Review article
https://doi.org/10.17794/rgn.2025.3.8
POBOLJŠANJE SATELITSKE SLIKE KORIŠTENJEM DUBOKOGA UČENJA I GIS INTEGRACIJE, SVEOBUHVATAN PREGLED
Dalia A. Hussein
orcid.org/0009-0003-1461-2083
; Faculty of Engineering, University of Assiut, Egypt.
*
Mohamed A. Yousef
; Faculty of Engineering, University of Assiut, Egypt.
Hassan A. Abdel-Hak
; Faculty of Engineering, University of Assiut, Egypt.
Yasser G. Mostafa
; Faculty of Engineering, University of Sohag, Egypt
* Corresponding author.
Abstract
U radu se donosi opsežan pregled 32 studije (20 časopisa, 11 zbornika i jedno poglavlje u knjizi) objavljenih od 2016. Do 2023. u područjima dubokoga učenja (DL), poboljšanja slike, slike u superrezoluciji i geografskoga informacijskog sustava (GIS) usredotočujući se na integraciju DL metodologija s GIS-om radi poboljšanja kvalitete satelitskih slika. Pregled sažima pozadinu, načela, kvalitetu poboljšanja, brzinu i prednosti ovih tehnologija uspoređujući njihovu izvedbu na temelju metrike kao što su vršni omjer signala i šuma (PSNR), srednja kvadratna pogreška (MSE), korijen srednje kvadratne pogreške (RMSE), mjerenje indeksa strukturne sličnosti (SSIM) i vrijeme izračuna. Tehnologije satelitskoga daljinskog opažanja, koje su omogućile učinkovit način prikupljanja prostornih informacija od NASA-ina lansiranja Landsata 1 1972., nedavno su napredovale kako bi omogućile prikupljanje satelitskih (HRS) slika visoke rezolucije (≤ 30 cm). Međutim, čimbenici kao što su atmosferske smetnje, zasjenjenje i nedovoljna iskorištenost kapaciteta senzora često smanjuju kvalitetu slike. Kako bi se to riješilo, satelitske slike zahtijevaju poboljšanje, a DL se pokazao kao moćan alat zbog svoje sposobnosti modeliranja složenih odnosa i točnoga oporavka slika superrazlučivosti. Iako su DL i neuronske mreže pokazale znatan uspjeh u poboljšanju prirodne slike, njihova primjena na satelitske slike predstavlja jedinstven izazov. Ovi izazovi uključuju nedovoljno uzimanje u obzir različitih karakteristika satelitskih slika, kao što su različite prostorne rezolucije, šum senzora i spektralna raznolikost te oslanjanje na pretpostavke modeliranja koje se možda neće uskladiti sa složenošću satelitskih podataka. To naglašava potrebu za daljnjim istraživanjem naprednih DL pristupa posebno skrojenih za ovo područje.
Keywords
duboko učenje; GIS; neuronske mreže; satelitske slike; poboljšanje slike; superrezolucija
Hrčak ID:
333287
URI
Publication date:
3.7.2025.
Visits: 572 *