[发明专利]基于马尔可夫判别器的非成对弱监督云检测方法及系统

权利要求书

1.一种基于马尔可夫判别器的非成对弱监督云检测方法，其特征在于，所述云检测方法包括：

步骤1：获取有云遥感图像和无云遥感图像，并将所述有云遥感图像和无云遥感图像作为训练集；

步骤2：设置云检测网络参数；

步骤3：基于所述云检测网络参数构建云检测网络；

步骤4：将所述有云遥感图像的标签预定义为全0，所述无云遥感图像的标签预定义为全1；

步骤5：从所述有云遥感图像中选取m个有云图作为第一样本输入所述云检测网络，以标签均为0进行不准确监督，计算第一交叉熵损失，并生成粗略置信图；

步骤6：从所述无云遥感图像中选取m个无云图作为第二样本输入所述云检测网络，以标签均为1进行不准确监督，计算第二交叉熵损失，并通过学习所述第二样本的先验特征来修正所述粗略置信图；

步骤7：基于所述第一交叉熵损失和所述第二交叉熵损失进行反向传播更新所述云检测网络的网络参数；

步骤8：重复步骤2-步骤7，直到所述云检测网络训练完毕，得到训练好的云检测网络；

步骤9：将待检测的有云遥感图像输入到所述训练好的云检测网络，得到最终置信图；

步骤10：基于所述最终置信图确定二值云检测结果。

2.根据权利要求1所述的基于马尔可夫判别器的非成对弱监督云检测方法，其特征在于，所述云检测网络为光谱归一化马尔可夫判别器，所述马尔可夫判别器具体包括：

第一卷积层、第二卷积层、第三卷积层、第四卷积层、第五卷积层、第一光谱归一化层、第二光谱归一化层、第三光谱归一化层、第四光谱归一化层以及第五光谱归一化层；所述第一卷积层、第一光谱归一化层、第二卷积层、第二光谱归一化层、第三卷积层、第三光谱归一化层、第四卷积层、第四光谱归一化层、第五卷积层以及第五光谱归一化层依次连接。

3.根据权利要求2所述的基于马尔可夫判别器的非成对弱监督云检测方法，其特征在于，所述第一光谱归一化层、第二光谱归一化层、第三光谱归一化层、第四光谱归一化层、第五光谱归一化层均采用以下公式：

其中，W为当前层网络的权重参数矩阵，σ_(W)为权值参数矩阵的最大奇异值。

4.根据权利要求2所述的基于马尔可夫判别器的非成对弱监督云检测方法，其特征在于，所述第一交叉熵损失的损失函数为：

其中，D^sn代表光谱归一化马尔可夫判别器，C代表小批量样本的有云遥感图,表示所述第一样本采样自有云遥感图像概率。

5.根据权利要求2所述的基于马尔可夫判别器的非成对弱监督云检测方法，其特征在于，所述第二交叉熵损失的损失函数为：

其中，D^sn代表光谱归一化马尔可夫判别器，N代表小批量样本的无云遥感图，表示所述第二样本采样自无云遥感图像概率。

6.根据权利要求1所述的基于马尔可夫判别器的非成对弱监督云检测方法，其特征在于，所述训练集为未标记云区域且非成对的有云遥感图像和无云遥感图像。

7.根据权利要求1所述的基于马尔可夫判别器的非成对弱监督云检测方法，其特征在于，所述基于所述最终置信图确定二值云检测结果具体包括以下步骤：

获取前景图像与背景图像最佳阈值；

根据所述最佳阈值对置信图进行二值化得到云检测结果。

8.根据权利要求7所述的基于马尔可夫判别器的非成对弱监督云检测方法，其特征在于，所述获取前景图像与背景图像最佳阈值具体包括以下步骤：

计算前景图像和背景图像的方差：g＝w₀×w₁×(u₀-u₁)²；其中，前景点数占图像比例为w₀，平均灰度为u₀；背景点数占图像比例为w₁，平均灰度为u₁；

将所述前景图像和背景图像的方差最大时对应的灰度值作为前景图像与背景图像最佳阈值。