Aplicación de redes neuronales generativas en el mejoramiento de la calidad de imágenes satelitales

Abstract

El siguiente trabajo es realizado con el fin de encontrar una solución a un problema real que actualmente tiene la Fuerza Aérea Colombiana sede Santiago de Cali, el cual consiste en que la descarga de imágenes satelitales en alta resolución desde el FACSAT-1 toma mucho tiempo. Por lo tanto, se plantea un proceso en el cual se pretende mejorar la resolución de imágenes satelitales en baja resolución, mediante un algoritmo de Inteligencia Artificial orientado al procesamiento de imágenes llamado Super resolución. Para llevar a cabo esta tarea, se organiza el proyecto en una fase de investigación, entrenamiento y validación. De modo tal que conociendo el funcionamiento de los diferentes modelos de Súper Resolución que podemos implementar. Una vez identificados los algoritmos de Redes Neuronales Artificiales a utilizar, se procede a entrenar cada uno de ellos con un dataset de imágenes satelitales con las características específicas. Los resultados obtenidos cumplen con la propuesta planteada, ya que cada uno de los modelos implementados aumenta la resolución de imágenes satelitales proporcionadas por la Fuerza Aérea Colombiana por lo cual se procede a comparar los diferentes resultados que nos brindan para establecer cuál es el modelo óptimo. Se emplean los modelos de Súper Resolución con Redes Neuronales Convolucionales (SRCNN), Súper Resolución con Redes Generativas Adversarias (SRGAN), y dos variaciones de este modelo, dando lugar a Súper Resolución Rápida (Fast-GAN) y Súper Resolución Mejorada (ESRGAN). De la cual se concluye que la que obtuvo mejores resultados a la hora de mejorar la resolución de las imágenes satelitales es el modelo ESRGAN, esto no quiere decir que los modelos previos no generaran resultados positivos