AquaCluster：利用卫星图像与自监督机器学习网络检测植被下隐藏的水体
计算机视觉与模式识别
2025-10-16 v3
摘要
近年来，高分辨率雷达卫星图像的广泛获取使得对湿地表面面积的远程监测成为可能。机器学习模型在从卫星图像中分割湿地方面取得了 state-of-the-art 的结果。然而，这些模型需要大量人工标注的卫星图像，其制作过程缓慢且昂贵。对标注训练数据的需求使得这些模型难以适应气候变化或传感器更换等变化。为了解决这个问题，我们采用了自监督训练方法开发了一个模型 AquaCluster，该模型无需人工标注即可将雷达卫星图像分割为水域和陆地区域。在我们的测试数据集中，我们的最终模型优于其他不需要标注数据的基于雷达的水体检测技术，其交并比指标提高了 0.08。我们的结果表明，在不使用标注数据的情况下训练机器学习模型从雷达图像中检测植被覆盖下的水体是可能的，这可以使这些模型的重新训练更容易以适应各种变化。
引用
@article{arxiv.2506.08214,
title = {AquaCluster: Using Satellite Images And Self-supervised Machine Learning Networks To Detect Water Hidden Under Vegetation},
author = {Ioannis Iakovidis and Zahra Kalantari and Amir Hossein Payberah and Fernando Jaramillo and Francisco Pena Escobar},
journal= {arXiv preprint arXiv:2506.08214},
year = {2025}
}
备注
19 pages, 6 figures