1 辽宁工程技术大学测绘与地理科学学院, 辽宁 阜新 123000
2 国家测绘地理信息局卫星测绘应用中心, 北京 100048
为提高影像云识别精度,提出一种多尺度膨胀卷积深层神经网络云识别方法。结合卫星影像特征,设计云识别卷积神经网络结构,该结构包含深层特征编码模块、局部多尺度膨胀感知模块以及云区预测解码模块。首先,编码模块中通过基础卷积层获取深度特征;其次,联合多尺度膨胀卷积和池化层共同感知,每层操作连接非线性函数,以提升网络模型的表达能力;最后,云区预测解码模块中融合对应编码模块的特征,再利用L1正则化上采样算法实现端对端的像素级云识别结果。选用典型云遮挡区域影像进行云识别实验,并与Otsu算法和FCN-8S算法进行对比。结果表明,本文所提算法的检测精度较高,Kappa系数显著提升。
遥感 神经网络 膨胀卷积 云识别 资源三号卫星影像 全卷积网络
1 辽宁工程技术大学测绘与地理科学学院, 辽宁 阜新123000
2 国家测绘工程技术研究中心, 北京100039
3 南京大学地理与海洋科学学院, 江苏 南京210023
4 国家测绘地理信息局卫星测绘应用中心, 北京 100048
针对资源三号卫星影像波段少、光谱范围受限的特点,提出了基于深度学习的资源三号卫星遥感影像的云检测方法。首先,采用主成分分析非监督预训练网络结构,获得了待测遥感影像特征;其次,为减少在池化过程中影像特征信息的丢失,提出自适应池化模型,该模型能很好地挖掘影像特征信息;最后,将影像特征输入支持向量机分类器进行分类,获得了云检测结果。选取典型区域进行云检测实验,并与传统Otsu方法进行对比。结果表明:所提方法的检测精度高,且不受光谱范围的限制,可用于资源三号卫星多光谱影像和全色影像的云检测。
遥感 云检测 深度学习算法 主成分变换 资源三号卫星影像