陈 振，赵亚凤，张志超

基于图像超分辨率的遥感图像树冠目标检测

陈 振，赵亚凤，张志超

（东北林业大学 信息与计算机工程学院，黑龙江 哈尔滨 150040）

针对目前遥感图像质量较差导致对其中物体检测效果低下的问题，本文提出一种基于生成式对抗网络（GAN）的图像超分辨率方法来提升遥感图像整体质量，并对现有常用目标检测算法YOLO进行研究。针对遥感图像中树冠不容易检测的特点，将超分辨率运用于检测遥感图像中的树冠，对特定区域内树冠数量及定位进行统计。实验结果表明超分辨率方法对目标检测起到积极作用，检测精度提升约为8%，有利于对特定地区树木种植数量的统计工作。

生成式对抗网络；超分辨率；目标检测；树冠；遥感图像

由于拍摄因素的影响，遥感图像往往质量不佳，需要通过预处理后投入研究使用，传统预处理包括校正、配准、去噪等步骤，耗时耗力且需要较高的专业知识。因此，如何高效获取高质量的遥感图像成为一项研究内容。随着超分辨率生成式对抗网络的问世，可以在原有低分辨率遥感图像基础上训练出高分辨率遥感图像。另外，目标检测技术是一项重要的研究，如对遥感图像中树冠进行目标检测，有利于土地规划、植树造林工作的统计。

利用图像超分辨率技术可以获取图像中目标的深度信息，目标检测技术可以识别图像中关键目标的类别和位置。在本文研究应用中，将两者相结合，实现对树冠的精准检测，继而评估林业资源、植树造林程度，为林业智能化提供新的思路。……