Investigadores dirigidos por el profesor Xie Chengjun y el profesor asociado Zhang Jie de los Institutos Hefei de Ciencias Físicas de la Academia de Ciencias de China han desarrollado un novedoso método basado en el aprendizaje profundo para imágenes satelitales.
Su método, llamado Red de Mezcla de Expertos Adaptable en Frecuencia (FAME-Net), ha sido aceptado para su publicación en las Actas de 2024 de la Asociación para el Avance de la Inteligencia Artificial (AAAI).Esal corrientehaciaarXivservidor de preimpresión.
Las imágenes multiespectrales de alta resolución son esenciales para la agricultura, la cartografía y laprotección ambiental.Sin embargo, la adquisición directa de tales imágenes enfrenta limitaciones tecnológicas.Para superar este desafío, las técnicas de enfoque panorámico combinan imágenes pancromáticas de alta resolución (PAN) y multiespectrales de baja resolución.Avances recientes enaprendizaje profundohan mejorado los detalles espectrales y espaciales en el enfoque panorámico, peroredes neuronalesTodavía luchamos con el sesgo de frecuencia y la adaptación a diversos contenidos de teledetección.
Basándose en la transformada de coseno discreta y los conceptos de Mezcla de expertos, los investigadores propusieron FAME-Net, que utiliza un predictor de máscara de frecuencia para el enmascaramiento adaptativo de alta y baja frecuencia.
Diferentes redes de expertos procesan estas características específicas de frecuencia, lo que permite centrar la atención en diferentes rangos de frecuencia.FAME-Net adapta dinámicamente sus máscaras a diferentes contenidos de imágenes integrando múltiples salidas expertas a través de un mecanismo de activación.
En análisis comparativos con métodos de última generación existentes, FAME-Net no sólo demuestra un rendimiento superior en la preservación de la calidad espectral y la mejoraresolución espacialpero también muestra un rendimiento excelente en imágenes de teledetección de resolución completa.
Este estudio proporciona nuevos conocimientos en el campo del procesamiento de imágenes y demuestra la eficacia de integrar estructuras de red dinámicas e información en el dominio de frecuencia.
Más información:Xuanhua He et al, Pan-Sharpening adaptativo de frecuencia con una mezcla de expertos,arXiv(2024).DOI: 10.48550/arxiv.2401.02151
Información de la revista: arXiv
Citación:Nuevos métodos adaptativos de frecuencia mejoran el procesamiento de imágenes de teledetección (2024, 18 de enero)recuperado el 18 de enero de 2024de https://techxplore.com/news/2024-01-frequency-methods-remote-image.html
Este documento está sujeto a derechos de autor.Aparte de cualquier trato justo con fines de estudio o investigación privados, noparte puede ser reproducida sin el permiso por escrito.El contenido se proporciona únicamente con fines informativos.