跑道提取与基于空间影像的改进制图
计算机视觉与模式识别
2022-01-05 v1 机器学习
摘要
应用于监测机场跑道等关键基础设施的变更检测方法，是灾害救援与城市规划的一项重要能力。本工作识别出两种生成对抗网络（GAN）架构，可在合理的跑道地图与卫星影像之间进行可逆转换。我们利用来自同一视角的配对图像（卫星-地图）并采用 Pix2Pix 架构或条件 GAN 来展示训练能力。在缺乏可用配对时，我们同样展示了具有四个网络头（判别器-生成器对）的 CycleGAN 架构也能提供从原始图像像素到轮廓或特征图的有效风格迁移。为突出跑道与停机坪边界，我们通过实验表明传统的灰-棕地图调色板并非必需的训练输入，而可通过更高对比度的映射调色板（红-黑）增强以获得更清晰的跑道边界。我们预览了一个潜在的新用例（称为“sketch2satellite”），即人工粗略绘制当前跑道边界并自动生成合理的卫星图像机器输出。最后，我们识别出错误跑道地图的实例：其中已发布的卫星与映射跑道不一致，而使用 GAN 的自动更新可渲染出正确地图。
引用
@article{arxiv.2201.00848,
title = {Runway Extraction and Improved Mapping from Space Imagery},
author = {David A. Noever},
journal= {arXiv preprint arXiv:2201.00848},
year = {2022}
}