基于拓扑方法机器学习支持的卫星图像道路网络重建
计算机视觉与模式识别
2019-09-17 v1
摘要
从卫星图像中自动提取道路网络是一个可使新技术受益甚至得以实现的目标。近年来提出了结合机器学习(ML)与计算机视觉的方法,通过要求用户提供精选训练样本使该任务半自动化。若训练样本可由算法生成,则该过程可完全自动化。当然,这需要一个鲁棒的算法,能够可靠地从卫星图像重建道路网络,以便将输出作为训练样本。本工作中,我们将持久性引导的离散 Morse 基于图的重建算法融入 ML 框架,开发了这样一种技术。我们分两个阶段阐明我们的贡献。首先,在半自动框架中,我们将基于离散 Morse 的图重建算法与现有 CNN 框架结合以分割输入卫星图像。我们表明这带来了具有更好连通性与更少噪声的重建结果。接下来,在全自动框架中,我们利用基于离散 Morse 的图重建算法的能力,从一组无标注图像训练 CNN,并使用同一算法由训练所得 CNN 创建的分割图像生成最终输出。我们迭代应用基于离散 Morse 的图重建算法以提高 CNN 的精度。我们在 SpaceNet Challenge 的数据集上展示了这一新框架 promising 的实验结果。
引用
@article{arxiv.1909.06728,
title = {Road Network Reconstruction from Satellite Images with Machine Learning Supported by Topological Methods},
author = {Tamal K. Dey and Jiayuan Wang and Yusu Wang},
journal= {arXiv preprint arXiv:1909.06728},
year = {2019}
}
备注
26 pages, 13 figures, ACM SIGSPATIAL 2019