利用多光谱和SAR时间序列在田块尺度上检测小麦和油菜作物异常
图像与视频处理
2021-03-08 v3 机器学习
机器学习
摘要
本文研究基于无监督异常检测技术在田块尺度上检测异常作物发育。实验验证在位于法国博斯地区的油菜和小麦田块上进行。所提出的方法包括四个连续步骤：1) 预处理由 Sentinel-1 和 Sentinel-2 卫星获取的合成孔径雷达（SAR）和多光谱影像，2) 提取 SAR 和多光谱像素级特征，3) 使用分区统计计算田块级特征，以及 4) 异常检测。我们分析并描述了可能影响所研究作物的不同类型异常。我们研究了可能影响异常检测结果的不同因素，并特别关注了 Sentinel-1 和 Sentinel-2 数据之间的协同作用。总体而言，当联合使用选定的 Sentinel-1 和 Sentinel-2 特征并结合孤立森林算法时，获得了最佳性能。选定的特征是 Sentinel-1 的 VV 和 VH 后向散射系数，以及 Sentinel-2 的 5 个植被指数（其中包括归一化差值植被指数和归一化差值水分指数的两个变体）。当使用这些特征并设定异常比例为 10% 时，检测到的真正异常（即作物异常）的百分比对于油菜田块为 94.1%，对于小麦田块为 95.5%。
引用
@article{arxiv.2004.08431,
title = {Outlier detection at the parcel-level in wheat and rapeseed crops using multispectral and SAR time series},
author = {Florian Mouret and Mohanad Albughdadi and Sylvie Duthoit and Denis Kouamé and Guillaume Rieu and Jean-Yves Tourneret},
journal= {arXiv preprint arXiv:2004.08431},
year = {2021}
}