面向遥感图像的高性价比土地覆盖分类
分布式、并行与集群计算
2022-03-01 v2
摘要
土地覆盖图对土地利用政策制定、生态系统服务、城市规划与农业监测等诸多领域至关重要，其主要由遥感图像分类技术生成。传统土地覆盖分类通常需要巨大的计算资源，这往往成为遥感界的一大负担。无疑云计算是土地覆盖分类的最佳选择之一，然而若管理不当，云上的计算成本可能高得惊人。近年来，削减不必要的计算长尾已成为节省云成本的一种有前景的方案。对于土地覆盖分类，通常无需达到最佳精度，85% 即可视为可靠的土地覆盖分类。因此，本文提出一种高性价比遥感分类框架。在给定期望精度下，聚类算法可提前停止以节省成本，同时达到土地覆盖图像分类的足够精度。实验结果表明，达到 85%–99.9% 精度仅需达到 100% 精度所需总云计算成本的 27.34%–60.83%。换言之，以美国土地覆盖分类为例，当期望精度为 90% 时，所提方法在单次使用中可为政府节省超过 $1,593,490.18。
引用
@article{arxiv.2107.12016,
title = {Cost-effective Land Cover Classification for Remote Sensing Images},
author = {Dongwei Li and Shuliang Wang and Qiang He and Yun Yang},
journal= {arXiv preprint arXiv:2107.12016},
year = {2022}
}