通过 Sentinel-1 描绘洪水检测中对时序数据的需求
计算机视觉与模式识别
2024-03-07 v1 图像与视频处理
摘要
在遥感数据中识别受洪水影响的区域是地球观测中的一项关键问题，旨在分析洪水影响并驱动响应措施。尽管文献中已提出多种方法，但现有的洪水检测数据集存在两个主要局限：(1) 普遍缺乏区域变异性；和/或 (2) 要求从单张图像中区分永久性水体与洪水区域，这构成了一个病态设置。因此，我们通过为每个洪水事件提供一年的 Sentinel-1 观测数据，将全球多样化的 MMFlood 数据集扩展为多时相数据集。令我们惊讶的是，我们注意到在观察整个图像序列时，MMFlood 中洪水像素的定义存在不一致。因此，我们将洪水检测任务重新构建为时序异常检测问题，即从 Sentinel-1 时序序列中分割异常水体。基于这一定义，我们提出了一种受流行视频变化检测器 ViBe 启发的简单方法，其结果在定量上与 SAR 图像时间序列一致，为未来工作提供了合理的基线。
引用
@article{arxiv.2403.03671,
title = {Portraying the Need for Temporal Data in Flood Detection via Sentinel-1},
author = {Xavier Bou and Thibaud Ehret and Rafael Grompone von Gioi and Jeremy Anger},
journal= {arXiv preprint arXiv:2403.03671},
year = {2024}
}