[发明专利]一种基于改进D-LinkNet的卫星影像云检测方法

权利要求书

1.一种基于改进D-LinkNet的卫星影像云检测方法，其特征在于，包括以下步骤：

步骤1，采集卫星影像，形成训练集和测试集；

步骤2，建立拆分注意力机制网络的D-LinkNeSt模型，所述拆分注意力机制网络的D-LinkNeSt模型包括依次连接的输入层、卷积层一、最大池化层一、拆分注意力机制网络模块一、最大池化层二、拆分注意力机制网络模块二、最大池化层三、拆分注意力机制网络模块三、最大池化层四、拆分注意力机制网络模块四、空洞卷积模块，以及依次连接的反卷积层一、相加模块层一、反卷积层二、相加模块层二、反卷积层三、相加模块层三、反卷积层四、卷积层二，所述空洞卷积模块与反卷积层一跳跃连接，所述拆分注意力机制网络模块三与相加模块层一跳跃连接，所述拆分注意力机制网络模块二与相加模块层二跳跃连接，所述拆分注意力机制网络模块一与相加模块层一跳跃连接；所述拆分注意力机制网络模块一包括3个并联的拆分注意力机制网络结构，所述拆分注意力机制网络模块二包括4个并联的拆分注意力机制网络结构，所述拆分注意力机制网络模块三包括6个并联的拆分注意力机制网络结构，所述拆分注意力机制网络模块四包括3个并联的拆分注意力机制网络结构；

所述拆分注意力机制网络结构包括依次连接的拆分注意力输入层、分割层、K个基数组、拼接层、1×1卷积层、相加模块层五，所述相加模块层五与拆分注意力输入层连接；所述基数组包括R个小组、拆分注意力模块，所述R个小组分别与拆分注意力模块连接；所述拆分注意力模块包括依次连接的全局平均池化层、归一化激励层、注入软注意力的归一化指数函数层、拆分注意力相加模块；

步骤3，采用训练集对步骤2建立的拆分注意力机制网络的D-LinkNeSt模型进行训练，得到训练好的拆分注意力机制网络的D-LinkNeSt模型；

步骤4，使用训练好的拆分注意力机制网络的D-LinkNeSt模型对测试集进行预测，得到预测标签，然后将预测标签和测试集中的原始影像输入到条件随机场中，使用原始影像上的像素作为X，预测出来的标签作为Y，得到经过后处理的云检测标签结果。

2.根据权利要求1所述基于改进D-LinkNet的卫星影像云检测方法，其特征在于：拆分注意力机制网络结构中第k个基数组表示为：

其中，表示分割为R个小组的第k个基数组的特征图，k∈1,2,...K，表示第i₁个小组，表示基数组的特征图，H表示特征图的高度，W表示特征图的宽度，C表示特征图的通道数。

3.根据权利要求2所述基于改进D-LinkNet的卫星影像云检测方法，其特征在于：通过拆分注意力模块的全局平均池化层实现聚合通道维度的全局上下文信息，s_c^k计算如下：

其中，表示基于全局特征的s^k的第c个通道的每一组权重，表示的第c个通道的特征矩阵经过3×3的卷积的结果；

V_c^k基数组表示的加权融合使用通道维度的软注意力进行聚合，其中每个特征图通道均使用加权拆分组合生成，第c个通道计算如下：

其中，V_c^k表示第k个基数组经过拆分注意力结构的第c个通道的特征图，R表示每个基数组可分为小组的个数，表示第k个基数组的第i₂个特征图的权重，表示第k个基数组的第i₂个特征图；

通过注入软注意力的归一化指数函数层确定软注意力的权重，求得a_i^k(c)的值：

其中，表示softmax函数，s^k表示第k个基数组的特征图；

最后通过拆分注意力相加模块将所有通道的V合并起来，并与初始输入相加，得到拆分注意力模块最终的输出值。