10.3969/j.issn.1672-8785.2023.07.008
基于深度学习的风云四号卫星图像超分辨率重建
风云四号A卫星(FY-4A)部分通道的图像分辨率较低,影响风云卫星多通道协同监测能力.针对该问题,提出一种改进的超分辨率生成对抗网络(Enhanced Super-Resolution Generative Adversarial Networks,ESRGAN)算法来实现FY-4A影像的超分辨率重建.该方法基于ESRGAN的生成器架构,利用迁移学习策略,将预训练权重作为模型的初始值,设计了一组包含5层空洞卷积层的残差密集模块(Residual-in-Residual Dense Block,RRDB),并优化了损失函数.结果表明,在4倍影像分辨率重建下,相比于ESRGAN算法,改进的ESRGAN算法在峰值信噪比(Peak Signal-to-Noise Ratio,PSNR)、结构相似性(Structural Similarity,SSIM)、空间相关系数(Correlation Coefficient,CC)上分别提高 了0.704、0.029、0.002,均方根误差(Root-Mean-Square Error,RMSE)降低了10%,且重建影像更加清晰自然,纹理更加细致.
风云四号、深度学习、图像重建、超分辨率
44
P237(摄影测量学与测绘遥感)
苏州市科技项目SYG202135
2023-08-08(万方平台首次上网日期,不代表论文的发表时间)
共7页
46-52