Integrative Super-Resolution von Sentinel-2-Satellitendaten für 2D- und 3D-Zersiedelungsanalysen
Laufzeit: 01.01.2023 - 31.12.2023
Förderung durch: Innovationsfonds der Präsidentin (Hochschule Mainz)
Kurzfassung
In dieser Forschungskooperation zielen wir darauf ab, die geometrischen und radiometrischen 2D- und 3D-Veränderungen städtischer Strukturen auf der Grundlage der Sentinel-2-Satellitendaten zu analysieren. Zu diesem Zweck entwickeln wir ein integriertes DL-Netzwerk für Superauflösung und Höhenvorhersage, das Sentinel-2-Bilder einliest und optische Bilder und Höhendaten (normalisiertes digitales Oberflächenmodell - nDOM) mit höherer Auflösung ausgibt. Die Zeitreihenanalyse dieser beiden...In dieser Forschungskooperation zielen wir darauf ab, die geometrischen und radiometrischen 2D- und 3D-Veränderungen städtischer Strukturen auf der Grundlage der Sentinel-2-Satellitendaten zu analysieren. Zu diesem Zweck entwickeln wir ein integriertes DL-Netzwerk für Superauflösung und Höhenvorhersage, das Sentinel-2-Bilder einliest und optische Bilder und Höhendaten (normalisiertes digitales Oberflächenmodell - nDOM) mit höherer Auflösung ausgibt. Die Zeitreihenanalyse dieser beiden Produkte ermöglicht es uns, das Ausmaß und die Richtung der Zersiedelung im Laufe der Zeit zu beobachten und entsprechende Karten zu erstellen. Wir glauben, dass das gemeinsame Erlernen der Parameter für die Superauflösung und die 3D-Modellierung Vorteile gegenüber einer getrennten Behandlung dieser Aufgaben bietet.» weiterlesen» einklappen
Veröffentlichungen
- Seydi, S. T.; Arefi, Hossein
- A comparison of deep learning-based super-resolution frameworks for sentinel-2 imagery in urban areas