Réseau antagoniste génératif pour la fusion spatio-temporelle d'images satellitaires multi-spectrales - Université du Littoral Côte d'Opale Access content directly
Conference Papers Year : 2023

Réseau antagoniste génératif pour la fusion spatio-temporelle d'images satellitaires multi-spectrales

Abstract

In this article, we study the spatio-temporal fusion of a time series of multi-spectral images with a time series of hyper-spectral images. We propose for this a new approach based on a generative adversarial network (GAN). Our main contribution lies in the fact that the GAN takes as input satellite images rather than noise. We show that our approach provides a better PSNR et SAM performance than SotA approaches on Sentinel-2 and Sentinel-3 images
Dans cet article, nous étudions la fusion spatio-temporelle d’une série temporelle d’images multi-spectrales avec une série temporelle d’images hyper-spectrales. Nous proposons pour cela une nouvelle approche fondée sur un réseau antagoniste génératif (GAN). Notre contribution principale réside dans le fait que le GAN prend en entrée des images satellitaires plutôt que du bruit. Nous montrons que notre approche fournit de meilleures performances en termes de PSNR et SAM que les approches de la littérature sur des images Sentinel-2 et Sentinel-3
Fichier principal
Vignette du fichier
ahaampgrvvcjktk_Gretsi2023.pdf (812.21 Ko) Télécharger le fichier
Origin Files produced by the author(s)

Dates and versions

hal-04129226 , version 1 (28-08-2023)

Identifiers

  • HAL Id : hal-04129226 , version 1

Cite

Amine Hadir, Ahed Alboody, Matthieu Puigt, Gilles Roussel, Vincent Vantrepotte, et al.. Réseau antagoniste génératif pour la fusion spatio-temporelle d'images satellitaires multi-spectrales. XXIXème Colloque Francophone de Traitement du Signal et des Images (GRETSI 2023), Aug 2023, Grenoble, France. pp.773-776. ⟨hal-04129226⟩
72 View
64 Download

Share

Gmail Mastodon Facebook X LinkedIn More