成大電機系林家祥獨創運算理念精準重建高光譜衛星影像 獲刊指標性期刊

▲成大電機系林家祥獨創運算理念，精準重建高光譜衛星影像，獲刊領域指標性期刊。（成大提供、記者李嘉祥翻攝）

為有效解決高光譜衛星影像辨識與重建，成功大學電機系副教授林家祥結合人工智慧的「深度學習」與數學函數理論「凸優化」，發展出獨一無二的「CODE理論」，把消失的影像「算」回來，其運算效率與影像還原度領先全球現有技術，研發成果對太空遙測技術具重要價值，獲刊「衛星遙測」領域指標性期刊《IEEE Transactions on Geoscience and Remote Sensing》。

成大表示，出自民生經濟與國防軍事用途，人類借助現代科技發射低軌道衛星回傳高光譜影像以觀測地表構造與物質，但這類高光譜衛星影像有別於一般RGB三原色（紅、綠、藍）相組成的影像，足以捕捉多達242種不同頻譜，因此造價不斐，也因為取得管道少，有錢也不見得買得到，倘若因為衛星感測器失靈導致購得的影像殘缺，更將造成許多不便。

林家祥副教授指出，「凸優化」又稱作凸函數最佳化，是數學最佳化問題中的一個子領域，探討定義於某一抽象集合中的局部最佳值，同時也是全局最佳值；為解決高光譜影像辨識與重建，工程師常選擇以人工智慧的「深度學習」或以數理運算為基礎的「凸優化」其一作為解決問題的切入點，長期以來這兩項工具各有優點而未被彼此取代。

林家祥說，「深度學習」可以透過大數據訓練人工智慧，無須複雜的數學運算也能重現消失的衛星影像，但蒐集多達百萬筆的大數據得耗費半年到一年的時間，更何況每筆資料都是造價高昂的衛星影像；反觀以數理運算為基礎的「凸優化」，僅需單筆或少量數據即可運算並還原影像原貌，但這類影像處理方式需要經歷繁複的公式簡化過程，有時甚至需要具備數學系碩士以上的學識才能達成這項工作。

林家祥指出，在高光譜影像辨識領域，較不具備數學背景的學生和一般軟體工程師常會因時間或技術上的限制而遇到軟體開發困境，以往用單筆數據或小數據就能精準重現衛星影像是幾乎不可能，就算能夠重現，補回來的影像也會模糊或有色差，與實景不符，遑論以此判斷衛星影像細部物質差異的功能，但即使是粗略的成像，還是具有關鍵且有價值的資訊，團隊秉持此理念將凸優化概念引入深度學習，透過「Q範數」調節因子作為人工智慧深度學習的核心運算公式，並為該理論原型命名為「ADMM-Adam」，最終成功萃取小數據成像中的關鍵資訊，還原衛星影像完整面貌。

林家祥強調，在高光譜衛星影像辨識技術裡有公認的四項標準，包含空間維度、全局品質好壞指標與光譜等量化表現，團隊也給予該理論更簡潔的名稱「CODE」，以CO代表凸優化的凸性質（Convex），而DE代表深度學習（Deep），更利於記憶與國際通用；此外也將運算系統優化，最少僅用單筆數據就能達到影像還原。

從大學到博士班都是唸電機的林家祥，是學界少數能統合「大數據運算」與「凸優化」並創造全新理論的學者。林家祥說，自己雖不是專攻數學，但因為對數學的熱愛，大學時期會主動到數學系選課，一路到博士班。數學訓練的其實是邏輯跟直覺，得以讓程式設計很強的學生發揮更強的實力，實驗室研究成果很多都仰賴數學系的知識，他從自身經驗觀察到跨領域學習帶來的好處，因此現在也會極力「洗腦」實驗室學生到數學系上課。

近二年來林家祥主持的高光譜智慧運算實驗室已發表8篇IEEE Transactions期刊論文、一本專書以及23篇會議論文，此外也與成大光電系團隊合作，成功開發可操控光的超穎介面，並與海外眾多學者合作發表文章，將CODE理論放到空間資訊、材料、統計、光電等領域大放異彩。