tren, así como una sutil anomalía que se detecta en DAFT en el anfiteatro romano, que no se produce en RXD-UTD.

Con el objeto de estudiar la ubicación y el tipo de información que pudieran proporcionar las anomalías detectadas en relación con materiales habituales en los espacios urbanos, se ha ajustado de forma lineal una nube de 35 puntos muestreados en el test de Alcalá de Henares, superficies del tipo asfalto, hormigón, infraestructuras deportivas, techos de edificios, amianto, tejado de grava, cubiertas de tejas, PVC, metal, vidrio, policarbonato celular, cubiertas sintéticas de gasolineras, etc. Todas las regresiones se han calculado con un nivel de confianza del 95%, y se han eliminado en cada ajuste los valores de las muestras que mostraban residuos inusuales y que correspondían principalmente a distorsiones radiométricas y sombras de las imágenes. Los coeficientes de correlación más altos de las regresiones, -0.83 y 0.85, indican una relación moderadamente fuerte.

Se ha establecido una clara relación entre las anomalías térmicas y materiales urbanos particulares, como PVC, metal y cubiertas de las estaciones de servicio, así como una clara relación entre anomalías VNIR y materiales urbanos con una gran

0% 20% 40% 60% 80% 100% 1 2 3 AHS_Image_02_subALC4_SSRX VNIR Background 0 Background Anomaly 50% Anomaly

Figura 6.4 Ejemplo de comparación de anomalías SSRX imagen VNIR en tres zonas delimitadas del test de Alcalá de Henares : (1) casco histórico (2) área industrial y (3) zonas semiurbanas.

193 DETECCIÓN DE PATRONES Y ANOMALÍAS ESPECTRALES DEL TERRENO MEDIANTE _{ESPECTROMETRÍA DE IMAGEN DE ALTA RESOLUCIÓN}

influencia de las bandas de diagnóstico en el espectro SWIR, como son las cubiertas de edificios de tejas, amianto o suelo de albero de la plaza de toros.

Detección de Anomalías (%) – Alcalá de Henares

Detector Casco Histórico Urbano Residen. Industrial

RX 0.38 4.18 1.94 SSRX 0.44 3.85 1.50 OSPRX 0.31 3.91 1.89 RX-vnir 0.30 3.38 1.66 RX-tir 0.24 3.26 1.65 SSRX-vnir 0.29 3.38 1.48 SSRX-tir 0.33 4.00 1.92 OSPRX-vnir 0.24 2.86 1.36 OSPRX-tir 0.84 5.74 2.51

Tabla 6.1 Comparación de los resultados (anomalías en %) entre los detectores de anomalías para el test Alcalá de Henares en relación con la escena completa (580.563 píxeles).

En otro sentido, las anomalías VNIR se detectan principalmente en el polígono industrial de la zona del test de Alcalá de Henares, que corresponde con un mayor número de bandas diagnóstico SWIR para los materiales y objetos urbanos típicos en esta área y en este test.

Para el test de Washington D.C. se ensayaron los algoritmos de detección de anomalías con datos hiperespectrales HYDICE en una zona del Centro Comercial de la ciudad. Todos los métodos han sido ejecutados en este caso con más de 74 bandas, sin producirse significancia en las diferencias en la detección de anomalías cuando aumenta el número de bandas, ya que todas las del sensor HYDICE se agrupan en puertos del VNIR hasta las 2.5 µm. Esto no es sorprendente dada la alta correlación en bandas contiguas, de tal manera que la eliminación de ciertas bandas de las imágenes no marca una diferencia significativa.

La dimensión total de la escena era de 1280 × 307 píxeles, mientras que el subconjunto bajo test de la Figura 6.5 fue de 200 × 200. Se observa en ella una combinación de color de tres bandas a partir de los datos originales (a), y el resultado de PP (b), que fue umbralizado para mostrar más claramente los niveles más altos.

La Figura 6.5 (c) muestra un ejemplo del resultado de RX global para la subescena. Se puede apreciar como el método PP destaca las características artificiales como anomalías. Se trata principalmente de los coches. Se hace notar que en el aparcamiento (encima de la esquina inferior derecha) la mayoría de los coches fueron detectados. Los valores más altos corresponden a elementos de construcción casi en exclusiva el centro de la imagen y cerca del lago, y al coche situado en el puente. RX se centra en la detección de anomalías sobre todo en el obelisco y alrededores, más que en los coches. Esto confirma de nuevo la hipótesis con respecto a la distinción que efectúan los métodos que aplican proyección subespacial, a saber DAFT, PP y OSPRX, respecto al estándar RX, sobre las posibilidades de los primeros para grupos de valores extremos discriminados como miembros puros en el proceso de proyección, mientras que el segundo es más sensible a valores atípicos aislados.

194 DETECCIÓN DE PATRONES Y ANOMALÍAS ESPECTRALES DEL TERRENO MEDIANTE _{ESPECTROMETRÍA DE IMAGEN DE ALTA RESOLUCIÓN}

Para el test de San José se ha discutido comparativamente entre dos sensores, HyMAP y MASTER, analizando los resultados de detección en base a los puertos VNIR y TIR distintos en ambos espectrómetros.

En la Figura 6.6 se comparan el resultado para dos métodos, en la parte superior MASTER y en la inferior HyMAP. Se puede observar que DAFT (c) en la Figura 6.6 omite las sombras de las nubes y detecta anomalías en una amplia área de la ciudad bajo ellas. El incendio que se puede apreciar en la esquina inferior izquierda (a), se

Figura 6.5 Subescena (a) HYDICE datos del test de Washington D.C., (b) ejemplo de anomalías detectadas por el método PP, (c) muestra las anomalías para el método de RX. Ambas imágenes se han umbralizado respecto del nivel más alto con el fin de identificar las prioridades en la detección

195 DETECCIÓN DE PATRONES Y ANOMALÍAS ESPECTRALES DEL TERRENO MEDIANTE _{ESPECTROMETRÍA DE IMAGEN DE ALTA RESOLUCIÓN}

detecta como anomalía fuerte en MASTER SSRX, y HyMAP RXD-UTD y OSPRX, si bien en DAFT global, aunque se detecta, el valor de la anomalía es menor.

(a) (b) (c) (d)

Figura 6.6 Ejemplo de detección de cambios de anomalías para el test de San José (a) Imagen MASTER (superior) y HyMAP (inferior) en combinación en color, (b) SSRX global (sup.) y OSPRX global (inf.), (c) DAFT global (sup.) y RXD-UTD (inf.) y (d) cambios de anomalías entre SSRX y DAFT (sup.) y OSPRX y

RXD-UTD (inf.).

La letra (c) de la Figura 6.6 muestra el cambio en la detección de anomalías de SSRX global respecto DAFT en la parte superior, y OSPRX y RXD-UTD en la parte inferior. Resulta muy significativo el resultado de cambio en la detección de anomalías de MASTER que se obtiene. Prueba la sensibilidad térmica de DAFT en relación con determinadas respuestas como puedan ser el aporte de radiancia producido por sombra de nubes. En (c) superior de la Figura 6.6 los tonos granates y negros representan los píxeles detectados como anomalías difusas y fuertes respectivamente, que se detectaron en DAFT y no en SSRX. El agua del embalse de la plaza central de San José es detectado como anomalía en estas condiciones por el método DAFT, mientras que no es así en SSRX. El resulta análogo de cambio en la detección para HyMAP OSRPX y RXD-UTD mostrado en (c) inferior de la Figura 6.6 evidencia la poca diferencia entre ambos métodos.

6.1.3

Conclusiones del Apartado

Se han analizado las características espectrales de los datos de alta resolución de espectrómetros de imagen AHS, HYDICE, MASTER y HyMAP en espacios urbanos mediante diferentes métodos de detección de anomalías. En estos test se ha evaluado la eficacia de los métodos de detección de anomalías en las escenas con fondos espectrales y tipos de objetivos similares para escenas de la ciudad de Alcalá de Henares, Mérida (España), Washington D.C. (EE.UU.) y San José (Costa Rica).

196 DETECCIÓN DE PATRONES Y ANOMALÍAS ESPECTRALES DEL TERRENO MEDIANTE _{ESPECTROMETRÍA DE IMAGEN DE ALTA RESOLUCIÓN}

Se han comparado los resultados del detector adoptado como estándar RX respecto a los resultados de los métodos OSPRX, SSRX, PP, UTD, DAFT y RXD-UTD en sus modalidades globales y locales, así como subespaciales para rangos del visible junto al infrarrojo cercano e infrarrojo térmico. Los diferentes detectores de anomalías han sido probados en escenas hiperespectrales de alta complejidad como son los espacios urbanos investigados.

OSPRX ofrece los mejores resultados para el test de Alcalá de Henares, mientras que los mejores resultados para los test de Mérida, Washington y San José se obtuvieron por RXD-UTD global, OSPRX y SSRX, respectivamente. No obstante, cuando ha sido aplicable DAFT, ha ofrecido resultados en probabilidad de detección similares a los mejores métodos, pero con la significancia de que detectan anomalías cualitativamente diferentes.

Se ha investigado la información aportada por las anomalías detectadas por los diferentes métodos en el espacio urbano. Mayores concentraciones de algunos materiales urbanos en escenarios en los que se minimizan las fuentes de error, procedentes sobre todo del propio sensor o de iluminaciones diferenciales (saturaciones/reflejos/sombras) se correlacionan con las anomalías en el rango VNIR. La evaluación subjetiva de los resultados de la detección muestra que los detectores ofrecen resultados aleatorios, y que las falsas alarmas se deben principalmente a los objetos con espectros anómalos en la escena, como partes de edificios y superficies que producen saturaciones de los espectrómetros o distorsiones radiométricas de las imágenes.

La mezcla espectral asociada directamente con la resolución espacial de la imagen, tiene un impacto significativo en la caracterización de los fondos urbanos, y por lo tanto en la detección de las anomalías espectrales. Se han analizado en este sentido dos grupos de datos, unos de 3 m de resolución espacial, y otros sobre los 10 m de nivel de detalle. Se comprueba la estrecha relación entre las anomalías detectadas y la información radiométrica contenida en el área cubierta por el píxel bajo test. Los resultados obtenidos en los test del Espacio Urbano permiten mejorar los procesos de clasificación automatizada, buscando áreas y detectando automáticamente materiales urbanos de interés en virtud exclusivamente de sus características de superficie.

197 DETECCIÓN DE PATRONES Y ANOMALÍAS ESPECTRALES DEL TERRENO MEDIANTE _{ESPECTROMETRÍA DE IMAGEN DE ALTA RESOLUCIÓN}

6.2 ANOMALÍAS ESPECTRALES EN ESPACIO SEMIURBANO