基于域自适应的BVOC排放图超分辨率重建
图像与视频处理
2023-06-23 v1 计算机视觉与模式识别
摘要
提高生物源挥发性有机化合物（BVOC）排放图的分辨率是遥感中的一项关键任务。近来，一些基于深度学习（DL）的超分辨率（SR）方法被提出，利用数值模拟数据用于其训练过程。然而，在处理源自卫星观测的数据时，由于可用于训练SR算法的测量数据稀缺，重建尤其具有挑战性。在我们的工作中，旨在通过利用通过数值模拟获得的排放图的信息，对源自卫星观测的低分辨率排放图进行超分辨率重建。为此，我们将基于DL的SR方法与域自适应（DA）技术相结合，协调模拟域与观测域中使用的不同聚合策略与空间信息以确保兼容性。我们通过系统性地改变所用模拟与观测排放的数量，在不同阶段研究DA策略的有效性，探索数据稀缺对自适应策略的影响。据我们所知，此前尚无针对卫星反演BVOC图增强中DA的研究。我们的工作朝开发鲁棒的观测BVOC排放重建策略迈出了第一步。
引用
@article{arxiv.2306.12796,
title = {Super-Resolution of BVOC Emission Maps Via Domain Adaptation},
author = {Antonio Giganti and Sara Mandelli and Paolo Bestagini and Marco Marcon and Stefano Tubaro},
journal= {arXiv preprint arXiv:2306.12796},
year = {2023}
}
备注
4 pages, 4 figures, 1 table, accepted at IEEE-IGARSS 2023