A Deep Learning approach to land use classification in high resolution satellite imagery

Abstract

A lo largo de los últimos años ha aumentado el interés y la necesidad de disponer de información de usos y coberturas del territorio fiable y actualizada, siendo numerosos los proyectos de carácter local, nacional e internacional cuyo objetivo es la creación y actualización de bases de datos de usos y ocupación del suelo. En los últimos años se han producido importantes avances tecnológicos en el sector de la teledetección y el tratamiento de imágenes de satélite. En Europa, se ha impulsado la investigación en el ámbito de la observación de la Tierra gracias al programa Copernicus gestionado por la Agencia Espacial Europea (ESA). Este proyecto se encuentra focalizado en la puesta a punto de una metodología para el seguimiento del grado de consolidación en las áreas de suelo en desarrollo urbano de las ciudades. Para tales fines se ha optado por segmentar semánticamente imágenes satelitales del programa Copernicus mediante la aplicación de innovadoras técnicas de Deep Learning. Los resultados obtenidos han sido comparados a los obtenidos mediante un proceso semiautomático, realizado por profesionales de teledetección.

Over the last few years, the interest and the need for reliable up-to-date land use and land cover information has increased. Therefore, a plethora of local, national and international projects have appeared aiming to create and update land use and land cover databases. In recent years there have been ground-breaking technological advances in the field of remote sensing and satellite imagery processing. In Europe, research in the field of Earth observation has been boosted by the Copernicus programme managed by the European Space Agency (ESA). This project is focused on the development of a methodology for monitoring the degree of land consolidation in developing urban areas. To this end, we have chosen to segment Copernicus satellite images semantically through the application of cutting-edge Deep Learning techniques. The results obtained have been compared to those procured by a semi-automatic process, carried out by remote sensing professionals.