La légende des ombres au sol est coûteuse et difficile à couvrir de manière exhaustive les informations riches contenues dans les images de télédétection à haute résolution. Le manque d'échantillons d'entraînement limite considérablement les performances des modèles d'apprentissage supervisé. Face aux problèmes susmentionnés, cet article propose une méthode de détection des ombres au sol sur les images de télédétection à haute résolution basée sur l'information préalable sur la direction des ombres. Cette méthode explore l'efficacité de l'information préalable sur la direction des ombres pour l'expression des caractéristiques sémantiques avancées des ombres au sol sur les images de télédétection, et elle a construit une tâche auxiliaire de détection des ombres au sol sur les images de télédétection basée sur cette information de direction, réalisant ainsi une méthode de détection des ombres au sol en auto-surveillance. Cet article a conçu un mécanisme de traitement du bruit indépendant des variations de direction et une stratégie d'augmentation des données pour la détection des ombres en auto-surveillance, améliorant ainsi la capacité des réseaux neuronaux profonds à apprendre les caractéristiques clés des ombres au sol. Les résultats expérimentaux sur l'ensemble de données AISD montrent que cette méthode améliore considérablement la précision de la détection des ombres au sol en utilisant seulement un petit nombre d'étiquettes, et que les limites des ombres au sol sont plus lisses et régulières, plus proches de la réalité sur le terrain.

Détection des ombres; Auto-apprentissage supervisé; Augmentation des données; Information préalable sur la direction des ombres; Images de télédétection à haute résolution