基于双注意力神经网络的遥感影像云与云阴影检测方法

    公开(公告)号:CN114220001A

    公开(公告)日:2022-03-22

    申请号:CN202111409905.0

    申请日:2021-11-25

    Abstract: 本申请涉及一种基于双注意力神经网络的遥感影像云与云阴影检测方法。该方法包括:获取遥感影像数据集,遥感影像数据集中包含了各遥感影像对应的标签信息,标签信息标记了云与云阴影的位置;将遥感影像数据集按预设比例分为训练集和验证集;利用训练集和验证集对有监督的双注意力神经网络模型进行训练和验证,获得云与云阴影检测模型,云与云阴影检测模型由递归残差模块、双注意力模块、改进空洞空间金字塔池化模块、卷积层、上采样层和Concat层组成,获取待检测的遥感影像;将待检测的遥感影像输入至训练好的云与云阴影检测模型中,对待检测的遥感影像中的云和云阴影的位置进行检测,获得云和云阴影的位置检测结果;提高了云与云阴影检测的精度。

    基于上下文信息融合的遥感影像云与云阴影检测方法

    公开(公告)号:CN115330703A

    公开(公告)日:2022-11-11

    申请号:CN202210926126.6

    申请日:2022-08-03

    Abstract: 本发明提供基于上下文信息融合的遥感影像云与云阴影检测方法,涉及深度学习和遥感影像处理领域。该基于上下文信息融合的遥感影像云与云阴影检测方法,设计了一种基于上下文信息融合的遥感影像云与云阴影检测方法。该发明设计一种新颖的残差模块(ResBlock‑cloud)来捕获全局及局部特征,并防止网络出现退化。设计一种全局上下文融合模块(GCF),通过密集的跳跃连接来融合不同层级的全局上下文信息并引导其与解码器路径特征进行特征融合。最后,设计一种多尺度上下文融合模块(MCF),提取云与云阴影之间的多尺度上下文关系。该发明可以有效检测出小面积云块及薄云,并显著提高云阴影检测的精度。

Patent Agency Ranking