科研之友
微信
新浪微博
Facebook
分享链接
摘要
云检测是光学卫星影像预处理过程的重要组成部分，对于后续应用分析具有重要意义。随着光学卫星遥感影像的不断丰富，如何实现海量多源卫星遥感影像的快速云检测是一项具有挑战性的任务。针对传统云检测方法精度低、通用性差等问题，本研究提出了一种多尺度特征融合神经网络模型，称为多源遥感云检测网络(multi-source remote sensing cloud detection network, MCDNet),MCDNet采用U型架构及轻量化骨干网络设计，解码器部分运用多尺度特征融合及通道注意力机制提升模型性能。模型在上万个全球分布的多源卫星影像上训练而成，其中不仅包括谷歌、Landsat等常用卫星数据，还包括GF-1,GF-2和GF-5等国产卫星数据。实验中引入多个经典语义分割模型作为对比参考，实验结果显示该文提出的方法在云检测方面具有更好的性能，且在所有不同类型卫星数据上均取得90%以上的检测精度。模型对未参与训练的哨兵数据进行测试，依然取得较好的云检测效果，表明模型具有良好的鲁棒性，在作为中高分辨率卫星影像云检测通用模型方面具有一定潜力。
