D-SRGAN：基于生成对抗网络的数字高程模型超分辨率
计算机视觉与模式识别
2020-04-17 v2 机器学习
图像与视频处理
摘要
LIDAR（光探测与测距）是一种测量传感器与物体之间距离以及物体反射能量的光学遥感技术。多年来，LIDAR 数据已被用作数字高程模型（DEM）的主要来源。DEM 已用于多种应用，如道路提取、水文建模、洪水制图和地表分析。许多关于洪水的文献表明，在应用中使用高分辨率 DEM 作为输入可提高整体可靠性和精度。尽管高分辨率 DEM 十分重要，但由于技术限制或数据收集成本，美国及世界上许多地区无法获取高分辨率 DEM。随着图形处理单元（GPU）和新型算法的最近发展，深度学习技术因其在从高分辨率数据集学习特征方面的性能而受到研究人员的青睐。人们提出了许多新方法，如生成对抗网络（GAN）来创建智能模型以校正和增强大规模数据集。本文受单图像超分辨率方法启发，开发并评估了一个基于 GAN 的模型，可在无需额外相关数据信息的情况下将给定 DEM 数据集的空间分辨率提高至多 4 倍。
引用
@article{arxiv.2004.04788,
title = {D-SRGAN: DEM Super-Resolution with Generative Adversarial Networks},
author = {Bekir Z Demiray and Muhammed Sit and Ibrahim Demir},
journal= {arXiv preprint arXiv:2004.04788},
year = {2020}
}
备注
8 pages, 8 figures, 2 tables