基于CNN的高分辨率遥感影像多级云检测

摘要

针对目前大多数云检测方法对薄-厚云之分检测较少以及对云边界检测性能不理想、准确率低等问题,本文通过结合深度学习的优势提出了基于CNN的遥感影像云检测方案.首先,将GF-1/2和ZY-3图像进行分割制作训练样本,用深层双分支卷积神经网络(CNN)在训练样本中提取云的多尺度特征;其次,利用改进的自适应简单线性迭代聚类方法(ASLIC)将待检测图像分割成超像素作为云检测的子区域.最后,通过网络模型对待检测子区域预测获得云区结果.选取多种高分辨率卫星图像进行云检测试验,并与单分支网络模型、经典SLIC方法进行对比.结果表明,该方法可以在不同成像平台很好地检测薄-厚云及其整个云区,且整个云区检测的平均精度在94％以上.