基于深度学习的多角度遥感影像云检测方法

摘要

云检测是遥感影像处理的重要任务之一。目前遥感影像云检测中多使用到卫星的多光谱、多通道信息,而关于多角度信息对云检测影响的研究较少。为了探索遥感影像多角度信息作为云特征对训练云分类网络精度的影响,提出一种基于深度学习的遥感多角度云检测方法,以SegNet为基础网络结构,提取含有多角度信息的遥感影像的特征表示,训练含有多角度信息的遥感影像云检测模型。测试结果表明,所提方法全局精度为91.39%,平均重叠率为83.99%。分析表明单角度云检测具有一定的局限性,而利用多角度信息作为云特征训练云分类网络可以提升云检测精度。此外,还探索了POLDER仪器中不同角度对于云检测结果的影响情况。