站立死树分割的多光谱盲图像超分辨率
计算机视觉与模式识别
2026-05-05 v1
摘要
映射站立死树对于获取森林与森林生物多样性的气候变化影响信息至关重要。然而，由于传感器可用性受限和标注数据稀缺的挑战，难以利用高质量航空图像进行死树分割。本研究提出一种通用的盲超分辨率框架，包含注意力引导的域适应网络 (ADA-Nets)，以学习从低分辨率到高分辨率多光谱图像域之间的映射。该方法仅使用未成对的样本运行，模拟真实世界条件，即低分辨率图像并非通过对高分辨率图像进行下采样获得。此外，所提方法作为通用恢复器，可解决包括饱和、噪声和低对比度在内的多种图像退化类型，这些退化通常发生在由低端传感器获取的低分辨率图像中。据我们了解，这是首个在站立死树分割范围内进行实质性且通用的多光谱数据超分辨率研究。实验评估显示分割性能分别为 54% 和 64% 的 Dice 分数。值得注意的是，第一个结果在不使用任何高分辨率标注的情况下获得；分割网络在超分辨后的低分辨率图像上训练，而在高分辨率数据上进行评估。我们在 https://www.kaggle.com/datasets/meteahishali/aerial-imagery-for-dead-tree-segmentation-poland 上公开了带有手动标注标签的航空多光谱数据集。
引用
@article{arxiv.2605.02471,
title = {Multispectral Blind Image Super-Resolution for Standing Dead Tree Segmentation},
author = {Mete Ahishali and Anis Ur Rahman and Einari Heinaro and Aysen Degerli and Samuli Junttila},
journal= {arXiv preprint arXiv:2605.02471},
year = {2026}
}
备注
10 pages