典型文献
统一样本云检测技术在GF-6 WFV上的改进与应用
文献摘要：
目前基于深度学习的云检测方法,受训练样本限制,算法难以推广及应用.为了快速实现针对多种传感器的高精度的云检测,Sun等(2020)提出统一样本云检测方法.基于AVIRIS高光谱样本库模拟出待检测传感器的云和晴空地表像元,将模拟得到的多光谱样本数据输入到BP神经网络中进行逐像元分类,生成云检测模型,实现Landsat8OLI等宽光谱传感器较高精度的云检测.该方法基于统一样本模拟出不同传感器的样本像元库,适用于多种传感器的云检测.由于Landsat8OLI波段较多,波谱范围覆盖宽,容易实现云的高精度识别.为了进一步提高其在光谱范围较窄的GF-6WFV数据上的云检测应用精度,在模拟出的样本库中加入GF-6WFV数据典型高亮地表像元.通过目视解译对云检测结果进行精度验证,结果表明,该算法利用可见光和近红外通道的遥感数据可以高精度的识别出植被、水体、建筑、裸地等地表类型上空的厚云、碎云和薄云.改进后的云检测算法,云像元平均正确率达到88.40％,在高亮地表上空云像元正确率达到87.40％,在不同地表类型上空的云像元平均正确率为92.60％.结果表明,加入高反射率地物的算法可以利用有限波段实现云和地表的高精度分离.
文献关键词：
云检测;GF-6WFV数据;高光谱像元库;亮地表;深度学习算法
中图分类号：
作者姓名：
隋淞蔓;夹尚丰;胡学谦
作者机构：
山东科技大学测绘与空间信息学院,青岛266590
文献出处：
引用格式：
[1]隋淞蔓;夹尚丰;胡学谦-.统一样本云检测技术在GF-6 WFV上的改进与应用)[J].遥感学报,2022(04):646-656
A类：
像元分类,亮地表,高光谱像元库
B类：
云检测,GF,改进与应用,受训,训练样本,推广及应用,快速实现,多种传感器,Sun,AVIRIS,样本库,模拟出,云和,晴空,空地,多光谱,检测模型,Landsat8OLI,宽光谱,波段,波谱,高精度识别,较窄,6WFV,检测应用,过目,目视解译,精度验证,法利,可见光,近红外,遥感数据,裸地,上空,薄云,检测算法,高反射率,地物,深度学习算法
AB值：
0.327081
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
