买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：北京市遥感信息研究所

摘要：本发明公开了一种基于图像分割神经网络的复杂场景云检测方法及系统，方法包括：从预设的数据库中获取含云图像集，将含云图像集进行数据增强处理后，分为训练集和测试集；利用训练集对基于对抗网络的云检测网络架构进行训练，利用训练好的云检测网络架构对测试集进行处理，得到云检测结果。可见，本发明提供采用循环生成对抗网络结合数据增强方法解决了现有算法面向复杂场景时，无法满足理想的鲁棒性和精度问题；本发明结合了基于深度学习神经网络的方法，改善了传统方法需要经过大量复杂的图像预处理的问题，降低了算法所需时间，满足实时性检测的要求。

主权项：1.一种基于图像分割神经网络的复杂场景云检测方法，其特征在于，所述方法包括：S1、从预设的数据库中获取含云图像集；S2、对所述含云图像集进行数据增强处理，得到增强遥感图像集；所述增强遥感图像包括图像、与所述图像对应的标签；所述标签表征图像的类型；S3、将所述增强遥感图像集分为训练集和测试集；S4、利用所述训练集对云检测网络架构初始模型进行训练，得到云检测网络架构目标模型，所述云检测网络架构初始模型包括第一回路和第二回路；所述第一回路包括第一生成器和第一辨别器；所述第二回路包括第二生成器和第二辨别器，所述生成器和所述辨别器为对称结构；具体的：S41、将所述训练集平均分为数据域X和数据域Y；所述数据域X包括若干个带有标签的数据；所述数据域Y包括若干个不带标签的数据；S42、设置初始速度初始参数学习率，模型初始参数信息，初始速度，最大迭代次数M0，迭代次数M；所述迭代次数M初始值为1；构建生成器和辨别器的损失函数，辨别器之间同样共享权重训练，采用Adam迭代器进行参数迭代更新；S43、从所述数据域X按序选择数据A，从所述数据域Y按序选择数据B；S44、利用数据A和数据B训练所述云检测网络架构初始模型，包括：S441、利用所述第一生成器对数据A进行处理，得到数据fake_B；S442、利用所述第一辨别器判别所述数据fake_B是否为真，得到第二判断结果；若所述第二判断结果为否，则通过后向传播更新所述第一生成器参数，若所述第二判断结果为是，则通过后向传播更新所述第一辨别器参数；S443、利用所述第二生成器对数据fake_B进行处理，得到数据Cyclic_A；S444、利用所述第二辨别器判别所述数据Cyclic_A是否为真，得到第三判断结果；若所述第三判断结果为否，则通过后向传播更新所述第二生成器参数，若所述第三判断结果为是，则通过后向传播更新所述第二辨别器参数；S445、利用所述第二生成器对数据B进行处理，得到数据fake_A；S446、利用所述第二辨别器判别数据fake_A是否为真，得到第四判断结果；若所述第四判断结果为否，则通过后向传播更新所述第二生成器参数，若所述第四判断结果为是，则通过后向传播更新所述第一辨别器参数；S447、利用所述第一生成器对数据fake_A进行处理，得到数据Cyclic_B；S448、利用所述第一辨别器判别所述数据Cyclic_B是否为真，得到第五判断结果；若所述第五判断结果为否，则通过后向传播更新所述第一生成器参数，若所述第五判断结果为是，则通过后向传播更新所述第一辨别器参数；S45、更新迭代次数M为M+1，判断迭代次数M是否大于最大迭代次数M0，得到第一判断结果；如果第一判断结果为否，则触发执行S43，如果第一判断结果为是，则结束迭代，将所述云检测网络架构初始模型设置为云检测网络架构目标模型；S5、利用所述云检测网络架构目标模型，对所述测试集进行处理，得到云检测结果。

全文数据：

权利要求：

百度查询： 北京市遥感信息研究所 一种基于图像分割神经网络的复杂场景云检测方法及系统