一种基于场景级语义引导及块级边界解混的云检测方法

    公开(公告)号:CN118247681B

    公开(公告)日:2024-08-09

    申请号:CN202410651396.X

    申请日:2024-05-24

    Applicant: 安徽大学

    Abstract: 本发明涉及一种基于场景级语义引导及块级边界解混的云检测方法,所述方法包括以下步骤:基于场景级语义引导及块级边界解混的云检测准备工作、构建条带卷积模块、构建与训练基于场景级语义引导及块级边界解混的云检测模型、对基于场景级语义引导及块级边界解混的云检测模型测试和求解。与现有技术相比,通过场景级语义引导模块不仅提供了长程上下文信息,还能捕捉局部细节,从而更好地理解图像中的场景信息,而块级边界解混模块专注于提取细节特征以识别边界信息。本发明的云检测方法相比传统方法能够更准确地区分云和云阴影区域,避免误检和漏检的问题,并且能够实现对边界更精细的分割,为云检测任务带来了重大的性能提升。

    一种基于场景级语义引导及块级边界解混的云检测方法

    公开(公告)号:CN118247681A

    公开(公告)日:2024-06-25

    申请号:CN202410651396.X

    申请日:2024-05-24

    Applicant: 安徽大学

    Abstract: 本发明涉及一种基于场景级语义引导及块级边界解混的云检测方法,所述方法包括以下步骤:基于场景级语义引导及块级边界解混的云检测准备工作、构建条带卷积模块、构建与训练基于场景级语义引导及块级边界解混的云检测模型、对基于场景级语义引导及块级边界解混的云检测模型测试和求解。与现有技术相比,通过场景级语义引导模块不仅提供了长程上下文信息,还能捕捉局部细节,从而更好地理解图像中的场景信息,而块级边界解混模块专注于提取细节特征以识别边界信息。本发明的云检测方法相比传统方法能够更准确地区分云和云阴影区域,避免误检和漏检的问题,并且能够实现对边界更精细的分割,为云检测任务带来了重大的性能提升。

Patent Agency Ranking