pixelknife.github.io

View the Project on GitHub

超分融合提高地物分类精度

目前对地观测数据与日俱增,如何综合使用多种数据源来提高制作产品的质量成为重要的研究方向。

1 超分融合

Planet的SuperDove提供3米8波段的数据集,因此可以比较好地用于地物分类。

bce7a8.jpg

pl_3m.jpg ▲3米尺度,可见光组合(664, 559, 492)

pl_3m_876.jpg ▲3米尺度,近红外红边组合(832, 704, 664)

通过超分辨率增强将分辨率提高到2米

pl_2m.jpg ▲2米尺度,可见光组合(664, 559, 492)

pl_2m_876.jpg ▲2米尺度,近红外红边组合(832, 704, 664)

找到相近时间的SENTINEL2,它比SuperDove多了短波红外、近红外等波谱范围的几个波段。

S2

s2_20m_987.jpg ▲20米,短波红外近红外组合(2190, 1612, 864)

通过超分融合,可以把两个数据合并成2米13波段的数据集。

fuse_13bands_131211.jpg ▲2米尺度,短波红外近红外组合(2190, 1612, 864)

2 分类

更多的波段有助于地物的区分,更高的分辨率有助于细小地物的提取。

3m.png ▲3米8波段分类

2m.png ▲2米8波段分类

13band.png ▲2米13波段分类

我们的实验的体验表明,面向对象的分类比基于像素的分类更有效,能够解决超分后斑点噪声的问题。

总的来说,2米13波段的数据集提供了更好的分类结果。


联系方式

陈甫 副研究员 中国科学院空天信息创新研究院 chenfu@aircas.ac.cn 13811147935