Explotación de imágenes para inteligencia (IMINT)

Instituto Nacional de Técnica Aeroespacial (INTA).

Departamento de Observación de la Tierra y Atmósfera.
Área de Segmento Usuario y Explotación.
Enrique Nicolás Gesé (nicolasge@inta.es)
Patrick Vaughan Martín-Mateo (vaughanmp@inta.es)

1
 Introducción.
• Entendemos la IMINT como la capacidad de hacer análisis de inteligencia por medio de las propias
imágenes, en nuestro caso, principalmente imágenes satelitales (CESAEROB).

• Definimos tres aproximaciones a la IMINT:

• Análisis e interpretación directa de la propia imagen. Inteligencia natural proporcionada por la
experiencia de los analistas.
• Técnicas, Procedimientos y Herramientas de ayuda a la inteligencia natural.
• Herramientas de inteligencia artificial, pero basada en la inteligencia natural de los analistas.

2
 Técnicas, procedimientos y herramientas de ayuda a la inteligencia natural. Ejemplos.
Procesamiento IMINT; Detección de cambios.
Imágenes SAR-MTC (dcha.) sobre hangares-umbraculos de A-10 Thunderbolt, Davis-Monthan AFB, Arizona.
Detección de cambios entre dos fechas usando MTC (multitemporal coherence) + filtro Non-local SAR
speckle, desarrollado por ASUE/INTA en la herramienta ARNES.

Imagen Visible
Imagen MTC filtrada
(Google Earth)
Fuente: elaboración propia.

3
 Técnicas, procedimientos y herramientas de ayuda a la inteligencia natural. Ejemplos.
Procesamiento IMINT; Detección de cambios.
Imágenes MTC-SAR (dcha.) y Google (izqda.) sobre tanques de combustible de techo flotante en Tuscon,
Arizona. La imagen de la derecha es el resultado de detección de cambios entre dos fechas usando MTC
(multi-temporal coherence) + filtro Non-local SAR speckle, desarrollado por ASUE/INTA en la herramienta
ARNES.

Tanque disminuye
combustible

Tanque aumenta
combustible

Fuente: elaboración propia. Tanques

sin cambios
4
Técnicas, procedimientos y herramientas de ayuda a la inteligencia natural. Ejemplos.
Detección de radares terrestres activos
Radar de aproximación Base Aérea Davis-Monthan, Tucson AZ

¿Está activo?

Google Google

5
 Técnicas, procedimientos y herramientas de ayuda a la inteligencia natural. Ejemplos.
Detección de radares terrestres activos

Radar de aproximación, Base

Aérea Davis-Monthan, Tucson
AZ.

Par de imágenes SAR en

configuración interferométrica
Ascendente.

Técnica aplicada: Multi-

Temporal Coherence (MTC).
Está activo en
ambas fechas
Fuente: elaboración propia.

6
 Técnicas, procedimientos y herramientas de ayuda a la inteligencia natural. Ejemplos.
Detección de radares terrestres activos

Está activo en
ambas fechas
Radar de aproximación (PAR),
Territorio nacional.

Par de imágenes SAR en

configuración
Ascendente/Descendente.

Técnica aplicada: Amplitude

Change Detection (ACD).

Fuente: elaboración propia.

7
 Técnicas, procedimientos y herramientas de ayuda a la inteligencia natural. Ejemplos.
Detección de objetivos en movimiento

Fuente: elaboración propia.

Los sistemas SAR construyen las imágenes a partir de sub-aperturas, podemos extraer 3
o más sub-imágenes para estimar el movimiento (usar modos Spotlight preferentemente).
8
Técnicas, procedimientos y herramientas de ayuda a la inteligencia natural. Ejemplos.
Detección de objetivos en movimiento

337m
con 349o

Dist _ Objet _ carretera  7064

Vel _ Range(km / h) 
514,000 * tan(ang . _ incid .)

Vel _ Total  Velocidad _ Range

Sin( )

Fuente: elaboración propia adaptado de e-Geos.

9
Herramientas de inteligencia artificial, pero basada en la inteligencia natural de los analistas.
Creación del Set de entrenamiento para Pre-clasificación automática de imágenes usando IA

Analistas
Entidades Modelo
de interés de datos

Finalización de un
Informes IMINT
trabajo IMINT
Revisor
Herramienta Revisión
extractora

CLIP vectorial sobre la Óptico

imagen/es, entidad a Chip de imagen
Orto imagen
entidad +
Metadatos XML de SAR
Metadatos de la atributos
Entidades de entidad vectorial
interés

Intersección vectorial Entidad vs

Footprint de imágenes satelitales de
archivo
Archivo de
imágenes

IA - ENTRENAMIENTO

Fuente: elaboración propia. 10

 Herramientas de inteligencia artificial, pero basada en la inteligencia natural de los analistas.

- Modelo de datos con 84 entidades Ej. Entidad PZD190. Aeronave, sub clase: Avión de transporte, Tipo: C-130
de máximo interés.

- Un volumen de 15.000 imágenes

procesadas.

- 5,5 Terabytes de información

analizada.

- Mas de 800.000 chips de imagen

generados.

- Iniciando procedimientos de
entrenamiento basado en IA.
- Proposición de regiones usando
métodos Selective Search / Faster
RCNN.
- Entrenamiento usando redes
neuronales convolucionales
profundas tipo VGG-16 / ResNet-
50.

Fuente: elaboración propia.

11
 Gracias por su atención.

Instituto Nacional de Técnica Aeroespacial (INTA).

Departamento de Observación de la Tierra y Atmósfera.
Área de Segmento Usuario y Explotación.
Enrique Nicolás Gesé (nicolasge@inta.es)
Patrick Vaughan Martín-Mateo (vaughanmp@inta.es)

12