Możliwość powiększania zdjęcia satelitarnego w celu zobaczenia szczegółów niewidocznych w oryginalnym obrazie to już nie science fiction. Metoda rekonstrukcji nadrozdzielczej pozwala na podnoszenie rozdzielczości oraz poziomu szczegółowości widocznych obiektów. Projekt DeepSent, finansowany przez Europejską Agencję Kosmiczną (ESA) pozwoli na zwiększenie możliwości wykorzystania zdjęć satelitarnych do mapowania terenu, planowania przestrzennego, wspomoże podejmowanie decyzji w branży ubezpieczeniowej oraz pozwoli na szybką reakcję na sytuacje kryzysowe. 

Opracowana technologia pozwoli na kilkukrotne powiększenie zdjęcia satelitarnego i dostrzeżenie w nim większej liczby szczegółów. Obrazowania Ziemi dostarczane są między innymi przez europejskie satelity Sentinel i amerykańskie Landsat, które są starsze od Sentineli. Dzięki rozwiązaniom opracowanym w ramach projektu DeepSent będzie możliwe poszerzenie możliwości stosowania obrazów z wcześniejszych satelitów. Mimo, że KP Labs swoje technologie rozwija głównie na potrzeby przemysłu kosmicznego, rozwiązania będą niezastąpione w przypadku ziemskich problemów.  

Celem projektu DeepSent jest zwiększenie możliwości metod rekonstrukcji nadrozdzielczej stosowanej do multispektralnych obrazów rejestrowanych przez satelity misji Sentinel-2, zwłaszcza w przypadku, gdy dostępnych jest wiele obrazów tego samego obszaru uchwyconych w różnym czasie. Realizowany projekt zakłada dostosowanie istniejących głębokich sieci neuronowych, służących do rekonstrukcji wieloobrazowejdo przetwarzania obrazów satelitarnych Sentinel-2 – prof. Michał Kawulok, specjalista naukowy w KP Labs. 

Techniki rekonstrukcji nadrozdzielczej (ang. super-resolution reconstruction) pozwala powiększać zdjęcia w taki sposób, aby zamiast siatki pikseli, można było zobaczyć obraz w wyższej rozdzielczościDla osiągniecia tego efektu zastosowane zostaną algorytmy umożliwiające dobór danych do uczenia sieci w taki sposób, aby rekonstrukcja nadrozdzielczmogła być realizowana jak najlepiejJakość danych treningowych ma kluczowe znaczenie w działaniu sieci neuronowych używanych do rekonstrukcji nadrozdzielczej 

Jak tłumaczy prof. Michał Kawulok: “W pierwszym etapie istniejące sieci zostaną zastosowane do rekonstrukcji nadrozdzielczej obrazów Sentinel-2 w taki sposób, że każde pasmo obrazu multispektralnego było traktowane niezależnie, a następnie podjęta zostanie próba wykorzystania korelacji pomiędzy poszczególnymi pasmami. Ważnym celem projektu DeepSent jest opracowanie technik mających na celu podniesienie jakości danych wykorzystywanych do uczenia sieci głębokich realizujących rekonstrukcję. 

Na zdjęciu przedstawiony został przykład poprawy jakości zdjęcia satelitarnego pozwalający na dostrzeżenie większej liczby szczegółói detali na obrazie.