論文の概要: Towards High-Resolution Alignment and Super-Resolution of Multi-Sensor Satellite Imagery
- arxiv url: http://arxiv.org/abs/2507.23150v1
- Date: Wed, 30 Jul 2025 22:55:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-01 17:19:08.832906
- Title: Towards High-Resolution Alignment and Super-Resolution of Multi-Sensor Satellite Imagery
- Title（参考訳）: マルチセンサ衛星画像の高分解能アライメントと高分解能化に向けて
- Authors: Philip Wootaek Shin, Vishal Gaur, Rahul Ramachandran, Manil Maskey, Jack Sampson, Vijaykrishnan Narayanan, Sujit Roy,
- Abstract要約: 本研究では,高調波ランドサット・センチネル10m(HLS10)を基準データセットとして,高調波ランドサット・センチネル30m(HLS30)画像の整列と高調波ランドサット・センチネル30m(HLS30)画像の作成を行う。
本研究の目的は,これらのセンサ間の解像度ギャップを埋め,超解像ランドサット画像の品質を向上させることである。
- 参考スコア（独自算出の注目度）: 2.4563906159963196
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: High-resolution satellite imagery is essential for geospatial analysis, yet differences in spatial resolution across satellite sensors present challenges for data fusion and downstream applications. Super-resolution techniques can help bridge this gap, but existing methods rely on artificially downscaled images rather than real sensor data and are not well suited for heterogeneous satellite sensors with differing spectral, temporal characteristics. In this work, we develop a preliminary framework to align and Harmonized Landsat Sentinel 30m(HLS 30) imagery using Harmonized Landsat Sentinel 10m(HLS10) as a reference from the HLS dataset. Our approach aims to bridge the resolution gap between these sensors and improve the quality of super-resolved Landsat imagery. Quantitative and qualitative evaluations demonstrate the effectiveness of our method, showing its potential for enhancing satellite-based sensing applications. This study provides insights into the feasibility of heterogeneous satellite image super-resolution and highlights key considerations for future advancements in the field.
- Abstract（参考訳）: 高解像度衛星画像は地理空間解析に欠かせないが、衛星センサ間の空間分解能の違いは、データ融合と下流応用の課題である。
超高解像度技術は、このギャップを埋めるのに役立つが、既存の手法は実際のセンサーデータではなく、人工的に縮小された画像に依存しており、スペクトルや時間特性の異なる異種衛星センサーには適していない。
本研究では、HLSデータセットからの参照として、ハーモナイズドランドサットセンチネル10m(HLS10)を用いて、ハーモナイズドランドサットセンチネル30m(HLS30)画像の調整と調和を行うための予備的フレームワークを開発する。
本研究の目的は,これらのセンサ間の解像度ギャップを埋め,超解像ランドサット画像の品質を向上させることである。
定量的および定性的な評価は,本手法の有効性を示し,衛星ベースセンシング応用の強化の可能性を示している。
本研究は、異種衛星画像の超高分解能化の実現可能性に関する知見を提供し、今後の発展に向けた重要な考察を浮き彫りにする。
関連論文リスト
- STAR: A Benchmark for Astronomical Star Fields Super-Resolution [51.79340280382437]
54,738個のフラックス一貫性の星体画像対を含む大規模SRデータセットSTARを提案する。
本稿では,Flux-Invariant Super Resolution (FISR)モデルを提案する。
論文 参考訳（メタデータ） (2025-07-22T09:28:28Z) - Data Augmentation and Resolution Enhancement using GANs and Diffusion Models for Tree Segmentation [49.13393683126712]
都市森林は、環境の質を高め、都市における生物多様性を支援する上で重要な役割を担っている。
複雑な地形と異なる衛星センサーやUAV飛行高度による画像解像度の変化により、正確に木を検知することは困難である。
低解像度空中画像の品質を高めるため,GANと拡散モデルとドメイン適応を統合した新しいパイプラインを提案する。
論文 参考訳（メタデータ） (2025-05-21T03:57:10Z) - Efficient Denoising Method to Improve The Resolution of Satellite Images [0.0]
高解像度の衛星画像は、地上の小さな特徴を識別し、地表面のタイプを分類するのに役立ちます。
小型衛星は空間分解能が弱く、最近の生成モデルによる前処理によりこれらの衛星画像の解像度を向上させることができた。
論文 参考訳（メタデータ） (2024-11-11T03:33:53Z) - SatDiffMoE: A Mixture of Estimation Method for Satellite Image Super-resolution with Latent Diffusion Models [3.839322642354617]
我々はtextbfSatDiffMoE と呼ばれる新しい拡散型融合アルゴリズムを提案する。
アルゴリズムは非常に柔軟で、任意の数の低解像度画像のトレーニングと推測が可能である。
実験の結果,SatDiffMoE法は衛星画像の超解像処理に優れていた。
論文 参考訳（メタデータ） (2024-06-14T17:58:28Z) - Effectivity of super resolution convolutional neural network for the
enhancement of land cover classification from medium resolution satellite
images [0.0]
超解像畳み込みニューラルネットワーク(SRCNN)は、確立された認識方法の下でも、画素の誤分類の可能性を小さくする。
本研究では,サンダーバンの異なる領域のLANDSAT-7画像と,バイリンarvolution,バイコビック,SRCNNによるアップスケールバージョンについて検討した。
論文 参考訳（メタデータ） (2022-07-05T20:48:03Z) - Decoupled-and-Coupled Networks: Self-Supervised Hyperspectral Image
Super-Resolution with Subpixel Fusion [67.35540259040806]
サブピクセルレベルのHS超解像フレームワークを提案する。
名前が示すように、DC-Netはまず入力を共通(またはクロスセンサー)とセンサー固有のコンポーネントに分離する。
我々は,CSUネットの裏側に自己教師付き学習モジュールを付加し,素材の整合性を保証し,復元されたHS製品の詳細な外観を向上する。
論文 参考訳（メタデータ） (2022-05-07T23:40:36Z) - Beyond Cross-view Image Retrieval: Highly Accurate Vehicle Localization
Using Satellite Image [91.29546868637911]
本稿では,地上画像と架空衛星地図とをマッチングすることにより,車載カメラのローカライゼーションの問題に対処する。
鍵となる考え方は、タスクをポーズ推定として定式化し、ニューラルネットベースの最適化によってそれを解くことである。
標準自動運転車のローカライゼーションデータセットの実験により,提案手法の優位性が確認された。
論文 参考訳（メタデータ） (2022-04-10T19:16:58Z) - Spatial-Temporal Super-Resolution of Satellite Imagery via Conditional
Pixel Synthesis [66.50914391487747]
高精度な高解像度画像を生成するために,高解像度の高解像度画像を用いた条件付き画素合成モデルを提案する。
我々は,本モデルにおいて,オブジェクトカウントという重要なダウンストリームタスクにおいて,フォトリアリスティックなサンプル品質を実現し,競合するベースラインを上回っていることを示す。
論文 参考訳（メタデータ） (2021-06-22T02:16:24Z) - Fusion of Deep and Non-Deep Methods for Fast Super-Resolution of
Satellite Images [54.44842669325082]
本研究は,超解像(SR)による画質向上により,画質と価格のギャップを埋めることを提案する。
低解像度画像の各パッチの地域情報内容を解析するSRフレームワークを設計する。
本研究では,既存の深部SR法と同等の性能を示しながら,推定時間を大幅に減少させることを示した。
論文 参考訳（メタデータ） (2020-08-03T13:55:39Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。