Исследователи под руководством профессора Се Чэнцзюнь и доцента Чжан Цзе из Института физических наук Хэфэй Академии наук Китая разработали новый метод получения спутниковых снимков, основанный на глубоком обучении. Их метод, получивший название частотно-адаптивной сети экспертов (FAME-Net), принят к публикации в 2024 году в Трудах Ассоциации по развитию искусственного интеллекта (AAAI).
Многоспектральные изображения с высоким разрешением необходимы для сельского хозяйства, картографирования и защиты окружающей среды. Однако прямое получение таких изображений сталкивается с технологическими ограничениями. Для решения этой проблемы методы панорамирования сочетают панхроматические изображения высокого разрешения (PAN) и мультиспектральные изображения низкого разрешения. Последние достижения в области глубокого обучения улучшили спектральную и пространственную детализацию при панорамировании, но нейронные сети по-прежнему борются со смещением частоты и адаптацией к разнообразному контенту дистанционного зондирования.
Различные экспертные сети обрабатывают частотно-зависимые характеристики, позволяя сосредоточить внимание на разных частотных диапазонах. FAME-Net динамически адаптирует свои маски к различному содержимому изображения, объединяя несколько экспертных выходных данных.
При сравнительном анализе с существующими передовыми методами FAME-Net не только демонстрирует более высокую производительность в сохранении спектрального качества и повышении пространственного разрешения, но также демонстрирует отличную производительность при получении изображений с помощью дистанционного зондирования в полном разрешении. Это исследование дает новое представление об области обработки изображений.