面向高山地区的 Landsat 8 到 Sentinel-2 图像语义一致转换
计算机视觉与模式识别
2023-03-16 v1 机器学习
摘要
研究界对频繁且免费的卫星图像的需求日益增长。诸如 Landsat 8 与 Sentinel-2 之类的卫星星座每日提供大量宝贵数据。然而，这些卫星传感器特性的差异使得在任一数据集上训练并应用于另一数据集的分割模型变得毫无意义，这正是域适应技术近期成为遥感中活跃研究领域的原因。本文利用 HRSemI2I 模型通过风格迁移进行域适应实验，以缩小 Landsat 8 与 Sentinel-2 之间的传感器差异。本文的主要贡献是通过比较使用域适应图像与未适应图像的分割结果，分析该方法的有效性。经调整可处理 6 波段影像的 HRSemI2I 模型在均值与各类别指标上均显示出显著的交并比性能提升。第二个贡献是提供了两种标注方案之间的泛化方案——NALCMS 2015 与 CORINE。第一种方案是通过更高层级土地覆盖类别进行标准化，第二种是通过野外调和验证。
引用
@article{arxiv.2212.12056,
title = {Semantically-consistent Landsat 8 image to Sentinel-2 image translation for alpine areas},
author = {M. Sokolov and J. L. Storie and C. J. Henry and C. D. Storie and J. Cameron and R. S. Ødegård and V. Zubinaite and S. Stikbakke},
journal= {arXiv preprint arXiv:2212.12056},
year = {2023}
}
备注
13 pages, 6 figures