Parallelizing remote sensing image geometric correction

Remote sensing spatial, spectral, and temporal resolutions of images, acquired over a reasonably sized image extent, result in imagery that can be processed to represent land cover over large areas with an amount of spatial detail that is very attractive for monitoring, management, and scienti c activities. With Moore's Law alive and well, more and more parallelism is introduced into all computing platforms, at all levels of integration and programming to achieve higher performance and energy e ciency. Being the geometric calibration process one of the most time consuming processes when using remote sensing images, the aim of this work is to accelerate this process by taking advantage of new computing architectures and technologies, specially focusing in exploiting computation over shared memory multi-threading hardware. A parallel implementation of the most time consuming process in the remote sensing geometric correction has been implemented using OpenMP directives. This work compares the performance of the original serial binary versus the parallelized implementation, using several multi-threaded modern CPU architectures, discussing about the approach to nd the optimum hardware for a cost-e ective execution.

Les resolucions espacials, espectrals i temporals d'imatges de teledetecci ó, adquirides a una mida raonable, donen com a resultat imatges que es poden processar per a representar grans àrees de terreny amb un nivell de detall espacial que es molt atractiu per a l'observaci ó i la gestió, així com per a les activitats i recerca científi ques. Amb la llei de Moore encara vigent, m és i més paral·lelisme és introduïtt a cada nova generació per a totes les plataformes de computació. El paral·lelisme és present en tots els nivells d'integració i també en la programació, amb la fi nalitat d'obtenir un millor rendiment i e ficiència energètica. Essent el procés de calibració geomètrica un dels processos més costosos computacional i temporalment quan utilitzem imatges de teledetecció, l'objectiu d'aquest treball és accelerar aquest procés mitjançant l'aprofitament de les noves tecnologies i arquitectures de computació, fent especial èmfasi en l'explotació de maquinari paral·lel amb memòria compartida. Mitjançant l'ús de directives OpenMP s'ha paral·lelitzat l'etapa més costosa i lenta del procés de correcció geomètrica d'imatges de teledetecció. Aquest treball compara el rendiment de l'aplicació original sèrie amb la versió paral·lelitzada mitjançant proves en diferents sistemes multiprocessador, proposant diversos enfocaments per tal d'escollir el maquinari més adequat per a una execució òptima.

Las resoluciones espaciales, espectrales y temporales de imágenes de teledetección, adquiridas a un tamaño razonable, dan como resultado imágenes que se pueden procesar para representar grandes áreas de terreno con un nivel de detalle espacial que es muy atractivo para la observación y la gestión, así como para actividades científicas. Con la ley de Moore aún vigente, más y más paralelismo es introducido a cada nueva generación para todas las plataformas de computación. El paralelismo está presente en todos los niveles de integración y en la programación, con el fin de obtener un mayor rendimiento y eficiencia energética. Siendo el proceso de calibración geométrica uno de los procesos más costosos computacional y temporalmente cuando utilizamos imágenes de teledetección, el objetivo de este trabajo es acelerar este proceso mediante el aprovechamiento de las nuevas tecnologías y arquitecturas de computación, haciendo especial hincapié en la explotación de hardware paralelo con memoria compartida. Mediante el uso de directivas OpenMP se ha paralelizado la etapa más costosa y lenta del proceso de corrección geométrica de imágenes de teledetección. Este trabajo compara el rendimiento de la aplicación original serie con la versión paralelizada mediante pruebas en distintos sistemas multiprocesador, proponiendo varios enfoques para escoger el hardware más adecuado para una ejecución óptima.