EvaNet：基于高程引导的地球影像洪水淹没范围制图（扩展版）
计算机视觉与模式识别
2024-09-27 v4 图像与视频处理
摘要
利用高分辨率卫星影像准确、及时地绘制洪水淹没范围，在灾害管理（如灾损评估和救援活动）中起着至关重要的作用。然而，当前最先进的解决方案基于 U-Net，由于存在模糊像素（如树冠、云层），仅凭光谱特征无法直接判断，因此无法准确分割洪水像素。得益于可从美国地质调查局 (USGS) 等来源方便获取的数字高程模型 (DEM) 数据，本工作探索利用高程图来改进洪水淹没范围制图。我们提出了 EvaNet，一种基于编码器-解码器架构的高程引导分割模型，包含两项新技术：(1) 一个编码了重力物理定律的损失函数，即如果一个位置被淹没（或干燥），则其高程较低（或较高）的相邻位置也必定被淹没（或干燥）；(2) 一种新的（反）卷积操作，通过位置敏感的门控机制整合高程图，以调节光谱特征在相邻层间的流动。大量实验表明，EvaNet 显著优于 U-Net 基线模型，并可作为现有洪水淹没范围制图解决方案中 U-Net 的完美即插即用替代品。
引用
@article{arxiv.2404.17917,
title = {EvaNet: Elevation-Guided Flood Extent Mapping on Earth Imagery (Extended Version)},
author = {Mirza Tanzim Sami and Da Yan and Saugat Adhikari and Lyuheng Yuan and Jiao Han and Zhe Jiang and Jalal Khalil and Yang Zhou},
journal= {arXiv preprint arXiv:2404.17917},
year = {2024}
}
备注
Published at the International Joint Conference on Artificial Intelligence (IJCAI, 2024)