إزالة السحب من صور الأقمار الصناعية: إطار هجين كمي كلاسيكي مستوحى من الضغط والإثارة في شبكة يو نت مشروطة بالزمن

يحجب تراكم السحب أجزاء واسعة من صور الأقمار الصناعية البصرية، فيقيد استخدامها في تطبيقات الاستشعار عن بُعد ومن هنا نشأت الحاجة إلى تقنيات رصينة لترميم الصور وإزالة آثار السحب منها مع الحفاظ على تفاصيل المشهد الأصلي وبنيته المكانية دون تشويه أو افتراض معلومات غير موجودة في البيانات الملتقطة

وقد حققت أساليب التعلم العميق القائمة على آليات الانتباه وبنى يو نت نتائج متفوقة في إزالة السحب، غير أن هذه النماذج تعتمد على تقنيات تقليدية لإعادة معايرة السمات، وهي تقنيات غير كافية لالتقاط الارتباطات المكانية المعقدة والتبعيات السياقية بعيدة المدى داخل الصورة، وهو ما دفع الباحثين إلى البحث عن آليات إثارة غير خطية أكثر تعبيرًا قادرة على نمذجة التفاعلات بين قنوات السمات بصورة أعمق وأدق

أولًا: أهداف الدراسة ومنهجيتها

هدفت الدراسة إلى تطوير إطار ترميم هجين كمي كلاسيكي لإزالة السحب من بيانات الأقمار الصناعية البصرية، يقوم على دمج وحدات الضغط والإثارة الكمية داخل شبكة يو نت مشروطة بالزمن، ويعتمد هدفًا للتنبؤ بالضوضاء مستوحى من نماذج الانتشار، إذ تعمل تضمينات الخطوة الزمنية الجيبية على تكييف الشبكة مع مستويات ضوضاء متفاوتة بما يحقق إزالة ضوضاء مستقرة وقادرة على التكيف مع شدة الحجب السحابي المختلفة

وتحل في هذا الإطار دوائر كمية ذات معلمات محل كتل الضغط والإثارة الكلاسيكية، فتعمل دوال إثارة غير خطية مهيكلة تنمذج التبعيات بين القنوات داخل بنية هجينة تجمع الحوسبة الكمية والكلاسيكية، واختبرت الدراسة النموذج تجريبيًا على مجموعة بيانات متخصصة في إزالة السحب، كما أجرت اختبارات على مجموعة بيانات أوروبية لصور الأقمار الصناعية باستخدام حجب سحابي اصطناعي مولد بضوضاء بيرلين، وذلك لتقويم سلوك النقل عبر مجموعات البيانات المختلفة

ثانيًا: أبرز النتائج

1، حسنت شبكة يو نت المعززة بوحدات الضغط والإثارة الكمية جودة إعادة البناء باستمرار مقارنة بخطوط الأساس الكلاسيكية لشبكة يو نت، وذلك بمقياسي نسبة الإشارة إلى الضوضاء عند الذروة ومؤشر التشابه البنيوي، وهما المقياسان المعتمدان لتقويم دقة الترميم وحفاظه على بنية الصورة الأصلية

2، حافظ النموذج المقترح على سلوك تدريب مستقر طوال مراحل التعلم، وهو ما يشير إلى أن إدماج الدوائر الكمية ذات المعلمات في مواضع الإثارة لم يزعزع عملية التحسين ولم يفقد الشبكة قدرتها على التقارب نحو حلول جيدة كما يحدث أحيانًا عند إدخال مكونات غير تقليدية في البنى العميقة

3، كشفت الاختبارات على مجموعة البيانات الأوروبية ذات الحجب الاصطناعي عن سلوك نقل واعد عبر مجموعات البيانات، إذ احتفظ النموذج بقدرته على الترميم حين تغير مصدر الصور وطبيعة الحجب

4، أثبتت النتائج أن الانتباه الكمي المستوحى للقنوات قادر على تحسين إعادة معايرة السمات في شبكات الترميم ذات الطابع الانتشاري، بما يقدم مسارًا قابلًا للتطبيق للبنى الهجينة الكمية الكلاسيكية في مجال ترميم صور الاستشعار عن بُعد عمومًا لا في إزالة السحب وحدها

ثالثًا: دلالات الدراسة وتطبيقاتها

تحمل هذه النتائج دلالات مهمة لمطوري خوارزميات معالجة الصور الفضائية، إذ تبين أن آليات الإثارة المستوحاة من الحوسبة الكمية قد تضيف قدرة تعبيرية حقيقية إلى الشبكات الكلاسيكية دون التخلي عن بنيتها المجربة، وتفتح الباب أمام استكشاف أوسع لمكونات كمية مستوحاة في مهام ترميم أخرى كإزالة الضباب وتحسين الدقة المكانية، كما يستفيد الباحثون العرب وطلاب الدراسات العليا في مجالات الاستشعار عن بُعد والذكاء الاصطناعي من هذا الاتجاه في معالجة صور الأقمار الصناعية لمناطقهم التي تعاني فقدان بيانات موسميًا

ومع ذلك ينبغي التعامل مع النتائج بوصفها خطوة استكشافية في مجال حديث العهد، إذ ما تزال الحوسبة الكمية الفعلية محدودة الانتشار، وما تزال الحاجة قائمة إلى اختبار النموذج على سحب حقيقية متنوعة السماكة والتوزيع وعلى نطاقات جغرافية أوسع، وإلى مقارنته بأحدث النماذج الانتشارية المتخصصة في ترميم الصور الفضائية قبل الجزم بمكانته بين الحلول المتاحة

وخلاصة القول إن الدراسة تقدم إطارًا هجينًا يجمع بين شبكة يو نت المشروطة بالزمن ووحدات ضغط وإثارة كمية مستوحاة، وتثبت تجريبيًا أنه يحسن جودة إزالة السحب من صور الأقمار الصناعية مع استقرار في التدريب وقدرة على النقل بين مجموعات البيانات، بما يجعله إضافة نوعية إلى جهود توظيف الأفكار الكمية في معالجة الصور والاستشعار عن بُعد