Новий алгоритм штучного інтелекту дозволяє «прибирати» хмари зі супутникових знімків

Щільна хмарність часто повністю закриває поверхню Землі для супутникових камер, а тонка імла та тіні спотворюють зображення міських і сільських територій.

Через це значна частина супутникових знімків, які використовують для моніторингу клімату, сільського господарства чи урбанізації, залишається лише частково придатною для аналізу.

Джерело: phys.org

Дослідження, опубліковане в журналі International Journal of Bio-Inspired Computation, пропонує новий підхід, що дозволяє «бачити» поверхню Землі крізь хмари. Вчені розробили гібридну систему штучного інтелекту, яка фактично видаляє хмарність із супутникових зображень і відновлює приховані під нею ділянки ландшафту точніше, ніж попередні методи. Це особливо важливо, адже майже всі оптичні супутникові знімки певною мірою спотворені хмарами.

Традиційні методи використовували фізичні моделі розсіювання світла в атмосфері або порівнювали кілька зображень, отриманих у різний час чи в різних спектральних діапазонах. Однак такі підходи погано працюють із густими хмарами або великими ділянками, повністю прихованими від огляду. Сучасні системи машинного навчання також мають обмеження: без чітких еталонних знімків вони часто відтворюють лише розмиті ділянки.

Нова система під назвою SenseNet використовує метод глибокого «очищення» зображень від шуму. Вона розглядає хмари та імлу як структурований шум і видаляє їх за допомогою моделі оптимізації Hybrid Coyote Fox Optimization, натхненної соціальною поведінкою псових тварин. У тестах алгоритм підвищив співвідношення сигналу до шуму більш ніж на 2 децибели, що означає майже 60% покращення якості. Завдяки цьому стає легше визначати межі сільськогосподарських угідь, дорожні мережі, водойми та інші об’єкти. У регіонах із постійною хмарністю, зокрема в тропіках, така технологія може суттєво зменшити прогалини в даних і посилити системи моніторингу клімату та реагування на природні катастрофи.