利用卷积神经网络为卫星图像生成近红外光谱波段
计算机视觉与模式识别
2021-06-15 v1 图像与视频处理
摘要
多光谱遥感影像的近红外（NIR）光谱范围（780 至 2500 nm）为土地覆盖分类提供了重要信息，尤其涉及植被评估。尽管 NIR 很有用，常见的 RGB 影像并不总是附带该波段。现代通过深度神经网络进行图像处理的成果允许生成人工光谱信息，例如图像着色问题。在本研究中，我们旨在探究该方法是否能生成不仅在视觉上相似、而且可提升计算机视觉算法解决遥感任务性能的Artificial光谱波段。我们研究了生成对抗网络（GAN）方法，仅利用高分辨率卫星影像的 RGB 通道来完成 NIR 波段生成任务。我们评估了生成通道对解决森林分割任务的模型性能的影响。结果显示，与使用仅 RGB 的基线模型（F1 分数分别为 0.947 和 0.914）相比，使用生成 NIR 的模型准确率有所提升。所开展的研究显示了生成额外波段的优势及其在应用挑战中的实现，可减少所需标注数据量。
引用
@article{arxiv.2106.07020,
title = {Generation of the NIR spectral Band for Satellite Images with Convolutional Neural Networks},
author = {Svetlana Illarionova and Dmitrii Shadrin and Alexey Trekin and Vladimir Ignatiev and Ivan Oseledets},
journal= {arXiv preprint arXiv:2106.07020},
year = {2021}
}