【技术实现步骤摘要】
基于级联颜色及纹理特征注意力的遥感图像云检测方法
[0001]本专利技术属于图像处理
,更进一步涉及图像检测
中的一种基于级联颜色及纹理特征注意力的遥感图像云检测方法。本专利技术可用于在遥感图像中分割及剔除含有云的图像部分。
技术介绍
[0002]遥感图像是指记录各种地物电磁波大小的胶片或照片。遥感图像已经被广泛应用于环境监测、气象预测、城市规划等各个领域。在遥感图像中,由于云层的遮挡导致地物信息的缺失这一问题尤为显著。根据国际卫星云气候计划ISCCP(International Satellite Cloud Climatology Project)的研究表明,全球超过一半的区域常常被云所覆盖。所以卫星获取的遥感图像中,由于云的遮挡,大部分波段并不能穿透云层,无法获取到云遮挡下的地物信息。由此影响到遥感图像在农业水文检测、城市规划等多方面的应用。
[0003]哈尔滨工业大学在其申请的专利文献“基于多尺度融合语义分割网络的遥感图像云检测方法”(申请号:201910436645.2,申请公布号:CN 110119728 A,公布日期:2019.8.13)中提出了一种基于多尺度融合语义分割网络的遥感图像云检测方法。该方法的主要步骤是:(1)从真实全色可见光遥感图像数据集中随机选取N张作为原始遥感图像,并做预处理;(2)将经预处理后的图像作为训练集输入语义分割网络进行训练,获得训练好的语义分割网络;(3)对待检测的遥感图像进行预处理,获得经预处理后的待检测图像;(4)将经预处理后的待检测图像输入到训练好 ...
【技术保护点】
【技术特征摘要】
1.一种基于级联颜色及纹理特征注意力的遥感图像云检测方法,其特征在于,构建并训练基于级联颜色及纹理特征注意力的遥感图像云检测网络;该检测方法的步骤包括如下:步骤1,生成训练集:(1a)选取至少50张含有云的遥感图像,其中每张遥感图像的尺寸为512
×
512,每张遥感图像中至少包含1个云区域;(1b)标注每张遥感图像中的云区域,并生成标注后每个遥感图像对应的标签文件;(1c)将所有遥感图像及其对应的标签文件组成训练集;步骤2,构建基于级联颜色及纹理特征注意力的遥感图像云检测网络:(2a)构建颜色特征注意力模块:构建一个用于增强颜色特征的颜色特征注意力模块,其结构依次为:第1输入层,池化层组,第1通道拼接层,膨胀卷积层组,第2通道拼接层,第1卷积层,激活层,乘法层,第2卷积层,加法层,第3卷积层以及输出层;其中,池化层组由并联的全局最大池化层和全局平均池化层组成,膨胀卷积层组由并联的第1膨胀卷积层、第2膨胀卷积层和第3膨胀卷积层组成,此外,乘法层还与第2输入层相连,加法层还与第2输入层相连;设置颜色特征注意力模块各层参数如下:第1至3膨胀卷积层的膨胀率分别设置为1、3、5,3个膨胀卷积和第1至3卷积层的卷积核大小均设置为3
×
3,激活层使用Sigmoid函数;(2b)构建分别构建:构建一个用于增强细节纹理特征的纹理特征注意力模块,其结构依次为:第1输入层,池化层组,第1通道拼接层,膨胀卷积层组,第2通道拼接层,第1卷积层,激活层,乘法层,第2卷积层,减法层,第3卷积层以及输出层;其中,池化层组由并联的全局最大池化层和全局平均池化层组成,膨胀卷积层组由并联的第1膨胀卷积层、第2膨胀卷积层和第3膨胀卷积层组成,此外,乘法层还与第2输入层相连,减法层还与第2输入层相连;设置纹理特征注意力模块各层参数如下:第1至3膨胀卷积层的膨胀率分别设置为1、3、5,第1至3膨胀卷积层和第1至3卷积层的卷积核大小均设置为3
×
3,激活层使用Sigmoid函数;(2c)构建颜色特征提取子网:构建一个用于提取颜色特征的颜色特征提取子网,其结构依次为:暗通道先验层,第1卷积层,第1下采样层,第2卷积层,第2下采样层,第3卷积层,第3下采样层;设置颜色特征提取子网各层参数如下:第1至3卷积层的卷积核大小均设置为3
×
3,通道数分别设置为2、4、8,第1至3下采样层的下采样核大小均设置为2
×
2;(2d)构建纹理特征提取子网:构建一个用于提取纹理特征的纹理特征提取子网,其结构依次为:NSCT层,第1卷积层,第1下采样层,第2卷积层,第2下采样层,第3卷积层,第3下采样层;设置纹理特征提取子网各层参数如下:将第1至3卷积层的卷积核大小均设置为3
×
3,通道数分别设置为2、4、8;将第1至3下采样层的下采样核大小均设置为2
×
2;(2e)构建编解码子网:
构建一个编解码子网,其结构依次为:输入层,第1尺度变换层,第2尺度变换层,第3尺度变换层,第4尺度变换层,第1卷积层,第1尺度恢复层,第2尺度恢复层,第3尺度恢复层,第4尺度恢复层,第2卷积层,输出层;其中,第1至4尺度变换层的结构均由第1卷积层、通道拼接层、第2...
【专利技术属性】
技术研发人员:张静,吴俊,王慧,王雨晨,李云松,
申请(专利权)人:西安电子科技大学,
类型:发明
国别省市:
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。