[發(fā)明專利]一種基于高分辨率遙感影像的自動(dòng)云檢測方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202110832284.0
• 申請(qǐng)日: 2021-07-22
• 公開（公告）號(hào): CN113421258A
• 公開（公告）日: 2021-09-21
• 發(fā)明（設(shè)計(jì)）人: 張華;王志盼;李志飛;羅青青;張佳棟;覃慧;樊香;劉歡
• 申請(qǐng)（專利權(quán)）人: 湖南星圖空間信息技術(shù)有限公司
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 湖南正則奇美專利代理事務(wù)所(普通合伙) 43105
• 代理人: 肖琦

1.一種基于高分辨率遙感影像的自動(dòng)云檢測方法，其特征在于，包括：

從數(shù)據(jù)庫中獲取高分辨衛(wèi)星的影像數(shù)據(jù)，對(duì)影像數(shù)據(jù)進(jìn)行標(biāo)記，獲取訓(xùn)練數(shù)據(jù)；其中，所述訓(xùn)練數(shù)據(jù)包括訓(xùn)練集和測試集；

構(gòu)建人工智能模型；構(gòu)建的所述人工智能模型包括通信息提取層；其中，所述人工智能模型至少包括U-Net神經(jīng)網(wǎng)絡(luò)；

通過訓(xùn)練數(shù)據(jù)對(duì)人工智能模型進(jìn)行訓(xùn)練和測試，將完成訓(xùn)練和測試的人工智能模型標(biāo)記為云層分割模型；

將待處理影像輸入至云層分割模型，獲取云層檢測結(jié)果。

2.根據(jù)權(quán)利要求1所述的一種基于高分辨率遙感影像的自動(dòng)云檢測方法，其特征在于，所述信息提取層包括通道注意力模塊和空間注意力模塊。

3.根據(jù)權(quán)利要求2所述的一種基于高分辨率遙感影像的自動(dòng)云檢測方法，其特征在于，所述通道注意力模塊的工作步驟具體包括：

獲取特征圖A1，將特征圖A1進(jìn)行重采樣獲取特征圖A2，對(duì)特征圖A2進(jìn)行轉(zhuǎn)置處理獲取特征圖A3；

將特征圖A2和特征圖A3通過矩陣乘法相乘，將相乘結(jié)果經(jīng)過概率化處理后標(biāo)記為通道注意力圖T；其中，所述概率化處理的實(shí)現(xiàn)方法包括softmax函數(shù)；

將通道注意力圖T與特征圖A1通過矩陣乘法相乘后再乘以尺度因子，經(jīng)過重采樣后獲取特征圖A4，將特征圖A4與特征圖A1相加獲取輸出矩陣E1；其中，特征圖A1和特征圖A4的分辨率相同。

4.根據(jù)權(quán)利要求3所述的一種基于高分辨率遙感影像的自動(dòng)云檢測方法，其特征在于，對(duì)所述通道注意力圖T中的每個(gè)元素有：；其中，表示位置i對(duì)位置j的影響，為尺度因子，且初始化為0，并通過逐漸學(xué)習(xí)分配更大的權(quán)重，為通道注意力圖T的行數(shù)或者列數(shù)，和為特征圖A1中的元素。

5.根據(jù)權(quán)利要求3所述的一種基于高分辨率遙感影像的自動(dòng)云檢測方法，其特征在于，對(duì)所述輸出矩陣E1中的每個(gè)元素有：表示特征圖E1中的元素。

6.根據(jù)權(quán)利要求2所述的一種基于高分辨率遙感影像的自動(dòng)云檢測方法，其特征在于，所述空間注意力模塊的工作步驟具體包括：

將輸出矩陣E1經(jīng)過三個(gè)卷積層獲取三個(gè)特征圖，分別標(biāo)記為B、C、D；將特征圖C和特征圖B的轉(zhuǎn)置相乘，再通過概率化處理獲得空間注意圖S；將特征圖D與空間注意力圖S的轉(zhuǎn)置相乘，經(jīng)過重采樣之后與特征圖E1相加得到輸出矩陣B。

7.根據(jù)權(quán)利要求6所述的一種基于高分辨率遙感影像的自動(dòng)云檢測方法，其特征在于，對(duì)所述空間注意力圖S中的每個(gè)元素有：其中，表示位置i對(duì)位置j的影響，和分別為B和C中的元素。

8.根據(jù)權(quán)利要求6所述的一種基于高分辨率遙感影像的自動(dòng)云檢測方法，其特征在于，對(duì)所述輸出矩陣B中的每個(gè)元素有：其中，為尺度因子，且大于0，為D中的元素，為輸出矩陣E1中的元素。