遥感图像处理笔记之【Automatic Flood Detection from Satellite Images Using Deep Learning】

最新推荐文章于 2024-07-25 01:51:24 发布

这可就有点麻烦了

最新推荐文章于 2024-07-25 01:51:24 发布

阅读量424

点赞数 13

分类专栏：遥感图像文章标签：图像处理笔记深度学习人工智能

本文链接：https://blog.csdn.net/rvdgdsva/article/details/135294093

版权

遥感图像专栏收录该内容

14 篇文章 4 订阅

订阅专栏

遥感图像处理学习（7）

前言

遥感系列第7篇。遥感图像处理方向的学习者可以参考或者复刻

本文初编辑于2023年12月29日

文章标题：Automatic Flood Detection from Satellite Images Using Deep Learning

文章地址：https://medium.com/@omercaliskan99/automatic-flood-detection-from-satellite-images-using-deep-learning-f14fafd369e0

文章所涉及的代码：作者没给

这篇文章着眼于洪水灾害区域检测，作者使用多个模型，对洪水灾害前后卫星图像进行学习，最终对比各个模型的性能。
总结：SegNet杂鱼❤️~ 杂鱼❤️ ~
在这里插入图片描述

数据库介绍

Synthetic Aperture Radar （SAR）是一种用于高分辨率地球成像和移动目标探测的雷达系统，可用于载人和无人机平台。我们可以通过网站找到SAR图像数据集，也可以使用Sentinel-1或Sentinel-2等前人通过各种过滤器提取出的，适用于不同任务的数据集。
本文只使用了Sentinel-1。

Sentinel-1是用于陆地和海洋服务的极地轨道全天候昼夜雷达成像任务。Sentinel-1A于2014年4月3日发射升空，Sentinel-1B于2016年4月25日发射升空。主要应用：监测北极海冰范围、海冰测绘、海洋环境监测，土地变化、土壤含水量、产量估计、地震、山体滑坡、城市地面沉降、支持人道主义援助和危机局势，包括溢油监测、海上安全船舶检测、洪水淹没。
此处参考：https://zhuanlan.zhihu.com/p/356726375

Sentinel Application Platform（SNAP ）是由欧洲航天局开发的一种分析和编辑遥感图像的工具。
在这里插入图片描述