利用深度学习改进 SAR 影像中变化检测分类器的差异图像
计算机视觉与模式识别
2023-11-03 v2 图像与视频处理
摘要
基于卫星的合成孔径雷达（SAR）图像可作为遥感影像来源，不受云层覆盖和昼夜循环影响。然而，散斑噪声和变化的图像获取条件对变化检测分类器构成了挑战。本文提出一种改进 SAR 图像处理以生成更高质量差异图像供分类算法使用的新方法。该方法构建于基于神经网络的映射变换函数之上，该函数根据所请求的获取条件从某位置生成人工 SAR 图像。模型的输入为：该位置以往的 SAR 图像、SAR 图像的成像角度信息、数字高程模型以及天气条件。该方法使用来自芬兰东北部某位置的数据进行了测试，采用了欧洲空间局的 Sentinel-1 SAR 图像、芬兰气象研究所的天气数据以及芬兰国家土地调查局的数字高程模型。为验证该方法，对 SAR 图像的变化进行了模拟，并通过实验衡量所提方法的性能，结果表明与更传统的差异图像生成方法相比，其性能有显著提升。
引用
@article{arxiv.2303.17835,
title = {Improved Difference Images for Change Detection Classifiers in SAR Imagery Using Deep Learning},
author = {Janne Alatalo and Tuomo Sipola and Mika Rantonen},
journal= {arXiv preprint arXiv:2303.17835},
year = {2023}
}