Использование нейронных сетей при определении параметров фильтра Габора в задачах анализа спутниковых снимков гравитационных волн.

Гравитационная волна представляет собой подвижную волну в атмосфере, которая может представлять большую угрозу. Имеется множество причин для возникновения данных волн. Ими могут быть сдвиги ветра, связанные со струйным течением, образованием фронтов, гроз и ураганов. Гравитационные волны часто затухают и тогда не создают проблем для авиации, но иногда они могут распространяться на сотни миль. Их можно встретить во всех регионах Земли: от полярной зоны до тропиков, но большинство из них не представляют угрозы для летных экипажей [1]. Особую опасность представляют «невидимые» гравитационные волны, формирующиеся в условиях недостаточной для формирования облачности влажности [2].
Данный вид волн определяются на спутниковых снимках по специфическим изменениям в поле облачности, которые не всегда удается обнаружить. В данной работе рассматривается возможность применения фильтра Габора для обработки спутниковых изображений гравитационных волн в целях их дешифрирования и определения физических параметров для дальнейшего прогноза [3].
Фильтр Габора — это линейный фильтр, используемый для анализа текстуры снимка для анализа наличие определенного частотного сигнала на изображении в определенных направлениях в пределах локализованной области вокруг точки или области анализа.
Он пропускает частоты в определенном диапазоне и ослабляет другие частоты за пределами этого диапазона.
Результаты фильтра Габора зависят от двух входных составляющих:
• Исходного изображения
• Заданных параметров фильтра
Правильно подобранные для конкретного изображения параметры позволяют получить лучшие определения границ объектов на изображении. Однако, на данный момент, не существует автоматического способа выбора этих параметров. Помимо этого, существует вторая проблема, связанная с геометрической вариативностью волн, например, их толщиной и ориентацией.
Для решения этих проблем был разработан новый метод. В данном методе автоматическое определение параметров фильтра достигается за счет применения машинного обучения, в частности, сверточных нейронных сетей. Сеть обучается на заранее размеченных снимках, обработанных фильтром Габора с правильно подобранными параметрами. Вторая проблема решается с помощью фрагментации исходного снимка, в результате которой фрагменты меньшего разрешения практически не содержат исходной геометрической вариативности.
В качестве языка программирования для практической реализации метода был выбран Python, так как это позволяет ускорить процесс разработки, за счет существования большого набора библиотек для решения задач обработки изображений и машинного обучения. Модуль с машинным обучением реализован на основе библиотеки Keras [4]. Для работы с изображениями использовалась библиотека OpenCV.
Полученные результаты доказали перспективность данного подхода. Для каждого обработанного фрагмента исходного снимка был получен набор параметров, автоматически определенный с помощью метода, основанного на сверточных нейронных сетях.

Список литературы
1. The journal of Flight safety foundation. Aero Safety World, february 2010. Gravity waves by Ed Brotak. – 32-35 c.
2. Федосеева Н.В., Ефимова Ю.В., Куроплина В.И. Применение спутниковой съемки в каналах водяного пара при анализе условий формирования невидимых орографических волн. //В сборнике: Климатические риски и космическая погода. материалы Международной конференции, посвященной памяти Нины Константиновны Кононовой. Иркутск, 2021. – 370-375 c.
3. Fedoseeva N.V., Simakina T.E. The Gabor filter application in satellite analysis of “invisible” orographic waves. //Physics of the Atmosphere, Climatology and Environmental Monitoring. Modern Problems of Atmospheric Physics, Climatology and Environmental Monitoring. Сер. "Springer Proceedings in Earth and Environmental Sciences" 2022. Pp. – 149-156 c.
4. Шолле Ф. Глубокое обучение на Python. – СПб.: Питер, 2018. – 397 с.