云检测

摘要： 云检测是卫星遥感数据预处理中至关重要的工作.本文将多层感知机和辐射传输模型相结合,利用可见光和近红外波段反射率信息从卫星影像中识别出云像元.该方法利用SBDART辐射传输模型,模拟获得了各种复杂陆地地表的反射率值数据集,为多层感知机提供训练样本.随后,用训练好的多层感知机模型区分FY-3D卫星MERSI II影像中的云像元和非云像元,利用CALIPSO垂直特性掩膜产品(Vertical Feature Mask,VFM)逐像元进行验证,并与MODIS云掩膜产品(MYD35)进行横向对比.结果表明,以VFM数据集为标准的情况下,多层感知机识别云的总正确率为76.25%,其中在夏季和低纬度地区效果最好,如赤道附近地表识别的准确率可达到91.74%,而在城市、农田和裸地等复杂地表类型条件下的云检测识别正确率分别为83.37%、84.52%和73.11%,分别高于MYD35产品的83.25%、83.31%和72.66%.为了进一步验证多层感知机结合辐射传输模型云检测方法的有效性,将辐射传输模型模拟得到的训练样本分别用于k-最近邻、朴素贝叶斯以及随机森林算法,并与本文多层感知机算法进行对比.结果表明,将多层感知机和辐射传输模型相结合具有更高的正确率.

摘要： 遥感影像云检测是遥感影像处理过程中的第一步,针对传统的云检测算法小块薄云检测效果差的问题,该文提出了一种融合注意力机制的密集连接网络遥感影像云检测方法。首先,将自然资源部国土卫星遥感应用中心提供的影像人工勾取云矢量并制作云标签,再将其进行顺序裁剪、色彩抖动、旋转等预处理,以增广样本量;然后,将预处理过后的遥感影像及其标签一并输入到以DenseNet作为编码器与解码器的神经网络中,编码器与解码器之间加入级联的空洞卷积模块以增大感受野,双注意力机制与全局上下文建模模块以抑制一些无关的细节信息;最后,经过实验验证表明其精确率可以达到95%以上,交并比可以达到91%以上,较传统云检测算法有较大提高,可以很好地提取小块薄云。

摘要： 针对以往遥感图像云检测方法对雪地等特殊地貌识别效果不理想的问题,基于偏好型支持向量机(preference support vector machine,PSVM)提出一种云检测技术。利用图像的灰度特征和纹理特征,提取图像的能量、对比度、逆差矩、熵、自相关性以及平均灰度值6个分类指标,使用偏好训练的方式,提高对云和普通地貌的识别准确率,准确区分云和雪地等特殊地物。实验结果表明,PSVM方法综合识别准确率达到了97.66%,特殊地貌识别准确率达到了99.31%,相比于传统的云检测算法性能提升显著。

摘要： 本文采用超像素分割方法,针对传统的SLIC算法进行研究,通过提高分割精度来提高云检测的准确率。为了改进SLIC算法中的聚类效果,采用马氏距离代替SLIC算法中的欧氏距离进行聚类,利用阈值法对划分出的每个超像素进行二值化处理,即将云和地物分类。本文设改进前算法为O-SLIC,改进后算法为M-SLIC。在本文建立的云图数据库上将二者进行了比较,得到以下结果:M-SLIC算法的云识别率比O-SLIC算法的高;M-SLIC云检测的ROC曲线面积比O-SLIC算法大且最优分类点更靠近(0, 1)点。这些结果说明对于云图数据库中的大部分图像,M-SLIC算法相比于O-SLIC算法具有改良效果。M-SLIC算法综合了聚类和分类的特点,利用马氏距离,使算法在云检测的准确率上有所改善。

摘要： 使用人工特征的遥感图像云检测方法采用恒定或自适应阈值,只考虑了单个像素的光谱信息,未考虑像素之间的相关性,对图像噪声较为敏感。针对这些问题,提出了一种多层级特征融合U-Net深度神经网络算法用于遥感图像云检测。该算法在U-Net网络对称编解码架构的基础上进行多层特征融合以及残差连接,改进网络的特征表达能力。实验数据显示,该算法在MODIS数据集各场景平均预测精度达95.26%,平均交并比达88.79%;在Landsat-8数据集中,预测精度达96.56%,平均交并比达93.33%。结果表明该算法具有更高的准确率与更强的泛化能力,在云检测任务中实现了更好的预测精度。

摘要： 基于我国风云极轨气象卫星FY-3D/MERSI-Ⅱ(FengYun-3D/Medium Resolution Spectral Imager-Ⅱ)红外通道数据,结合星载激光雷达主动探测数据,开展北极地区夏季云检测模型研究。采用概率密度函数分析方法,并引入损失率,对相关阈值进行优化,提出适用于北极夏季的红外云检测方案,构建了基于置信度结果的云检测模型。精度检验结果表明,所构建的云检测模型的检测结果与时空匹配的星载主动探测结果具有较高的一致性,个例统计结果显示置信度高于0.8,云像元检测一致性100%。当置信度低于0.2时,存在10.15%云像元误判为晴空像元,误判云像元多为云顶高度在4~6 km之间的单层云,可能是卷云引起的误判。

摘要： 有效的云检测与云相态判识对于农业、气候及人类生活具有重要意义,而这些数据的获取离不开卫星遥感。卫星遥感数据在当今社会的生产和生活中都扮演着至关重要的角色,众多领域的发展都离不开卫星遥感数据的支持。随着高精度传感器的发展,传统研究方法无法满足大规模、高维度数据的高效挖掘与处理,因此深度学习技术在遥感领域得到了快速的发展。基于深度学习技术提出了一种结合多波段遥感影像的云检测及云相态判识的方法。该方法采用MODIS云产品影像作为样本,将不同波段信息作为特征值,分别建立针对云检测与云相态判识研究任务的多个数据库,并采用DeepLab V3+模型进行训练并预测,从而完成高精度的云检测及云相态判识任务。与传统方法相比,该方法高效便捷、特征提取能力较强,将多波段作为特征值输入模型进行预测时,该方法展现了良好的结果。

摘要： 针对高分四号(GF-4)卫星影像波段较少导致传统云检测算法难以区分云与冰雪像元的问题,提出一种多时相多通道云检测算法。该算法首先对GF-4卫星影像进行辐射定标和配准,然后利用云与典型地表的光谱差异得到潜在云像元,之后利用序列GF-4卫星影像之间的差异识别出移动的云像元,最后利用中红外波段反演地表亮度温度来去除冰雪像元。该算法在海南、辽宁和安徽3个研究区域进行验证,并将检测结果与传统单时相云检测算法、支持向量机(SVM)云检测算法和实时差分(RTD)云检测算法的检测结果进行对比。结果表明,该算法优于其他3种云检测算法,准确识别率均达到90%以上,误检率均低于5%,有利于GF-4卫星影像的进一步利用。

摘要： 新一代静止气象卫星成像仪具有高时、空分辨率的优势,成像仪的云观测资料被广泛应用于气象领域的各项研究中。由于卫星的观测方式和地球曲率导致其存在视场偏差,与其他资料联合应用时需要考虑其影响。针对风云四号A星成像仪的视差问题,首先使用模拟的云顶高度和实际的卫星天顶角进行敏感性分析,结果证实云顶高度越高或者卫星天顶角越大则视差越大,尤其对具有更高空间分辨率的成像仪,视差影响更需要被重视。随即分别使用CALIPSO云层数据和3套台风最佳路径集来检验视差订正前、后的多通道扫描辐射成像仪(AGRI)云检测产品和台风中心定位的精度,结果证明所用的视差订正方法是有效的,并指出在静止气象卫星资料的精确定量应用中,视差不可忽视。

摘要： 为提高有效数据的存储和传输效率,将星载遥感图像按照多个压缩子块为单位来构建图像景,对每个图像子块进行实时云检测处理,并统计每景图像中的云占比;同时利用卫星姿轨控数据对图像景中心点进行实时定位,将图像景中心定位信息与星上预置的感兴趣区域模板库进行匹配.联合景图像的云占比及匹配结果,判定当前景图像是否进行云剔除填充,对非云及感兴趣区域景图像进行常规压缩;对厚云及非感兴趣区域的薄云景图,采用大压缩比进行压缩.实验结果表明该方法利用云检测结果及景图重要度来指导图像压缩,显著降低了厚云区及不感兴趣薄云区景图压缩后的数据量.

摘要： 针对风云四号(FY-4A)的新一代静止气象卫星成像仪(AGRI)和Himawari-8(H08)的先进Himawari成像仪(AHI)开发了一种统一的云检测算法.研究了云检测算法的综合性能.在时空上,该算法与来自Terra和Aqua平台的中分辨率成像光谱仪(MODIS)的官方Collection-6云检测产品相匹配,将其作为相互比较和验证的基准.强大的云掩码算法可以在FY-4A/AGRI和H08/AHI之间产生高度一致性.基于MODIS的验证结果表明,对于FY-4A/AGRI和H08/AHI而言,多云场景的识别效果要好于晴天场景识别;错误警报率(FAR)也相对较低.此外,该算法在白天更可靠,FY-4A/AGRI和H08/AHI的命中率(HR)约为92％.发现水上的云层掩蔽结果的精确度略高于陆地.此外,发现以MODIS为基准时,这两种高级GEO成像仪的匹配像素中,有超过67％的像素没有偏差.总体而言,FY-4A/AGRI和H08/AHI的命中率值分别约为91.04％和91.82％.这些结果很好的说明了该算法在实时云检测产品反演中的高质量.

摘要： 激光雷达作为大气主动遥感探测的重要手段之一,被广泛用于气溶胶和云层探测.基于简单多尺度层检测算法,通过添加尺度个数阈值,提出了一种在时均可提高云底反演高度准确性的云检测算法.该算法通过仿真云层内部多峰时的回波信号,得到了最优化尺度个数阈值范围;同时通过添加特征段合并有效减少了单层多峰情况下的漏判.分别使用微分零交叉法、简单多尺度法和改进后的算法对532nm米通道激光雷达在2019年5～7月探测的20组探测时长75min以上、结构稳定、时序上无突变的有效数据进行检测,并以微分零交叉法的云底高度为准,通过改进算法得到的均方根误差平均减小32.65％,不确定度平均减小33.80％,验证了改进算法在提高云底高度准确度上的有效性.

摘要： 云检测是遥感数据预处理中的一个重要环节,由于其光谱特征与裸地、沙漠等高地表反射率的地物类型光谱特征相似,一直是云检测中面临的一大难题.同时,由于混合像元以及大气环境背景等因素的影响,导致传统云检测方法的云识别能力较差.针对上述问题,本文提出一种基于先验地表反射率支持的MODIS数据动态阈值云检测方法.该算法使用MODIS地表反射率产品(MOD09)提供先验地表反射率数据,基于6S辐射传输方程模拟了不同参数下表观反射率的变化情况,利用最小二乘法对表观反射率在不同观测和大气条件下变化的最大值进行非线性回归拟合,构建动态阈值云检测方程.然后应用于MODIS数据进行云检测实验.最后,分别使用遥感目视解译云结果与MODIS云产品对本文云识别结果进行精度对比与验证.结果表明该方法云识别精度整体较高,云像元和晴空像元的正确识别率均高于80％,特别是对裸地、沙漠等高亮地表具有较好的云检测效果.该方法能够实现大尺度、长时间序列范围内的云检测工作,对遥感参数定量化反演与研究具有重要的意义.

摘要： 为提高地基红外测云系统的全天空云检测准确性,利用辐射传输模式SBDART分析了北京地区逐月大气温湿廓线、水汽含量及激光回波数据的气溶胶信息对大气向下红外辐射的影响,在此基础上实现了基于实时辐射传输模式计算的晴空阈值确定方法,并对云检测结果进行了验证.结果表明,统计得到的北京地区逐月温湿廓线、水汽含量及不同天气状况下的气溶胶光学厚度廓线引起的辐射与SBDART默认的中纬度夏季或中纬度冬季气象条件下的差异较大;基于实时辐射传输模式计算的云检测方法同时考虑实时天气状况下对云的向下红外辐射影响最大的大气廓线、水汽和气溶胶三个因素,得到全天空阈值,进而判断云量,与人工目测的云量差在±1以内的样本数占总数的87.8％,比模式默认的云检测正确率提高了10％左右.

摘要： 对于高光谱大气红外探测器AIRS辐射率的同化,云检测技术是关键的一步.本篇论文借鉴Goldberg的云检测的思想,通过AIRS通道和相应微波通道的经验组合来进行云检测,此云检测方案不需要对通道进行偏差订正,并且除背景场海表温度,不依赖于大气的先验信息,是一个快速简单的云检测方案.本文将其原来NESDIS-Goldberg的3个云检测步骤改为7个云检测步骤,其中海洋表面4个,陆地表面3个,并选择最优的阈值,然后利用GRAPES-3DVAR(全球区域同化预报系统)分别对AIRS的海洋和陆地上的视场进行云检测,找出受到云污染的视场,并将其剔除.对2006年6月30日AIRS的视场,分别用NESDIS-Goldberg云检测方案和GRAPESGoldberg云检测方案进行云检测,从结果的分析来看,GRAPES-Goldberg云检测方案可以更有效的检测出受到云污染的视场,晴空视场占到总视场的10.1％.

摘要： 利用MODIS图像数据开展大气、陆地、海洋等研究，提供大气、陆地、海洋和太阳的辐射观测数据和分析结果，并在短期气候预测、自然灾害监测、长期气候变化研究和大气臭氧等监测中发挥作用，已经成为一个全球性课题。 本文主要就是对MODIS卫星图像数据的云检测方法进行研究，并在Visual C++6.0编译环境下编程实现了对MO-DIS数据进行处理，通过调整阈值，使检测的显示效果最佳。因此，本文完成了MODIS卫星图像数据的云检测方法在Visual C++6.0平台下的实现。

摘要： 将NOAA-12 垂直廓线探测仪TOVS/HIRS/2 亮温与GMS 云图上几次台风和暴雨过程的云系进行了对照分析，归纳出了一套利用TOVS/HIRS/2 亮温进行云检测和分类的方法，并在此基础上研制了订正云区亮温的技术，使得在有云条件下TOVS 亮温可以参加分析同化，从而在数值预报中直接应用。

摘要： @@地震前期震区会发生异常增温，通过对卫星数据进行预处理让地震系统更准确的预测分析地震。云遮挡问题是遥感数据普遍存在的现象，云的存在使得影像数据的利用率降低，导致影像识别、分类精度难以保证，有时甚至无法进行。因此，为了从影像上有效地提取地表特征，必须对遥感影像上的有云像元进行剔除。

摘要： 障碍物遮挡一直是目标识别领域中的重要的研究方向.解决遮挡问题对目标识别有重要意义,尤其是在红外图像中,云对于目标识别的影响更为显著.本文针对红外场景中有云遮挡的目标识别问题,提出了基于大模板的算法,通过前期的图像矫正,有云区域检测去除云遮挡区域,利用HOG特征进行匹配,从而得到目标在红外图像中的位置并解决云遮挡问题.

摘要： 障碍物遮挡一直是目标识别领域中的重要的研究方向.解决遮挡问题对目标识别有重要意义,尤其是在红外图像中,云对于目标识别的影响更为显著.本文针对红外场景中有云遮挡的目标识别问题,提出了基于大模板的算法,通过前期的图像矫正,有云区域检测去除云遮挡区域,利用HOG特征进行匹配,从而得到目标在红外图像中的位置并解决云遮挡问题.

摘要： 本发明实施例公开了一种云应用的检测方法，包括：获取待检测云应用对应的至少一个应用实例，应用实例分别与守护代理一一对应；通过守护代理提取每个应用实例对应的第一特征值；当待检测云应用满足预设的特征值更新条件时，将第一特征值更新为第二特征值；若第二特征值存在不一致，则将待检测云应用确定为存在安全漏洞的目标云应用。本发明还公开了一种云应用检测装置。本发明能够对部署在平台即服务上的云应用提供运行时的完整性保护，以此提升了平台即服务的安全服务能力，提高市场竞争力，同时也帮助用户及时了解云应用的运行状态，防止云应用自身及其运行环境被恶意篡改或异常运行，提升用户体验，进而增强云服务的功能。

摘要： 本发明提供了一种基于遥感影像的云及云阴影检测方法和装置，涉及遥感影像处理的技术领域，包括：获取待识别遥感影像数据，对待识别遥感影像数据进行归一化处理，得到归一化影像数据；对归一化影像数据进行分割，得到分割影像数据；基于归一化影像数据和分割影像数据，构建目标影像数据，其中，目标影像数据中包括：待识别遥感影像数据中的疑似云影像数据和疑似云阴影影像数据；基于空间几何模型和形状匹配算法，对目标影像数据进行检测，得到检测结果，其中，检测结果中包含待识别遥感影像数据中的云影像数据和云阴影影像数据，解决了现有的云及云阴影检测方法的检测效率和准确性较低的技术问题。

摘要： 本发明实施例公开了一种云应用的检测方法，包括：获取待检测云应用对应的至少一个应用实例，应用实例分别与守护代理一一对应；通过守护代理提取每个应用实例对应的第一特征值；当待检测云应用满足预设的特征值更新条件时，将第一特征值更新为第二特征值；若第二特征值存在不一致，则将待检测云应用确定为存在安全漏洞的目标云应用。本发明还公开了一种云应用检测装置。本发明能够对部署在平台即服务上的云应用提供运行时的完整性保护，以此提升了平台即服务的安全服务能力，提高市场竞争力，同时也帮助用户及时了解云应用的运行状态，防止云应用自身及其运行环境被恶意篡改或异常运行，提升用户体验，进而增强云服务的功能。

摘要： 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。

摘要： 本发明提供了一种基于遥感影像的云及云阴影检测方法和装置，涉及遥感影像处理的技术领域，包括：获取待识别遥感影像数据，对待识别遥感影像数据进行归一化处理，得到归一化影像数据；对归一化影像数据进行分割，得到分割影像数据；基于归一化影像数据和分割影像数据，构建目标影像数据，其中，目标影像数据中包括：待识别遥感影像数据中的疑似云影像数据和疑似云阴影影像数据；基于空间几何模型和形状匹配算法，对目标影像数据进行检测，得到检测结果，其中，检测结果中包含待识别遥感影像数据中的云影像数据和云阴影影像数据，解决了现有的云及云阴影检测方法的检测效率和准确性较低的技术问题。

摘要： 本发明涉及遥感卫星影像的计算机处理技术领域，具体而言，涉及一种检测山地国产高分辨率卫星影像云与云阴影的方法，步骤如下：基于像元亮度值对所采集的遥感图像进行云雪提取；利用时间窗口内的多时相影像进行时相合成，消除云的干扰，得到无云参考影像；基于无云参考影像以及像元的蓝波段反射率进行云雪区分；计算表示目标影像纹理特征的区域协方差矩阵，基于区域协方差矩阵距离，得到云影像三维空间坐标；基于云影像三维空间坐标计算云影像遮挡光线，得到云阴影位置。本发明所提供的方法能够实现高效率、高精度，缺少短波红外波段和热红外波段的山地国产高分辨率卫星影像云及其云阴影自动检测。

摘要： 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。

摘要： 本发明公开了一种基于绝对像素的遥感影像云检测最优阈值选取方法、云检测方法及系统，所述方法包括：获取全球分布的不同地表类型、不同云层覆盖的多光谱遥感图像，得到具有代表性的基准影像数据集；利用基准云检测算法预测影像数据集云概率图；以默认阈值为基准，按特定间隔分别减小和增大阈值，得到多组“绝对”干净像素和“绝对”云像素，分别将每组合成为一幅绝对像素云掩膜；以绝对像素云掩膜为真值，计算待确定最优阈值云检测模型在不同阈值下的整体精度，以整体精度最高的阈值作为最优阈值，即可实现云检测。本发明选取的最优阈值精度高，误差小，与现有技术相比最优阈值选取效率大大提高，在多光谱遥感影像上具有广阔的应用空间。

摘要： 本发明公开了无配对监督云检测以及大区域厚云去除方法，在云检测阶段，抽取一部分有云图和无云图分别送入网络进行二分类训练，网络输出的置信图经过最小交叉熵阈值分割后，再经过形态学“开”运算后得到一个精细云区域分割结果；对云图和无云图做了手动二分类来对网络训练，以达到和使用配对的标签数据方法相媲美的结果；在移除大面积云遮挡阶段，使用上下文残差聚合，解决难以修复高分辨率遥感图像的问题，使用置信驱动重建损失，使其能够修复高缺失比例的遥感图像；将深度学习与迁移学习相结合，将在place2数据集上预训练好的权重参数迁移至遥感图像修复模型中，缓解因遥感图像数据量不足导致模型训练不充分的问题。

摘要： 本实用新型提出了一种基于可调谐激光器和云检测技术的农药残留近红外云检测装置，STM32微控制器产生锯齿波电压信号作用在可调谐激光器上，使可调谐激光器产生相应波长的光信号作用在待测对象上，并将反射的光信号采集到光电接收器上形成电信号，将光电接收器检测到的信号进行分析放大后通过A/D转换形成数字信号，通过与连接到STM32微控制器的WIFI通讯模块对信号进行传输数据到移动终端，得到的电压信号就可知道吸收的波长，然后移动终端连接搭建好的数据库进行比较分析就可以知道农药残留物的种类了。本实用新型的优点是：使用可调谐激光器代替原有的普通激光光源，使其光源功率增大、检测光谱范围加宽并且搭建光学系统更加简单，适用于更加复杂的检测环境。