基于深度学习的甚高分辨率SAR强度数据单图像高度重建
计算机视觉与模式识别
2021-11-22 v2 信号处理
摘要
最初为机器人技术和自动驾驶等领域开发的、以基于图像的导航为初衷的基于深度学习的单图像深度估计（SIDE），已在更广泛的图像分析界引起了极大兴趣。遥感也不例外，因为从单张航空或卫星影像中估计高度图的可能性在地形重建方面具有巨大潜力。一些开创性的研究已经证明了从光学遥感图像进行单图像高度预测的普遍可行性，并激励了该方向的进一步研究。通过本文，我们首次展示了基于深度学习的单图像高度预测在遥感中另一个重要传感器模态——合成孔径雷达（SAR）数据上的应用。除了针对SAR强度图像调整卷积神经网络（CNN）架构外，我们还提出了一个用于生成训练数据的工作流程，并针对不同的SAR成像模式和测试站点提供了广泛的实验结果。由于我们特别强调可迁移性，我们能够证实，基于深度学习的单图像高度估计不仅是可能的，而且还能很好地迁移到未见过的数据，即使这些数据是通过不同的成像模式和成像参数获取的。
引用
@article{arxiv.2111.02061,
title = {Deep-Learning-Based Single-Image Height Reconstruction from Very-High-Resolution SAR Intensity Data},
author = {Michael Recla and Michael Schmitt},
journal= {arXiv preprint arXiv:2111.02061},
year = {2021}
}
备注
19 pages, 14 figures