复杂背景下提出的改进卷积神经网络云检测方法

对遥感影像云检测面临的下垫面复杂、厚云与雪的光谱特征相似导致同谱异物等复杂问题导致的传统的单类地物提取方法在云提取上效果不佳,提出了一种复杂背景下的改进卷积神经网络的遥感云检测方法MSANet。通过在浅层加入膨胀卷积以扩大首次感知野范围,同时关注整体结构特征传递,在解码部分加入包含多头“软”注意力的空间信息建模模块,增强了网络对全局信息的感知能力。使用ZY-3、38-cloud、GF1_WHU数据集上进行验证实验,实验结果表明该方法在复杂背景下云雪混淆的遥感影像上表现优秀,模型能够更好地应对复杂背景下的云检测任务,有效的提高了模型的精度。