卫星图像中基于异常检测的火山不安识别
计算机视觉与模式识别
2024-05-30 v1 图像与视频处理
摘要
卫星图像有潜力在喷发前检测火山变形，但尽管常规获取大量图像，仅有少数包含火山变形事件。人工检查可能会遗漏这些异常，而基于监督式学习的自动系统需要合适的标记数据集。为解决这些问题，本文探索了在卫星数据上使用无监督深度学习以识别火山变形作为异常的做法。我们的检测器基于Patch Distribution Modeling (PaDiM)，通过赋予更大权重来增强来自更深层特征的检测性能。此外，我们提出了一种预处理方法来处理噪声和不完整的数据点。最终框架使用五个具有不同变形特征的火山进行测试，其性能与基于监督式学习的火山变形检测方法进行了比较。
引用
@article{arxiv.2405.18487,
title = {Anomaly detection for the identification of volcanic unrest in satellite imagery},
author = {Robert Gabriel Popescu and Nantheera Anantrasirichai and Juliet Biggs},
journal= {arXiv preprint arXiv:2405.18487},
year = {2024}
}