通过 RNN 融合 Sentinel-1 与 Sentinel-2 时间序列用于基于对象的土地覆盖分类
计算机视觉与模式识别
2018-12-14 v1
摘要
雷达与光学卫星图像时间序列（SITS）是常用于监测地表以服务于生态、农业、交通、土地管理规划及土地覆盖监测的信息源。已有诸多研究使用这两种源之一，但如何巧妙融合雷达与光学 SITS 所提供的互补信息仍是一项开放挑战。在此背景下，我们提出一种在对象层级融合 Sentinel-1（S1）与 Sentinel-2（S2）影像的新神经架构，并应用于真实世界的土地覆盖分类任务。在位于印度洋的法属海外省留尼汪岛开展的实验证明了我们方案的有效性。
引用
@article{arxiv.1812.05530,
title = {Combining Sentinel-1 and Sentinel-2 Time Series via RNN for object-based land cover classification},
author = {Dino Ienco and Raffaele Gaetano and Roberto Interdonato and Kenji Ose and Dinh Ho Tong Minh},
journal= {arXiv preprint arXiv:1812.05530},
year = {2018}
}