Print

基于改进M型卷积网络的RGB彩色遥感图像云检测

论文摘要

RGB彩色图像中云没有明显的颜色分布与纹理模式,导致云检测易产生误检且细节丢失严重。针对这一问题,提出一种改进的M型卷积网络（RM-Net）模型,实现端到端的像素级语义分割。对原始数据集进行增强,并标注对应的像素级标签。利用空洞空间金字塔池化,在不丢失信息的前提下提取图像多尺度特征,并结合残差单元使网络不易出现退化。利用编码器模块与左路径提取图像全局上下文信息,利用解码器模块与右路径恢复图像空间分辨率,根据融合后的特征判别每个像元的类别概率,将其输入分类器进行像素级的云和非云分割。对Landsat8和高分一号WFV RGB彩色图像进行训练和测试,实验结果表明本文方法在不同条件下能很好地检测云边缘细节,并取得较高精度的云阴影检测,由此证明本文方法具有较好的泛化性与稳健性。

论文目录

  • 1 引言
  • 2 原理与方法
  •   2.1 RM-Net分割网络
  •   2.2 DDCN分割网络
  • 3 数据集的选取与增强
  • 4 实验与评价
  •   4.1 实验环境
  •   4.2 实验步骤
  •   4.3 云检测方法比较
  •     4.3.1 定性比较
  •     4.3.2 定量比较
  •   4.4 云与云阴影检测
  • 5 结论

    • 文章来源

    类型: 期刊论文

    作者: 胡敬锋,张秀再,杨昌军

    关键词: 图像处理,云检测,遥感图像,型卷积网络,空洞空间金字塔池化,残差单元,云阴影检测

    来源: 激光与光电子学进展 2019年16期

    年度: 2019

    分类: 信息科技,工程科技Ⅱ辑

    专业: 工业通用技术及设备,自动化技术

    单位: 南京信息工程大学电子与信息工程学院,南京信息工程大学江苏省大气环境与装备技术协同创新中心,中国气象局中国遥感卫星辐射测量和定标重点开放实验室国家卫星气象中心

    基金: 国家自然科学基金青年科学基金(11504176,61601230),江苏省自然科学青年基金(BK20141004),江苏省高校自然科学研究重大项目(13KJA510001)

    分类号: TP751

    页码: 229-238

    总页数: 10

    文件大小: 2611K

    下载量: 217

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/d80347a5ce6cc13db44980f5.html