【技术实现步骤摘要】
本专利技术涉及图像处理，特别是涉及一种基于hy-1c卫星cocts数据的深度学习云检测方法。
技术介绍
1、目前现存的云检测方法可大致分为：阈值法，利用云的物理属性、纹理特征和空间特征来建立特定的阈值组合判断云是否存在；贝叶斯法，结合背景大气状态和地表参数计算云存在的概率；深度学习法，构建大量数据驱动模型学习光谱数据特征与云的对应关系。
2、人工智能技术的兴起使得研究者们发现机器学习能够帮助寻找最佳阈值。因此，阈值与机器学习相结合的云检测方法也随之发展。这种方法本质上仍然是利用阈值来确定云和晴空像素。目前，深度学习的不断发展使人们将目光拓展到了利用深度学习手段解决遥感任务的研究上。深度学习基于大量标记样本来寻找最优结构和系数，深度学习模型可以对环境参数之间复杂的非线性关系进行精确地学习，捕捉特征变量之间的潜在联系。同时，在获取遥感图像中的多层次及多尺度特征并将其由低层次向高层次进行组合方面，深度学习同样优势明显，在图像的分类及处理问题上有广阔的应用前景。深度学习在从海洋遥感数据中挖掘信息方面具有巨大潜力，而海洋卫星大数据则可...
【技术保护点】
1.一种基于HY-1C卫星COCTS数据的深度学习云检测方法，其特征在于，所述方法包括如下步骤：
2.根据权利要求1所述的一种基于HY-1C卫星COCTS数据的深度学习云检测方法，其特征在于，所述步骤S1中云检测数据集具体包括云的光谱数据、纹理数据、地理数据。
3.根据权利要求2所述的一种基于HY-1C卫星COCTS数据的深度学习云检测方法，其特征在于，所述预处理包括将云检测数据集中的443nm、490nm、565nm、670nm和865nm波段的辐亮度转换为反射率，将11μm和12μm波段的辐亮度转换为亮温。
4.根据权利要求3所...
【技术特征摘要】
1.一种基于hy-1c卫星cocts数据的深度学习云检测方法，其特征在于，所述方法包括如下步骤：
2.根据权利要求1所述的一种基于hy-1c卫星cocts数据的深度学习云检测方法，其特征在于，所述步骤s1中云检测数据集具体包括云的光谱数据、纹理数据、地理数据。
3.根据权利要求2所述的一种基于hy-1c卫星cocts数据的深度学习云检测方法，其特征在于，所述预处理包括将云检测数据集中的443nm、490nm、565nm、670nm和865nm波段的辐亮度转换为反射率，将11μm和12μm波段的辐亮度转换为亮温。
4.根据权利要求3所述的一种基于hy-1c卫星cocts数据的深度学习云检测方法，其特征在于，通过如下公式将云检测数据集中的443nm、490nm、565nm、670nm和865nm波段的辐亮度转换为反射率，具体如下：
5.根据权利要求4所述的一种基于hy-1c卫星cocts数据的深...
【专利技术属性】
技术研发人员：刘凡莉，刘铭坤，盛志诚，管磊，
申请(专利权)人：中国海洋大学三亚海洋研究院，
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。