用于选择性数据传输的轨上月球卫星图像超分辨率
图像与视频处理
2021-10-20 v1
摘要
快速的技术进步极大地提升了遥感卫星的数据获取能力。然而，卫星任务中的数据利用效率很低。这种不断增长的数据也抬高了数据下行传输与后处理所需的成本。基于轨上推理的选择性数据传输将在很大程度上解决这些问题。因此，为降低卫星任务成本，我们提出了一种基于轨上推理的选择性数据传输新型系统设计。由于图像分辨率对做出精确推理起着关键作用，我们也在系统设计中纳入了轨上超分辨率（SR）。我们引入了一种新的图像重建技术与独特的损失函数，以使 SR 模型能在适合卫星环境的低功耗设备上执行。我们提出了残差密集非局部注意力网络（RDNLA），其提供增强的超分辨率输出以改善 SR 性能。在 Kaguya 数字正射影像图（DOMs）上的 SR 实验表明，所提 SR 算法在 PSNR 与块敏感 PSNR 上分别以 +0.1 dB 和 +0.19 dB 的优势优于残差密集网络（RDN）。所提 SR 系统比标准 SR 模型 RDN 少消耗 48% 的内存与 67% 的峰值瞬时功率，使其更适于在低功耗设备平台上执行。
引用
@article{arxiv.2110.10109,
title = {In-Orbit Lunar Satellite Image Super Resolution for Selective Data Transmission},
author = {Atal Tewari and Chennuri Prateek and Nitin Khanna},
journal= {arXiv preprint arXiv:2110.10109},
year = {2021}
}