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

Résumé – 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. 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.