基于深度学习的数字高程模型增强
计算机视觉与模式识别
2021-01-14 v1 地球与行星天体物理
机器学习
图像与视频处理
摘要
我们展示了利用光学图像和带卷积神经网络的深度学习对行星数字高程模型（DEM）进行高保真增强。增强可递归应用于可用光学数据的极限，在全球火星 DEM 中实现了 90 倍分辨率提升。基于深度学习的光度立体法稳健地恢复了被非理想光照条件遮蔽的特征。该方法可在全球尺度自动化。分析表明，增强 DEM 的坡度误差与使用常规、劳动密集型方法的高分辨率地图相当。
引用
@article{arxiv.2101.04812,
title = {Digital Elevation Model enhancement using Deep Learning},
author = {Casey Handmer},
journal= {arXiv preprint arXiv:2101.04812},
year = {2021}
}
备注
11 pages, 13 figures