基于多模态融合的GF-5号遥感图像云检测

作     者：张苏贵 张晶晶 寻丽娜 孙晓兵 熊伟 阎庆 李穗 ZHANG Sugui;ZHANG Jingjing;XUN Lina;SUN Xiaobing;XIONG Wei;YAN Qing;LI Sui

作者机构：安徽大学计算智能与信号处理教育部重点实验室安徽合肥230601 安徽大学电气工程与自动化学院安徽合肥230601 中国科学院通用光学定标与表征技术重点实验室安徽合肥230031 安徽文达信息工程学院安徽合肥231201 

出 版 物：《大气与环境光学学报》 (Journal of Atmospheric and Environmental Optics)

年 卷 期：2023年第18卷第4期

页      面：371-382页

核心收录：

学科分类：07[理学] 070601[理学-气象学] 0706[理学-大气科学] 

基　　金：中国科学院通用光学定标与表征技术重点实验室开放研究基金 

主　　题：云检测 偏振信息 多模态融合 通道空间注意 迭代注意特征融合 

摘      要：云检测对于遥感图像的应用具有重要意义。目前已有的云检测方法关于遥感图像的偏振信息研究较少,性能和泛化能力有限。为有效利用遥感图像偏振信息,提出了一种基于深度学习的多模态融合遥感图像云检测方法并进行了初步实验评价。该网络是一种三参数输入流架构,具有编码器-解码器结构,利用通道空间注意模块对遥感图像中的反射率特征和偏振特征进行多模态融合。在解码器上采样阶段,利用迭代注意特征融合方法融合高、低级特征映射。评价实验数据集来源于多角度偏振成像仪(DPC)云产品和云掩码产品。评价实验结果表明,所提出的网络模型实现了良好的云检测性能,识别准确率达到93.91%。