文献类型：期刊文章

作　　者：陈洋[1] 范荣双[2] 王竞雪[1] 陆婉芸[3] 朱红[4] 楚清源[2]

Chen Yang;Fan Rongshuang;Wang Jingxue;Lu Wanyuna;Zhu Hong;Chu Qingyuan(School of Geomatics, Liaoning Technical University, Fuxin, Liaoning 123000, China;National Engineering Research Center of Surveying and Mapping, Beijing 100039, China;Geographic and Oceanographic Sciences, Nanjing University, Nanjing, Jiangsu 210023, China;Satellite Surveying and Mapping Application Center, National Administration of Surveying, Mapping and Geoinformation, Beijing 100048, China)

机构地区：[1]辽宁工程技术大学测绘与地理科学学院,辽宁阜新123000 [2]国家测绘工程技术研究中心,北京100039 [3]南京大学地理与海洋科学学院,江苏南京210023 [4]国家测绘地理信息局卫星测绘应用中心,北京100048

出　　处：《光学学报》

基　　金：国家重点研发计划项目(2016YFC0803100);国家自然科学基金(41101452);高等学校博士学科点专项科研基金(20112121120003)

年　　份：2018

卷　　号：38

期　　号：1

起止页码：354-359

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSA-PROQEUST、CSCD、CSCD2017_2018、EI、IC、JST、RCCSE、RSC、SCOPUS、ZGKJHX、核心刊

摘　　要：针对资源三号卫星影像波段少、光谱范围受限的特点,提出了基于深度学习的资源三号卫星遥感影像的云检测方法。首先,采用主成分分析非监督预训练网络结构,获得了待测遥感影像特征;其次,为减少在池化过程中影像特征信息的丢失,提出自适应池化模型,该模型能很好地挖掘影像特征信息;最后,将影像特征输入支持向量机分类器进行分类,获得了云检测结果。选取典型区域进行云检测实验,并与传统Otsu方法进行对比。结果表明:所提方法的检测精度高,且不受光谱范围的限制,可用于资源三号卫星多光谱影像和全色影像的云检测。

关 键 词：遥感 云检测 深度学习算法  主成分变换 资源三号卫星影像  

分 类 号：P237]