利用深度学习增强传感器到射手时间线中的卫星图像

传感器到射手时间线受两个主要变量影响：卫星定位与资产定位。仅当存在已准备好的射手时，通过增加传感器或缩短处理时间来加速卫星定位才有意义，否则时间的主要来源是将射手就位。然而，情报界应致力于以尽可能高的速度和效能利用传感器。在保持高速度的同时实现高效能是传感器到射手时间线中必须权衡的取舍。本文研究两个主要思路：通过图像操控提高卫星图像的效能，以及星上图像操控将如何影响传感器到射手时间线。我们在四种场景中涵盖这些思路：星上处理与地面站处理的离散事件仿真、去云后的信息质量、超分辨率的信息改进，以及图像到描述的图像数据缩减。本文将展示超分辨率、去云和图像到描述等图像操控技术如何提升交付信息的质量，并展示这些过程如何影响传感器到射手时间线。