[发明专利]无配对监督云检测以及大区域厚云去除方法

权利要求书

1.无配对监督云检测以及大区域厚云去除方法，其特征在于，具体按照以下步骤实施：

步骤1、将通过卫星拍摄获得云遥感图像，将遥感图像切分为1024×1024的图片，手动将云图和无云图放入不同的文件夹；

步骤2、构建二分类网络Net_Detect，初始化训练参数，将有云图文件夹中的图片送入二分类网络，输出结果标签为0，得到一张置信图；将无云图文件夹中的图片送入二分类网络，标签为1；

步骤3、对置信图进行最小交叉熵阈值化；

步骤4、对步骤3得到的结果，进行图形学的“开”运算，得到二值掩码；

步骤5、构建图像的云修复网络Net_Inpaint，初始化训练参数；将二值掩码和云图一同送入云修复网络Net_Inpaint中，得到修复结果图；

步骤6、将修复结果进行上下文残差聚合，得到高分辨率的修复结果。

2.根据权利要求1所述无配对监督云检测以及大区域厚云去除方法，其特征在于，步骤2具体包括以下步骤：

步骤2.1、搭建一个5层的卷积神经网络，第一层的卷积核大小为5，步长为2，其余四层卷积核大小为4，步长为1；每一层使用频谱归一化，最后一层为sigmoid层；

步骤2.2、将有云图和无云图文件夹中图片送入步骤2.1搭建的卷积神经网络中，将有云图文件夹中的图片送入二分类网络，输出结果标签为0，得到一张置信图；将无云图文件夹中的图片送入二分类网络，标签为1，损失函数为交叉熵损失函数，损失函数为：

上式中,p_data(x)表示真实数据x的分布概率，表示噪声变量的分布概率，D代表判别器，x代表无云图，D(x)代表将无云图送入判别器，代表云图，代表将云图送入判别器，ε代表分布函数的期望值。

3.根据权利要求1所述无配对监督云检测以及大区域厚云去除方法，其特征在于，步骤3具体过程为：

对置信图进行最小交叉熵阈值分割，其中熵函数表示为：

s(f，m)＝∫dx(f(x)-m(x))-f(x)log(f(x)/m(x)) (2)

式(2)中，f(x)表示置信图进行分割后得到的二值图像模型，m(x)表示置信图的图像模型。