Deep learning basato su immagini da drone per la super risoluzione di scene multispettrali acquisite da satellite

Abstract

Oggigiorno esistono numerose tecnologie di telerilevamento che permettono di acquisire immagini su estese porzioni di territorio; la scelta della piattaforma più adeguata va valutata in funzione della scala di applicazione, finalità dello studio e analisi dei costi. In questo contesto, in particolare nel caso in cui non prevalga l’utilizzo di una precisa piattaforma, può essere interessante combinare l’utilizzo di diverse tecnologie per sfruttare i punti di forza di ognuna. L’aspetto centrale dello studio è la valutazione della potenzialità della tecnologia del deep learning, e in particolare della rete neurale VDSR, per ottenere un prodotto a risoluzione migliorata a partire da immagini satellitari gratuite a bassa risoluzione (10 m), basandosi sulle informazioni imparate dalla rete neurale da dati ad alta risoluzione (o.d.g. cm) acquisiti da drone. Lo scopo di questo miglioramento di qualità dell’immagine è l’applicazione nel campo del monitoraggio della vegetazione, per cui riveste particolare importanza l’utilizzo di dati multispettrali dai quali calcolare indici o elaborare classificazioni. Per raggiungere questo obiettivo vengono effettuati test su aree di differente estensione riguardanti un’area agricola nel Comune di Boves (CN), utilizzando per il training della rete neurale acquisizioni con drone inquadranti diverse tipologie di vegetazione. I risultati ottenuti incentivano lo sviluppo e l’approfondimento del metodo, sebbene l’effettiva applicazione su casi reali sia da valutare tenendo in considerazione anche altri aspetti, come potenza di calcolo richiesta e fattore tempo, in relazione ad altri metodi di miglioramento della risoluzione spaziale dell’immagine