다중 이미지 슈퍼 해상도 기법을 이용한 원격 감측 이미지의 잔차 특성 주의 깊은 신경망 활용

컨벌루션 신경망(CNNs)은 이미지 초해상화(SR)에서 지속적으로 최신 기술 수준의 결과를 입증해 왔으며, 이는 원격 감측 분야에서 캡처된 데이터로부터 더 많은 정보와 지식을 추출할 수 있는 뛰어난 기회를 제공합니다. 그러나 지금까지 문헌에 발표된 대부분의 연구는 단일 이미지 초해상화 문제에 집중되어 왔습니다. 현재 위성 기반 원격 감측 플랫폼은 시간적 해상도가 높고 공간적 해상도가 낮은 대규모 데이터를 제공하고 있습니다. 이러한 맥락에서, 본 연구에서는 다중 이미지 초해상화 작업을 효과적으로 해결하며, 여러 이미지를 결합하기 위해 공간적 및 시간적 상관관계를 동시에 활용하는 새로운 잔차 주의 모델(RAMS)을 제안합니다. 우리는 3D 컨벌루션을 사용하여 시각적 특징 주의 메커니즘을 도입하여, 여러 저해상도 이미지의 인식적인 데이터 융합과 정보 추출을 수행함으로써 컨벌루션 연산의 지역적 제한성을 극복합니다. 또한 같은 장면의 여러 입력이 있을 때, 우리의 표현 학습 네트워크는 중첩된 잔차 연결을 적극적으로 활용하여 중복된 저주파 신호를 흐르게 하면서 중요한 고주파 성분에 대한 계산에 집중할 수 있도록 합니다. 단일 또는 다중 이미지 초해상화를 위한 다른 가능한 솔루션들과 비교한 광범위한 실험 및 평가 결과, 제안된 딥러닝 기반 솔루션이 원격 감측 응용 분야에서 다중 이미지 초해상화에 있어 최신 기술 수준임이 입증되었습니다.