[发明专利]一种使用统一样本的深度学习卫星数据云检测算法

权利要求书

1.一种使用统一样本的深度学习卫星数据云检测算法，其包括以下步骤：

A、高光谱数据像元库的建立：基于高空间分辨率和高光谱分辨率的AVIRIS数据，利用目视解译的方法，在AVIRIS数据上采取厚云、薄云、碎云、云边缘等云的样本像元和植被、水体、裸地、城镇等晴空像元。选取云像元样本时，要注意需选取不同地表类型上的云，以便分析不同地表类型对云识别的影响。

B、多光谱数据模拟：基于待识别卫星数据的波谱响应函数以及AVIRIS的波段宽度来模拟出待识别卫星数据的多光谱数据的发射率，作为BP神经网络的输入向量。模拟待识别卫星数据的原理是基于多个窄波段的高光谱的表观反射率，将其加权合成以得到对应宽波段的表观反射率。

C、基于神经网络的云检测：分别将模拟出的待识别卫星数据的云和晴空像元的反射率值输入到云检测神经网络模型中，训练出对应传感器的神经网络云检测模型，再进行云检测。

D、结果分析：对比分析不同下垫面的云检测结果以及不同卫星传感器的云检测结果。结合目视解译，分析人工神经网络云检测结果的准确性。

2.根据权利要求1所属的一种使用统一样本的深度学习卫星数据云检测算法，其特征在于，所述步骤A中，具体的提取方法如下：基于AVIRIS数据的特点，利用AVIRIS数据构建各种多光谱传感器的云和晴空像元的样本库，选取不同地表类型上，不同类型，足够数量的云。同时需要选取不同地物类型的晴空像元样本，得到适用于多种传感器的统一的样本像元库。

3.根据权利要求1所属的一种使用统一样本的深度学习卫星数据云检测算法，其特征在于，所述步骤B中，具体的提取方法如下：在AVIRIS数据的云和晴空像元库的基础上，辅以AVIRIS数据的波段宽度以及待模拟的光学传感器的波谱响应函数数据，进行数据模拟运算，进而模拟出相对应传感器的云像元和晴空像元库。

4.根据权利要求1所属的一种使用统一样本的深度学习卫星数据云检测算法，其特征在于，所述步骤C中，具体的提取方法如下：

通过模拟计算出的多光谱数据的表观反射率作为输入向量，没有选择人为的输入特征向量，避免人的主观因素对云识别结果的影响，通过交叉验证的方法来确定构建的BP神经网络参数，保证较高的精度和较高的训练速率，需优化隐含层节点数、dropout值、batch值和momentum值等参数。