[发明专利]一种基于深度学习的遥感图像云检测方法

权利要求书

1.一种基于深度学习的遥感图像云检测方法，其特征在于，包括以下步骤：

1)对获得的遥感图像数据集进行图像预处理，并将预处理后的图像分为训练集和测试集；

2)将训练集中的图像作为神经网络模型的输入，不断更新网络模型参数优化神经网络模型；

3)将测试集图像输入到训练好的神经网络模型中进行验证，将遥感图像中有云的部分检测出来。

2.根据权利要求1所述的基于深度学习的遥感图像云检测方法，其特征在于，步骤1)的具体实现过程包括：从Landsat-8卫星图像中下载9个数据集作为实验数据，将所述实验数据中的近红外、短波红外和热红外三个波段的图像进行图像融合，将融合后的图像裁剪为256*256大小的子图，然后进一步降采样到64*64大小，再将降采样后的图像分为训练集和测试集。

3.根据权利要求2所述的基于深度学习的遥感图像云检测方法，其特征在于，从将降采样后的图像中随机选取70％的图像作为训练集，剩余的30％作为测试集。

4.根据权利要求1所述的基于深度学习的遥感图像云检测方法，其特征在于，所述神经网络模型包括6层，前三层为卷积层，后三层为全连接层。

5.根据权利要求1所述的基于深度学习的遥感图像云检测方法，其特征在于，步骤2)的具体实现过程包括：

1)从训练集中取一个样本(X,Y)，将X输入神经网络模型；X是指样本本身信息，Y为样本所对应的标签值；

2)计算相应的实际输出其中，Fn表示第n层卷积操作，Wn表示第n层网络的权值矩阵；

3)计算实际输出和相应的理想输出Y的差值；

4)按照极小化误差的方法反向传播调整权值矩阵。