Ir al menú de navegación principal Ir al contenido principal Ir al pie de página del sitio
×
Español (España) | English
Editorial
Inicio
Indexación
Artículos originales

Red E-D basada en GAN para retocar imágenes de satélite

By
Mallesh Sudhamalla ,
Mallesh Sudhamalla

Research Scholar, Department of ECE , Anurag University, Ghatkesar, Hyderabad, Telangana State-500 088, India

Search this author on:

PubMed | Google Scholar
Dr. D. Haripriya ,
Dr. D. Haripriya

Associate Professor, Department of ECE, Anurag University, Ghatkesar, Hyderabad, Telangana State-500 088, India

Search this author on:

PubMed | Google Scholar

Resumen

La intrincada naturaleza de la desdibujación de imágenes de teledetección plantea un reto formidable debido a sus multifacéticas características. La eliminación de la niebla se considera un paso preliminar para las tareas avanzadas de teledetección de imágenes. Se introduce un nuevo enfoque con el objetivo de desdibujar una imagen empleando una arquitectura codificador-decodificador integrada en una red generativa adversarial (GAN). Este innovador modelo captura sistemáticamente la información de baja frecuencia en la fase inicial y posteriormente asimila los detalles de alta frecuencia de la imagen de teledetección. La incorporación de una conexión de salto dentro de la red sirve para evitar la pérdida de información. Para mejorar la capacidad de aprendizaje y asimilar más información valiosa, se introduce un componente adicional, el módulo de atención multiescala. Inspirándose en las redes multiescala, se diseña meticulosamente un módulo mejorado que se incorpora a la conclusión de la red. Esta metodología de aumento pretende mejorar aún más las capacidades de desdibujamiento asimilando información contextual a varias escalas. El material para perfeccionar el algoritmo de desdibujamiento se ha obtenido del conjunto de datos RICE-I, que sirve de campo de pruebas para una comparación exhaustiva entre nuestro método propuesto y otros dos enfoques alternativos. Los resultados experimentales muestran claramente la eficacia superior de nuestro método, tanto en términos cualitativos como cuantitativos. Nuestra metodología propuesta obtuvo mejores resultados en términos de PSNR y SSIM que las técnicas de dehazing actuales, aunque requiere tiempos de simulación más largos. Por lo tanto, se puede concluir que hemos contribuido con una metodología de dehazing de imágenes RS más completa a la literatura existente sobre metodologías de dehazing.

Cómo citar

1.
Sudhamalla M, D H. Red E-D basada en GAN para retocar imágenes de satélite. Data and Metadata [Internet]. 28 de mayo de 2024 [citado 6 de julio de 2024];3:276. Disponible en: https://dm.saludcyt.ar/index.php/dm/article/view/276

Este artículo se distribuye bajo la licencia Creative Commons Attribution 4.0 License. A menos que se indique lo contrario, el material publicado asociado se distribuye bajo la misma licencia.

Article metrics

Google scholar: See link

Métricas

Cargando métricas ...

The statements, opinions and data contained in the journal are solely those of the individual authors and contributors and not of the publisher and the editor(s). We stay neutral with regard to jurisdictional claims in published maps and institutional affiliations.