Die satellitengestützte Bathymetrie (SDB) basierend auf multispektralen Bilddaten ist ein entscheidendes Werkzeug zur Bestimmung der Wassertiefe in flachen Wasserregionen. Traditionelle SDB-Modelle stützen sich hauptsächlich auf bekannte Gesetze, die die exponentielle Abschwächung von Licht mit der zurückgelegten Weglänge verbinden. In den letzten Jahren haben sich tiefe Computer Vision-Modelle als wertvolle neue Technologien zur Messung der Bathymetrie erwiesen. Aufgrund der Black-Box-Natur dieser tiefen Modelle können sie jedoch Bathymetrieergebnisse erzeugen, die inkonsistent mit physikalischen Gesetzen sind und eine begrenzte Generalisierbarkeit über verschiedene Gebiete aufweisen. In diesem Papier schlagen wir eine neuartige hybride Architektur, HybridBathNet, vor, die UNet (zur Extraktion räumlicher und spektraler Merkmale) mit einem physikalischen Bathymetrienetzwerk (zur Gewährleistung physikalischer Beziehungen) integriert. Durch die direkte Einbettung physikalischer Einschränkungen in die Modellarchitektur erreicht HybridBathNet eine verbesserte Bathymetrie-Inversionsgenauigkeit und bleibt dabei konsistent mit etablierten optischen Abschwächungsgesetzen. Experimentelle Ergebnisse zeigen, dass das vorgeschlagene Modell hochwertige bathymetrische Schätzungen in verschiedenen Inselregionen liefert. Vergleichende Bewertungen mit modernen Methoden bestätigen zudem die überlegene Genauigkeit und Generalisierungsfähigkeit von HybridBathNet. Der Code von HybridBathNet ist verfügbar unter https://github.com/qiushibupt/HybridBathNet.
Qian et al. (Di,) haben diese Frage untersucht.