利用深度学习从 SAR 数据监测雪崩
计算机视觉与模式识别
2025-02-26 v1 人工智能
图像与视频处理
摘要
雪崩对人类生命和基础设施构成重大风险，尤其是在山区，因此有效监测至关重要。传统监测方法（如实地观测）受限于可达性、天气条件和成本。卫星合成孔径雷达（SAR）数据已成为大规模雪崩检测的重要工具，因为它可以在所有天气条件下和偏远地区获取数据。然而，传统处理方法难以应对雪崩的复杂性和多变性。本章综述了利用深度学习从 SAR 数据中检测和分割雪崩的应用。早期工作聚焦于 SAR 图像的二分类，而近期进展已实现像素级分割，提供了更高的精度和空间分辨率。使用 Sentinel-1 SAR 数据的案例研究证明了深度学习模型在雪崩分割中的有效性，取得了优于传统方法的结果。我们还展示了该工作的扩展，在超过 4,500 张标注 SAR 图像的扩展数据集上测试了最新的前沿分割架构。在所有测试模型中表现最佳的模型被应用于整个挪威的大规模雪崩检测，揭示了多个冬季季节中重要的空间和时间模式。
关键词
引用
@article{arxiv.2502.18157,
title = {Monitoring snow avalanches from SAR data with deep learning},
author = {Filippo Maria Bianchi and Jakob Grahn},
journal= {arXiv preprint arXiv:2502.18157},
year = {2025}
}