Marina Casabona
Deep learning basato su immagini da drone per la super risoluzione di scene multispettrali acquisite da satellite = Deep learning based on UAV data for Super Resolution of multispectral satellites scenes.
Rel. Andrea Maria Lingua, Nives Grasso. Politecnico di Torino, Corso di laurea magistrale in Ingegneria Per L'Ambiente E Il Territorio, 2020
|
Preview |
PDF (Tesi_di_laurea)
- Tesi
Licenza: Creative Commons Attribution Non-commercial No Derivatives. Download (16MB) | Preview |
|
|
Archive (ZIP) (Documenti_allegati)
- Altro
Licenza: Creative Commons Attribution Non-commercial No Derivatives. Download (2MB) |
Abstract
La tecnologia legata all’utilizzo dei droni ha subito nell’ultimo decennio un forte sviluppo migliorando la stabilità del mezzo, alleggerendo la struttura, perfezionando precisione e accuratezza dell’acquisizione e ottimizzando i software per l’elaborazione dei dati. Questa tecnologia trova applicazione in svariati ambiti tra cui quello del monitoraggio ambientale, permettendo di congiungere l’acquisizione di dati su una area vasta con una risoluzione elevata e con informazioni multispettrali. Tuttavia, è necessario effettuare un’analisi dei costi in funzione della scala di applicazione e delle specifiche condizioni dello studio di interesse per valutare quando il rilevamento con UAV (Unmanned Aerial Vehicle) risulti più conveniente rispetto all’utilizzo di altre strumentazioni di Remote Sensing come le acquisizioni satellitari.
In questo contesto si inserisce l’utilizzo del machine learning, e in particolare della Super-Risoluzione, che può trovare un’interessante applicazione nei casi in cui non prevalga, in termini di convenienza, una specifica tipologia di acquisizione da remoto
Relatori
Anno Accademico
Tipo di pubblicazione
Numero di pagine
Corso di laurea
Classe di laurea
URI
![]() |
Modifica (riservato agli operatori) |
