Handheld Burst Super-Resolution Meets Multi-Exposure Satellite Imagery

要約

画像の解像度は、衛星画像に基づく多くのアプリケーションにとって重要な基準です。
この作業では、最先端のカーネル回帰手法をスマートフォン カメラ バーストの超解像に衛星に適応させます。
この手法は、画像の局所的な構造を活用してフュージョン カーネルを最適に操作し、最終的な高解像度予測でぼやけを制限し、画像のノイズを除去し、最大 2 倍のズーム倍率まで詳細を復元します。このアプローチを多重露出に拡張します。
多重露出の低解像度フレームのシーケンスから、高解像度でノイズのないフレームを予測するケース。
単一および多重露出シナリオの両方での実験は、このアプローチのメリットを示しています。
融合は学習不要であるため、提案された方法は詳細を幻覚させないことが保証されます。これは、多くのリモートセンシングアプリケーションにとって重要です。

要約(オリジナル)

Image resolution is an important criterion for many applications based on satellite imagery. In this work, we adapt a state-of-the-art kernel regression technique for smartphone camera burst super-resolution to satellites. This technique leverages the local structure of the image to optimally steer the fusion kernels, limiting blur in the final high-resolution prediction, denoising the image, and recovering details up to a zoom factor of 2. We extend this approach to the multi-exposure case to predict from a sequence of multi-exposure low-resolution frames a high-resolution and noise-free one. Experiments on both single and multi-exposure scenarios show the merits of the approach. Since the fusion is learning-free, the proposed method is ensured to not hallucinate details, which is crucial for many remote sensing applications.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google