用于高光谱成像星上推理的轻量级云掩膜模型
计算机视觉与模式识别
2025-07-15 v1 人工智能
机器学习
摘要
云和云阴影掩膜是高光谱卫星成像中一个关键的预处理步骤，能够提取高质量、可供分析的数据。本研究评估了多种机器学习方法，包括诸如XGBoost和LightGBM等梯度提升方法以及卷积神经网络。所有提升方法和CNN模型的准确率均超过93%。在所研究的模型中，具有特征降维的CNN最为高效，在CPU和GPU上均实现了高精度、低存储需求和快速推理时间的平衡。该版本的变体仅有最多597个可训练参数，在部署可行性、准确性和计算效率方面展现了最佳的权衡。这些结果证明了轻量级人工智能模型在实时高光谱图像处理中的潜力，支持了用于天基应用的星载卫星AI系统的开发。
引用
@article{arxiv.2507.08052,
title = {Lightweight Cloud Masking Models for On-Board Inference in Hyperspectral Imaging},
author = {Mazen Ali and António Pereira and Fabio Gentile and Aser Cortines and Sam Mugel and Román Orús and Stelios P. Neophytides and Michalis Mavrovouniotis},
journal= {arXiv preprint arXiv:2507.08052},
year = {2025}
}