由神经网络预测权重图支持的 TanDEM-X 与 Cartosat-1 高程数据融合
图像与视频处理
2018-10-29 v1
摘要
近来，双站 SAR 干涉任务 TanDEM-X 提供了具有空前精度的全球地形图。然而，将 TanDEM-X 高程数据与高分辨率地面真值进行目视检查和经验评估表明，由于 SAR 固有的成像特性，DEM 的质量在城市区域下降。增强 TanDEM-X DEM 质量的一种可能方案是将其与由高分辨率光学立体影像（如 Cartosat-1 任务所提供的）导出的其他高程数据融合。这通常通过对先前配准的 DEM 格网进行加权平均（WA）来完成。本文的主要贡献是开发一种有效预测权重图的方法，以实现优化融合结果。该预测使用全连接人工神经网络（ANN）建模。此 ANN 的思想是从 DEM 中提取与训练区高程残差相关的合适特征，然后自动学习高程误差与特征之间关系的模式。结果显示基于 ANN 预测权重的 DEM 融合改善了所研究 DEM 的质量。除了通过 DEM 融合提高 Cartosat-1 DEM 的绝对精度外，DEM 的相对精度（相对于参考 LiDAR 数据）在城市区域提高达 50%，在非城市区域提高 22%，而基于它们的方法在城市和非城市区域的改善分别不超过 20% 和 10%。
引用
@article{arxiv.1810.11415,
title = {Fusion of TanDEM-X and Cartosat-1 Elevation Data Supported by NeuralNetwork-Predicted Weight Maps},
author = {Hossein Bagheri and Michael Schmitt and Xiao Xiang Zhu},
journal= {arXiv preprint arXiv:1810.11415},
year = {2018}
}
备注
This is the pre-acceptance version, to read the final version, please go to ISPRS Journal of Photogrammetry and Remote Sensing on ScienceDirect