本发明涉及图像处理，特别是指一种遥感卫星星上图像ai预测方法及系统。
背景技术：
1、随着科技的发展，遥感卫星在天文观测、气候监测、地理研究等领域发挥着越来越重要的作用。遥感图像可以用于观测和研究宇宙中的天体，如星系、恒星、行星和小行星等，帮助科学家了解宇宙的结构和演化。遥感图像可用于监测大气状况、云层分布、降雨量等，有助于提高气象预报的准确性。通过长时间序列的遥感图像，可以分析全球气候变化趋势，如温度上升、极端天气事件频发等，为气候变化研究提供数据支持。遥感图像可以精确测绘地球表面的地形地貌，包括山脉、河流、湖泊等，为地质研究提供重要资料。
2、然而，遥感卫星的能源有限，拍摄机会宝贵，如果因为天气等环境因素导致拍摄的遥感图像无效，将会造成巨大的卫星资源浪费，同时，无效图像也占用了存储和传输资源，增加了数据处理的负担。
技术实现思路
1、为了解决现有技术中遥感卫星的能源有限，拍摄机会宝贵，如果因为天气等环境因素导致拍摄的遥感图像无效，将会造成巨大的卫星资源浪费，同时，无效图像也占用了存储和传输资源，增加了数据处理的负担的技术问题，本发明提供了一种遥感卫星星上图像ai预测方法及系统。
2、本发明实施例提供的技术方案如下：
3、第一方面：
4、本发明实施例提供的一种遥感卫星星上图像ai预测方法，包括：
5、s1：获取传感器数据；
6、s2：根据所述传感器数据，基于门控循环单元，智能预测遥感卫星的环境状态；
7、s3：根据预测的环境状态，基于生成对抗网络，智能预测遥感卫星执行拍摄时的遥感预测图像；
8、s4：根据所述遥感预测图像，基于深度学习网络，确定所述遥感预测图像的图像质量得分；
9、s5：根据所述遥感预测图像的灰度平均梯度以及信噪比，对基于深度学习网络得到的图像质量得分进行校正；
10、s6：判断所述遥感预测图像的图像质量得分是否大于预设得分；若是，执行拍摄指令；否则，拒绝执行拍摄指令。
11、第二方面：
12、本发明实施例提供的一种遥感卫星星上图像ai预测系统，包括：
13、处理器；
14、存储器，所述存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，实现如第一方面所述的遥感卫星星上图像ai预测方法。
15、第三方面：
16、本发明实施例提供的一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面所述的遥感卫星星上图像ai预测方法。
17、本发明实施例提供的技术方案带来的有益效果至少包括：
18、在本发明中，通过对遥感卫星的环境状态进行预测，进而利用ai技术，预测遥感卫星执行拍摄时的遥感预测图像，通过判断遥感预测图像的图像质量来决定是否执行拍摄，可以避免因为天气等环境因素导致拍摄的遥感图像无效，提升遥感图像质量，显著提升了遥感卫星的资源利用效果，避免无效图像占用存储和传输资源，增减少数据处理负担，降低卫星通信成本。
1.一种遥感卫星星上图像ai预测方法，其特征在于，包括：
2.根据权利要求1所述的遥感卫星星上图像ai预测方法，其特征在于，所述门控循环单元包括：输入层、更新门、重置门、候选层以及预测层，所述s2具体包括：
3.根据权利要求1所述的遥感卫星星上图像ai预测方法，其特征在于，所述生成对抗网络包括：生成器与鉴别器；所述s3具体包括：
4.根据权利要求3所述的遥感卫星星上图像ai预测方法，其特征在于，所述判别器训练损失函数具体为：
5.根据权利要求1所述的遥感卫星星上图像ai预测方法，其特征在于，所述深度学习网络包括：卷积层、第一全连接层、池化层以及第二全连接层，所述s4具体包括：
6.根据权利要求5所述的遥感卫星星上图像ai预测方法，其特征在于，所述s403具体包括：
7.根据权利要求5所述的遥感卫星星上图像ai预测方法，其特征在于，所述s406具体包括：
8.根据权利要求5所述的遥感卫星星上图像ai预测方法，其特征在于，所述s407具体包括：
9.根据权利要求8所述的遥感卫星星上图像ai预测方法，其特征在于，所述s5具体为：
10.一种遥感卫星星上图像ai预测系统，其特征在于，包括：
