给定卫星图像，通过机器学习即可创建地面图像

AiTechYun

编辑：chux

达芬奇曾创作的绘画展示了意大利某些地区的鸟瞰图，其细节水平在摄影和飞行机器发明之前是不可能实现的。实际上，许多评论家都想知道他如何想象这些细节。但现在研究人员正在研究逆向问题：给定地球表面的卫星图像，该区域从地面看起来是什么样的？这样一个人造图像有多清楚？

加州大学默塞德分校的Xueqing Deng及其同事进行了研究，他们训练了机器学习算法，只需通过查看上面的卫星图片就可以创建地面图像。

该技术基于生成对抗网络。这包括两个称为生成器和鉴别器的神经网络。

生成器创建图像，鉴别器根据某些学习标准进行评估，例如它们与长颈鹿有多接近。通过使用鉴别器的输出，生成器逐渐学会产生看起来像长颈鹿的图像。

在这种情况下，Deng和合作人员使用地面的真实图像以及该位置的卫星图像训练鉴别器。因此，它学习如何将地平面图像与其俯视图相关联。

当然，数据集的质量很重要。该团队将LCM2015地面覆盖图用作地面实况，该地图为整个英国提供了一公里分辨率的土地。然而，该团队将数据限制在71×71公里的网格中，包括伦敦和周围的乡村。对于此网格中的每个位置，他们从名为Geograph的在线数据库下载了地面视图。

然后，该团队使用16,000对俯瞰图和地面图像训练鉴别器。

下一步是开始生成地面图像。发电机输入了一组4,000个特定位置的卫星图像，并且必须使用来自鉴别器的反馈为每个发生器创建地平面视图。该团队使用4,000个顶部图像对系统进行了测试，并将其与地面实况图像进行了比较。

结果很有趣。如果质量相对较低，网络会根据俯视图像生成合理的图像。生成的图像捕获地面的基本特征，例如它是否显示道路，土地是农村还是城市等等。Deng表示，“生成的地面图像看起来很自然，尽管如预期的那样，它们缺乏真实图像的细节，”

这是一个巧妙的技巧，但它有多大用处？地理学家的一项重要任务是根据土地的用途对土地进行分类，例如土地还是城市。

地面图像是这方面的关键。然而，现有的数据库往往是欠缺的，特别是在农村地区，所以地理学家必须在图像之间进行插值，这一过程比猜测的要好得多。

现在生成对抗网络提供了一种全新的土地利用方式。当地理学家想要知道任何位置的地平面视图时，他们可以简单地使用基于卫星图像的神经网络创建视图。

Deng甚至比较了两种方法：插值与图像生成。这种新技术73％正确地确定了土地利用，而插值方法正确率为65％。

这项有趣的工作可以让地理学家的生活更轻松。但研究团队有更大的抱负。他们希望改进图像生成过程，以便将来在地面图像中产生更多细节。

参考论文：arxivorg/abs/1806.05129