重建海表温度图像：用于云掩膜与重建的掩码自编码器方法
计算机视觉与模式识别
2023-06-02 v1 大气与海洋物理
摘要
本文提出了一种新算法，以缓解遥感技术生成的海表温度数据分析中的云掩膜问题，例如，云会干扰所有使用短于12微米波长的遥感数据分析，显著限制了可用数据量并造成有偏差的地理分布（偏向赤道和沿海地区）。为解决此问题，我们提出了一种名为Enki的无监督机器学习算法，该算法使用带有掩码自编码的Vision Transformer来重建被掩码的像素。我们在生成的被称为LLC4320的海洋通用环流模型数据集上，以10%、35%、50%和75%的不同掩码比例训练了四个不同的Enki模型。为了评估性能，我们用随机“云”破坏了图像的p=10%、20%、30%、40%、50%，以4x4像素的独立块重建了LLC4320 SST图像的验证集。我们一致发现，在所有p级别上，都有一个或多个模型能以小于0.03K的平均RMSE重建图像，即低于VIIRS数据的估计传感器误差。同样，在独立块级别，重建的RMSE比块内的波动小8倍。而且，正如预期的那样，对于复杂度较高的图像，重建误差更大。我们的分析还表明，图像边界处的块具有系统性地更高的重建误差；我们建议在实际应用中忽略这些块。我们得出结论，Enki在作为重建云掩膜的手段方面显示出了超越图像修复的巨大前景。未来的研究将开发Enki以重建真实世界数据。
引用
@article{arxiv.2306.00835,
title = {Reconstructing Sea Surface Temperature Images: A Masked Autoencoder Approach for Cloud Masking and Reconstruction},
author = {Angelina Agabin and J. Xavier Prochaska},
journal= {arXiv preprint arXiv:2306.00835},
year = {2023}
}
备注
33 pages, 18 figures; Masters Thesis