@InProceedings{MoreiraBlanAntoArak:2023:UtAlGe,
author = "Moreira, Leonardo Assump{\c{c}}{\~a}o and Blanco, Lisandra
Cristine Monteiro and Antonio, Nathan Damas and Araki, Hideo",
affiliation = "{Universidade Federal do Paran{\'a} (UFPR)} and {Universidade
Federal do Paran{\'a} (UFPR)} and {Universidade Federal do
Paran{\'a} (UFPR)} and {Universidade Federal do Paran{\'a}
(UFPR)}",
title = "Utiliza{\c{c}}{\~a}o do algoritmo de Generative adversarial
network em super resolu{\c{c}}{\~a}o de imagens para o aumento
de qualidade de modelos de eleva{\c{c}}{\~a}o digitais baseados
em dados SRTM",
booktitle = "Anais...",
year = "2023",
editor = "Gherardi, Douglas Francisco Marcolino and Arag{\~a}o, Luiz
Eduardo Oliveira e Cruz de and Sanches, Ieda DelArco",
pages = "e156142",
organization = "Simp{\'o}sio Brasileiro de Sensoriamento Remoto, 20. (SBSR)",
publisher = "Instituto Nacional de Pesquisas Espaciais (INPE)",
address = "S{\~a}o Jos{\'e} dos Campos",
keywords = "Modelos Digitais de Eleva{\c{c}}{\~a}o, Generative Adversarial
Network, Super Resolu{\c{c}}{\~a}o de Imagens, Machine Learning,
Deep Learning, Digital Elevation Model, Generative Adversarial
Network, Image Super-Resolution, Machine Learning, Deep
Learning.",
abstract = "Aborda-se o aumento de resolu{\c{c}}{\~a}o espacial de DEM pela
utiliza{\c{c}}{\~a}o de algoritmos de aprendizado profundo
acoplados a t{\'e}cnicas de Super-Resolu{\c{c}}{\~a}o de Imagem
{\'U}nica em modelos digitais de eleva{\c{c}}{\~a}o para obter
vers{\~o}es de melhor qualidade espacial a partir de entradas de
resolu{\c{c}}{\~a}o mais baixa. O desenvolvimento de uma
metodologia baseada em GAN permite melhorar a
resolu{\c{c}}{\~a}o espacial inicial de imagens de baixa
resolu{\c{c}}{\~a}o. A abordagem metodol{\'o}gica utiliza um
conjunto de dados com modelos digitais de eleva{\c{c}}{\~a}o
SRTM (90 metros e 30 metros de resolu{\c{c}}{\~a}o espacial),
criados com o objetivo de permitir a realiza{\c{c}}{\~a}o do
estudo. Verificou-se que ao aumentar o n{\'u}mero de
itera{\c{c}}{\~o}es o desempenho do modelo gerado foi melhorado
e a qualidade da imagem gerada aumentou. Al{\'e}m disso, a
an{\'a}lise visual da imagem gerada contra as de alta e baixa
resolu{\c{c}}{\~a}o mostrou uma grande semelhan{\c{c}}a entre
as duas primeiras. ABSTRACT: We address the increase in spatial
resolution of DEM by using deep learning algorithms coupled with
Single Image Super-Resolution techniques in digital elevation
models to obtain better spatial quality versions from lower
resolution inputs. The development of a methodology based on GAN
allows to improve the initial spatial resolution of low resolution
images. The methodological approach uses a dataset with SRTM
digital elevation models (90 meters and 30 meters of spatial
resolution), created with the objective of allowing the study to
be carried out. It was found that by increasing the number of
iterations the performance of the generated model was improved and
the quality of the generated image increased. Furthermore, the
visual analysis of the generated image against the high and low
resolution ones showed a great similarity between the first two.",
conference-location = "Florian{\'o}polis",
conference-year = "02-05 abril 2023",
isbn = "978-65-89159-04-9",
language = "pt",
organisation = "Instituto Nacional de Pesquisas Espaciais (INPE)",
ibi = "8JMKD3MGP6W34M/493UJ7H",
url = "http://urlib.net/ibi/8JMKD3MGP6W34M/493UJ7H",
targetfile = "156142.pdf",
type = "Processamento de imagens",
urlaccessdate = "2024, Apr. 28"
}