基于低分辨率影像的超分辨率城市绿地分割网络实现0.2米高精度测绘

来自国内的研究人员针对城市绿地监测中低分辨率影像精度不足的问题，开发了新型超分辨率分割网络(SR-UGSN)，通过深度学习技术将低分辨率遥感影像提升至0.2米级高精度绿地识别，为智慧城市生态规划提供了突破性的空间分析工具。该成果在Urban Green Space(UGS)量化评估领域具有重要应用价值。

　　

这项突破性研究构建了革命性的超分辨率城市绿地分割网络(Super-Resolution Urban Green Space Segmentation Network)，能够从低分辨率遥感影像中神奇地"复原"出0.2米级超高精度的城市绿地分布图。就像给模糊的老照片装上智能放大镜，该网络通过深度学习算法自动补全植被覆盖的微观细节，实现亚米级(_0.2m)的测绘精度。这项技术在智慧城市生态评估中犹如"空间显微镜"，使传统方法难以识别的微型绿地、树冠间隙等微观生境(Micro-habitat)无所遁形，为碳汇核算和生物多样性保护提供了前所未有的数据支撑。研究团队创新性地将超分辨率重建(Super-Resolution Reconstruction)与语义分割(Semantic Segmentation)技术融合，攻克了低分辨率影像中混合像元(Mixed Pixel)的解析难题，让每片草叶都在数字地图上清晰可辨。