云檢測是遙感影像處理的重要任務之一。目前遙感影像云檢測中多使用到衛(wèi)星的多光譜、多通道信息,而關于多角度信息對云檢測影響的研究較少。為了探索遙感影像多角度信息作為云特征對訓練云分類網絡精度的影響,提出一種基于深度學習的遙感多角度云檢測方法,以SegNet為基礎網絡結構,提取含有多角度信息的遙感影像的特征表示,訓練含有多角度信息的遙感影像云檢測模型。測試結果表明,所提方法全局精度為91.39%,平均重疊率為83.99%。分析表明單角度云檢測具有一定的局限性,而利用多角度信息作為云特征訓練云分類網絡可以提升云檢測精度。此外,還探索了POLDER儀器中不同角度對于云檢測結果的影響情況。

【文章頁數(shù)】：13 頁

【文章目錄】：
1 引言
2 原理與方法
    2.1 POLDER多角度探測原理和特點
    2.2 Seg Net網絡
3 實驗與討論
    3.1 實驗設置
    3.2 實驗評價指標
    3.3 結果與分析
4 結論



本文編號：3764131