[发明专利]一种基于UNET神经网络的遥感图像云检测方法

说明书

本发明公开了一种基于UNET神经网络的遥感图像云检测方法，包括以下步骤：建立具有5个下采样层、5个上采样层的云检测网络，其中所述云检测网络的前四个下采样层，每层后接卷积层和池化层，后四个上采样层每层后接有反卷积层；对原始遥感图像集进行云标注、人工复检、数据增强处理，将处理后的所述遥感图像集分为训练集、评估集和测试集；利用所述训练集与测试集不断优化云检测网络的；利用所述云检测网络对遥感图像进行云检测，输出所述云检测的结果图片。本发明解决了由于云特征提取不够充分而导致检测结果不够理想的问题，提高了检测精度，加强了算法的普适性。

技术领域

本发明涉及遥感图像检测领域，更具体的说，是涉及一种基于UNET神经网络的遥感图像云检测方法。

背景技术

随着卫星遥感技术的快速发展，遥感影像在环境、农业、气象等领域得到广泛的应用。但是光学成像的卫星遥感图像往往容易受到天气影响，导致图像存在云的遮挡，影响图像的进一步应用和分析；只有在气象条件允许且完全无云的时候才能拍摄图像，既影响时效性，又增加了卫星的运行成本。

现有技术中对遥感图像的处理，需要从图片中提取各种参数，或者对图片进行变换映射，然后再进行阈值判断，此过程非常复杂并且对图像数据的要求比较大，容错性不高，不利于推广。现有技术中，对不同背景的图像进行检测，有着不同的成功率，对于光谱的精度和预处理水平都有一定要求，否则误差会较大，适应性不强。

发明内容

有鉴于此，本发明的主要目的在于提供一种基于UNET神经网络的遥感图像云检测方法，解决了由于云特征提取不够充分而导致检测结果不够理想的问题，提高了检测精度，增强了算法的普适性。

本发明的基于UNET神经网络的遥感图像云检测方法，具体技术方案包括：

建立具有5个下采样层、5个上采样层、4条跳跃连接链的云检测网络，其中所述云检测网络的前四个下采样层每层后接有池化层，后四个上采样层每层后接有反卷积层；

对原始遥感图像集进行云标注、人工复检、数据增强处理，将处理后的所述遥感图像集分为训练集、评估集和测试集；

利用所述训练集中的图像对所述云检测网络进行训练，不断更新所述云检测网络的参数；

利用所述测试集中的图像对训练好的所述云检测网络中进行准确度测试，进行所述云检测网络的参数调整及再训练；

利用所述云检测网络对遥感图像进行云检测，输出所述云检测的结果图片。

进一步地，包括：所述云检测网络的第五个下采样层与第一个上采样层相连接。

进一步地，包括：所述云检测网络的最后一个上采样层连接全连接层。

进一步地，对原始遥感图像集进行云标注包括：利用ENVI软件对所述遥感图像集进行云标注。

进一步地，对原始遥感图像集进行数据增强包括：对所述遥感图像集进行旋转平移、弹性形变、对比度增强。

进一步地，利用所述测试集中的图像对训练好的所述云检测网络中进行准确度测试，进行所述云检测网络的参数调整及再训练包括：根据训练中损失函数的表现，对训练的次数及训练的批次大小进行调整。

进一步地，将处理后的所述遥感图像集分为训练集、评估集和测试集进一步地包括：从所述遥感图像集中随机选取70％的图像作为训练集，20％的图像做为评估集，剩余的10％作为测试集。

进一步地，包括：所述云检测网络的激活函数为ReLU函数。

进一步地，利用所述训练集中的图像对所述云检测网络进行训练，不断更新所述云检测网络的参数，包括：所述云检测网络的参数可以为卷积的权重和卷积的偏置值。