[发明专利]基于通道注意力及概率上采样的遥感图像云检测方法

权利要求书

1.一种基于通道注意力及概率上采样的遥感图像云检测方法，其特征在于，包括如下步骤：

(1)获取训练样本集和测试样本集：

从数据集中获取K幅带有标签且含有云区域的遥感图像P＝{(P₁,L₁),(P₂,L₂),...,(P_k,L_k),...,(P_K,L_K)}，并将从P中随机选取的M幅遥感图像及其标签组成训练样本集将其余的N幅遥感图像及其标签组成测试样本集其中，K≥10000，P_k表示第k幅遥感图像，L_k表示P_k的标签，表示第m幅训练图像，表示的标签，表示第n幅测试图像，表示的标签，

(2)构建基于通道注意力及概率上采样的遥感图像云检测网络H：

(2a)构建包括编解码模块和概率上采样模块的遥感图像云检测网络H，其中编解码模块包括二维卷积层和与其级联的四个下采样模块，第四下采样模块的输出端级联有四个上采样模块和一个二维卷积层；概率上采样模块加载在最后一个上采样模块与二维卷积层之间；第一下采样模块与第四上采样模块之间、第二下采样模块与第三上采样模块之间、第三下采样模块与第二上采样模块之间和第四下采样模块与第一上采样模块之间各加载有一个通道注意力模块；下采样模块包含多个卷积层、批量标准化层、Relu激活函数以及最大池化层；上采样模块包含多个卷积层、批量标准化层，Relu激活函数以及上采样层；通道注意力模块包括依次级联的通道拼接层、全连接层和sigmoid激活函数，通道拼接层的输入端并行连接有二维卷积层和多路三维膨胀卷积层，通道拼接层与全连接层之间加载有并行连接的全局最大池化层和全局平均池化层；概率上采样模块包含最大池化层和上采样层；

(2b)定义遥感图像云检测网络H的损失函数L：

其中y^(m)表示输入第m幅训练图像所对应的标签y'^(m)表示的预测结果；

(3)对遥感图像云检测网络H进行迭代训练：

(3a)初始化迭代次数为t，最大迭代次数为T,T≥30,当前云检测网络为

H^t，并令t＝1，H^t＝H；

(3b)将训练样本集P^a作为遥感图像云检测网络H^t的输入进行前向传播，得到H的预测结果图像集合其中表示第m幅训练图像的预测结果；

(3c)采用反向传播算法，通过L损失函数计算预测结果集合与训练图像对应的标签样本集L^a的分类误差θ，然后用随机梯度下降法，通过降低分类误差θ对H^t的卷积核权值参数ω^t和全连接层的连接参数υ^t进行更新，得到第t次迭代后的遥感图像云检测网络H^t；

(3d)判断t＝T是否成立，若是，得到训练好的遥感图像云检测网络H^*，否则，令t＝t+1，并执行步骤(3b)；

(4)获取遥感图像云检测结果：

将遥感图像测试样本集P^b作为训练好的遥感图像云检测网络H^*的输入进行预测，得到P^b对应的遥感图像预测结果集合