L1BSR：利用探测器重叠实现 Sentinel-2 L1B 影像自监督单图超分辨率
计算机视觉与模式识别
2023-04-18 v2 图像与视频处理
摘要
高分辨率卫星影像是许多地球监测应用的关键要素。Sentinel-2 等卫星具有利于超分辨率算法的特性，如混叠与波段错位。遗憾的是，可靠高分辨率（HR）真值的缺乏限制了深度学习方法在该任务上的应用。本文提出 L1BSR，一种基于深度学习的 Sentinel-2 L1B 10m 波段单图超分辨率与波段对齐方法。该方法利用相邻 CMOS 探测器产生的 L1B 图像中的重叠区域，直接在真实 L1B 数据上以自监督方式训练，因此无需 HR 真值。我们的自监督损失旨在强制超分辨率输出图像的所有波段正确对齐。这通过一个新颖的跨光谱配准网络（CSR）实现，该网络计算不同光谱波段图像间的光流。CSR 网络同样使用自监督训练，采用本文提出的 Anchor-Consistency 损失。我们在合成与真实 L1B 数据上验证了所提方法的性能，结果表明其取得了与有监督方法相当的结果。
引用
@article{arxiv.2304.06871,
title = {L1BSR: Exploiting Detector Overlap for Self-Supervised Single-Image Super-Resolution of Sentinel-2 L1B Imagery},
author = {Ngoc Long Nguyen and Jérémy Anger and Axel Davy and Pablo Arias and Gabriele Facciolo},
journal= {arXiv preprint arXiv:2304.06871},
year = {2023}
}
备注
EarthVision 2023