基于深度编码器-解码器网络的DSM精化
计算机视觉与模式识别
2020-12-15 v1 图像与视频处理
摘要
三维城市模型可由航空影像生成。然而，计算得到的DSM存在噪声、伪影和数据空洞，必须通过耗时的手工处理进行清理。本文提出一种自动精化此类DSM的方法。其核心思想是利用参考数据让神经网络学习城市区域的特征。为实现该目标，提出了一种由L1范数和特征损失构成的损失函数。这些特征使用预训练的图像分类网络构建。为学习更新高度图，网络架构基于深度残差学习和编码器-解码器结构搭建。结果表明，该组合在保留相关几何结构的同时去除不期望的伪影和噪声方面极为有效。
引用
@article{arxiv.2012.07427,
title = {DSM Refinement with Deep Encoder-Decoder Networks},
author = {Nando Metzger},
journal= {arXiv preprint arXiv:2012.07427},
year = {2020}
}