[論文レビュー] A Remote Sensing Image Dataset for Cloud Removal

Daoyu Lin, Guangluan Xu+4 more|arXiv (Cornell University)|Jan 3, 2019

Advanced Image Fusion Techniques参考文献 1被引用数 73

ひとこと要約

論文はリモートセンシング画像の雲除去のためのRICEデータセットを紹介します。RICE-I（500組の雲/クリア画像ペア）とRICE-II（Landsat由来の雲あり/雲なしのトリプレット）を含み、PSNRとSSIMで評価したbaseline pix2pixの結果を提供します。

ABSTRACT

Cloud-based overlays are often present in optical remote sensing images, thus limiting the application of acquired data. Removing clouds is an indispensable pre-processing step in remote sensing image analysis. Deep learning has achieved great success in the field of remote sensing in recent years, including scene classification and change detection. However, deep learning is rarely applied in remote sensing image removal clouds. The reason is the lack of data sets for training neural networks. In order to solve this problem, this paper first proposed the Remote sensing Image Cloud rEmoving dataset (RICE). The proposed dataset consists of two parts: RICE1 contains 500 pairs of images, each pair has images with cloud and cloudless size of 512*512; RICE2 contains 450 sets of images, each set contains three 512*512 size images. , respectively, the reference picture without clouds, the picture of the cloud and the mask of its cloud. The dataset is freely available at \url{https://github.com/BUPTLdy/RICE_DATASET}.

研究の動機と目的

• 光学リモートセンシング画像における雲除去の必要性を喚起し、深層学習アプローチを可能にする。
• 雲除去モデルの訓練と評価を支援するベンチマークデータセット（RICE）を提供する。
• 将来の手法の参照となる基準となる定量的な結果を提供する。

提案手法

• Google Earthから雲/クリアの対を取得して512x512に重複なくトリミングしてRICE-Iを構築する。
• Landsat 8 LandsatLook画像から雲を含む参照と雲なし参照を15日以内に整合させてRICE-IIを構築する。
• ディフォーカス解除のベースラインモデルとしてpix2pixを使用し、入力は雲画像とマスクの連結体を与える。
• PSNRとSSIMの指標で性能を評価する。
• 将来の拡張のためにデータセットの詳細と定性的考慮を報告する。

実験結果

リサーチクエスチョン

• RQ1 雲と雲なしのリモートセンシング画像の対ペアデータセットは、学習ベースの雲除去をサポートできるか。
• RQ2 RICE上で条件付き画像翻訳モデルのベースラインPSNRとSSIMはどの程度か。
• RQ3 RICE-IとRICE-IIのサブセット間で雲除去結果はどのように異なるか。

主な発見

データセット	PSNR	SSIM
RICE-I	31.03	0.91
RICE-II	30.04	0.80

• RICE-Iはベースライン評価でPSNRが31.03、SSIMが0.91を達成。
• RICE-IIはベースライン評価でPSNRが30.04、SSIMが0.80を達成。
• データセットはクラウド除去の深層学習を促進する公開リソース（GitHub）を提供する。
• ベースライン実験は、データセットが教師あり雲除去タスクに有用であることを示している。