基于深度语义分割的FY-2E遥感影像云检测方法
本文提出了一种基于深度语义分割技术的全自动云检测算法,可提高FY-2E遥感影像的云检测精度.首先,将FY-2EL1数据与精度较高的云检测结果进行匹配,获得用于训练和评估样本的数据集;其次,设计了深度语义分割网络,并针对训练集中正负样本严重失衡的问题,改进了损失函数,可以有效提取云的边界;最后,分别以FY-2E和 MODIS数据作为训练和标签样本训练网络,得到了可用于FY-2E L1影像检测的四分类模型.试验结果表明,在四分类检测中,所提方法的准确率达到了 75%,Kappa系数为0.53左右.与现有多通道阈值法相比,采用所提方法进行二分类检测可提高约90%样本的准确率,部分样本的准确率提升20%以上.此外,所提方法对云边缘、破碎云等细节识别能力较强,且具有一定的鲁棒性,受训练样本中的误判类别影响较小.未来通过扩充数据集并优化网络,可提高FY-2全圆盘影像的数据质量.
遥感;风云二号;云检测;深度学习;语义分割
49
P407.8(一般理论与方法)
国家重点研发计划重点专项编号:2018YFC1506500
2021-11-29(万方平台首次上网日期,不代表论文的发表时间)
共10页
671-680