Tracasa Instrumental, referente en superresolución de imágenes de satélites Sentinel en un simposio internacional de la Agencia Espacial Europea

Vídeo «SENX4: Spearheading Superresolution», en el que participan Carlos Aranda, responsable de I+D+i de Tracasa Instrumental, Pablo Vega y Rubén Sesma, del equipo de Innovación de la empresa.

Tracasa Instrumental, empresa pública del Gobierno de Navarra, expondrá la semana que viene, en el marco de la Phi-Week de la Agencia Espacial Europea (ESA, por sus siglas en inglés), su tecnología habilitadora SENX4, con la que consigue multiplicar por cuatro la resolución de las imágenes de satélites Sentinel con técnicas de deep learning.

El equipo de I+D+i de Tracasa Instrumental, que estará representado en esta cita por Pablo Vega Ezquieta, incidirá en “el salto de calidad” que aporta la aplicación de SENX4 a la hora de generar mapas de diferentes temáticas como medioambiente, política agraria, atención de emergencias o seguridad. En este encuentro, Tracasa Instrumental presentará el vídeo “SENX4: Spearheading Superresolution”, ya disponible en el canal oficial del simposio en Youtube.

“Los satélites Sentinel de la ESA –explica Vega– ofrecen imágenes multiespectrales con una resolución espacial de 10 metros por pixel, lo que está bien para su objetivo inicial, pero limita otros usos potenciales. En Tracasa, con nuestro modelo SENX4 hemos logrado mejorar la resolución de las bandas RGB y NIR (que permiten interpretar las imágenes de satélite), pasando de los 10 metros por pixel a los 2,5 metros por pixel. Es un salto de calidad para generar mapas con imágenes de mayor resolución”.

Para alcanzar este resultado y llegar a exponer este avance en el simposio internacional de la ESA, la empresa navarra ha apostado por trabajar en el ámbito de la inteligencia artificial y ha empleado técnicas de deep learning en el entorno de la teledetección. “Estas técnicas utilizan algoritmos de aprendizaje profundo para imitar y mejorar la capacidad humana en el procesamiento y reconocimiento de patrones en imágenes. Nuestro modelo utiliza inteligencia artificial para aprender los patrones de los datos y conseguir una imagen lo más real posible”, detalla Vega. En este sentido, las imágenes obtenidas con SENX4 ofrecen una mejora sustancial respecto a las imágenes obtenidas hasta el momento con modelos tradicionales de interpolación, consiguiendo unas imágenes más definidas, claras y ajustadas a la realidad.

Imagen del vídeo «SENX4: Spearheading Superresolution», en la que se aprecia la captura de imágenes de los satélites Sentinel.

“Para Tracasa Instrumental, como empresa pública enfocada al 100% en la innovación, es una excelente noticia ocupar una posición de referencia en la superresolución de imágenes de satélite Sentinel en una cita internacional de este calibre, y poder mostrar la aplicación que esta tecnología puede tener en la generación de mapas en temáticas especialmente valoradas en la Unión Europea como el medioambiente, la política agraria, la atención de emergencias o la seguridad”, expresa Mar González Paredes, directora gerente de Tracasa Instrumental.

Premio en inteligencia artificial

La presencia de Tracasa Instrumental en la Phi-Week de la ESA, que se desarrollará de forma telemática del 11 al 15 de octubre, no es la primera noticia que deja en clave positiva la labor de la empresa pública en materia de innovación. Este mismo año, Tracasa Instrumental ha sido premiada, entre 108 equipos participantes de todo el mundo, en una competición internacional de inteligencia artificial organizada por la plataforma AI4EO, dependiente de la ESA.

Este año, tal y como explica la propia Agencia Espacial Europea, la Phi-Week cumple su cuarta edición y centrará su mirada en cómo “acelerar el futuro de la observación de la Tierra”, presentando los desarrollos recientes en Open Science y las últimas tendencias en los mercados de observación, y explorando ideas transformadoras que la división de Aplicaciones de Datos y Laboratorio de la ESA apoya y escala junto con investigadores, start-ups, industria e inversores privados.

SENX4: AT THE CUTTING EDGE OF SUPERRESOLUTION TECHNOLOGY

WHAT DOES SENX4 OFFER?

When we talk about extracting information of images from multispectral sensors deployed on satellites, their spatial resolution is one of the main factors that will define their future uses. The ESA constellation of Sentinel 2A satellites offers to the scientific community multispectral images every five days in an open way. But one of the drawbacks of these images is their spatial resolution (10 meters per pixel), limiting their future applications.

There are a lot of methods to increase the spatial resolution of the images. Some solutions try to improve the 13 bands of each satellite, taking all of them to 10 meters using the bands with the máximum resolution. Other solutions develop models with 2X and 4X scaling factors from the 13 bands, thinking that is possible to use this factor to take the bands from 10 meters to 2,5 meters. But nobody has yet created a model to transform the 10 meters bands into 2,5 meters with a contrast of real bands.

In Tracasa, with our SENX4 model we have improved the RGB and NIR bands resolution, going from 10 meters to 2,5 meters with the 4X factor.

HOW HAVE WE GOT IT?

Until now, to increase the resolution were used the traditional technics of interpolation and resampling: linear interpolation, bilinear, cubic and bicubic. In our case, to increase the resolution in a 4X factor, we have used deep learning technics and with cutting-edge convolutional neural networks we increase the resolution of the images without including unwanted patterns, improving the traditional methods.

We have not used sharpening or color adjustments. We avoid generating very synthetic images, far from the reality of the sensor. Our model only uses artificial intelligence to learn the patterns of the data and get an image as real as possible.

 

VALUING THE IMPROVEMENT

To interpret the results we have used a measuring system that is frequently used in the analysis of images: the PSNR and SSIM combination. These measures are indicators of the quality of the results based on an objective image to achieve. The higher the value in the metric, the better the image will be adjusted to the real result. Taking bicubic like the baseline to improve in the traditional models of interpolation, we have achieved an important improvement in the metrics, that offers, as a result, a more defined image, clearer and more adjusted to reality.

 

EXAMPLES

 

USE CASES

Semantic segmentation (Streets and buildings)

With the new image SENX4 (2,5 meters) we can have a muticlass semantic segmentation more correct and accurate. We improve the segmentation metrics that we got with the data of Sentinel 2A 10 meters.

Clustering algorithms 

With SENX4 resolution we optimize the results that we get with clustering algorithms. We add more precision in the spatial limits of the clusters and in their representative average.