Niegdyś filmowy mit, dziś - innowacja. Więcej detali ze zdjęć satelitarnych

Jak wynika z charakterystyki rozwiązania opracowanego w ramach projektu DeepSent, możliwe staje się nadawanie nowej jakości zobrazowaniom satelitarnym, zwłaszcza tym uzyskanym z systemów EO o niższej rozdzielczości przestrzennej. Pomysł został już zakwalifikowany do finansowania przez Europejską Agencję Kosmiczną (ESA).

Technologia rozwijana jest z myślą o szerszym wykorzystaniu danych wizualnych z wcześniejszych satelitów m.in. do mapowania terenu, planowania przestrzennego, wspomagania podejmowania decyzji w branży ubezpieczeniowej czy do szybkiej reakcji na sytuacje kryzysowe w celu ochrony środowiska. Poprawa rozdzielczości może także znaleźć zastosowanie na przykład w radiologii, do powiększania obrazów tomografii komputerowej.

Realizowany przez KP Labs projekt zakłada dostosowanie istniejących "głębokich sieci neuronowych, służących do rekonstrukcji wieloobrazowej, do przetwarzania obrazów satelitarnych Sentinel-2". Wchodzą w ten zakres techniki rekonstrukcji nadrozdzielczej (ang. super-resolution reconstruction), które pozwalają powiększać zdjęcia w taki sposób, aby – zamiast siatki pikseli – można było zobaczyć niewidoczne wcześniej szczegóły. Osiągnięcie takiego efektu ma zapewnić zastosowanie algorytmów umożliwiających dobór danych do uczenia sieci, aby rekonstrukcja nadrozdzielcza mogła być realizowana możliwie najpełniej. Jakość "danych treningowych" będzie podstawą działania wspomnianych sieci neuronowych.

Obrazowanie nadrozdzielcze zwykle sprowadza się do technik pomiaru lub przesyłu informacji optycznej z rozdzielczością lepszą niż wynika z właściwości układu obrazującego, lub w pewnych przypadkach wyższą niż wynika z ograniczenia dyfrakcyjnego. Jednym ze sposobów obrazowania nadrozdzielczego jest wykorzystanie ośrodka o wysokim współczynniku załamania. Pozorowane obrazowanie obliczeniowe (ang. computational ghost imaging) obejmuje techniki obrazowania pośredniego, czyli takiego, w którym na wyjściu układu mierzy się inną wielkość fizyczną czy rodzaj danych niż te, które nas interesują.

By osiągnąć zamierzony przez siebie efekt, KP Labs stosuje algorytmy umożliwiające dobór danych wskazujących ścieżkę uzupełnienia braków. Inżynierowie najpierw stosują do rekonstrukcji nadrozdzielczej obrazy Sentinel-2 w taki sposób, że każde pasmo zbioru multispektralnego będzie traktowane niezależnie. Dalej podejmowana ma być na tej bazie próba wykorzystania korelacji pomiędzy poszczególnymi pasmami.

KP Labs to polska firma z siedzibą w Gliwicach. Zajmuje się rozwojem zaawansowanych technologii dla sektora kosmicznego New Space. Oznacza to, że poza instytucjami rządowymi, w obszarze jej zainteresowania ofertowego są również prywatne przedsiębiorstwa i klienci komercyjni.