32、提升卫星图像分辨率与中文辅助学习的创新方法

提升卫星图像分辨率与中文辅助学习的创新方法

卫星图像超分辨率处理

在当今的科技领域，对高分辨率图像的需求日益增长，尤其是在计算机视觉、遥感和医学等研究领域。然而，在遥感应用中，虽然卫星能提供大量图像信息，但高分辨率图像的占比却较少。为了解决这一问题，超分辨率（SR）技术应运而生，它能够从低分辨率（LR）图像生成高分辨率（HR）图像。

传统的SR技术，如线性、立方样条、兰索斯和滤波等插值方法，在处理图像的细节方面存在较大问题，例如曲线、边缘以及相邻像素间的剧烈强度变化。而基于深度学习的方法，如生成对抗网络（GAN），为解决这些问题提供了新的途径。

数据集准备

• DIVerse2k数据集 ：该数据集包含从互联网收集的大量高分辨率图像，所有图像至少在一个轴上具有2K像素，且噪声较少。在本研究中，使用了900张不同内容的图像，其中800张用于训练，100张用于验证。
• Sentinel2 - 512数据集 ：Sentinel - 2是欧洲的一项任务，由两颗携带多光谱仪器（MSI）的卫星组成。每颗卫星每10天经过同一区域，其光学仪器有13个光谱波段。本研究使用了2018年12月至2019年3月期间的24张Sentinel - 2卫星图像，提取并合并了每个多光谱卫星图像的2、3和4波段，形成新的多通道图像。经过处理和筛选，去除有云的图块和信息缺失的图块后，得到2192张图像，其中2000张用于训练，其余用于验证。
• Landsat - 8卫星图像 ：Landsat - 8是NASA科学任务理事会全球研究计划的一部