一种基于双分支网络模型的云检测方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115984714A(43)申请公布日2023.04.18(21)申请号202310278503.4G06V10/774(2022.01)(22)申请日2023.03.21G06V10/80(2022.01)G06V10/82(2022.01)(71)申请人山东科技大学G06N3/0455(2023.01)地址266000山东省青岛市黄岛区前湾港G06N3/0464(2023.01)路579号（泰安市泰山区岱宗大街223G06N3/08(2023.01)号、济南市天桥区胜利庄路17号）申请人中国石油大学（华东）(72)发明人马楠周成虎孙林董传祥(74)专利代理机构安徽潍达知识产权代理事务所(普通合伙)34166专利代理师朱明英(51)Int.Cl.G06V20/13(2022.01)G06V10/26(2022.01)G06V10/40(2022.01)权利要求书2页说明书7页附图3页(54)发明名称一种基于双分支网络模型的云检测方法(57)摘要本申请涉及遥感图像处理技术领域，提出了一种基于双分支网络模型的云检测方法，包括以下步骤：构建云检测数据集并设计TransDiffNet云检测模型；基于TransDiffNet云检测模型预测，输入遥感影像表观反射率和差异特征，获得遥感影像云检测结果，本方案弥补纯卷积神经网络（ConvolutionalNeuralNetwork,CNN）结构获取全局信息的缺失和纯Transformer结构捕获空间细节特征的不足，减少云与明亮地表特征的混淆以及薄云遗漏，提高云检测精度。CN115984714ACN115984714A权利要求书1/2页1.一种基于双分支网络模型的云检测方法，其特征在于，包括以下步骤：构建云检测数据集并设计TransDiffNet云检测模型；基于TransDiffNet云检测模型预测，输入遥感影像表观反射率和差异特征，获得遥感影像云检测结果。2.根据权利要求1所述的一种基于双分支网络模型的云检测方法，其特征在于，所述构建云检测数据集包括：选取遥感影像有云影像以及对应的无云影像，对所选遥感影像进行辐射定标处理获得有云影像和无云影像的表观反射率数据；对有云影像和无云影像进行差异运算，获得差异影像；将差异影像与有云影像的表观反射率数据进行波段融合，获得融合影像；标注获得有云影像的真实云掩模，将整景遥感影像和对应云掩模裁剪成图像块，获得最终云检测训练数据集。3.根据权利要求2所述的一种基于双分支网络模型的云检测方法，其特征在于，进行所述差异运算采用如下公式：，其中表示差异影像，表示有云影像表观反射率，表示无云影像表观反射率，k表示波段，i和j表示第i行，第j列。4.根据权利要求1所述的一种基于双分支网络模型的云检测方法，其特征在于，所述设计TransDiffNet云检测模型包括采用编码器进行编码和采用解码器进行解码，所述编码器为CNN‑Transformer模块和差异特征增强模块的双分支结构；其中所述CNN‑Transformer模块对表观反射率数据进行特征编码，所述差异特征增强模块对差异特征进行特征编码。5.根据权利要求4所述的一种基于双分支网络模型的云检测方法，其特征在于，所述CNN‑Transformer模块包括CNN编码模块和Transformer编码模块，其中所述CNN编码模块采用ResNet50结构对输入图像进行若干次下采样生成浅层特征图，将所述CNN编码模块生成的浅层特征图进行图像序列化处理得到Transformer编码模块的输入序列，其中CNN编码模块输出的特征被分为若干个图像切片，采用如下公式对图像切片空间位置信息进行编码学习特定的位置嵌入，并将其添加到图像切片中以保留位置信息：其中E为图像切片嵌入投影，表示位置嵌入，表示一维序列和位置。6.根据权利要求5所述的一种基于双分支网络模型的云检测方法，其特征在于，所述Transformer编码模块根据输入序列捕获上下文信息和全局关系，所述Transformer编码模块从卷积神经网络中提取网络对特征图的标记图像块进行编码，包括一个归一化层、一个多层感知器和一个多头自注意力，其中所述归一化层在多头自注意力和多层感知器之前；所述多头自注意力和多层感知器的输出采用如下公式：2CN115984714A权利要求书2/2页其中LN表示层归一化算子，表示编码图像。7.根据权利要求4所述的一种基于双分支网络模型的云检测方法，其特征在于，所述差异特征增强模块包括卷积池化单元和通道空间注意力模块，差异特征首先进入卷积池化单元，经过卷积池化单元后的输出特征进入通道空间注意力模块；对输入到通道空间注意力模块中的特征层进行通道注意力操作和空间注意力操作，在空间和通道两个维度上完成对特征图