Large-scale unsupervised spatio-temporal semantic analysis of vast regions from satellite images sequences

要約

衛星画像の時間シーケンスは、関心のある領域を分析するための非常に貴重で豊富なリソースを構成します。
ただし、大規模な知識の自動取得は、正確なラベル付けされたデータの欠如、地形エンティティの定義と変動性、画像とその融合に固有の複雑さなどのさまざまな要因により、困難な作業です。
これに関連して、衛星画像のシーケンスから大規模な領域の時空間分類を行うための完全に教師なしの一般的な方法論を紹介します。
私たちのアプローチは、深い埋め込みと時系列クラスタリングの組み合わせに依存して、地面の意味論的特性と時間の経過に伴うその進化を捕捉し、対象領域の包括的な理解を提供します。
提案された方法は、埋め込みを改良し、基礎となる時空間パターンを活用するために特別に考案された新しい手順によって強化されています。
私たちはこの方法論を使用して、スペイン北部の 220 km$^2$ 地域をさまざまな環境で詳細に分析しました。
その結果は、主に気候、植物学的、水文学的要因に基づいて、広大なエリアがコンパクトかつ適切に構造化された方法で接続されている土地の広範かつ直感的な視点を提供します。

要約(オリジナル)

Temporal sequences of satellite images constitute a highly valuable and abundant resource for analyzing regions of interest. However, the automatic acquisition of knowledge on a large scale is a challenging task due to different factors such as the lack of precise labeled data, the definition and variability of the terrain entities, or the inherent complexity of the images and their fusion. In this context, we present a fully unsupervised and general methodology to conduct spatio-temporal taxonomies of large regions from sequences of satellite images. Our approach relies on a combination of deep embeddings and time series clustering to capture the semantic properties of the ground and its evolution over time, providing a comprehensive understanding of the region of interest. The proposed method is enhanced by a novel procedure specifically devised to refine the embedding and exploit the underlying spatio-temporal patterns. We use this methodology to conduct an in-depth analysis of a 220 km$^2$ region in northern Spain in different settings. The results provide a broad and intuitive perspective of the land where large areas are connected in a compact and well-structured manner, mainly based on climatic, phytological, and hydrological factors.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google