Improved Difference Images for Change Detection Classifiers in SAR Imagery Using Deep Learning

要約

タイトル：深層学習を使用したSAR画像の変化検出分類子の改善された差分画像

要約：

– 衛星による合成開口レーダー（SAR）画像は、クラウドカバーや昼夜の周期に関係なく遠隔地から画像を取得できる。ただし、スペックルノイズや様々な画像取得条件は、変化検出分類子にとって課題を提供している。
– この論文は、SAR画像処理の質を改善し、分類アルゴリズムのためのより高品質な差分画像を生成する新しい手法を提案している。
– この方法は、神経ネットワークを使用したマッピング変換機能に基づいています。この機能は、リクエストされた取得条件の場所から人工SAR画像を生成します。
– モデルの入力は、場所の以前のSAR画像、SAR画像からの撮影角度情報、デジタル高度モデル、および気象条件です。
– この方法は、欧州宇宙機関のSentinel-1 SAR画像、フィンランド気象庁の気象データ、およびフィンランド国土調査局のデジタル高度モデルを使用して、北東フィンランドの場所のデータをテストしました。
– 方法を検証するために、SAR画像の変更をシミュレーションし、より従来的な方法で差分画像を作成する方法と比較して、提案された方法のパフォーマンスを実験によって測定しました。その結果、提案手法は大幅に性能を改善しました。

要約(オリジナル)

Satellite-based Synthetic Aperture Radar (SAR) images can be used as a source of remote sensed imagery regardless of cloud cover and day-night cycle. However, the speckle noise and varying image acquisition conditions pose a challenge for change detection classifiers. This paper proposes a new method of improving SAR image processing to produce higher quality difference images for the classification algorithms. The method is built on a neural network-based mapping transformation function that produces artificial SAR images from a location in the requested acquisition conditions. The inputs for the model are: previous SAR images from the location, imaging angle information from the SAR images, digital elevation model, and weather conditions. The method was tested with data from a location in North-East Finland by using Sentinel-1 SAR images from European Space Agency, weather data from Finnish Meteorological Institute, and a digital elevation model from National Land Survey of Finland. In order to verify the method, changes to the SAR images were simulated, and the performance of the proposed method was measured using experimentation where it gave substantial improvements to performance when compared to a more conventional method of creating difference images.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI