[发明专利]基于多尺度融合语义分割网络的遥感图像云检测方法

权利要求书

1.基于多尺度融合语义分割网络的遥感图像云检测方法，其特征在于，该方法包括以下步骤：

步骤一、从真实全色可见光遥感图像数据集中随机选取出N₀张作为原始遥感图像；

对N₀张原始遥感图像进行预处理，获得N₀张预处理后的遥感图像；

步骤二、将N₀张预处理后的遥感图像作为训练集输入语义分割网络进行训练，训练过程中不断更新语义分割网络中卷积层的卷积核参数，直至达到设置的最大迭代次数时停止训练，获得训练好的语义分割网络；

步骤三、对于待检测的遥感图像，采用步骤一的方法对待检测的遥感图像进行预处理，获得预处理后的待检测遥感图像；

将预处理后的待检测遥感图像输入步骤二训练好的语义分割网络，获得语义分割网络输出的裁剪后图像；

将裁剪后图像经过softmax分类器，获得与裁剪后图像尺寸相同的二值图像，二值图像中灰度值不为0的像素点代表含云区域，灰度值为0的像素点代表非云区域，实现对待检测的遥感图像的云检测。

2.根据权利要求1所述的基于多尺度融合语义分割网络的遥感图像云检测方法，其特征在于，所述对N₀张原始遥感图像进行预处理，获得N₀张预处理后的遥感图像，其具体过程为：

对于任意一张原始遥感图像，计算出该张原始遥感图像的各通道灰度的均值M，再分别利用该张原始遥感图像中各像素点的灰度减去均值M，获得该张原始遥感图像对应的预处理后遥感图像，即该张原始遥感图像对应的预处理后遥感图像中各像素点的灰度值为：

O′(i,j)＝O(i,j)-M (1)

其中：O(i,j)为该张原始遥感图像中像素点(i,j)处的灰度值，O′(i,j)为该张原始遥感图像对应的预处理后遥感图像中像素点(i,j)处的灰度值；

同理，计算出N₀张原始遥感图像中每张原始遥感图像对应的预处理后遥感图像，即获得N₀张预处理后的遥感图像。

3.根据权利要求2所述的基于多尺度融合语义分割网络的遥感图像云检测方法，其特征在于，所述步骤二的具体过程为：

将N₀张预处理后的遥感图像作为训练集输入语义分割网络，在开始训练之前，需要初始化语义分割网络的网络参数，网络参数初始化完成后再开始训练过程；

所述语义分割网络包括15个卷积层、5个池化层、2个反卷积层和2个裁剪层，分别是：

2个卷积核尺寸为3*3，卷积核个数为64的卷积层；

1个卷积核尺寸为2*2，卷积核个数为64的池化层；

2个卷积核尺寸为3*3，卷积核个数为128的卷积层；

1个卷积核尺寸为2*2，卷积核个数为128的池化层；

3个卷积核尺寸为3*3，卷积核个数为256的卷积层；

1个卷积核尺寸为2*2，卷积核个数为256的池化层；

3个卷积核尺寸为3*3，卷积核个数为512的卷积层；

1个卷积核尺寸为2*2，卷积核个数为512的池化层；

3个卷积核尺寸为3*3，卷积核个数为512的卷积层；

1个卷积核尺寸为2*2，卷积核个数为512的池化层；

1个卷积核尺寸为7*7，卷积核个数为4096的卷积层；

1个卷积核尺寸为1*1，卷积核个数为4096的卷积层；

1个卷积核尺寸为8*8，卷积核个数为2的反卷积层；

1个裁剪层，

1个卷积核尺寸为16*16，卷积核个数为2的反卷积层；

1个裁剪层；

利用卷积核尺寸为8*8、卷积核个数为2的反卷积层对卷积核尺寸为1*1、卷积核个数为4096的卷积层输出的特征图进行上采样，获得上采样后的特征图，获得的上采样后特征图的尺寸是卷积核尺寸为1*1、卷积核个数为4096的卷积层输出的特征图尺寸的四倍；

将获得的上采样后特征图与最后一个卷积核尺寸为3*3、卷积核个数为512的卷积层输出的特征图进行逐像素加权平均，获得融合后的特征图；利用卷积核尺寸为16*16、卷积核个数为2的反卷积层对融合特征图进行上采样，获得上采样后融合特征图，获得的上采样后融合特征图为融合后特征图尺寸的八倍；

上采样后融合特征图经过裁剪层后获得裁剪后图像，裁剪后图像与预处理后遥感图像的尺寸相同；

且在训练过程中，语义分割网络的卷积层的卷积核参数通过BP算法不断更新；直至达到设置的最大迭代次数N时停止迭代，获得训练好的语义分割网络。