[发明专利]一种众源地理信息辅助下的多源遥感影像云检测方法

权利要求书

1.一种众源地理信息辅助下的多源遥感影像云检测方法，其特征在于：

包括以下步骤，

步骤1，首先利用众源地理信息编码器对处理来源多样的地理数据，并生成深度神经网络模型可读取栅格图像；

步骤2，分别构建光谱-空间信息提取网络和众源地理信息提取网络；

步骤3，其次，采用光谱-空间信息提取网络来提取云的光谱和空间信息。众源地理信息提取网络来提取云的上下文信息，并生成粗云特征分数图，进而提升云与背景可分性；

步骤4，采用多模态信息融合模块对粗云特征分数图进行细化；

步骤5，最后，采用Softmax分类器对最终云层特征分数图进行分类，进而完成最终云检测。

2.根据权利要求1所述的众源地理信息辅助下的多源遥感影像云检测方法，其特征在于：

所述步骤1中，采用地理空间数据为全球高程数据、全球永久水体数据、影像时间和位置信息等，这些数据蕴含丰富高层次语义信息和上下文信息，这些先验信息可以辅助遥感影像云检测。为此，构建一种众源地理信息编码器，其目的是对来源多样的众源地理数据进行预处理。

3.根据权利要求1所述的众源地理信息辅助下的多源遥感影像云检测方法，其特征在于：

所述步骤2中，本发明所构建云检测网络用于提取云的空-谱和上下文语义信息，进而提升云与背景地物可分性。

4.根据权利要求1所述的众源地理信息辅助下的多源遥感影像云检测方法，其特征在于：

所述步骤3中，对以训练好的云检测网络对待测光学遥感影像进行预测，并生成特征图。

5.根据权利要求1所述的众源地理信息辅助下的多源遥感影像云检测方法，其特征在于：

所述步骤4中，多模态信息融合模块主要融合多尺度下空-谱信息和先验地理信息，以便提升高亮地表覆盖区域的云检测精度，以三个尺度为例，多模态信息融合模块数学表达为式(1)。

S₃＝S₀+S₁+S₂+R(S₀)+R(S₁)+R(S₂)    (1)

其中，S₃代表最终输出特征分数图；R(S₀)是原始特征分数图S₀的残差分支；R(S₁)是特征分数图S₁的残差分支；R(S₂)是特征分数图S₂的残差分支。S₀是原始特征分数图；S₁是由S₀下采样倍得到特征分数图；S₂是由S₀下采样倍得到特征分数图。

6.根据权利要求1所述的众源地理信息辅助下的多源遥感影像云检测方法，其特征在于：

所述步骤5中，采用Softmax函数将输出的特征分数图归一化，并将像素分数范围(-∞，∞)转换为像素概率图[0,1]，最终完成云检测任务。