遥感影像存在的问题
文章目录
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:
- 图像中的颜色、纹理:图像特征
- 影像地理坐标范围:地理位置或范围提示词
- 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