SWIR 光谱下的三维地形分割
计算机视觉与模式识别
2018-10-30 v1
摘要
我们关注利用高光谱短波红外（HS-SWIR）影像与三维数字高程模型（DEM）的自动三维地形分割问题。数据集为独立采集，且 HS-SWIR 数据集的元数据不可用。我们探究 SWIR 光谱中总体斜率与土壤中水分存在的相关性，提出一种波段比值检验，用作土壤含水量的替代指标，以区分两类广义对象：活体植被与不透水人造地表。我们表明，基于图像的定位技术结合最优随机随机抽样一致（Optimal Randomized RANSAC）算法，能在洛杉矶（美国）市中心部分的 HS-SWIR 数据与覆盖更广域 LA 的地理配准三维 DEM 的可见光图像之间实现精确空间匹配。我们基于光谱-高程规则的方法达到了 97.7% 的总体精度，将对象类别分割为建筑、房屋、树木、草地以及道路/停车场。
引用
@article{arxiv.1810.11690,
title = {3D Terrain Segmentation in the SWIR Spectrum},
author = {Dalton Rosario and Anthony Ortiz and Olac Fuentes},
journal= {arXiv preprint arXiv:1810.11690},
year = {2018}
}
备注
Published on: IEEE Workshop on Hyperspectral Image and Signal Processing Conference (WHISPERS 2018), Amsterdam, The Netherlands, September 2018