算法思路-遥感语义分割与变化检测

遥感影像存在的问题

1.不同季节影像的差异

2. 影像云雾遮挡

3.影像由于传感器、地物反射、地物高度差等导致的畸变

抛开数据，目前语义分割任务面临的问题

1. 单一任务模型很难具有通用性

结合自然语言的大模型是否会是一个新的启发点

首先需要考虑根据影像我们可以获取的可利用信息:

1. 图像中的颜色、纹理：图像特征
2. 影像地理坐标范围：地理位置或范围提示词
3. 影响的获取时间：季节或时间提示词
   以上信息在应用中的遥感影像中都是极易获取的，那是否可以利用提示词实现这样的思路：根据提示词引导，将模型划分为不同的子模型，从而提升模型泛华应用效果。
   同理变化检测中的跨域任务，是否可以通过给定季节提示词，来实现特征对齐。

影像去云

去年有一个共开竞赛是关于通过深度学习算法利用SAR影像作为辅助数据，进行光学影像的去云算法竞赛，思路感觉很有意思：

1. SAR影像可以获取云层下的地物纹理特征

2. 利用通过SAR与光学影像的实现云遮挡区域恢复

问题是如何建模：
条件GAN直接暴力拟合
能否结合并利用已有的图像先验信息