卫星图像中火山活动异常检测

May, 2024

Anomaly detection for the identification of volcanic unrest in satellite imagery

Robert Gabriel Popescu, Nantheera Anantrasirichai, Juliet Biggs

TL;DR该研究探索了使用无监督深度学习在卫星数据中识别火山变形作为异常的方法，利用 Patch Distribution Modeling (PaDiM) 模型并通过加权距离增强检测性能，同时还提出了预处理方法来处理噪声和不完整数据点。最终使用五座具有不同变形特征的火山进行测试，并与监督学习方法进行了性能比较。

Abstract

satellite images have the potential to detect volcanic deformation prior to eruptions, but while a vast number of images are routinely acquired, only a small percentage contain →

satellite images volcanic deformation unsupervised deep learning patch distribution modeling supervised learning method

发现论文，激发创造

使用扩散模型进行卫星视频异常检测

本研究提出了一种扩散模型来检测高频率数据中的快速异常，该模型不需要任何运动组件，优于其他基准方法，可用于卫星数据分析中。

May, 2023

基于异常检测的高分辨率卫星影像烧毁区提取

利用卫星图像进行野火检测是遥感领域中广泛研究的任务，最近，深度学习方法已成为自动化此任务的可扩展解决方案，尤其是在无监督学习领域，其中没有训练数据可用。本文以矢量量化变分自动编码器 (VQ-VAE) 作为框架，通过离散潜在空间执行无监督的烧伤区域提取，并将其与专用的植被、水和亮度指数进行深度融合，实验结果显示了该技术在未来无监督烧伤区域提取研究中具有很高的潜力。

Aug, 2023

基于深度学习的图像补全进行异常检测

通过使用一类无监督学习方法，使用深度卷积神经网络进行图像完成，以完成缺件区域的图像，并使用像素重建误差进行异常检测的方法，有效用于检测表面装饰塑料零件的显著异常，并且此方法优于其他测试方法。

Nov, 2018

应用卷积神经网络检测 InSAR 时间序列中的慢速持续变形

本文探讨卷积神经网络在探测卫星 InSAR 图像中缓慢、持续变形中的应用，并提出用于组合不同封套参数结果的均值滤波方法。在 Campi Flegrei 和 Dallol 测试中，检测到了分别为 8.5cm/yr 和 3.5cm/yr 的变形。

Sep, 2019

基于 Pix2Pix 的人工智能火山灰划定

利用 Pix2Pix 模型，通过多光谱卫星图像生成黑白灰云图像，为准确划定灰云提供了一种有效且可应用于全球各地的管理风险工具。

Jul, 2023

无监督异常定位在工业图像中的应用：一个调研

本文对深度学习下工业图像无监督异常定位的近期研究成果进行了综述与分析，包括各种概念、挑战、分类、基准数据集及量化性能比较，并提供了未来研究方向的预测和分析。