- -

Evaluación del impacto de la superresolución sobre imágenes multiespectrales GEOSAT-2

RiuNet: Repositorio Institucional de la Universidad Politécnica de Valencia

Compartir/Enviar a

Citas

Estadísticas

  • Estadisticas de Uso

Evaluación del impacto de la superresolución sobre imágenes multiespectrales GEOSAT-2

Mostrar el registro completo del ítem

Fernández, C.; De Castro, C.; García, L.; Calleja, ME.; Niño, R.; Fraile, S.; Sousa, R. (2023). Evaluación del impacto de la superresolución sobre imágenes multiespectrales GEOSAT-2. Revista de Teledetección. (61):83-96. https://doi.org/10.4995/raet.2023.18470

Por favor, use este identificador para citar o enlazar este ítem: http://hdl.handle.net/10251/191689

Ficheros en el ítem

Metadatos del ítem

Título: Evaluación del impacto de la superresolución sobre imágenes multiespectrales GEOSAT-2
Otro titulo: Evaluation of the impact of super-resolution on GEOSAT-2 multispectral images
Autor: Fernández, César de Castro, Carolina García, Lucía Calleja, María Elena Niño, Rubén Fraile, Silvia Sousa, Rafael
Fecha difusión:
Resumen:
[EN] The growing need to observe the Earth in greater detail means the appearance of new techniques to improve the geometric value of images, preserving their radiometric characteristics. Security and Defence sectors are ...[+]


[ES] La creciente necesidad de observar la Tierra con mayor detalle supone la aparición de nuevas técnicas para la mejora del valor geométrico de las imágenes, conservando sus características radiométricas. El sector de ...[+]
Palabras clave: Super-resolution , GEOSAT-2 , Precision agriculture , Artificial intelligence , Superresolución , Agricultura de precisión , Inteligencia artificial
Derechos de uso: Reconocimiento - No comercial - Compartir igual (by-nc-sa)
Fuente:
Revista de Teledetección. (issn: 1133-0953 ) (eissn: 1988-8740 )
DOI: 10.4995/raet.2023.18470
Editorial:
Universitat Politècnica de València
Versión del editor: https://doi.org/10.4995/raet.2023.18470
Tipo: Artículo

References

Gironés, J., Casas, J., Minguillón, J., Caihuelas, R. 2017. Minería de datos - modelos y algoritmos. Barcelona: UOC.

Harrell, F. 2001. Regression Modeling Strategies. Springer Series in Statistics. New York: Springer. https://doi.org/10.1007/978-1-4757-3462-1

Huang, J., Siu, W. 2015. Practical application of random forests for super-resolution imaging. En: IEEE International Symposium on Circuits and Systems. Lisboa, Portugal, 24-27 Mayo. pp 2161-2164. https://doi.org/10.1109/ISCAS.2015.7169108 [+]
Gironés, J., Casas, J., Minguillón, J., Caihuelas, R. 2017. Minería de datos - modelos y algoritmos. Barcelona: UOC.

Harrell, F. 2001. Regression Modeling Strategies. Springer Series in Statistics. New York: Springer. https://doi.org/10.1007/978-1-4757-3462-1

Huang, J., Siu, W. 2015. Practical application of random forests for super-resolution imaging. En: IEEE International Symposium on Circuits and Systems. Lisboa, Portugal, 24-27 Mayo. pp 2161-2164. https://doi.org/10.1109/ISCAS.2015.7169108

Lim, B., Son, S., Kim, H., Nah, S., Lee, K.M. 2017. Enhanced Deep Residual Networks for Single Image Super-Resolution. En: IEEE Conference on Computer Vision and Pattern Recognition Workshops. Honolulu, HI, EE.UU., 21-26 Julio. pp 1132-1140. https://doi.org/10.1109/CVPRW.2017.151

PRISM CQC Team. 2022. Copernicus Coordinated data Quality Control - GEOSAT-2 Test Data Set Analysis: Bundle Super Resolution. Copernicus Contributing Missions access support functions and platform. 8 Abril.

Raschka, S. 2016. Python Machine Learning. Birmingham: Packt Publishing.

Schulter, S., Leistner, C., Bischof, H. 2015. Fast and accurate image upscaling with super-resolution forests. En: IEEE Conference on Computer Vision and Pattern Recognition. Boston, MA, EE.UU., 7-12 Junio. pp 3791-3799. https://doi.org/10.1109/CVPR.2015.7299003

Zhang, Y., Li, K., Li, K., Wang, L., Zhong, B., Fu, Y.R., 2018a. Image Super-Resolution Using Very Deep Residual Channel Attention Networks. En: European Conference on Computer Vision. Munich, Alemania, 8-14 Septiembre. pp 294-310. https://doi.org/10.1007/978-3-030-01234-2_18

Zhang, Y., Tian, Y., Kong, Y., Zhong, B., Fu, Y.R., 2018b. Residual Dense Network for Image Super-Resolution. En: IEEE/CVF Conference on Computer Vision and Pattern Recognition. Salt Lake City, UT, EE.UU., 18-23 Junio. pp 2472-2481. https://doi.org/10.1109/CVPR.2018.00262

[-]

recommendations

 

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro completo del ítem