基于多分辨率全卷积网络的光学卫星影像云与雪检测
图像与视频处理
2022-01-10 v1 计算机视觉与模式识别
信号处理
摘要
云和雪在可见光与近红外（VNIR）波段具有相似的光谱特征，因此在高分辨率 VNIR 影像中难以相互区分。我们通过引入短波红外（SWIR）波段来解决此问题，其中云呈高反射而雪为吸收性。由于 SWIR 通常比 VNIR 分辨率低，本研究提出一种多分辨率全卷积神经网络（FCN），可有效检测 VNIR 影像中的云和雪。我们在深度 FCN 内融合多分辨率波段，并在较高的 VNIR 分辨率下执行语义分割。这种以端到端方式训练的基于融合的分类器，在印度北阿坎德邦获取的 Resourcesat-2 数据上取得了 94.31% 的总体精度和云类 97.67% 的 F1 分数。这些分数比随机森林分类器高 30%，比独立的单分辨率 FCN 高 10%。除用于云检测外，本研究还凸显了卷积神经网络在多传感器融合问题中的潜力。
引用
@article{arxiv.2201.02350,
title = {Multiresolution Fully Convolutional Networks to detect Clouds and Snow through Optical Satellite Images},
author = {Debvrat Varshney and Claudio Persello and Prasun Kumar Gupta and Bhaskar Ramachandra Nikam},
journal= {arXiv preprint arXiv:2201.02350},
year = {2022}
}