一种基于编解码深度学习的遥感影像云检测方法技术

本发明专利技术公开了一种基于编解码深度学习的遥感影像云检测方法，包括：一、遥感影像数据集获取；二、构建云检测网络UNet模型；三、利用云检测网络UNet模型对遥感图像进行特征提取；四、云检测网络UNet模型的训练；五、利用训练好的云检测网络UNet模型对后续遥感影像进行云检测。本发明专利技术方法步骤简单，编码器模块中采用MBConv模块，提升网络对不规则形状边缘的检测能力，且减少模型的参数量和计算量，提高了算法效率，解码器模块中引入残差模块和CBAM模型，提高对云区域特征的关注，提高了云检测精确度，降低了误检率。

【技术实现步骤摘要】

本专利技术属于sar图像云检测，具体涉及一种基于编解码深度学习的遥感影像云检测方法。

技术介绍

1、目前，在轨遥感卫星数目日益增加，形成了高、中、低空间分辨率相结合，远、中、近轨道相协同的对地观测组网，为地学研究提供了海量的连续观测数据。光学遥感卫星约占遥感卫星总量的40％，具有丰富的光谱信息、分辨率高、覆盖面广、获取信息速度快等特点，在生态环境保护、农业与林业管理、城市规划与建设、气候变化研究、灾害监测、应急管理、国土安全、交通运输规划等领域有着重要的作用。然而，由于地球表面近67％的区域都被云层覆盖，很多遥感图像不可避免地被云层污染，极大影像图像中信息的提取。因此，对云层进行检测是提高遥感图像使用效率的重要前提。

2、传统基于光谱阈值的云检测方法过于依赖先验知识和传感器特性，存在检测精度低，通用性差的缺陷；基于参考影像插值或者回归拟合的云去除方法，存在图像信息丢失，细节模糊且对大面积云区域不适用的问题。随着技术和理论的不断发展，新的方法也被应用于遥感影像中云和阴影的检测和去除。近些年，随着大数据的出现和计算机计算能力的迅速提高，人工智能理论本文档来自技高网...

【技术保护点】

1.一种基于编解码深度学习的遥感影像云检测方法，其特征在于，该方法包括以下步骤：

2.按照权利要求1所述的一种基于编解码深度学习的遥感影像云检测方法，其特征在于：步骤二中所述第一下采样模块包括一个MBConv模块，所述第二下采样模块包括二个MBConv模块，第三下采样模块包括二个MBConv模块，第四下采样模块包括三个MBConv模块，第五下采样模块包括三个MBConv模块，第六下采样模块包括四个MBConv模块，第七下采样模块包括一个MBConv模块，所述第一下采样模块中MBConv模块的Depthwise Conv卷积层为3×3，步长为1，padding为1；所述第二下采...

【技术特征摘要】

1.一种基于编解码深度学习的遥感影像云检测方法，其特征在于，该方法包括以下步骤：

2.按照权利要求1所述的一种基于编解码深度学习的遥感影像云检测方法，其特征在于：步骤二中所述第一下采样模块包括一个mbconv模块，所述第二下采样模块包括二个mbconv模块，第三下采样模块包括二个mbconv模块，第四下采样模块包括三个mbconv模块，第五下采样模块包括三个mbconv模块，第六下采样模块包括四个mbconv模块，第七下采样模块包括一个mbconv模块，所述第一下采样模块中mbconv模块的depthwise conv卷积层为3×3，步长为1，padding为1；所述第二下采样模块中二个mbconv模块的depthwise conv卷积层为3×3，...

【专利技术属性】
技术研发人员：曹红业，刘东，王双雨，李良志，刘洋，石现，杨超，
申请(专利权)人：机械工业勘察设计研究院有限公司，
类型：发明
国别省市：