面向地球观测的实时盲离焦去模糊：IMAGIN-e 任务方法
计算机视觉与模式识别
2025-07-03 v2 人工智能
摘要
本工作处理了国际空间站 (ISS) 上 IMAGIN-e 任务地球观测图像中的机械离焦问题，提出了一种适应星载边缘计算约束的盲去模糊方法。利用 Sentinel-2 数据，我们的方法在 GAN 框架内估计离焦核并训练了一个复原模型，有效实现了无参考图像条件下的运行。在具有合成退化的 Sentinel-2 图像上，SSIM 提升了 72.47%，PSNR 提升了 25.00%，证实了在已知原始清晰图像时模型恢复丢失细节的能力。在没有参考图像的 IMAGIN-e 上，感知质量指标表明有显著提升，NIQE 提升了 60.66%，BRISQUE 提升了 48.38%，验证了真实世界的星载复原。该方法目前已部署在 IMAGIN-e 任务上，展示了其在实际空间运行环境中的实际应用。通过在边缘计算约束下高效处理高分辨率图像，该方法使得水体分割和轮廓检测等应用成为可能，同时在资源受限的情况下保持了处理的可行性。
引用
@article{arxiv.2505.22128,
title = {Real-Time Blind Defocus Deblurring for Earth Observation: The IMAGIN-e Mission Approach},
author = {Alejandro D. Mousist},
journal= {arXiv preprint arXiv:2505.22128},
year = {2025}
}
备注
Accepted for presentation at the European Space Agency's Big Data from Space (BiDS) 2025 Conference (https://www.bigdatafromspace2025.org/)