多尺度膨胀卷积神经网络资源三号卫星影像云识别

为提高影像云识别精度, 提出一种多尺度膨胀卷积深层神经网络云识别方法。结合卫星影像特征, 设计云识别卷积神经网络结构, 该结构包含深层特征编码模块、局部多尺度膨胀感知模块以及云区预测解码模块。首先, 编码模块中通过基础卷积层获取深度特征; 其次, 联合多尺度膨胀卷积和池化层共同感知, 每层操作连接非线性函数, 以提升网络模型的表达能力; 最后, 云区预测解码模块中融合对应编码模块的特征, 再利用L1正则化上采样算法实现端对端的像素级云识别结果。选用典型云遮挡区域影像进行云识别实验, 并与Otsu算法和FCN-8S算法进行对比。结果表明, 本文所提算法的检测精度较高, Kappa系数显著提升。