典型文献
多层级特征融合U-Net的遥感图像云检测
文献摘要：
使用人工特征的遥感图像云检测方法采用恒定或自适应阈值,只考虑了单个像素的光谱信息,未考虑像素之间的相关性,对图像噪声较为敏感.针对这些问题,提出了一种多层级特征融合U-Net深度神经网络算法用于遥感图像云检测.该算法在U-Net网络对称编解码架构的基础上进行多层特征融合以及残差连接,改进网络的特征表达能力.实验数据显示,该算法在MODIS数据集各场景平均预测精度达95.26％,平均交并比达88.79％;在Landsat-8数据集中,预测精度达96.56％,平均交并比达93.33％.结果表明该算法具有更高的准确率与更强的泛化能力,在云检测任务中实现了更好的预测精度.
文献关键词：
遥感图像;U-Net;云检测;图像分割;特征融合
中图分类号：
作者姓名：
张利斌;石文轩;孙世磊;高旭东
作者机构：
武汉大学计算机学院;武汉大学遥感信息工程学院;上海卫星工程研究所
文献出处：
引用格式：
[1]张利斌;石文轩;孙世磊;高旭东-.多层级特征融合U-Net的遥感图像云检测)[J].信息系统工程,2022(02):8-12
A类：
B类：
多层级特征融合,Net,遥感图像,云检测,自适应阈值,像素,光谱信息,图像噪声,深度神经网络,神经网络算法,编解码,多层特征融合,残差连接,进网,特征表达,表达能力,MODIS,各场,平均交并比,比达,Landsat,泛化能力,图像分割
AB值：
0.307196
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。
