BenchCloudVision：遥感影像中云检测与分割深度学习方法的基准分析
计算机视觉与模式识别
2024-03-04 v3 机器学习
图像与视频处理
摘要
配备光学传感器的卫星捕获高分辨率影像，为各种环境现象提供宝贵见解。近年来，针对遥感领域挑战的研究激增，范围从不同景观中的水体检测到山地和地形的分割。 ongoing 的研究旨在提高卫星影像分析的精度和效率。特别是，开发用于精确检测水体、雪和云的方法日益受到重视，这对于环境监测、资源管理和灾害响应至关重要。在此背景下，本文聚焦于遥感影像中的云分割。由于光学传感器应用中云的存在，准确的遥感数据分析颇具挑战性。云检测直接影响最终产品（如应用和研究）的质量，是遥感数据处理流水线中的关键环节。本文考察了七种最先进的语义分割和检测算法在云识别中的应用，进行基准分析以评估其架构方法并识别性能最优者。为提高模型的适应性，我们分析了关键要素，包括影像类型和训练期间使用的光谱波段数量。此外，本研究试图开发仅使用少量光谱波段（包括 RGB 和 RGBN-IR 组合）即可执行云分割的机器学习算法。通过使用来自 Sentinel-2 和 Landsat-8 的影像作为数据集，评估了模型在各种应用和用户场景下的灵活性。本基准可使用以下 GitHub 链接中的材料复现：https://github.com/toelt-llc/cloud_segmentation_comparative。
引用
@article{arxiv.2402.13918,
title = {BenchCloudVision: A Benchmark Analysis of Deep Learning Approaches for Cloud Detection and Segmentation in Remote Sensing Imagery},
author = {Loddo Fabio and Dario Piga and Michelucci Umberto and El Ghazouali Safouane},
journal= {arXiv preprint arXiv:2402.13918},
year = {2024}
}
备注
Submitted to Expert Systems and Applications. Under license CC-BY-NC-ND