基于语义分割的高分遥感图像云检测方法和装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113743300A(43)申请公布日2021.12.03(21)申请号202111032069.9(22)申请日2021.09.03(71)申请人中化现代农业有限公司地址100069北京市西城区复兴门内大街28号818室(72)发明人蔡永维(74)专利代理机构北京知汇林知识产权代理事务所(普通合伙)11794代理人董涛(51)Int.Cl.G06K9/00(2006.01)G06K9/62(2006.01)G06N3/04(2006.01)G06N3/08(2006.01)G06T7/00(2017.01)权利要求书2页说明书7页附图4页(54)发明名称基于语义分割的高分遥感图像云检测方法和装置(57)摘要本申请涉及一种基于语义分割的高分遥感图像云检测方法和装置，该方法包括：获取高分遥感图像，所述高分遥感图像为RGB图像数据；对获取的图像进行预分类，判断图像是否为有云图片；如果是有云图片，则对图片进行增强处理；将增强处理后的图片输入到云检测模型中进行识别；所述云检测模型是预先训练好的语义分割模型，该模型中包括注意力机制模块；将所述云检测模型的输出结果进行融合处理，获得云检测结果。本申请的方案基于语义分割对高分辨率遥感图像进行像素级云检测，从而提高检测精度；单纯使用RGB图像进行云检测，大幅提高云检测普适性；在检测模型中加入注意力机制，既能够发挥边缘分割精细的特点也能有效提高模型检测正确率。CN113743300ACN113743300A权利要求书1/2页1.一种基于语义分割的高分遥感图像云检测方法，其特征在于，包括：获取高分遥感图像，所述高分遥感图像为RGB图像数据；对获取的图像进行预分类，判断图像是否为有云图片；如果是有云图片，则对图片进行增强处理；将增强处理后的图片输入到云检测模型中进行识别；所述云检测模型是预先训练好的语义分割模型，该模型中包括注意力机制模块；将所述云检测模型的输出结果进行融合处理，获得云检测结果。2.根据权利要求1所述的方法，其特征在于，所述对获取的图像进行预分类，包括：将图片压缩为低分辨率图像；将压缩后的图像数据输入到预分类模型中进行处理。3.根据权利要求2所述的方法，其特征在于，所述预分类模型为改进的ResNet50残差神经网络，该神经网络用于：将InceptionNet结构与ResNet残差块相结合；将结合后的结果加上全连接层，对图片进行是否为有云图片的分类。4.根据权利要求1所述的方法，其特征在于，所述对图片进行增强处理，包括：判断是否对输入图片进行训练；若是，则采用滑动裁剪、随机排布方式进行数据增强；若否，则将图片按原分辨率进行裁剪。5.根据权利要求4所述的方法，其特征在于，所述将所述云检测模型的输出结果进行融合处理，包括：将低分辨率的结果使用插值的方法进行分辨率还原；将分辨率还原后的结果进行拼接融合。6.根据权利要求1‑5任一项所述的方法，其特征在于，所述云检测模型包括多个卷积模块和多个注意力机制模块；所述卷积模块包括卷积层、批量标准化层、ReLU激活函数，所述注意力机制模块为结合了空间和通道的注意力机制模块。7.根据权利要求6所述的方法，其特征在于，所述注意力机制模块用于：分别计算每张特征图的全局平均池化信息和全局最大池化信息，二者通过相同的全连接层后再相加，得到通道注意力参数；分别对各通道的特征图的每个坐标进行全局最大和全局平均池化，得到两张特征图，再对特征图进行卷积得到空间注意图。8.一种基于语义分割的高分遥感图像云检测装置，其特征在于，包括：获取模块，用于获取高分遥感图像，所述高分遥感图像为RGB图像数据；预分类模块，用于对获取的图像进行预分类，判断图像是否为有云图片；增强模块，用于如果是有云图片，则对图片进行增强处理；识别模块，用于将增强处理后的图片输入到云检测模型中进行识别；所述云检测模型是预先训练好的语义分割模型，该模型中包括注意力机制模块；融合模块，用于将所述云检测模型的输出结果进行融合处理，获得云检测结果。9.一种计算机设备，其特征在于，包括：存储器，用于存储计算机程序；2CN113743300A权利要求书2/2页处理器，用于执行所述存储器中的计算机程序，以实现权利要求1至7中任一项所述方法的操作步骤。10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述方法的操作步骤。3CN113743300A说明书1/7页基于语义分割的高分遥感图像云检测方法和装置技术领域[0001]本申请涉及光学遥感图像处理技术领域，具体涉及一种基于语义分割的高分遥感图像云检测方法和装置。背景技术[0002]根据国际卫星云气候计划ISCCP(Interna