[發(fā)明專利]一種基于深度卷積神經網(wǎng)絡的遙感圖像云層檢測方法

有效

• 申請?zhí)枺?/td>: 202011342358.4
• 申請日: 2020-11-25
• 公開（公告）號: CN112749621B
• 公開（公告）日: 2023-06-13
• 發(fā)明（設計）人: 傅莘莘;何一凡;杜曉鳳;滿旺
• 申請（專利權）人: 廈門理工學院
• 主分類號: G06V20/13
• 分類號: G06V20/13;G06V10/26;G06V20/70;G06V10/40;G06V10/56;G06V10/764;G06V10/82;G06N3/0464;G06N3/0455;G06N3/048;G06N3/084
• 代理公司: 廈門市首創(chuàng)君合專利事務所有限公司 35204
• 代理人: 張松亭;林燕玲

一種基于深度卷積神經網(wǎng)絡的遙感圖像云層檢測方法，首先需要獲得衛(wèi)星圖像的多個波段圖，其中必要的是衛(wèi)星遙感圖像中的自然真彩色圖像(RGB)、近光紅外波段(Nir)以及云層掩模圖作為訓練集和測試集對深度卷積神經網(wǎng)絡模型進行訓練和測試，采用測試通過后的深度卷積神經網(wǎng)絡模型實現(xiàn)遙感圖像云層檢測。這種基于深度學習對云層進行檢測的方法擁有檢測速度快，精準度高并且可以快速遷移適應不同衛(wèi)星型號的特點。

技術領域

本發(fā)明涉及遙感圖像云層檢測償領域，特別是指一種基于深度卷積神經網(wǎng)絡的遙感圖像云層檢測方法。

背景技術

云層檢測是遙感圖像檢測的必要前提條件。按照目前的技術水平來說，識別云層的方法主要是基于閾值分割的，所以在遙感圖中同時出現(xiàn)雪、海洋以及云層的情況中，不能獲得一個精準的劃分效果。在遙感圖像處理的過程中，云層檢測是分析遙感圖像和衛(wèi)星圖像的一個重要步驟。一方面，從時間、傳輸和存儲來看，從衛(wèi)星空間站向地面站臺傳輸遙感圖像是一個費時費力的過程，另一方面從地球的表面在任何時刻都有超過三分之二的云層覆蓋比例，因此探測一張區(qū)域圖像的上空是否有云層覆蓋，對于得到該區(qū)域的大氣參數(shù)是至關重要的，所以我們需要考慮一個高效，準確的算法去除云層。

近年來，許多云層檢測的方法被提出，主要可以被分為以下的幾種。一種是Z.Zhuand?C.Woodcock等人提出的FMask(“Object-based?cloud?and?cloud?shadow?detectionin?landsat?imagery,”Remote?Sens.of?Env.,vol.118,pp.8394,2012.)方法，F(xiàn)Mask是一種被廣泛使用的基于閾值分割云層語義的方法，基本思路是對光譜特性采取一系列的測試，并獲得一個最佳云層分割閾值，并由此來獲得遙感圖像中潛在的云像素層并且使用形態(tài)學變換中的填充變換，并結合散射相關計算得到潛在的云陰影層，在獲得兩者之后在使用面向對象的方法完成云匹配。另一種方法的代表是基于深度學習語義分割的云檢測方法，Mehta?R,Arbel?T等人提出的Rs-Net模型(RS-Net:Regression-Segmentation?3D?CNNfor?Synthesis?of?Full?Resolution?Missing?Brain?MRI?in?the?Presence?of?Tumours[J].2018.)借鑒了U-Net(O.Ronneberger,P.Fischer,and?T.Brox,“U-Net:Convolutionalnetworks?for?biomedical?image?segmentation,”CoRR,2015.)語義分割模型的實現(xiàn)減少了網(wǎng)絡的深度，并在其中添加了L2正規(guī)化層、批量歸一化層去避免過擬合的情況和加快訓練速度并減少對圖像預處理的要求，以及在結構的最后添加一個剪裁層去去除訓練圖像最外圍對訓練幫助不大的區(qū)域來防止對網(wǎng)絡的訓練產生錯誤的影響。Mohajerani?S,SaeediP等人提出的Cloud-Net模型(Cloud-Net:An?End-To-End?Cloud?Detection?Algorithmfor?Landsat?8Imagery[C]//IGARSS?2019-2019IEEE?International?Geoscience?andRemote?Sensing?Symposium.IEEE,2019.)各個層級充分運用了卷積層提取的特征來獲得更加精準的結果。

發(fā)明內容

本發(fā)明的主要目的在于克服現(xiàn)有技術中的上述缺陷，提出一種基于深度卷積神經網(wǎng)絡的遙感圖像云層檢測方法，檢測速度快，精準度高并且可以快速遷移適應不同衛(wèi)星型號的特點。

本發(fā)明采用如下技術方案：

一種基于深度卷積神經網(wǎng)絡的遙感圖像云層檢測方法，其特征在于，包括如下步驟：

1)從數(shù)據(jù)庫中獲取衛(wèi)星遙感圖像，進行處理后分為訓練集和測試集；

2)構建深度卷積神經網(wǎng)絡模型，將訓練集輸入該深度卷積神經網(wǎng)絡模型進行訓練；

3)將測試集輸入訓練好的深度卷積神經網(wǎng)絡模型進行測試，得到模型的性能和準確度評估；