【技术实现步骤摘要】
一种基于DeepLabV3+的遥感卫星云检测方法
本专利技术涉及深度学习、计算机视觉应用语义分割领域，尤其涉及一种基于DeepLabV3+的遥感卫星云检测方法。
技术介绍
语义分割跟踪是计算机视觉中一个重要研究方向，在土地卫星影像划分、无人车自动驾驶以及无人机航拍图像实体识别，人脸识别和医疗影像等众多领域有着极其广泛的应用，然而语义分割面临着图像物体画幅不统一、图像拍摄角度不同、物体多姿态或多视角、外界的光照变化和图像语义信息复杂等众多挑战，因此提出一种可靠的准确的图像分割方法具有很重要的现实意义。以往的传统分割方法主要是基于数字图像处理、拓扑学、数学等方法来进行图像分割，比如基于阈值的分割方法，阈值法的基本思想是基于图像的灰度特征来计算一个或多个灰度阈值，并将图像中每个像素的灰度值与阈值作比较，最后将像素根据比较结果分到合适的类别中。因此，该方法最为关键的一步就是按照某个准则函数来求解最佳灰度阈值。阈值法特别适用于目标和背景占据不同灰度级范围的图。图像若只有目标和背景两大类，那么只需要选取一个阈值进行分割，此方法成...
【技术保护点】
1.一种DeepLabV3+的遥感卫星云检测方法，其特征在于，所述方法包括以下步骤：/nS1.获取不同场景卫星载荷仿真图像，读取多维通道的图像，将图像归一化后，转换图像的数据格式；/nS2.将所述图像数据输入深度卷积神经网络，使用串行的空洞卷积，设置卷积核大小，根据卷积核大小，得到各个不同级别的语义信息特征图a和语义信息特征图b；/nS3.将语义信息特征图a直接传入解码区，将语义信息特征图b，经过并行的空洞卷积，设置空洞卷积膨胀大小，进行特征提取，再进行合并，再进行1x1卷积压缩特征，最后加一个平均池化层，得到5个级别特征图；/nS4.将S3中经过并行空洞卷积后的各个级别特...
【技术特征摘要】
1.一种DeepLabV3+的遥感卫星云检测方法，其特征在于，所述方法包括以下步骤：
S1.获取不同场景卫星载荷仿真图像，读取多维通道的图像，将图像归一化后，转换图像的数据格式；
S2.将所述图像数据输入深度卷积神经网络，使用串行的空洞卷积，设置卷积核大小，根据卷积核大小，得到各个不同级别的语义信息特征图a和语义信息特征图b；
S3.将语义信息特征图a直接传入解码区，将语义信息特征图b，经过并行的空洞卷积，设置空洞卷积膨胀大小，进行特征提取，再进行合并，再进行1x1卷积压缩特征，最后加一个平均池化层，得到5个级别特征图；
S4.将S3中经过并行空洞卷积后的各个级别特征图，在通道维上进行拼接，获得编码过程的输出特征图b；
S5.将编码过程获得的底层语义特征图a，经过1x1卷积，改变其通道数，将步骤编码过程输出特征图b，采用双线性插值法进行上采样，放大图片尺寸；
S6.将S5所得特征图a和征图b进行拼接，再经过3x3卷积核卷积，重新提取特征；
S7.将S6所得特征图，再次进行放大尺寸的上采样，得到的分割后最终特征图。
2.如权利要求1所述的一种DeepLabV3+的遥感卫星云检测方法，其特征在于，S1中，采用keras框架，用keras.layers.Input函数处理输入图像，将图像转成tensor格式。
3.如权利要求1所述的一种DeepLabV3+的遥感卫星云检测方法，其特征在于，S2中，卷积核大小分别为32、64、128、256，依次得到256x256x32、128x128x64、64x64x128、32x32x256各个不同级别的语义信息特征图。
4.如权利要求3所述的一种DeepLabV3+的遥感卫星云检测方法，其特征在于，所述语义信息特征图a大小为128x128x64，语义信息特征图b大小为32x32x256。
5.如权利...
【专利技术属性】
技术研发人员：黄焱，杜飞飞，倪彦朝，姜炳强，王天玮，
申请(专利权)人：武汉卓目科技有限公司，北京机电工程总体设计部，
类型：发明
国别省市：湖北;42
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。