[发明专利]一种基于改进D-LinkNet的卫星影像云检测方法

说明书

本发明公开了一种基于改进D‑LinkNet的卫星影像云检测方法，应用人工勾云样本生成二值图标签；其次，对D‑LinkNet50的编码器进行改进，使用带有通道注意力机制的ResNeSt50‑Block替换原始的ResNet50‑Block；另外，对损失函数进行加权，测试分析发现只用交叉熵损失作为损失函数，检测精度更高，最后使用条件随机场(CRF)对预测的结果进行后处理。实验结果表明，改进后的D‑LinkNet模型在测试集上的mIoU提升1.93％，precision提升2.45％，保持了较好的云边缘信息，可以很好地用于云检测，效果明显高于原D‑LinkNet模型。

技术领域

本发明涉及一种卫星影像云检测方法，属于卫星遥感技术领域。

背景技术

遥感是地球资源变化监测与管理过程中不可或缺的技术手段，然而，在卫星获取影像的过程中并不是每天都是晴空万里，往往伴随着大量云雾的遮挡，以至于影像部分区域信息丢失，给后续的遥感影像分析解译带来了困难。所以，云检测对于光学卫星遥感具有重要意义。

在近些年来，学者们研究了多种云检测方法。其可以分为两类：基于波段阈值方法与基于深度学习的云检测方法。

传统的云检测方法大多基于热红外波段、影像的波段信息进行检测，文献“ZHU Z,WOODCOCK C E.Object-based cloud and cloud shadow detection in landsat imagery[J]. Remote Sensing of Environment.2012,118:83-94”提出了FMask算法，通过设定波段阈值来实现Landsat影像的云检测。然而国产高分辨率卫星的波段数少缺少热红外波段，难以通过光谱信息来进行云检测，所以文献“陈曦东,张肖,刘良云,等.增强型多时相云检测[J]. 遥感学报，2019,23(2)：280-290”中基于多时相云在红外波段的反射特性的云检测方法不适合国产卫星的云检测。随着深度学习的发展，语义分割技术的不断进步，其也逐渐应用于云检测上来。文献“栗旭升,刘玉峰,陈冬花,等.结合图像特征的支持向量机高分一号云检测 [J].国土资源遥感，2020，32(3)：55-62”利用灰度共生矩阵提取图像的纹理特征，使用纹理特征与光谱特征结合，再使用支持向量机的方法对高分一号卫星进行云检测，但是很多卫星都还不是多光谱卫星，难以实现普适性。文献“刘云峰,杨珍,韩骁,等.国产高分辨率遥感卫星影像云检测方法分析[J].测绘通报,2020(11)：66-70”将双重注意机制模型与全卷积神经网络模型相对比，发现双重注意力机制模型用于云检测更为准确。文献“张家强,李潇雁, 李丽圆,等.基于深度残差全卷积网络的Landsat 8遥感影像云检测方法[J].激光与光电子学进展,2020,57(10):364-371”对Unet网络结构进行改进，编码器与残差结构相结合，提高了模型的泛化能力，比传统的Unet模型检测精度更优。文献“张永宏,蔡朋雁,陶润喆,等.基于改进U-Net网络的遥感图像云检测.[J].测绘通报,2020(3)：17-20”解码器不仅在Unet 模型的编码器中引入残差模块，而且在解码器中融入密集连接模块，可以很好的检测出大量的薄量的薄云碎云。

发明内容

发明目的：针对国产部分卫星影像云检测不能使用传统的基于阈值检测云，以及当前深度学习算法检测云的精度低，误检率高的问题，本发明提供一种基于改进D-LinkNet的卫星影像云检测方法。

技术方案：为实现上述目的，本发明采用的技术方案为：

一种基于改进D-LinkNet的卫星影像云检测方法，包括以下步骤：

步骤1，采集卫星影像，形成训练集和测试集；