多层级特征融合U-Net的遥感图像云检测

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。