基于改进M型卷积网络的RGB彩色遥感图像云检测 
下载： 1097次
Cloud Detection of RGB Color Remote Sensing Images Based on Improved M-Net
1 南京信息工程大学江苏省大气环境与装备技术协同创新中心, 江苏 南京 210044
2 南京信息工程大学电子与信息工程学院, 江苏 南京 210044
3 中国气象局中国遥感卫星辐射测量和定标重点开放实验室 国家卫星气象中心, 北京 100081
图 & 表
图 1. 卷积单元与残差单元。(a)前向传播卷积单元;(b)残差单元
Fig. 1. Convolution unit and residual unit. (a) Forward propagation convolution unit; (b) residual unit
下载图片 查看原文
图 2. RM-Net网络结构
Fig. 2. RM-Net network structure
下载图片 查看原文
图 3. DDCN网络结构
Fig. 3. DDCN network structure
下载图片 查看原文
图 4. 数据集增强。(a)原图;(b)水平翻转;(c)垂直翻转;(d) 水平垂直翻转;(e)饱和度调整;(f)亮度调整;(g)颜色调整;(h)加噪
Fig. 4. Dataset enhancement. (a) Original image; (b) horizontal flip; (c) vertical flip; (d) horizontal and vertical flips; (e) saturation adjustment; (f) brightness adjustment; (g) color adjustment; (h) add noise
下载图片 查看原文
图 5. Overall accuracy曲线
Fig. 5. Overall accuracy curves
下载图片 查看原文
图 6. 6种方法对Landsat8图像云检测结果视觉对比
Fig. 6. Visual comparison of Landsat8 image cloud detection results obtained by six methods
下载图片 查看原文
图 7. 6种方法对高分1号WFV图像云检测结果视觉对比
Fig. 7. Visual comparison of GaoFen-1 WFV image cloud detection results obtained by six methods
下载图片 查看原文
图 8. 云和云阴影检测结果
Fig. 8. Detection results of cloud and cloud shadow
下载图片 查看原文
表 16种方法对Landsat8图像云检测结果的定量比较
Table1. Quantitative comparison of Landsat8 image cloud detection results obtained by six methods
| Method | PPrecision | RRecall | AAccuracy | F1score |
|---|
| k-means | 0.8366 | 0.6585 | 0.8396 | 0.7369 | | CNN+SP | 0.8605 | 0.9025 | 0.9064 | 0.8704 | | FCN2s | 0.9293 | 0.8734 | 0.9243 | 0.9005 | | M-Net | 0.9432 | 0.9091 | 0.9673 | 0.9258 | | DDCN | 0.9322 | 0.9283 | 0.9728 | 0.9302 | | RM-Net | 0.9334 | 0.9509 | 0.9816 | 0.9418 |
|
查看原文
表 26种方法对高分1号WFV图像云检测结果的定量比较
Table2. Quantitative comparison of GaoFen-1 WFV image cloud detection results obtained by six methods
| Method | PPrecision | RRecall | AAccuracy | F1score |
|---|
| k-means | 0.7499 | 0.7154 | 0.8356 | 0.7322 | | CNN+SP | 0. 8413 | 0.8635 | 0.8914 | 0.8523 | | FCN2s | 0.9019 | 0.8935 | 0.9238 | 0.8976 | | M-Net | 0.9307 | 0.9039 | 0.9590 | 0.9132 | | DDCN | 0.9316 | 0.9273 | 0.9654 | 0.9294 | | RM-Net | 0.9265 | 0.9353 | 0.9762 | 0.9309 |
|
查看原文
表 3云与云阴影检测结果定量比较
Table3. Quantitative comparison of detection results of cloud and cloud shadow
| Method | P'Precision | R'Recall | A'Accuracy | F'1score |
|---|
| DDCN | 0.7734 | 0.7116 | 0.9356 | 0.7412 | | RM-Net | 0.8657 | 0.7942 | 0.9703 | 0.8284 |
|
查看原文
胡敬锋, 张秀再, 杨昌军. 基于改进M型卷积网络的RGB彩色遥感图像云检测[J]. 激光与光电子学进展, 2019, 56(16): 162804. Jingfeng Hu, Xiuzai Zhang, Changjun Yang. Cloud Detection of RGB Color Remote Sensing Images Based on Improved M-Net[J]. Laser & Optoelectronics Progress, 2019, 56(16): 162804.
PDF全文
