[发明专利]一种基于全卷积神经网络的遥感图像云检测方法及装置

权利要求书

1.一种基于全卷积神经网络的遥感图像云检测方法，其特征在于，包括以下步骤：

选择风云气象卫星遥感图像的RGB波段构建数据集，在数据集中获取训练集；

构建SP-HRNet网络模型，所述网络模型包括连续并行的多分辨率子网络、重复多尺度融合模块以及与深度可分离卷积结合模块；

训练集输入网络模型进行训练，得到网络模型的参数，形成网络参数模型；

使用网络参数模型进行遥感图像云检测；

所述连续并行的多分辨率子网络包含多个子网络且分为多个阶段；多个子网络通过其分辨率由高到低分布且依次串联，并形成多个卷积；相邻两个子网络之间有一个下采样层，将分辨率减半；从与原图相同分辨率的子网络开始作为第一个阶段，之后通过步长为2的卷积逐步增加高分辨率到低分辨率的子网络，形成新的阶段，并将多个分辨率的子网络并行连接；

所述重复多尺度融合模块被配置为：所述网络模型在并行子网络之间引入交换单元，子网络的每个阶段之间可重复地接收其他阶段的特征提取信息，并进行多尺度融合，把高分辨率信息融入低分辨特征层；

所述与深度可分离卷积结合模块被配置为：深度可分离卷积首先使用卷积核将特征图的各个通道映射到一个新的空间，再通过另一卷积核进行卷积，通过深度可分离卷积实现通道和空间的分离。

2.根据权利要求1所述的基于全卷积神经网络的遥感图像云检测方法，其特征在于，所述训练集输入网络模型进行训练，得到网络模型的参数，形成网络参数模型包括：将训练集输入搭建好的网络模型，设定学习率、迭代次数超参数，设置用于优化网络参数的损失函数，根据训练好的损失曲线调整训练过程，最终得到训练好的网络参数模型。

3.根据权利要求1所述的基于全卷积神经网络的遥感图像云检测方法，其特征在于，所述方法还包括：

在数据集中获取测试集，将测试集输入网络参数模型，得到测试集的提取结果，对网络模型进行评价。

4.根据权利要求1所述的基于全卷积神经网络的遥感图像云检测方法，其特征在于，选择风云气象卫星遥感图像的RGB波段将图像裁剪为256*256大小构建数据集，再按照4:1的比例分成训练集和测试集。

5.根据权利要求1所述的基于全卷积神经网络的遥感图像云检测方法，其特征在于，所述方法还包括：

对风云气象卫星遥感图像进行预处理。

6.根据权利要求5所述的基于全卷积神经网络的遥感图像云检测方法，其特征在于，所述对风云气象卫星遥感图像进行预处理包括：

利用arcgis和ENVI对风云气象卫星遥感图像进行辐射校正和空间域增强处理滤波。

7.一种采用如权利要求1至6任意一项所述的遥感图像云检测方法的基于全卷积神经网络的遥感图像云检测装置，其特征在于，包括：

数据集获取单元，用于选择风云气象卫星遥感图像的RGB波段构建数据集，在数据集中获取训练集；

网络模型构建单元，用于构建SP-HRNet网络模型，所述网络模型包括连续并行的多分辨率子网络、重复多尺度融合模块以及与深度可分离卷积结合模块；

训练单元，用于训练集输入网络模型进行训练，得到网络模型的参数，形成网络参数模型；

检测单元，用于使用网络参数模型进行遥感图像云检测。