[發明專利]一種基于深度神經網絡的三線陣影像云檢測方法及裝置

在審

• 申請號: 201911256302.4
• 申請日: 2019-12-10
• 公開（公告）號: CN111062917A
• 公開（公告）日: 2020-04-24
• 發明（設計）人: 范曉敏;折曉宇;王一;何曉寧;白曉輝;趙瑩芝;魏彥銘
• 申請（專利權）人: 西安中科星圖空間數據技術有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06N3/04;G06N3/08
• 代理公司: 北京眾達德權知識產權代理有限公司 11570
• 代理人: 劉杰

本發明公開了一種基于深度神經網絡的三線陣影像云檢測方法及裝置，涉及衛星影像檢測技術領域，所述方法包括：獲得原始影像數據集，其中，所述原始影像數據集為含云影像數據；對所述原始影像數據集進行圖像預處理，生成訓練樣本集和測試樣本集；根據三線陣影像中云層特征信息，構建神經網絡模型；根據所述訓練樣本集，訓練所述神經網絡模型；將所述測試樣本集輸入到訓練后的神經網絡模型中，獲得預測影像；根據所述預測影像，判斷檢測結果是否有云。基于深度神經網絡學習，達到了有效識別三線陣影像中的云層信息，能夠有效區分云雪，降低云檢測失誤率，提高云檢測精度和效率的技術效果。

技術領域

本發明涉及衛星影像檢測技術領域，尤其涉及一種基于深度神經網絡的三線陣影像云檢測方法及裝置。

背景技術

隨著我國對地觀測系統的不斷完善，影像獲取數量呈指數級增長，衛星影像已被廣泛應用于地理信息提取、變化檢測、防災減災等領域。然而在實際應用中也存在諸多問題，其中，云層覆蓋對影像質量影響最大，往往導致后續衛星影像處理過程失敗，因為云遮擋往往給影像匹配、光學影像DSM提取造成諸多不利。近年來，國內外許多學者都對衛星影像進行過云檢測研究，大多以高/多光譜影像數據進行處理，這類影像光譜信息豐富，通過不同波段間的組合就能夠對影像中的云層進行較為精確的提取。

但本申請發明人在實現本發明實施例中技術方案的過程中，發現上述現有技術至少存在如下技術問題：

現有技術中由于天繪衛星三線陣影像波段信息較少(只有一個波段)且光譜范圍受限，從而造成無法獲得可靠云檢測結果的技術問題。

發明內容

本發明實施例通過提供一種基于深度神經網絡的三線陣影像云檢測方法及裝置，用以解決現有技術中由于天繪衛星三線陣影像波段信息較少(只有一個波段)且光譜范圍受限，從而造成無法獲得可靠云檢測結果的技術問題?；谏疃壬窠浘W絡學習，達到了有效識別三線陣影像中的云層信息，能夠有效區分云雪，降低云檢測失誤率，提高云檢測精度和效率的技術效果。

鑒于上述問題，本發明實施例提供了一種基于深度神經網絡的三線陣影像云檢測方法及裝置。

第一方面，本發明提供了一種基于深度神經網絡的三線陣影像云檢測方法，所述方法包括：獲得原始影像數據集，其中，所述原始影像數據集為含云影像數據；對所述原始影像數據集進行圖像預處理，生成訓練樣本集和測試樣本集；根據三線陣影像中云層特征信息，構建神經網絡模型；根據所述訓練樣本集，訓練所述神經網絡模型；將所述測試樣本集輸入到訓練后的神經網絡模型中，獲得預測影像；根據所述預測影像，判斷檢測結果是否有云。

優選的，所述方法還包括：將所述預測影像與所述測試樣本集中的真實影像進行對比，驗證所述訓練后的神經網絡模型的檢測效果。

優選的，所述原始影像數據集為天繪一號衛星影像中的三線陣影像，其中，所述三線陣影像包括前視、下視和后視影像。

優選的，所述對所述原始影像數據集進行圖像預處理，生成訓練樣本集和測試樣本集，包括：利用標注工具在所述原始影像上對云進行標注，生成云標簽影像；將所述原始影像和所述云標簽影像同步裁剪為若干個相同大小的子圖；從裁剪后的所述原始影像和所述云標簽影像中隨機選取80％的影像作為訓練樣本集；從裁剪后的所述原始影像和所述云標簽影像中隨機選取20％的影像作為測試樣本集。

優選的，所述根據三線陣影像中云層特征信息，構建神經網絡模型，包括：所述神經網絡模型包括八層：前四層為卷積層、中間三層為反卷積層及最后一層為卷積層；其中，所述卷積層采用3x3的濾波器，步長為2；所述反卷積層采用3x3的濾波器。