资源简介

云和云阴影检测是Landsat影像产品生产的重要环节。近年来,深度学习极大提升了Landsat影像云检测的精度,但是深度卷积神经网络模型的训练依赖庞大规模的标注图像,需要人工标注出大量图像上每个像素是否为云或云阴影。人工标注成本高、耗时长,不利于训练出具有实用价值的模型。受弱监督学习启发,文章提出一种新的云和云阴影检测模型深度学习方法。首先,采用常规云检测算法CFMask检测Landsat8影像云及其阴影; 然后,将其替代人工标注图像用以训练深度卷积神经网络模型; 最后,应用训练所得模型检测新图像中的云及其阴影。实验结果表明,所提方法的总体精度为85.55%,与CFMask结果相比精度有所提升,说明利用非人工标注数据训练深度网络模型进而检测云和云阴影的思路是可行的。

相关资源

1. 水质遥感监测的关键要素叶绿素a的反演算法研究进展
2. 基于无人机遥感技术的森林参数获取研究进展
3. 基于无线传感器网络的森林生态系统观测试验平台构建
4. 基于无人机激光雷达的森林冠层高度分析
5. 多源时序国产卫星影像的森林火灾动态监测
6. 基于无人机遥感技术的台风灾害倒伏绿化树木检测

下载说明

·如果您发现该资源不能下载，请通知管理员.gissky@gmail.com

·为确保下载的资源能正常使用，请使用[WinRAR v3.8]或以上版本解压本站资源,缺省解压密码www.gissky.net ，如果是压缩文件为分卷多文件，请依次下载每一个文件，并按照顺序命名为1.rar,2.rar,3.rar...，然后鼠标右击1.rar解压.

·为了保证您快速的下载速度，我们推荐您使用[网际快车]等专业工具下载.

·站内提供的资源纯属学习交流之用,如侵犯您的版权请与我们联系.