Implementación del algoritmo Hyperspectral Signal Identification with Minimum Error (HySIME) mediante el lenguaje de flujo de datos RVC-CAL

El objetivo principal del presente Proyecto Fin de Grado ha sido implementar, mediante el lenguaje de flujo de datos RVC-CAL, el algoritmo Hyperespectral Signal Identification with Minimum Error (HySIME). Dicho algoritmo forma parte de una cadena de procesado para imágenes hiperespectrales. Este tipo de imágenes aportan una gran cantidad de información, ya que son tomadas en un amplio rango del espectro electromagnético mediante las llamadas cámaras hiperespectrales. Es tal la cantidad de información que puede extraerse del volumen de datos proporcionado, que son muchas las aplicaciones que han optado por su utilización, como son, por ejemplo, el campo de agricultura, el de observación terrestre y el campo médico. En relación al último campo mencionado, cabe destacar la problemática surgida a la hora de identificar dónde comienza y dónde acaba el tejido tumoroso en pacientes con cáncer. Es aquí donde entra en juego el proyecto europeo HELICoiD (HyperEspectral Imaging Cancer Detection), cuyo principal objetivo es encontrar una técnica que permita distinguir entre tejido sano y tejido canceroso. Una de las posibles soluciones sería la cadena de procesado mencionado anteriormente y al que pertenece el algoritmo implementado en este proyecto. Para poder desarrollar el presente Proyecto Fin de Grado se han tenido que adquirir, inicialmente, los conocimientos básicos acerca de las imágenes hiperespectrales. A continuación, se ha procedido a realizar tutoriales para el manejo del lenguaje de flujo de datos RVC-CAL, y del compilador ORCC. Después, se ha estudiado de forma exhaustiva el algoritmo en cuestión, entendiendo bien sus características y el significado de los distintos pasos que se toman. A continuación, se ha implementado el algoritmo en RVC-CAL. Finalmente, una vez implementado el algoritmo, se han procesado distintos tipos de imágenes hiperespectrales. Para ello se han definido distintos bancos de prueba, para comprobar su funcionamiento, y ver si entrega los resultados esperados. Tras analizar los resultados, se han obtenido una serie de conclusiones acerca del comportamiento del algoritmo y se han definido las posibles líneas futuras que continúen el trabajo realizado en esta memoria. Abstract: The main objective of the Final Degree Project has been to implement the hyperspectral signal identification with minimum error (HySIME) algorithm. This algorithm is part of a processing chain for hyperspectral images, and it has been implemented in the RVC-CAL data flow language. The hyperspectral images provide a large amount of information. They are taken in a wide range of the electromagnetic spectrum. In addition, they are captured through hyperspectral cameras. Many applications, such as the field of agriculture, the field of scientific observation and the medical field, use this type of images. In the medical field, it is difficult to identify where tumor tissue begins and ends in patients with cancer. The European project HELICOID looks for a technique to identify where tumor tissue begins and ends. One solution is the mentioned processing chain. In order to develop the present Final Degree Project, it has been necessary to acquire, initially, the basic knowledge about hyperspectral images. Then, to use the RVC-CAL data flow language and the ORCC compiler, it has been necessary to perform specific tutorials. Afterwards, the algorithm has been studied exhaustively. Next, the algorithm has been implemented in RVC-CAL. Finally, different types of hyperspectral images have been processed. To do this, different test banks have been defined. After analyzing the results, we have obtained a series of conclusions about the behavior of the algorithm and we have defined possible future lines that continue the work done in this document