.png){kind=icon}
返回
Weakly supervised cloud detection combining spectral features and multi-scale deep network
.png){kind=icon}
OA
AI
DOI：10.1080/15481603.2026.2626022.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
云层显著影响光学卫星图像的质量，这严重限制了其精确应用。近年来，深度学习被广泛应用于云检测并取得了令人满意的结果。然而，薄云缺乏显著特征以及训练样本质量低的问题限制了深度学习方法在云检测中的准确性，仍有改进空间。本文提出了一种弱监督云检测方法，结合光谱特征和多尺度场景级深度网络（SpecMCD），以获取高精度的像素级云掩模。该方法首先利用多尺度场景级数据集训练多尺度场景级云检测网络，采用渐进式训练框架。随后，基于密云和大云区图像中云的特征，结合多尺度概率图和云厚度图获取像素级云概率图。最后，基于不同尺度下场景级云掩模的差异区域生成自适应阈值，并结合距离加权优化得到二值云掩模。为验证所提方法的有效性，采用了包含60幅高分一号多光谱（GF1-MS）图像的两个数据集（即WDCD和GF1MS-WHU）。与WDCD、WSFNet等其他弱监督云检测方法相比，所提SpecMCD方法的F1分数提升了7.82%以上，凸显了该方法在不同云覆盖率条件下的优越性和潜力。
Keyword:
Cloud detection
weakly supervised learning
spectral feature
Gaofen-1
期刊
G
IF:
0
论文数:
2
被引数:
0
机构
引用论文
Remote sensing image cloud detection using a shallow convolutional neural network基于浅层卷积神经网络的遥感图像云检测
.png){kind=icon}
PREAI
分享收藏分享收藏A fast two-step algorithm for large-area thick cloud removal in high-resolution images一种用于高分辨率图像中大范围厚云去除的快速两步算法
PREAI
分享收藏Deep Learning-Based Cloud Detection for Optical Remote Sensing Images: A Survey基于深度学习的光学遥感图像云检测：综述OAAI
OAAI分享收藏WSF-NET: Weakly Supervised Feature-Fusion Network for Binary Segmentation in Remote Sensing Image
OAAI
OAAI分享收藏
查看更多内容