DeepMask：一种利用深度残差网络的光学卫星遥感图像云及云影检测算法
计算机视觉与模式识别
2019-11-12 v1 图像与视频处理
摘要
从卫星遥感图像中检测和掩蔽云及云影是遥感界的一个普遍问题。准确高效的云及云影检测是释放遥感数据价值以用于几乎所有下游分析的基本步骤。本研究提出 DeepMask，一种用于光学卫星遥感影像中云及云影检测的新算法。DeepMask 利用深度卷积神经网络 ResNet 进行像素级云掩膜生成。该算法在分布于 8 种不同土地类型上的 Landsat 8 云覆盖评估验证数据集上进行训练和评估。与最广泛使用的云检测算法 CFMask 相比，特定土地类型的 DeepMask 模型在所有土地类型上均实现了更高精度。平均精度为 93.56%，而 CFMask 为 85.36%。DeepMask 在所有土地类型数据集上也达到了 91.02% 的精度。与其他基于 CNN 的云掩膜算法相比，DeepMask 受益于 ResNet 的精简架构和残差连接。它兼容任意大小和形状的输入。DeepMask 在仅使用红、绿、蓝和近红外（NIR）波段时仍保持高性能，表明其有潜力应用于仅具有有限光学波段的其他卫星平台。
引用
@article{arxiv.1911.03607,
title = {DeepMask: an algorithm for cloud and cloud shadow detection in optical satellite remote sensing images using deep residual network},
author = {Ke Xu and Kaiyu Guan and Jian Peng and Yunan Luo and Sibo Wang},
journal= {arXiv preprint arXiv:1911.03607},
year = {2019}
}
备注
17 pages, 4 figures, 6 tables