基于改进M型卷积网络的RGB彩色遥感图像云检测

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.

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

所属期刊栏目：56

分类号：TP751.1(遥感技术)

资助基金：国家自然科学基金;国家自然科学基金;江苏省自然科学基金青年项目;江苏省高等学校自然科学研究重大项目

在线出版日期：2019-09-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：221-230