基于少数样本学习的 hyperspectral PRISMA 数据 bark beetle 攻击检测
计算机视觉与模式识别
2025-11-17 v1
摘要
bark beetle 侵蚀代表维持针叶林健康的重大挑战。本文提出一种基于对比学习的少数样本学习方法，用于利用卫星 PRISMA 高光谱数据检测 bark beetle 侵蚀。该方法基于对比学习框架预训练一维 CNN 编码器，以从高光谱数据中提取稳健特征表示。这些提取的特征随后用作支持向量回归估计器的输入，为每一类分别训练一个估计器，以估计每个像元中健康树、被 bark beetle 攻击的树和死树的比例。在多洛米亚山区的实验中，我们的方法优于使用原始 PRISMA 光谱波段和 Sentinel-2 数据。结果表明，PRISMA 高光谱数据结合少数样本学习为森林健康监测提供了显著优势。
关键词
引用
@article{arxiv.2511.11096,
title = {Detection of Bark Beetle Attacks using Hyperspectral PRISMA Data and Few-Shot Learning},
author = {Mattia Ferrari and Giancarlo Papitto and Giorgio Deligios and Lorenzo Bruzzone},
journal= {arXiv preprint arXiv:2511.11096},
year = {2025}
}
备注
5 pages, 3 figures, accepted at IGARSS conference 3-8 August 2025 Brisbane, Australia