[論文レビュー] PolSF: PolSAR image dataset on San Francisco

Xu Liu, Licheng Jiao+1 more|arXiv (Cornell University)|Dec 16, 2019

Synthetic Aperture Radar (SAR) Applications and TechniquesEngineering参考文献 8被引用数 18

ひとこと要約

本論文では、サンフランシスコを対象とした、5つのマルチセンサー・マルチタイムスパンの偏光SAR（PolSAR）画像を含む、新たに収集・公開されたPolSFというPolSAR画像データセットを紹介する。このデータセットは、AIRSAR、ALOS2、GF3、RISAT、RS2衛星から得られた画像を含み、都市部、植生、水域、山岳地帯など多様な地域におけるピクセルレベルのラベル付きアノテーションを提供する。これにより、PolSAR画像分類および統合分野における先進的研究が可能となる。

ABSTRACT

Polarimetric SAR data has the characteristics of all-weather, all-time and so on, which is widely used in many fields. However, the data of annotation is relatively small, which is not conducive to our research. In this paper, we have collected five open polarimetric SAR images, which are images of the San Francisco area. These five images come from different satellites at different times, which has great scientific research value. We annotate the collected images at the pixel level for image classification and segmentation. For the convenience of researchers, the annotated data is open source https://github.com/liuxuvip/PolSF.

研究の動機と目的

• リモートセンシング分野における科学的研究のためのアノテート済みPolSARデータセットの不足に対処する。
• 異なる衛星、撮影時刻、空間分解能をカバーする多様で多様なソースのPolSARデータセットを提供する。
• 都市部、植生、水域、山岳地帯の領域に対して、詳細な真値アノテーションを提供することで、ピクセルレベルの分類およびセグメンテーションタスクを可能にする。
• 高品質でラベル付きのデータを公開することで、単一ソースおよびマルチソースPolSAR画像分類および統合分野の研究を支援する。
• オープンソースのデータ配布により、PolSAR画像解析分野におけるベンチマーク評価と再現可能性を促進する。

提案手法

• IETRウェブサイトから、異なる衛星（AIRSAR、ALOS2、GF3、RISAT、RS2）および撮影時刻（1989–2018）をカバーする5つのPolSAR画像を取得した。
• ESA PolSARpro v6.0（Biomass Edition）を用いて、視覚化のためのパラリRGB擬似色画像を生成するため、原始的なPolSARデータを処理した。
• 各PolSAR画像を、同じ時系列の高分解能Google Earth画像とアライメントさせ、正確な空間的参照を確保した。
• Labelmeソフトウェアを用いて、都市部、水域、植生、裸地、山岳地帯などのピクセルレベルの土地被覆カテゴリを手動でアノテートした。
• アノテートされたカラー地図を、機械学習および解析に適した一貫性のある符号化方式で構造化されたラベルファイルに変換した。
• サンフランシスコ地域に焦点を当て、空間的およびスペクトル的忠実性を保持したまま、画像をクロップおよび標準化した。

実験結果

リサーチクエスチョン

• RQ1 異なる衛星および撮影条件から得られるマルチセンサー・マルチタイムスパンのPolSARデータは、科学的研究に適した形でどのように効果的に収集・アノテートできるか。
• RQ2 異なるセンサーおよび撮影条件において、一貫性があり高品質なピクセルレベルのアノテーションを作成する上で直面する主な課題は何か。
• RQ3 マルチソースPolSARデータセットが、ピクセルレベルの分類およびセグメンテーションモデルの堅牢な評価をどの程度可能にするか。
• RQ4 空間分解能および撮影時刻の違いが、PolSAR分類モデルの性能および一般化能力に与える影響は何か。
• RQ5 オープンアクセスで提供されるアノテート済みPolSARデータセットが、リモートセンシングおよびSAR画像解析分野の研究をどの程度前進させ得るか。

主な発見

• PolSFデータセットには、5つの異なる衛星から得られた5つのPolSAR画像が含まれており、広い時間的スパン（1989–2018）と、2.33mから18mまでの変動する空間分解能をカバーしている。
• 5つのデータセットすべてに対してピクセルレベルのアノテーションが正常に作成され、画像ごとに5〜6クラスの土地被覆カテゴリが含まれている。
• データセットはGitHub経由で公開されており、https://github.com/liuxuvip/PolSF から入手可能で、オープンかつ再現可能な研究を可能にしている。
• パラリRGB分解を用いることで、偏光情報の有効な可視化が実現し、正確なアノテーション作成およびデータ解釈を支援した。
• このデータセットは、単一ソースおよびマルチソースPolSAR画像分類および統合タスクを含む、多様な研究応用をサポートしている。
• 高分解能のGoogle Earth画像を参照として用いることで、手動アノテーションプロセスの正確性と一貫性が向上した。