נושא הפרוייקט
מספר פרוייקט
מחלקה
שמות סטודנטים
אימייל
שמות מנחים
שיטת למידה עמוקה לדימות דחוס של תמונות ספקטראליות עבור משימת "בראשית 2" לירח
Leaning method for compressive sensing of spectral images for Bresheet2 mission
תקציר בעיברית
פרויקט זה נועד ליישם את תהליך החישה ע"י פיתח אלגוריתם לשחזור תמונות ספקטרליות לאחר דחיסה של ספקטרום הירח עבור משימת Bersheet2. לשם כך נעשה שימוש במתודולוגיית למידה עמוקה. המטרה העיקרית הייתה למצוא מספיק תמונות ספקטרליות של הירח כדי לאמן את המערכת כראוי, לאחר חיפוש ארוך באינטרנט החלטנו לקחת את בסיס הנתונים שהושג על ידי משימת צ'אנדרייאן-1 במהלך השנים 2008-2009. על מנת לקבל את תוצאות מדוייקות ביצענו מספר פעולות עיבוד מקדימות על המאגר מידע כגון הזנחת הרצועות הפגומות וחלוקת הנתונים לאשכולות כאשר כל אחד מהם מורכב מאזור אחר של הירח ומסוג אחר של חומר. תוצאות ראשוניות מצביעות על הצלחת המערכת: הראנו כי בעזרת דגימת 83 ערוצים ל4 מדידות ניתן להגיע לדיוק של גבוה( PSNR = 50 DB , SSIM = 0.997, ו- SAM = 0.06 רדיאנים)
תקציר באנגלית
This project aims to optimize the sensing process and develop an algorithm for reconstructing compressively sensed spectral images of the Moon for the Bersheet2 mission. For this purpose, a deep learning methodology was used. The primary goal was to find enough lunar spectral images to train the system properly. After a long search on the internet, we decided to take the database that was obtained by the Chandrayaan-1 mission during the years 2008-2009. To get accurate results, we made some database previous preprocessing actions such as: neglecting the corrupted bands and dividing the data into clusters when each one consists of a different area of the Moon and a different type of material. Primary results indicate the success of the system: we showed that it is possible to sample 83 spectral bands with only 4 compressive measurements with high accuracy (PSNR of 50 DB SSIM of 0.997, and SAM of 0.006 radians)