超分辨率,遥感,kagura,全国1.5米HD一张图

我们在此非常高兴地介绍高清 (HD) 技术，这是一项由 Kagura 开发并拥有的基于遥感卫星影像的专有技术，通过增加图像像素数量的智能方法，最终提高了每个像素捕获信息的清晰度。对于人眼来说，HD技术提供了明显的视觉改进：使得建筑物的边缘更加精细，道路标记更加详细，植被河流细节更加丰富。总体而言，在不影响原有图像细节的情况下，使用HD技术处理的卫星图像更加清晰锐利。

Kagura开发了基于遥感影像的RPC重构技术，使得我们不仅仅可以对3波段的融合数据使用，还可以再对原始卫星影像数据使用HD技术的时候，不影响其原有的RPC文件使用，这使得我们几乎可以增强所有的卫星遥感影像。

Kagura还开发了基于遥感影像的光谱保留技术，这使得我们在进行超分辨率算法的时候可以完整保留原始卫星影像数据的光谱信息，不影响后期的数据处理和光谱分析。

为了让 ML 模型可以识别房屋、道路、车辆、植被、河流等，不同于传统的数据模型，我们通过在更高分辨率的高清图像中手动绘制对象周围的视图选择框来创建训练数据。然后，我们将这些框转移到随附的原始分辨率图像中，从而为每种图像类型生成一个训练数据集。我们将相应的训练数据集输入其各自的模型训练框架，从而产生独立的通用模型，并将其用于对应的低分辨率数据集。基于遥感影像的地理空间数据，我们可以在实际应用中迅速的找到对应地理空间位置通用模型，这将极大的提高模型的运算速度和HD精度。（如下图）

为了获取更加精确地ML模型，为了在视觉比较之外量化 HD 的价值，我们决定使用机器学习 (ML) 算法来提供无偏见的结果。Kagura使用了35000余景世界上最清晰的Worldview卫星影像原始数据（包括4波段和8波段），以及各类卫星影像60万余景，几乎覆盖了全国各类地貌，以此查看高清是否有助于特征识别算法在我们的图像中识别更多内容。实践结果证明，与原始分辨率相比，在高清图像上运行时，ML 算法显著提高了其检测特征的平均精度。（如下图）


原始数据	HD数据

HD技术是一种非常强大的算法，可以智能地增加像素数量。虽然我不想强调这有多么的让人惊奇，但是在我们并没有改变图像本身的原始细节分辨率的情况下，HD技术成功获取了更高分辨率的遥感影像，我们现在可以从不同分辨率的遥感数据中获取更多的信息，并支持各类卫星传感器。HD技术将适用于所有客户，并用于改进我们现有的分析及底图数据。