卷积神经网络在 InSAR 时序中探测缓慢持续形变的应用
图像与视频处理
2020-01-08 v1 计算机视觉与模式识别
摘要
用于探测卫星 InSAR 影像中形变的自动系统可用于构建火山与城市环境的全球监测系统。在此我们探究了 CNN 在缠绕干涉图中探测缓慢、持续形变的极限。利用合成数据，我们估计仅形变信号的探测阈值为 3.9 cm，考虑大气伪影时为 6.3 cm。过度缠绕将其分别降至 1.8 cm 与 5.0 cm，因为在不改变信噪比的情况下生成了更多条纹。我们在 Campi Flegrei 与 Dallol 的累积形变时序上测试了该方法，其中过度缠绕将分类性能提升了至多 15%。我们提出了一种均值滤波方法，用于合并不同缠绕参数的结果以标记形变。在 Campi Flegrei，60 天后探测到 8.5 cm/yr 的形变；在 Dallol，310 天后探测到 3.5 cm/yr 的形变。这分别对应 3 cm 与 4 cm 的累积位移，与基于合成数据的估计一致。
引用
@article{arxiv.1909.02321,
title = {The application of Convolutional Neural Networks to Detect Slow, Sustained Deformation in InSAR Timeseries},
author = {N. Anantrasirichai and J. Biggs and F. Albino and D. Bull},
journal= {arXiv preprint arXiv:1909.02321},
year = {2020}
}