基于分形维数和角二阶矩辅助的卷积神经网络云雪识别研究

摘要

对于天基对地观测成像任务,遥感影像中的云量往往决定了数据是否可用。然而云雪光谱特征近似,使得二者较难区分。云雪识别研究的目的是提高数据有效性判断的能力,具有实际应用价值,是遥感数据应用中的重要环节。研究提出一种提高局部特征信息提取能力的小块结构并构建了轻量化卷积神经网络模型作为骨干网络用于区分类云(云、雪、亮地物)与其他地物,通过分形维数与角二阶矩分析云、雪、地物的纹理及灰度特征形成二叉树辅助网络对类云进行精细化识别,网络权重层只有6层(4个卷积层,两个全连接层)。通过对天智1号、SPOT4/5/6、Pleiades等不同几何分辨率的数据进行训练与分析,并与随机森林、SVM、传统方法等进行对比,在云、雪、云雪共存等场景下,该方法能够较好地识别云、雪、(亮)地物,识别准确率达89%。方法适用于全色、多光谱、高光谱等遥感数据云雪识别,同时结构简洁、参数量少。