面向土地覆盖分类的SAR与多光谱哨兵数据融合范式选择
机器学习
2024-10-28 v1 人工智能
计算机视觉与模式识别
图像与视频处理
摘要
数据融合是一种众所周知的技术，在地球观测人工智能（AI4EO）领域正变得越来越流行，这主要归因于其能够通过结合多源数据来增强AI4EO应用，从而带来更优结果。另一方面，如同其他卫星数据分析方法一样，数据融合本身也因人工智能（AI）的集成而受益并不断演进。在本通讯中，我们分析并实现了四种基于卷积神经网络（CNNs）的数据融合范式。目标是在CNN基础结构确定后，提供一套系统性流程以选择最佳的数据融合框架，从而获得最佳分类结果，并在涉及遥感数据融合时助力相关研究人员的工作。该流程已针对土地覆盖分类进行了验证，但也可迁移至其他场景。
引用
@article{arxiv.2106.11056,
title = {Paradigm selection for Data Fusion of SAR and Multispectral Sentinel data applied to Land-Cover Classification},
author = {Alessandro Sebastianelli and Maria Pia Del Rosso and Pierre Philippe Mathieu and Silvia Liberata Ullo},
journal= {arXiv preprint arXiv:2106.11056},
year = {2024}
}
备注
This work has been submitted to the IEEE Geoscience and Remote Sensing Letters for possible publication