Las imágenes de satélite de alta resolución siempre han tenido una gran demanda debido al mayor detalle y precisión que ofrecen, así como al amplio alcance de los campos en los que se podrían aplicar; sin embargo, los satélites en operación que ofrecen imágenes de muy alta resolución (VHR) han experimentado un aumento importante, pero se mantienen en una proporción menor frente a los satélites de menor resolución (HR) existentes. Los modelos recientes de redes neuronales convolucionales (CNN) son muy adecuados para aplicaciones con procesamiento de imágenes, como la mejora de la resolución de imágenes; pero para obtener un resultado aceptable, es importante, no solo definir el tipo de arquitectura de la CNN, sino también el conjunto de imágenes de referencia para entrenar el modelo. Nuestro trabajo propone una alternativa para mejorar la resolución espacial de las imá...

Recently, the number of satellite imaging sensors deployed in space has experienced a considerable increase, but most of these sensors provide low spatial resolution images, and only a small proportion contribute with images at higher resolutions. This work proposes an alternative to improve the spatial resolution of Landsat-8 images to the reference of Sentinel-2 images, by applying a Super Resolution (SR) approach based on the use of Generative Adversarial Network (GAN) models for image processing, as an alternative to traditional methods to achieve higher resolution images, hence, remote sensing applications could take advantage of this new information and improve its outcomes. We used two datasets to train and validate our approach, the first composed by images from the DIV2K open access dataset and the second by images from Sentinel-2 satellite. The experimental results are based on...