Samodejna ortorektifikacija in registracija optičnih satelitskih posnetkov z uporabo naprednih metod globokega učenja

Opazovanje Zemlje je postalo pomemben vir geoprostorskih podatkov. Zaradi velike količine arhivskih in novih podatkov visoke in zelo visoke ločljivosti avtomatizacija njihove obdelave postaja nujnost, saj lahko le samodejni postopki zagotovijo velike količine končnih izdelkov. Če hočemo iz satelitskih posnetkov pridobiti točne informacije in ohraniti visoko kakovost pridobljenih podatkov, jih moramo pred uporabo najprej geometrično popraviti. Najzanesljivejši in najnatančnejši metodi za geometrične popravke sta ortorektifikacija ter registracija posnetkov. Točnost in avtomatizacija geometričnih popravkov odločilno vplivata na vse nadaljnje postopke. Pri zelo visokoločljivih satelitskih podatkih obstoječe metode samodejne predobdelave še vedno ne dosegajo tehnične in operativne zrelosti, potrebne za natančno določanje položaja obdelanih posnetkov v referenčni koordinatni sistem. Številne samodejne metode dosegajo dobro relativno natančnost registracije med prekrivajočimi se posnetki iste vrste, vendar je obdelava, potrebna za doseganje dobre absolutne točnosti, običajno polavtomatska in dolgotrajna. V predlaganem projektu se bomo tega izziva lotili z razvojem zanesljivega, natančnega in samodejnega postopka za geometrične popravke različnih zelo visokoločljivih optičnih senzorjev z uporabo najsodobnejših metod. Vsi razviti postopki bodo medsebojno povezani, avtomatizirani in vključeni v stabilno verigo za samodejno obdelavo STORM, ki jo je raziskovalna skupina razvila v preteklih letih. Razviti postopek bo vseboval vse korake potrebne za ortorektifikacijo in registracijo posnetkov. Implementacija bo generalizirana, povsem samodejna ter nadgrajena s sodobnimi tehnikami globokega učenja. Projektne naloge bomo izvajali v petih, medsebojno povezanih delovnih svežnjih (od DS1 do DS5), medtem ko bo DS6 pokrival projektno vodenje ter razširjanje rezultatov. V DS1 bomo zagotovili dostop do izvornih satelitskih podatkov in pomožnih podatkov ter jih pripravili za uporabo pri razvoju in testiranju postopkov. V DS2 se bomo ukvarjali s samodejnim določanjem oslonilnih točk tako, da bomo ceste, zaznane na posnetku s tehnikami globokega učenja, poravnali na referenčno cestno omrežje. V DS3 bomo razvili različne geometrične modele, s katerimi bomo na podlagi določenih oslonilnih točk izdelovali ortoposnetke, pri čemer bomo uporabili in primerjali različne metode ortorektifikacije in različne digitalne modele višin. DS4 bo namenjen razvoju postopka registracije posnetkov z globokim učenjem, ki bo smiselno dopolnjeval postopek ortorektifikacije (npr. takrat, ko na posnetku ni cestnega omrežja). V DS5 bomo vse postopke, razvite v DS1 do DS4, vključili v enoten procesni postopek; ocenili bomo natančnost dobljenih rezultatov in validirali celoten postopek. Opisani postopek vsebuje več novosti v primerjavi s prejšnjimi raziskavami. Glavne novosti so: • povsem samodejno pridobivanje in priprava pomožnih podatkov iz različnih podatkovnih zbirk v realnem času, • vključitev metod globokega učenja v fazo določevanja oslonilnih točk, • izdelava metode registracije med posnetki, ki smiselno dopolnjuje proces ortorektifikacije in • generaliziran pristop za samodejno izdelovanje zelo natančnih prostorskih podatkov, zajetih z različnimi satelitskimi senzorji. Če bo predlagani projekt uspešno izveden, bo prispeval številne inovacije na področju obdelave satelitskih slik in daljinskega zaznavanja na splošno. Poleg tega lahko prispeva nove pristope na drugih znanstvenih področjih, specializiranih za obdelavo slik. Prototipna izvedba razvitih postopkov bo tudi dobra osnova za prenos osvojenih inovacij v operativne postopke za pridobivanje ali posodabljanje podatkovnih zbirk, ki že potekajo pri javnih ali zasebnih uporabnikih. Predlagani projekt je usklajen tudi s potrebami in zahtevami evropskih in mednarodnih vesoljskih programov.