-
题名基于多尺度特征融合网络的云和云阴影检测试验
被引量：2
- 1
-
-
作者
杨昌军
张秀再
张晨
冯绚
刘瑞霞
-
机构
中国气象局国家卫星气象中心/中国遥感卫星辐射测量和定标重点开放实验室
南京信息工程大学江苏省大气环境与装备技术协同创新中心
南京信息工程大学电子与信息工程学院
中国科学院空间应用工程与技术中心
-
出处
《大气科学》
CSCD
北大核心
2021年第6期1187-1195,共9页
-
基金
第二次青藏高原综合科学考察研究项目2019QZKK0105
国家自然科学青年基金项目11504176、61601230、41905033
+1 种基金
江苏省自然科学青年基金项目BK20141004
江苏省高校自然科学研究重大项目13KJA510001。
-
文摘
基于深度学习的高分辨率光学影像云检测过程中,云和云阴影及其边缘细节丢失较为严重,主要原因在于不同尺度空间语义信息特征融合存在不足。针对该问题,本文构建一种基于深度学习的多尺度特征融合网络(Multi-scale Feature Fusion Network,MFFN)的云和云阴影检测方法,该算法结合防止网络退化的残差神经网络模块(Res.block)、扩大网络感受野的多尺度卷积模块(MCM)和提取并融合不同尺度信息的多尺度特征模块(MFM)。试验表明,本算法能提取丰富的空间信息与语义信息,可取得较为精细的云与云阴影掩模,具有较高检测精度,其中云检测准确率达0.9796,云阴影检测准确率达0.8307。同时,该工作可为深度学习技术应用于业务云检测提供理论支持及技术储备。
-
关键词
云检测
云阴影检测
残差模块(Res.block)
多尺度卷积
多尺度特征模块
-
Keywords
Cloud detection
Cloud shadow detection
Res.block(Residual block)
Multi-scale convolution
Multi-scale feature module
-
分类号
P751
[交通运输工程—港口、海岸及近海工程]
-
