一种基于深度学习的遥感图像云识别方法技术

本发明专利技术公开了一种基于深度学习的遥感图像云识别方法，该方法包括：遥感云图像的自动获取，将遥感图像制作成训练集并扩大现有训练集，以及训练集中标签的制作；构造基于SegNet神经网络结构的、具有多尺度卷积核的、高度对称的，并且最后使用反卷积层对特征图进行还原的深度卷积神经网络；在网络训练时防止过拟合、欠拟合和梯度消失问题，采用分段训练的方法；在训练完成后，利用所得到权值文件进行遥感图像的特征提取，并将其在像素级别上进行云检测。本发明专利技术的遥感图像云识别深度卷积神经网络利用多尺度卷积和高度对称性提高了检索的准确性。

A Cloud Recognition Method for Remote Sensing Images Based on Deep Learning

The invention discloses a remote sensing image cloud recognition method based on depth learning, which includes: automatic acquisition of remote sensing cloud images, making remote sensing images into training sets and expanding existing training sets, and making training set labels; constructing a highly symmetrical multi-scale convolution core based on egNet neural network structure, and finally using deconvolution layer for special purpose. The deep convolution neural network is used to restore feature maps; the problem of over-fitting, under-fitting and gradient disappearance is prevented in network training, and the segmentation training method is adopted; after training, the obtained weight files are used to extract features of remote sensing images, and cloud detection is carried out at the pixel level. The remote sensing image cloud recognition depth convolution neural network of the invention improves the retrieval accuracy by using multi-scale convolution and high symmetry.

【技术实现步骤摘要】
一种基于深度学习的遥感图像云识别方法
本专利技术涉及图像识别
，具体涉及一种基于深度学习的遥感图像云识别方法。
技术介绍
通过对遥感图像的处理和分析，遥感图像已经在农业林业管理、地质矿产预测、自然环境检测、天气预报等方面都有着广泛的应用。然而，地球的上空中超过了50％的区域被大量的云层覆盖，这导致了遥感图像中的大量信息会被云层挡住，对遥感图像的实际运用产生了很大的影响和干扰。目前对于遥感图像云识别存在很多种方法，其中之一就是利用遥感图像处理软件。遥感图像处理软件首先会对图像进行细致的切割，将相同或相似像素的区域分为一类，然后操作者需要告诉软件分出的类别个数，并且选定一些区域做为这一类的样本，再根据操作者所给出的合并条件例如亮度、形状等将相似的区域进行合并达到检测云的目的。但是在这一过程中，对于超大遥感图像，分割和合并需要花费大量的时间，除此之外对于云特征的选取也是靠人工的主观判断。除了利用现有成熟的软件进行云识别外，许多研究人员尝试使用聚类的方法分割图像，例如高贤君团队提出的Otsu方法，该方法利用最大类间的自适应阀值对遥感影像的云进行检测，也取得了较好的结果。随着ImageN本文档来自技高网...

【技术保护点】
1.一种基于深度学习的遥感图像云识别的方法，其特征在于：构造基于SegNet神经网络结构的、具有多尺度卷积核的、高度对称的，并且使用反卷积层对特征图进行还原的深度卷积神经网络，采用两段训练的方法进行训练，利用等卷积结构对图像进行特征提取，在池化层中保留位置信息，最后利用反卷积层进行还原。

【技术特征摘要】
1.一种基于深度学习的遥感图像云识别的方法，其特征在于：构造基于SegNet神经网络结构的、具有多尺度卷积核的、高度对称的，并且使用反卷积层对特征图进行还原的深度卷积神经网络，采用两段训练的方法进行训练，利用等卷积结构对图像进行特征提取，在池化层中保留位置信息，最后利用反卷积层进行还原。2.根据权利要求1所述的基于深度学习的遥感图像云识别的方法，其特征在于，该方法包括以下步骤：利用网络爬虫获取大量遥感云图并对其进行预处理，并利用遥感图像处理软件将遥感云图中的像素点进行分类，制作训练集合，并通过旋转和切割方式扩大训练集。3.根据权利要求2所述的基于深度学习的遥感图像云识别的方法，其特征在于：构造遥感图云识别深度卷积神经网络。该神经网络具有10个卷积层，其中每个卷积层中包含大小分别为3×3和5×5卷积核，拓宽了卷积层的宽度；该神经网络具有11个反卷积，负责还原图像的特征。最后通过SoftmaxWithLoss层进行像素级上的分类。本发明构造了遥感图云识别深度卷积神经网络，其中“conv3-64pad1BN”代表进行了...

【专利技术属性】
技术研发人员：王玉柱，陆君宇，
申请(专利权)人：中国地质大学北京，
类型：发明
国别省市：北京,11