基于卷积神经网络的PROBA-V图像超分辨率重建
计算机视觉与模式识别
2019-07-04 v1 图像与视频处理
摘要
ESA的PROBA-V地球观测卫星使我们能够大规模监测地球，研究植被与气候之间的相互作用，并为关乎我们共同全球未来的重要决策提供指导。然而，高分辨率图像的记录间隔为数天，而低分辨率图像通常每天都有。我们收集了PROBA-V仪器在每月周期内拍摄的大量高分辨率与低分辨率图像数据集，以研究多图像超分辨率——一种将多幅低分辨率图像融合为一幅更高质量图像的技术。我们提出了一种卷积神经网络，能够处理光照变化、云层覆盖和地貌特征等挑战，这些挑战源于不同图像是在卫星连续经过同一区域时拍摄的。给定在最优条件下拍摄的低分辨率图像的 bicubic 上采样结果，我们发现对于绝大多数不同场景，网络重建图像的峰值信噪比（Peak Signal to Noise Ratio）更高。这表明应用机器学习有潜力增强多次卫星过境期间收集的大量已有地球观测数据。
引用
@article{arxiv.1907.01821,
title = {Super-Resolution of PROBA-V Images Using Convolutional Neural Networks},
author = {Marcus Märtens and Dario Izzo and Andrej Krzic and Daniël Cox},
journal= {arXiv preprint arXiv:1907.01821},
year = {2019}
}
备注
To appear in Special Issue on Applications of Artificial Intelligence in Aerospace Engineering in the Journal "Astrodynamics"