基于深度学习的星载高光谱 PRISMA 数据变化检测
计算机视觉与模式识别
2023-11-08 v1
摘要
变化检测（CD）方法已应用于光学数据数十年，而具有精细光谱分辨率的高光谱数据的使用却鲜有探索。CD 应用于多个领域，如环境监测与灾害管理。得益于 PRecursore IperSpettrale della Missione operativA（PRISMA），从太空进行高光谱 CD 如今成为可能。在本工作中，我们将标准与深度学习（DL）CD 方法应用于从自然到城市区域的不同目标。我们提出一条流程：从配准开始，随后使用全光谱算法进行 CD，再使用为光学数据开发的 DL 网络进行 CD。我们发现植被与建成环境的变化被良好捕获。光谱信息对识别细微变化很有价值，且相比统计方法，DL 方法受噪声影响更小，但大气效应与缺乏可靠地面真值构成了高光谱 CD 的主要挑战。
引用
@article{arxiv.2310.13627,
title = {Deep-Learning-based Change Detection with Spaceborne Hyperspectral PRISMA data},
author = {J. F. Amieva and A. Austoni and M. A. Brovelli and L. Ansalone and P. Naylor and F. Serva and B. Le Saux},
journal= {arXiv preprint arXiv:2310.13627},
year = {2023}
}
备注
Accepted at Big Data from Space 2023 (BiDS); 4 pages, 4 figures