De nouvelles méthodes adaptatives en fréquence améliorent le traitement des images de télédétection
Des chercheurs dirigés par le professeur Xie Chengjun et le professeur associé Zhang Jie des instituts Hefei des sciences physiques de l’Académie chinoise des sciences ont développé une nouvelle méthode basée sur l’apprentissage profond pour l’imagerie satellite.
Leur méthode, appelée Frequency-Adaptive Mixture of Experts Network (FAME-Net), a été acceptée pour publication dans les actes 2024 de l’Association pour l’avancement de l’intelligence artificielle (AAAI). Il est affiché sur le arXiv serveur de préimpression.
L’imagerie multispectrale haute résolution est essentielle pour l’agriculture, la cartographie et la protection de l’environnement. Cependant, l’acquisition directe de telles images se heurte à des limites technologiques. Pour surmonter ce défi, les techniques de pan-sharpening combinent des images panchromatiques (PAN) haute résolution et multispectrales basse résolution. Les progrès récents en matière d’apprentissage profond ont amélioré les détails spectraux et spatiaux dans la netteté panoramique, mais les réseaux neuronaux ont encore du mal à gérer le biais de fréquence et l’adaptation à divers contenus de télédétection.
Sur la base de la transformée en cosinus discrète et du mélange de concepts experts, les chercheurs ont proposé le FAME-Net, qui utilise un prédicteur de masque de fréquence pour le masquage adaptatif haute et basse fréquence.
Différents réseaux d’experts traitent ces caractéristiques spécifiques aux fréquences, permettant ainsi de concentrer l’attention sur différentes gammes de fréquences. FAME-Net adapte dynamiquement ses masques à différents contenus d’image en intégrant plusieurs sorties d’experts via un mécanisme de déclenchement.
Dans des analyses comparatives avec les méthodes de pointe existantes, FAME-Net démontre non seulement des performances supérieures en termes de préservation de la qualité spectrale et d’amélioration de la résolution spatiale, mais également d’excellentes performances en matière d’imagerie de télédétection pleine résolution.
Cette étude fournit de nouvelles informations dans le domaine du traitement d’images et démontre l’efficacité de l’intégration des structures de réseau dynamiques et des informations dans le domaine fréquentiel.
