本文共703字
為有效解決高光譜衛星影像辨識與重建，成大電機系副教授林家祥結合人工智慧的「深度學習」與數學函數理論「凸優化」，發展出獨一無二的「CODE理論」把消失的影像「算」回來，其運算效率與影像還原度領先全球現有技術，其研發成果對太空遙測技術具重要價值，獲刊「衛星遙測」領域指標性期刊《IEEE Transactions on Geoscience and Remote Sensing》。
出自民生經濟與國防軍事用途，人類借助現代科技發射低軌道衛星回傳高光譜影像以觀測地表構造與物質，但這類「高光譜衛星影像」有別於一般RGB三原色（紅、綠、藍）相組成的影像，足以捕捉多達242種不同頻譜（以NASA Hyperion衛星影像為例），因此造價不斐，也因為取得管道少，有錢也不見得買得到，倘若因為衛星感測器失靈導致購得的影像殘缺，更將造成許多不便。
「凸優化」又稱作凸函數最佳化，是數學最佳化問題中的一個子領域，探討定義於某一抽象集合中的局部最佳值，同時也是全局最佳值。成大電機系副教授林家祥說，為解決高光譜影像辨識與重建，工程師們常選擇以人工智慧的「深度學習」或以數理運算為基礎的「凸優化」其一作為解決問題的切入點，長期以來這兩項工具各有優點而未被彼此取代。
「深度學習」可以透過大數據訓練人工智慧，無須複雜的數學運算，也能重現消失的衛星影像，但蒐集多達百萬筆的「大數據」，就得耗費半年到一年的時間，更何況是每一筆資料都是造價高昂的衛星影像。
反觀以數理運算為基礎的「凸優化」，僅只需要單筆或少量數據即可運算並還原影像原貌，但這類影像處理方式需要經歷繁複的公式簡化過程，有時甚至需要具備數學系碩士以上的學識才能達成這項工作。
※ 歡迎用「轉貼」或「分享」的方式轉傳文章連結；未經授權，請勿複製轉貼文章內容
留言