51、遥感图像超分辨率与显著目标检测技术研究

遥感图像超分辨率与显著目标检测技术研究

1. 引言

在当今的各个行业领域中，计算机视觉和模式识别技术正发挥着越来越重要的作用。在汽车行业，随着自动驾驶的发展，计算机视觉成为开发智能系统和安全措施的关键工具，如车道偏离预警和车道保持辅助系统，能有效避免碰撞事故。在农业和食品行业，计算机视觉检测系统可加速农业生产力的提升，通过模式识别检测作物疾病，实现更高效的收获。在建筑领域，计算机视觉和模式识别技术也带来了诸多益处，如实时评估建筑工地的视频数据，防止缺陷和错误，提高施工效率、质量和安全性。

本文将围绕两个重要的研究方向展开，一是 Sentinel - 2 图像的超分辨率研究，二是基于预训练 Deeplab 和 k - Means 的显著目标检测技术。

2. Sentinel - 2 图像超分辨率研究

2.1 研究方法

研究采用深度学习技术进行超分辨率（SR）重建实验。具体而言，对多尺度 VDSR 网络进行重新训练，使用 2.5 米分辨率的 Sentinel - 2 和 SPOT - 7 图像对，使其转变为 SPOT7 - VDSR 网络。该网络能够将 Sentinel - 2 图像的分辨率从 10 米提高到 2.5 米，且在预测时，Sentinel - 2 图像对于网络来说是完全未知的。最后，将得到的图像与对应的原始 SPOT - 7 图像进行验证。

2.2 实验结果

实验展示了多个场景（如“Scene 1660”、“Scene 1868”等）的 2.5 米分辨率图像，包括双三次插值的 Sentinel - 2 图像、VDSR 网络处理的 Sentinel - 2 图像、SPOT7 - VD