Implementación en GPU del algoritmo K-Means para ... - UMBC

Implementación en GPU del algoritmo K-Means para procesamiento paralelo
de imágenes de satélite disponibles en la herramienta Google Maps
A dicha selección una vez almacenada en disco, ejecutaremos el algoritmo de
clasificación no supervisada K-Means paralelizado, al que aplicaremos 5 clases para
segmentar la imagen. Los resultados los obtendremos en la figura 6.4.
A continuación y una vez realizado la ejecución del algoritmo K-Means,
procesaremos dicha zona con la herramienta ENVI. Para ello, seleccionaremos el
algoritmo de clasificación no supervisada K-Means con la misma configuración que
en la ejecución del código paralelizado (ver figura 6.5).
Figura 6.5. Segmentación de la zona seleccionada de WTC (Nueva York) utilizando el
algoritmo K-Means con la herramienta ENVI.
Como hemos podido comprobar de forma visual la segmentación realizada por
nuestro algoritmo en GPU no es muy distinta a la realizada por la herramienta ENVI.
Ahora nos quedaría demostrarlo a través de la comparación de los distintos píxeles
clasificados por nuestro algoritmo calculando un porcentaje de acierto. Ya que no se
disponen de medidas verdad-terreno, se ha decidido utilizar las imágenes de la
herramienta ENVI cómo nuestra medida de referencia para evaluar las imágenes
obtenidas por nuestra herramienta. De esta manera, es necesario conocer cuántos
píxeles de la imagen clasificada generada por nuestra herramienta se clasifican
correctamente por clase. Así tendremos unas estadísticas que nos ayudarán a valorar
positivamente o negativamente nuestros resultados tras la aplicación del algoritmo de
Trabajo Fin de Máster -65- Sergio Bernabé García