深度与非深度方法融合的快速卫星图像超分辨率
计算机视觉与模式识别
2020-08-04 v1
摘要
在新兴的商业航天产业中，低成本卫星图像的获取急剧增加。卫星图像的价格取决于传感器质量和重访率。本工作提议通过超分辨率（SR）改善图像质量来弥合图像质量与价格之间的差距。近来，已提出若干深度 SR 技术来增强卫星图像。然而，这些方法均未利用区域级上下文信息，对图像中每个区域给予同等重要性。这一点，加上大多数最先进 SR 方法是复杂笨重的深度模型，处理非常大卫星图像所花费的时间可能高得 impractical。我们提议通过设计一个 SR 框架来应对此挑战，该框架分析低分辨率图像每个块上的区域信息内容，并明智地选择对图像中结构更丰富的区域使用计算更复杂的深度模型进行超分辨率，而对非显著区域使用资源消耗较少的非深度方法。通过对大型卫星图像的广泛实验，我们展示了推理时间的显著减少，同时在 PSNR、MSE 和 SSIM 等多个评价指标上达到与现有深度 SR 方法相似的性能。
引用
@article{arxiv.2008.00878,
title = {Fusion of Deep and Non-Deep Methods for Fast Super-Resolution of Satellite Images},
author = {Gaurav Kumar Nayak and Saksham Jain and R Venkatesh Babu and Anirban Chakraborty},
journal= {arXiv preprint arXiv:2008.00878},
year = {2020}
}
备注
Accepted in IEEE BigMM 2020