基于深度残差全卷积网络的Landsat8遥感影像云检测方法

摘要：

为了实现定量化应用目标,高精度的云层检测已成为遥感数据预处理的关键步骤之一.然而,传统的云检测方法存在特征复杂、算法步骤多、鲁棒性差,且无法将高级特征和低级特征相结合的缺陷,检测效果一般.针对以上问题,提出了一种基于深度残差全卷积网络的高精度云检测方法,能够实现对遥感影像云层目标像素级别的分割.首先,编码器通过残差模块的不断降采样提取图像深层特征;然后,应用双线性插值进行上采样,结合多层次编码后的图像特征完成解码;最后,将解码后的特征图与输入图像融合后再次进行卷积,实现端到端的云检测.实验结果表明,对于Landsat 8云检测数据集,所提方法的像素精度达到93.33％,比原版U-Net提高了2.29％,比传统Otsu方法提高了7.78％.该方法可以为云层目标智能化检测研究提供有益参考.

关键词：遥感、云检测、深度学习、语义分割、全卷积网络、残差网络

所属期刊栏目：57

分类号：P237(摄影测量学与测绘遥感)

资助基金：中组部万人计划;国家自然科学基金

在线出版日期：2020-07-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：356-363