HyperAIHyperAI

Command Palette

Search for a command to run...

Réseau antagoniste génératif conditionnel pour la fusion de données SAR et optiques multispectrales afin de supprimer les nuages des images Sentinel-2

Xiaoxiang Zhu Michael Schmitt Claas Grohnfeldt

Résumé

Dans cet article, nous présentons la première architecture de réseau antagoniste génératif conditionnel (cGAN) spécifiquement conçue pour fusionner des données d’imagerie à synthèse d’ouverture radar (SAR) et des données optiques multispectrales (MS) afin de générer des images optiques multispectrales dépourvues de nuages et de brouillard à partir d’une entrée multispectrale altérée par des nuages et d’une image SAR auxiliaire. Des expériences menées sur des données Sentinel-2 MS et Sentinel-1 SAR confirment que notre modèle étendu SAR-Opt-cGAN utilise efficacement les informations auxiliaires provenant de la SAR pour reconstruire les images MS de manière supérieure à un modèle équivalent qui, bien qu’utilisant la même architecture, ne reçoit en entrée que des données monosensorielles MS.


Créer de l'IA avec l'IA

De l'idée au lancement — accélérez votre développement IA avec le co-codage IA gratuit, un environnement prêt à l'emploi et le meilleur prix pour les GPU.

Codage assisté par IA
GPU prêts à l’emploi
Tarifs les plus avantageux

HyperAI Newsletters

Abonnez-vous à nos dernières mises à jour
Nous vous enverrons les dernières mises à jour de la semaine dans votre boîte de réception à neuf heures chaque lundi matin
Propulsé par MailChimp
Réseau antagoniste génératif conditionnel pour la fusion de données SAR et optiques multispectrales afin de supprimer les nuages des images Sentinel-2 | Articles | HyperAI