Die Beschriftung von Bodenschattenobjekten ist teuer und schwierig, um die reichhaltigen Informationen in hochauflösenden Fernerkundungsbildern umfassend zu erfassen. Der Mangel an Trainingsbeispielen schränkt die Leistung von überwachten Lernmodellen erheblich ein. Zur Lösung der oben genannten Probleme schlägt dieser Artikel eine Methode zur Erkennung von Bodenschattenobjekten in hochauflösenden Fernerkundungsbildern basierend auf Vorwissen über die Schattendirektion vor. Diese Methode untersucht die Wirksamkeit des Vorwissens über die Schattendirektion zur Darstellung fortgeschrittener semantischer Merkmale von Bodenschattenobjekten in Fernerkundungsbildern und konstruiert eine Hilfsaufgabe zur Erkennung von Bodenschattenobjekten in Fernerkundungsbildern basierend auf dieser Richtlinieninformation, um so eine selbstüberwachte Methode zur Erkennung von Bodenschattenobjekten zu realisieren. In diesem Artikel wurde ein Mechanismus zur Rauschverarbeitung unabhängig von Richtungsänderungen und eine Datenverstärkungsstrategie für die selbstüberwachte Schattenerkennung entwickelt, um die Fähigkeit tiefer neuronaler Netze zur Erfassung der Schlüsselmerkmale von Bodenschatten zu verbessern. Die experimentellen Ergebnisse auf dem AISD-Datensatz zeigen, dass diese Methode die Genauigkeit der Bodenschattenerkennung erheblich verbessert, und dass die Grenzen der Bodenschattenobjekte glatter und regelmäßiger sind und näher an der realen Geländesituation liegen, auch wenn nur eine geringe Anzahl von Etiketten verwendet wird.

Schattenerkennung; Selbstüberwachtes Lernen; Datenaugmentierung; Vorwissen über die Schattendirektion; Hochauflösende Fernerkundungsbilder