Cross-Geography Generalization of Machine Learning Methods for Classification of Flooded Regions in Aerial Images

要約

洪水の被害を受けた地域を特定することは、災害後の救援・救助活動の計画や管理を改善するために必要な重要な情報である。従来は、洪水による被害の程度を特定するために、リモートセンシング画像を解析していました。地球観測衛星に搭載されたセンサーから取得したデータを解析し、浸水地域を検出するのですが、空間的・時間的解像度が低いことが影響する場合があります。しかし、近年では、無人航空機（UAV）から取得した画像も災害後の被害状況の把握に活用されるようになってきています。実際、UAVベースのプラットフォームは、カスタマイズされたフライトプランと地上インフラへの最小限の依存性で迅速に展開することができます。本研究では、UAVによる空撮画像から浸水地域を特定するための2つのアプローチを提案する。最初のアプローチは、テクスチャに基づく教師なしセグメンテーションを利用して浸水地域を検出し、2番目のアプローチは、テクスチャ特徴に人工ニューラルネットワークを使用して画像を浸水と非浸水とに分類するものである。同じ地域の画像でモデルを学習・テストする既存の研究とは異なり、本研究では、地理的な地域をまたいで浸水地域を特定する提案モデルの性能を研究しています。提案するセグメンテーションに基づくアプローチを用いることで、既存の分類器よりも高いF1スコア0.89を得ることができました。また、提案手法の頑健性から、ユーザの介入を最小限もしくは全く必要とせずに、あらゆる地域の浸水地域を特定するために利用可能であることが示された。

要約(オリジナル)

Identification of regions affected by floods is a crucial piece of information required for better planning and management of post-disaster relief and rescue efforts. Traditionally, remote sensing images are analysed to identify the extent of damage caused by flooding. The data acquired from sensors onboard earth observation satellites are analyzed to detect the flooded regions, which can be affected by low spatial and temporal resolution. However, in recent years, the images acquired from Unmanned Aerial Vehicles (UAVs) have also been utilized to assess post-disaster damage. Indeed, a UAV based platform can be rapidly deployed with a customized flight plan and minimum dependence on the ground infrastructure. This work proposes two approaches for identifying flooded regions in UAV aerial images. The first approach utilizes texture-based unsupervised segmentation to detect flooded areas, while the second uses an artificial neural network on the texture features to classify images as flooded and non-flooded. Unlike the existing works where the models are trained and tested on images of the same geographical regions, this work studies the performance of the proposed model in identifying flooded regions across geographical regions. An F1-score of 0.89 is obtained using the proposed segmentation-based approach which is higher than existing classifiers. The robustness of the proposed approach demonstrates that it can be utilized to identify flooded regions of any region with minimum or no user intervention.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL