国产2米数据，包括高分一号PMS，高分六号PMS等等，应该是使用最为广泛的光学遥感数据了，主要是因为这几种数据幅宽大，组网访问频次也高，因此在全国各个自然资源、交通、水利等单位是应用最为广泛的数据源。但是这个数据有一个很大的缺陷，就是2米分辨率用来看一般的地物基本上没什么问题，但是呢，对细小的道路，房屋等等，可能就不太行了，如何把这个分辨率提高呢，自然地我们想到了超分辨率，传统方法的超分辨率效果普遍都不太好，现在用深度学习来做基本上是趋势，深度学习方法呢，之前也有用L1 loss就完事了，目前大家都用GAN来优化，效果确实提升比较明显。因此，我们也用GAN+生成网络来做，样本呢，就从全国采样，收集了10万多张高分辨率可见光数据，用最近邻采样成2米，做成样本对，这样就形成了标准的超分数据集，训练时间比较长，用的是3090显卡，效果见下面图吧。
图1 原始2米数据
图2 超分到0.5米后的数据
图3 原始2米数据
图4 超分到0.5米后的数据
图5 原始2米数据
图6 超分到0.5米后的数据
可以看到，超分的数据确实可以恢复出地物原始形态，比原始的2米数据确实要好得多了，这个技术在某种程度上能够提升数据的空间分辨率。最后，把算法包装成一个软件，见下图：
行了，先写到了这里把，需要代码和问题交流的，QQ1044625113.
