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：北华航天工业学院;中国科学院空天信息创新研究院

摘要：本申请涉及图像分析技术领域，提供一种基于物理特征与深度学习模型的云和云阴影联合检测方法。该方法先通过深度学习模型对待检测的遥感影像进行多层分类检测，对应得到二分类检测结果和三分类检测结果，然后通过分析遥感影像的物理特征，利用光谱阈值法和引导滤波算法获得云和云阴影的掩膜结果；最后，根据深度学习模型得到的二分类检测结果、三分类检测结果以及基于物理特征得到的云和云阴影的掩膜结果逐个像元进行联合检测，得到各个像元的分类结果。由此，结合遥感影像的物理特征和深度学习模型对云和云阴影进行多层分类，避免了深度学习模型因缺乏训练样本导致模型性能较差、泛化能力不足的问题，提高了云和云阴影的检测精度。

主权项：1.一种基于物理特征与深度学习模型的云和云阴影联合检测方法，其特征在于，包括：获取研究区域的待检测遥感影像；所述待检测遥感影像为包含云和云阴影的遥感影像；使用深度学习模型对所述待检测遥感影像分别执行二分类检测和三分类检测，对应得到二分类检测结果和三分类检测结果；利用光谱阈值法，基于所述待检测遥感影像的物理特征进行云和云阴影检测，得到云和云阴影的掩膜结果；对所述待检测遥感影像中的每一像元，判断所述像元在所述二分类检测结果中的类别与所述像元在所述三分类检测结果中的类别是否相同；若不相同，则使用所述云和云阴影的掩膜结果与所述二分类检测结果对所述像元进行联合检测，得到所述像元的分类结果；所述待检测遥感影像为高分一号卫星影像；在获取待检测遥感影像之后、使用深度学习模型对所述待检测遥感影像分别执行二分类检测和三分类检测之前，还包括：利用所述高分一号卫星影像构建多层分类的云和云阴影检测数据集；所述云和云阴影检测数据集包括三分类数据集和二分类数据集，所述三分类数据集的标签数据中标注有云和云阴影分类目标；所述二分类数据集包括云数据集和云阴影数据集，所述云数据集的标签数据中标注有云目标；所述云阴影数据集中标注有云阴影目标；基于多层分类的云和云阴影检测数据集，对所述深度学习模型进行训练，得到训练完成的深度学习模型；所述深度学习模型为基于Transformer架构的Swin-Unet模型；基于多层分类的云和云阴影检测数据集，对所述深度学习模型进行训练，得到训练完成的深度学习模型，包括：利用所述多层分类的云和云阴影检测数据集对Swin-Unet模型进行二分类和三分类的分层训练，对应得到二分类云检测模型、二分类云阴影检测模型以及三分类检测模型；使用深度学习模型对待检测遥感影像分别执行二分类检测和三分类检测，对应得到二分类检测结果和三分类检测结果，包括：将处理好的数据集分别放入训练好的二分类云检测模型、二分类云阴影检测模型以及三分类检测模型，进行云和云阴影检测，输出二分类检测结果和三分类检测结果；所述待检测遥感影像的物理特征包括HOT指数、VBR指数和NDVI指数；利用光谱阈值法，基于所述待检测遥感影像的物理特征进行云和云阴影检测，得到云和云阴影的掩膜结果，包括：计算所述待检测遥感影像对应的HOT指数、VBR指数和NDVI指数；利用光谱阈值法，基于HOT指数和VBR指数对所述待检测遥感影像进行云检测，得到云掩膜结果；基于NDVI指数对所述待检测遥感影像进行云阴影检测，得到云阴影检测结果；使用导向滤波算法分别对云掩膜结果和云阴影检测结果进行边缘修正，得到云和云阴影的掩膜结果；使用所述云和云阴影的掩膜结果与所述二分类检测结果对所述像元进行联合检测，得到所述像元的分类结果，具体为：基于预设的权重系数，对所述云和云阴影的掩膜结果、所述二分类检测结果进行加权求和，得到加权求和结果；响应于所述加权求和结果符合第一预设阈值范围，将所述像元的分类结果确定为晴空，否则，则所述像元的分类结果确定为云云阴影。

全文数据：

权利要求：

百度查询： 北华航天工业学院 中国科学院空天信息创新研究院 基于物理特征与深度学习模型的云和云阴影联合检测方法