基于深度学习的Sentinel-1 SAR湖泊冰体检测
图像与视频处理
2020-05-08 v2 计算机视觉与模式识别
大气与海洋物理
摘要
湖泊冰体作为基本气候变量(ECV)湖泊的一部分，是监测气候变化与全球变暖的重要指标。湖泊冰盖的时空范围，以及冻结与消融等关键物候事件的时机，为地方与全球气候提供了重要线索。我们提出了一种基于深度神经网络对Sentinel-1合成孔径雷达(SAR)数据进行自动分析的湖泊冰体监测系统。在以往使用光学卫星影像进行湖泊冰体监测的研究中，频繁的云覆盖是主要限制因素，而得益于微波传感器穿透云层并无论天气与光照条件均可观测湖泊的能力，我们克服了该限制。我们将冰体检测视为两类(冻结、非冻结)语义分割问题，并使用最先进的深度卷积网络(CNN)求解。我们报告了2016-17与2017-18两个冬季及瑞士三个高山湖泊上的结果。所提模型平均达到均值交并比(mIoU)得分>90%，即便对最困难的湖泊也>84%。此外，我们进行了交叉验证测试，表明我们的算法在未见过的湖泊与冬季上具有良好的泛化能力。
引用
@article{arxiv.2002.07040,
title = {Lake Ice Detection from Sentinel-1 SAR with Deep Learning},
author = {Manu Tom and Roberto Aguilar and Pascal Imhof and Silvan Leinss and Emmanuel Baltsavias and Konrad Schindler},
journal= {arXiv preprint arXiv:2002.07040},
year = {2020}
}
备注
Accepted for ISPRS Congress 2020, Nice, France