Super-resolución de imágenes satelitales usando GAN: un esquema basado en entrenamiento con imágenes aéreas
SADIO Electronic Journal of Informatics and Operations Research · 09.03.2026 · 25 (1) · e098
DOI: 10.24215/15146774e098 ↗Kurz gefasst
Fachartikel in der Zeitschrift SADIO Electronic Journal of Informatics and Operations Research, online erschienen am 09.03.2026. Verfasst von Magda Alexandra Trujillo-Jiménez und 4 weiteren Autor:innen. Der Volltext ist frei zugänglich (Open Access, CC BY-NC-SA 4.0).
Abstract (Originalsprache)
Las imágenes satelitales suelen presentar limitaciones en su resolución espacial y, en muchos casos, altos costos de adquisición, lo que restringe su uso en aplicaciones como el monitoreo urbano, la gestión territorial y el estudio de fauna. Este trabajo propone un enfoque innovador que aprovecha imágenes aéreas de alta resolución para entrenar un modelo de super-resolución basado en Redes Generativas Adversarias. En particular, se adapta el modelo ESRGAN (Enhanced Super-Resolution Generative Adversarial Network), optimizando sus parámetros con el fin de mejorar su eficiencia computacional y reducir los tiempos de entrenamiento. El modelo entrenado con imágenes aéreas se evalúa posteriormente sobre recortes satelitales de baja resolución, analizando su desempeño en factores de escala x2 y x4 mediante métricas estructurales, perceptuales y cromáticas (SSIM-Y, MS-SSIM, LPIPS y CIEDE2000). Los resultados muestran mejoras visuales claras, con mayor nitidez, mejor definición de bordes y una recuperación coherente de estructuras urbanas y elementos del terreno. Cuantitativamente, la escala x2 alcanza los valores más altos, mientras que la escala x4 mantiene un rendimiento estable y útil para aplicaciones prácticas. Estos hallazgos demuestran la viabilidad de transferir la capacidad de super-resolución desde imágenes aéreas hacia imágenes satelitales, incluso bajo diferencias espectrales y geométricas entre dominios. En conjunto, este trabajo establece una base sólida para el desarrollo de modelos de super-resolución satelital de bajo costo y alto impacto, y abre futuras líneas de investigación orientadas a ampliar los datos de entrenamiento, incorporar técnicas de domain adaptation y explorar arquitecturas específicas para sensores satelitales.
Zitieren
APA
Trujillo-Jiménez, M. A., Iaconis, F., Pollicelli, D., Sarmiento, G. N. R., & Delrieux, C. (2026). Super-resolución de imágenes satelitales usando GAN: un esquema basado en entrenamiento con imágenes aéreas. SADIO Electronic Journal of Informatics and Operations Research, 25(1), e098. https://doi.org/10.24215/15146774e098
Vancouver
Trujillo-Jiménez MA, Iaconis F, Pollicelli D, Sarmiento GNR, Delrieux C. Super-resolución de imágenes satelitales usando GAN: un esquema basado en entrenamiento con imágenes aéreas. SADIO Electronic Journal of Informatics and Operations Research. 2026;25(1):e098. doi:10.24215/15146774e098
BibTeX
@article{TrujilloJimnez2026,
author = {Trujillo-Jiménez, Magda Alexandra and Iaconis, Francisco and Pollicelli, Debora and Sarmiento, Gisela Noelia Revollo and Delrieux, Claudio},
title = {Super-resolución de imágenes satelitales usando GAN: un esquema basado en entrenamiento con imágenes aéreas},
journal = {SADIO Electronic Journal of Informatics and Operations Research},
year = {2026},
volume = {25},
number = {1},
pages = {e098},
doi = {10.24215/15146774e098}
}
EUVIMED