elib
DLR-Header
DLR-Logo -> http://www.dlr.de
DLR Portal Home | Impressum | Datenschutz | Kontakt | English
Schriftgröße: [-] Text [+]

TanDEM-X Forest Mapping using Convolutional Neural Networks

Mazza, Antonio und Sica, Francescopaolo und Rizzoli, Paola und Scarpa, Giuseppe (2019) TanDEM-X Forest Mapping using Convolutional Neural Networks. Remote Sensing, 11 (2980). Multidisciplinary Digital Publishing Institute (MDPI). doi: 10.3390/rs11242980. ISSN 2072-4292.

[img] PDF - Verlagsversion (veröffentlichte Fassung)
10MB

Offizielle URL: https://www.mdpi.com/2072-4292/11/24/2980

Kurzfassung

In this work we face the problem of forest mapping from TanDEM-X data by means of Convolutional Neural Networks (CNNs). Our study aims to highlight the relevance of domain-related features for the extraction of the information of interest, thanks to their joint nonlinear processing through CNN. In particular, we focus on the main InSAR features as the backscatter, coherence, and volume decorrelation, as well as the acquisition geometry through the local incidence angle. By using different state-of-the-art CNN architectures, our experiments consistently demonstrate the great potential of deep learning in data fusion for information extraction in the context of synthetic aperture radar signal processing, and specifically for the task of forest mapping from TanDEM-X images. We compare three state-of-the-art CNN architectures, such as ResNet, DenseNet, and U-Net, obtaining a large performance gain over the baseline approach for all of them, with the U-Net solution being the most effective one.

elib-URL des Eintrags:https://elib.dlr.de/132719/
Dokumentart:Zeitschriftenbeitrag
Titel:TanDEM-X Forest Mapping using Convolutional Neural Networks
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Mazza, AntonioUniversity of Naples Federico IINICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Sica, FrancescopaoloFrancescopaolo.Sica (at) dlr.dehttps://orcid.org/0000-0003-1593-1492NICHT SPEZIFIZIERT
Rizzoli, PaolaPaola.Rizzoli (at) dlr.dehttps://orcid.org/0000-0001-9118-2732NICHT SPEZIFIZIERT
Scarpa, Giuseppegiuseppe.scarpa (at) unina.itNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Datum:12 Dezember 2019
Erschienen in:Remote Sensing
Referierte Publikation:Ja
Open Access:Ja
Gold Open Access:Ja
In SCOPUS:Ja
In ISI Web of Science:Ja
Band:11
DOI:10.3390/rs11242980
Verlag:Multidisciplinary Digital Publishing Institute (MDPI)
ISSN:2072-4292
Status:veröffentlicht
Stichwörter:Synthetic aperture radar, digital elevation model, image segmentation, forest classification, target detection, Convolutional Neural Network, data fusion
HGF - Forschungsbereich:Luftfahrt, Raumfahrt und Verkehr
HGF - Programm:Raumfahrt
HGF - Programmthema:Erdbeobachtung
DLR - Schwerpunkt:Raumfahrt
DLR - Forschungsgebiet:R EO - Erdbeobachtung
DLR - Teilgebiet (Projekt, Vorhaben):R - Projekt TanDEM-X (alt)
Standort: Oberpfaffenhofen
Institute & Einrichtungen:Institut für Hochfrequenztechnik und Radarsysteme
Hinterlegt von: Sica, Dr. Francescopaolo
Hinterlegt am:12 Dez 2019 16:57
Letzte Änderung:14 Dez 2019 04:27

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags

Blättern
Suchen
Hilfe & Kontakt
Informationen
electronic library verwendet EPrints 3.3.12
Gestaltung Webseite und Datenbank: Copyright © Deutsches Zentrum für Luft- und Raumfahrt (DLR). Alle Rechte vorbehalten.