一种用于多光谱Landsat影像复杂背景烟雾分割的Transformer增强UNet
计算机视觉与模式识别
2024-06-21 v1
摘要
已有许多研究致力于从卫星影像中检测烟雾。然而，这些先前的方法在检测复杂背景中的各种烟雾时仍不够有效。由于密度、颜色、光照以及云、霾和/或雾等背景的变化，以及薄烟雾的上下文特性，烟雾给检测带来了挑战。本文通过提出一种名为VTrUNet的新分割模型来解决这些挑战，该模型由一个用于捕获光谱模式的虚拟波段构建模块和一个用于捕获长程上下文特征的Transformer增强UNet组成。该模型以六个波段的影像作为输入：红、绿、蓝、近红外以及两个短波红外波段。为展示所提出模型的优势，本文展示了改进UNet的各种可能模型架构的广泛结果，并得出了有趣的结论，包括为模型添加更多模块并不总能带来更好的性能。本文还将所提出的模型与近期提出的相关烟雾分割模型进行了比较，结果表明所提出的模型性能最佳，并在预测性能上取得了显著改进。
引用
@article{arxiv.2406.13105,
title = {A transformer boosted UNet for smoke segmentation in complex backgrounds in multispectral LandSat imagery},
author = {Jixue Liu and Jiuyong Li and Stefan Peters and Liang Zhao},
journal= {arXiv preprint arXiv:2406.13105},
year = {2024}
}