發(fā)布時間：2023-05-22 00:41

　　針對目前大多數(shù)云檢測方法對薄-厚云之分檢測較少以及對云邊界檢測性能不理想、準(zhǔn)確率低等問題,本文通過結(jié)合深度學(xué)習(xí)的優(yōu)勢提出了基于CNN的遙感影像云檢測方案。首先,將GF-1/2和ZY-3圖像進(jìn)行分割制作訓(xùn)練樣本,用深層雙分支卷積神經(jīng)網(wǎng)絡(luò)(CNN)在訓(xùn)練樣本中提取云的多尺度特征;其次,利用改進(jìn)的自適應(yīng)簡單線性迭代聚類方法(ASLIC)將待檢測圖像分割成超像素作為云檢測的子區(qū)域。最后,通過網(wǎng)絡(luò)模型對待檢測子區(qū)域預(yù)測獲得云區(qū)結(jié)果。選取多種高分辨率衛(wèi)星圖像進(jìn)行云檢測試驗,并與單分支網(wǎng)絡(luò)模型、經(jīng)典SLIC方法進(jìn)行對比。結(jié)果表明,該方法可以在不同成像平臺很好地檢測薄-厚云及其整個云區(qū),且整個云區(qū)檢測的平均精度在94%以上。

【文章頁數(shù)】：6 頁

【文章目錄】：
0 引言
1 SLIC算法與改進(jìn)算法
    1.1 SLIC算法基本原理
    1.2 改進(jìn)的ASLIC算法
        1.2.1 權(quán)衡顏色相似性與空間鄰近性比例的參數(shù)m
        1.2.2 超像素數(shù)量N
2 卷積神經(jīng)網(wǎng)絡(luò)
    2.1 CNN模型設(shè)計
    2.2 網(wǎng)絡(luò)訓(xùn)練與測試
3 實驗結(jié)果與分析
    3.1 改進(jìn)的ASLIC方法的有效性
    3.2 不同CNN結(jié)構(gòu)的性能
4 結(jié)束語



本文編號：3821666