A deep learning method for Landsat image cloud detection without manually labeled data
-
摘要: 云和云阴影检测是Landsat影像产品生产的重要环节.近年来,深度学习极大提升了Landsat影像云检测的精度,但是深度卷积神经网络模型的训练依赖庞大规模的标注图像,需要人工标注出大量图像上每个像素是否为云或云阴影.人工标注成本高、耗时长,不利于训练出具有实用价值的模型.受弱监督学习启发,文章提出一种新的云和云阴影检测模型深度学习方法.首先,采用常规云检测算法CFMask检测Landsat8影像云及其阴影;然后,将其替代人工标注图像用以训练深度卷积神经网络模型;最后,应用训练所得模型检测新图像中的云及其阴影.实验结果表明,所提方法的总体精度为85.55%,与CFMask结果相比精度有所提升,说明利用非人工标注数据训练深度网络模型进而检测云和云阴影的思路是可行的.
-
关键词:
- 云和云阴影检测 /
- Landsat8影像 /
- 卷积神经网络 /
- 语义分割
-
-
计量
- 文章访问数: 562
- PDF下载数: 347
- 施引文献: 0
下载: