Il progetto PERSEO (Prisma hyper-spectral image Enhancement for Revealing cultural heritage Sites from Earth Observation) è il risultato di una partnership tra il Centro Tecnologico per i Beni Culturali dell'Istituto Italiano di Tecnologia dell’Università di Ca’ Foscari e l'Agenzia Spaziale Italiana (ASI) nell'ambito del programma "PRISMA SCIENZA".
I siti del patrimonio culturale sotto la superficie o nascosti possono essere scoperti attraverso satelliti di osservazione della Terra (EO) da una varietà di sensori (ad esempio, iper-spettrale, multispettrale o radar) identificando e analizzando anomalie o tracce su suoli nudi, colture o vegetazione che potrebbero essere collegati alla presenza di depositi archeologici sottostanti. I contesti del patrimonio interrato possono infatti limitare la crescita e lo sviluppo della vegetazione o determinare un cambiamento del colore e/o del livello di umidità dei suoli nudi sovrastanti, portando ad un'alterazione delle loro caratteristiche identificabili attraverso le immagini nello spettro visibile provenienti dall’Osservazione della Terra tramite i satelliti quali ad esempio PRISMA.
L'obiettivo principale del progetto PERSEO è quello di accertare l'idoneità dei dati iper-spettrali PRISMA per applicazioni nel dominio del patrimonio culturale e, in particolare, mira a stabilire un punto di riferimento nell'uso di tali dati per il rilevamento automatico di siti del patrimonio non scoperti.
Pertanto si occuperà di:
- promuovere l'uso di dati iper-spettrali nel settore dei beni culturali ed estrapolare informazioni dai dati multispettrali;
- definire una chiaro approccio di Machine Learning per l'analisi e la classificazione automatica di immagini di beni culturali ancora sepolti e in altri contesti comparabili.
Metodologia di Ricerca
Nello specifico il progetto PERSEO si interesserà di:
- sviluppare nuove tecniche di iper-risoluzione adattate ai dati iper-spettrali PRISMA per aumentarne la risoluzione spaziale;
- progettare un'architettura di deep-learning per il rilevamento di anomalie col fine di identificare automaticamente beni culturali, utilizzando dati iper-spettrali non etichettati;
- implementare una nuova libreria software di Intelligenza Artificiale per svolgere il compito di rilevamento automatico.
PERSEO sperimenterà lo sviluppo di una robusta tecnica di fusione di immagini e super-risoluzione, adatta ad individuare forti rumori/disturbi e diversi tipi di rumore/disturbi, che sfrutta due ben note proprietà delle immagini iper-spettrali: low-rank and non-local similarity of image patches.
Il progetto introdurrà anche un nuovo metodo basato di Machine Learning non supervisionata per il rilevamento automatico di tracce/anomalie, che sfrutterà la disponibilità di un gran numero di dati non etichettati nei prodotti PRISMA e affronterà una mancanza di conoscenza a priori delle bande elettromagnetiche: attualmente i due principali ostacoli alla sviluppo di un'efficiente tecnica di rilevamento automatico degli oggetti nel dominio dell'intelligenza artificiale.
Copia qui lo "short link" a questo articolo
www.archeomatica.it/{sh404sef_shurl}