基于异常检测的高分辨率卫星图像过火区提取
计算机视觉与模式识别
2023-08-28 v1 图像与视频处理
摘要
利用卫星图像进行野火检测是遥感中一项被广泛研究的任务，在火灾 delineation 与制图方面有许多应用。近来，深度学习方法已成为自动化该任务的可扩展方案，尤其在无训练数据可用的无监督学习领域。这在需要快速有效检测、通常基于高分辨率卫星数据的应急风险监测背景下尤为重要。在各种方法中，异常检测(AD)因其在计算机视觉、医学影像以及遥感中的广泛应用而展现出极高潜力。本工作中，我们基于矢量量化变分自编码器(VQ-VAE)这一具有离散潜空间的流行基于重建的AD方法框架，进行无监督过火区提取。我们将VQ-VAE集成到一个端到端框架中，并利用专门的植被、水体与亮度指数进行密集后处理步骤。我们在高分辨率SPOT-6/7图像上进行的实验给出了所提技术的前景良好结果，显示了其在未来无监督过火区提取研究中的高潜力。
引用
@article{arxiv.2308.13367,
title = {Burnt area extraction from high-resolution satellite images based on anomaly detection},
author = {Oscar David Rafael Narvaez Luces and Minh-Tan Pham and Quentin Poterek and Rémi Braun},
journal= {arXiv preprint arXiv:2308.13367},
year = {2023}
}
备注
10 pages, accepted to the MACLEAN workshop of ECML/PKDD 2023