حذف ابر از تصاوير سنجش از دور با استفاده از شبكه‌هاي مولد رقابتي

كارشناسي ارشد

امروزه از تصاوير ماهواره‌اي بخاطر اطلاعات مهمي كه دارند مي‌توان در زمينه‌هاي مختلفي مانند شناسايي ساختمان‌ها، نقشه‌برداري محصول و تشخيص تغيير سطح زمين استفاده كرد. اما از اطلاعات اين تصاوير هميشه نمي‌توان استفاده كرد. از جمله موانعي كه از رسيدن اطلاعات سطح زمين به ماهواره جلوگيري مي‌كند ابر است. به دليل كاربردهاي گسترده تصاوير ماهواره‌اي، حذف ابر بسيار مورد توجه قرار گرفته است. با ضخيم شدن ابرها، روند از بين بردن ابرها چالش برانگيزتر مي شود. در چنين مواردي، استفاده از تصاوير كمكي مانند مادون قرمز نزديك يا رادار براي بازسازي معمول است. در اين مطالعه، ما سعي بر حل اين مشكل با استفاده از دو شبكه مولد رقابتي داريم. اولي تصاوير را از حوزه SAR به حوزه نوري انتقال مي‌دهد و دومي ابرها را با استفاده از تصاوير انتقال يافته GAN قبلي، از بين مي‌برد. همچنين ما بلوك‌هاي باقي‌مانده متسع‌شده Inception را به جاي U-net ساده در شبكه‌هاي مولد پيشنهاد مي‌كنيم و علاوه بر تابع زيان L1 از تابع زيان تشابه ساختاري نيز استفاده مي‌كنيم. كاهش تعداد نمونه‌برداري و گسترش ديد دريافتي توسط هم‌گشت‌هاي متسع‌شده باعث افزايش كيفيت تصاوير خروجي مي‌شود. ما براي آموزش و آزمايش هر دو GAN از مجموعه داده SEN1-2 استفاده كرديم و با افزودن ابرهاي مصنوعي به تصاوير نوري، تصاوير ابري ايجاد كرديم. تصاوير بازيابي شده با PSNR و SSIM ارزيابي مي‌شوند. نتايج مقايسات ما با جديدترين مدل هاي يادگيري عميق در بخش انتقال حوزه SAR به نوري از افزايش 0/3872 مقدار PSNR و در بخش حذف ابر از افزايش 3.824 مقدار PSNR حكايت دارد.

196291

دانشگاه علم و صنعت ايران

دكتر محمدرضا محمدي

مهندسي كامپيوتر-گرايش هوش مصنوعي و رباتيكز

دكتر محسن سرياني