混合 AI 系統(tǒng)讓衛(wèi)星“看透”云層，地球觀測更可靠

2 月 24 日消息，厚厚的云層會完全遮擋衛(wèi)星視野中的地球表面，而較薄的霧霾和陰影則會扭曲城鄉(xiāng)區(qū)域的影像。因此，許多用于監(jiān)測氣候、農作物和城市發(fā)展的遙感圖像只能部分可用。

IT之家注意到，發(fā)表在《國際仿生計算期刊》上的一項研究，提出了一種借助混合人工智能系統(tǒng)讓衛(wèi)星“穿透”云層的方法。該系統(tǒng)能夠從衛(wèi)星傳回的圖像中基本去除云層，并更精準地重建下方地表，精度優(yōu)于早期技術。幾乎所有光學衛(wèi)星圖像都會在一定程度上受到云層影響，因此人工智能去云技術的進步，有望提升高分辨率地球觀測數(shù)據(jù)的可靠性。

傳統(tǒng)方法要么依賴大氣光散射物理模型，要么依靠通過時間序列或不同光波對比多幅圖像的圖像處理技術。這些方法雖有效，但難以應對厚度不一的云層或大面積完全被遮擋的區(qū)域。近年來基于大數(shù)據(jù)學習模式的機器學習系統(tǒng)效果有所提升，但需要清晰的參考圖像；若無參考，它們只會在云層遮擋區(qū)域生成模糊畫面。

這種新方法是一款名為 SenseNet 的深度去噪應用，其將有云層或霧霾的圖像像素視為可去除的結構性噪聲。該系統(tǒng)采用一種受自然啟發(fā)的模型 —— 混合郊狼-狐貍優(yōu)化算法，通過模擬犬科動物的社交與協(xié)作行為，對輸入數(shù)據(jù)進行處理并找到最優(yōu)解。從計算角度來說，其有助于調整網(wǎng)絡內部參數(shù)，避免訓練陷入局部最優(yōu)解，而這類解通常會干擾學習算法。

與現(xiàn)有去噪方法相比，該系統(tǒng)將信噪比提升了超過 2 分貝，并降低了殘差。雖然僅 2 分貝的提升，但意味著性能改善近 60%。

通過去除云層，該系統(tǒng)能更清晰地劃分農業(yè)邊界、繪制道路網(wǎng)絡與水體分布，從而更細致地觀測森林砍伐、農作物產量和基礎設施建設等情況。在包括大部分熱帶地區(qū)在內的常年多云區(qū)域，更可靠的去云技術可減少數(shù)據(jù)缺口，為日益依賴近實時衛(wèi)星情報的氣候適應和災害應對策略提供支持。