La sociedad pública Tracasa ha desarrollado un nuevo modelo, Saussure 4x, que mejora la resolución de las bandas RGB y NIR pasando de los 10 metros a los 2.5 metros.

Según detallan en una información publicada en su web, cuando se trata de extraer información de imágenes procedentes de plataformas como los satélites, «la resolución geométrica de éstas es uno de los principales factores que determinará sus posibles usos, y la precisión de los resultados a obtener».

La constelación de satélites Sentinel-2 de la ESA pone a disposición de la comunidad imágenes multiespectrales de manera abierta y con una alta frecuencia de refresco. «El inconveniente radica en su resolución espacial, alrededor de 10 metros por pixel en el mejor de los casos, lo que limita sus posibles aplicaciones», subrayan en la misma información.

Asimismo, aclaran que existen muchas metodologías para aumentar la resolución espacial de estas imágenes: «Algunos enfoques se centran en mejorar las bandas de menor resolución (20m. y 60m.) empleando la información de las bandas RGB y NIR (10m), esta estrategia permite generar imágenes Sentinel-2 con sus 13 bandas a 10m».

«En Tracasa hemos querido llegar mucho más allá, y con nuestro modelo Saussure 4X conseguimos mejorar la resolución de las bandas RGB y NIR pasando de los 10 metros a los 2.5 metros». «Hasta ahora, continúan, »para afrontar este reto solo se utilizaban métodos tradicionales de interpolación y re-muestreo, tales como interpolación lineal, bilineal, cúbica, bicúbica. En nuestro caso, para aumentar la resolución hasta un factor de 4 veces la original, hemos aplicado técnicas de deep learning, mediante redes neuronales convolucionales de vanguardia».

Valorando la mejora conseguida

Para interpretar los resultados Tracasa ha empleado un sistema de medidas ampliamente utilizadas en el análisis de imágenes como son el PSNR y el SSIM. Estas medidas son indicadores de calidad de los resultados en función de una imagen objetivo a alcanzar. A mayor valor en la métrica mejor se ajustará la imagen al resultado óptimo.