基于轻量化卷积神经网络模型的云与云阴影检测方法

作     者：杨昌军 张昊 张秀再 李景轩 冯绚 YANG Chang-jun;ZHANG Hao;ZHANG Xiu-zai;LI Jing-xuan;FENG Xuan

作者机构：中国气象局中国遥感卫星辐射测量和定标重点开放实验室国家卫星气象中心北京100081 许健民气象卫星创新中心北京100081 南京信息工程大学电子与信息工程学院南京210044 南京信息工程大学江苏省大气环境与装备技术协同创新中心南京210044 中国科学院空间应用工程与技术中心北京100009 

基　　金：第二次青藏高原综合科学考察研究项目(2019QZKK0105) 国家自然科学基金青年科学基金(11504176,61601230,41905033) 江苏省自然科学青年基金(BK20141004) 江苏省高校自然科学研究重大项目(13KJA510001) 

出 版 物：《科学技术与工程》 (Science Technology and Engineering)

年 卷 期：2023年第23卷第32期

页      码：13681-13687页

摘      要：大多数遥感影像数据不可避免地受到云层的污染导致数据的失效。因此,对云进行检测是非常必要的预处理步骤。随着航天技术的飞速发展,更加轻便的卫星被设计出来,为在这些算力有限的微小卫星上配备遥感影像预处理模型。设计一种高精度、算力要求低的轻量化云与云阴影检测网络模型具有重要意义。针对上述问题,提出一种基于深度可分离卷积的轻量化卷积神经网络(lightweight M-shaped network,L-MNet)模型,L-MNet网络模型是在M-Net(M-shaped network)模型的基础上引入深度可分离卷积(depthwise separable convolution,DS-Conv),设计一种深度可分离卷积模块(DS-Conv Block),以减小算法的复杂度及计算量。结果表明:所提方法在保证检测精度的前提下,可以有效减小像素级云检测的模型大小及计算量,有助于实现微小卫星在轨云检测的任务。

主 题 词：遥感 云与云阴影检测 深度可分离卷积(DS-Conv) 轻量化卷积神经网络(L-MNet) 

学科分类：070207[070207] 07[理学] 08[工学] 0803[工学-仪器类] 0702[理学-物理学类] 

D　O　I：10.3969/j.issn.1671-1815.2023.32.006

馆 藏 号：203124974...