Segmentation of satellite sar images using squeeze and attention based deep networks

Yüksek çözünürlüklü uydu görüntülerinden ilgili nesnelerin otomatik olarak çıkarılması aktif bir araştırma alanı olmuştur. Pek çok güncel makale, gelişmiş bölümlendirime doğruluğu için derin öğrenmeye dayalı çeşitli anlamsal bölümlendirme teknikleri hakkında araştırmalar yapmaktadır. Mevcut literatür arazi örtüsü ve arazi kullanımı (örn. yapıların, yolların ve su alanının bölümlendirilmesi) ile ilgili zengin bilgiler sağlasa da, bunların çoğu elektro-optik tabanlı (EO) görüntüler üzerinde bölümlendirmeye odaklanmıştır. Güncel çalışmaların bir diğer odağı, görünür tayf kullanma sınırlamalarının üstesinden gelmek için bu tür ilgi nesnelerini Sentetik-Açıklık-Radarı tabanlı (SAR) görüntülerde bölümlere ayırmak olmuştur. Görünür tayfda alınan optik veriler hala birçok hava uygulamasında yaygın olarak tercih edilir ve kullanılırken, bu tür uygulamalar yüksek doğrulukla çalışmak için tipik olarak açık bir gökyüzüne ve minimum bulut örtüsüne ihtiyaç duyar. SAR görüntüleme, hava ve bulutun geleneksel optik sensörleri engellemesi (şiddetli hava koşulları ve bulut örtüsü sırasında olduğu gibi) gibi görünürlükle ilgili sorunları hafifletmek için alternatif bir görüntüleme tekniği olarak yararlı olmaktaktadır. Güncel segmentasyon teknikleri, U-Net'e dayalı pek çok derin öğrenme çözümleri kullanır. ˙ Ilgi ağı temelli derin öğrenmedeki son gelişmeler, SAR görüntü özellikleri ile birleştirildiğinde, özellikle düşük görüş koşullarında ilgi duyulan nesnelerin bölümlendirilmesini artırılabilir. Bu tezde, uydu SAR görüntülerinde anlamsal bölümlendirme için sıkıştırma ve ilgi tabanlı bir ağ önerilmiştir. Ozellikle, uzaktan ¨ algılama görüntülerindeki ilgi nesnelerini bölümlere ayırmak için U-Net tabanlı bir mimaride sıkıştırma ve ilgi kavramının nasıl kullanılabileceğini gösteriyoruz ve çok sayıda halka açık veri kümesi üzerindeki performansını inceliyoruz. Deneylerimiz, önerilen yöntemimizin kullanılan tüm veri kümelerinde çok sayıda temel ağla karşılaştırıldığında üstün sonuçlar verdiğini göstermektedir.