面向地标大面积云检测的模式识别方案
计算机视觉与模式识别
2020-12-24 v1 机器学习
摘要
地标识别与匹配是许多地球静止卫星服务的图像导航与配准（INR）模型中的关键步骤，也是维持地球观测卫星仪器数据处理链中几何质量评估（GQA）的关键步骤。准确地匹配地标具有极其重要的意义，而该过程会受到特定地标云污染的强烈影响。本文提出一种完整的模式识别方法，利用Meteosat第二代（MSG）数据检测地标上云的存在。该方法基于依赖于特定地标和光照条件的专用支持向量机（SVMs）的集成组合。这种分而治之的策略源于数据复杂性，并遵循基于物理的策略，考虑季节变化和一天内光照条件的变化来划分观测数据。此外，它允许以可承受的计算成本用数百万样本训练分类方案。图像档案由200个地标测试点和近700万幅多光谱图像组成，对应于2010年期间的MSG获取数据。结果从云检测准确率和计算成本两方面进行分析。我们向社区提供了示例源代码和海量训练数据的一部分。
引用
@article{arxiv.2012.12306,
title = {Pattern Recognition Scheme for Large-Scale Cloud Detection over Landmarks},
author = {Adrián Pérez-Suay and Julia Amorós-López and Luis Gómez-Chova and Jordi Muñoz-Marí and Dieter Just and Gustau Camps-Valls},
journal= {arXiv preprint arXiv:2012.12306},
year = {2020}
}