高光譜數(shù)據(jù)支持的深度學習衛(wèi)星數(shù)據(jù)云檢測方法

基本信息

申請?zhí)?/td> CN201910558170.4 申請日 -
公開（公告）號 CN110427818A 公開（公告）日 2019-11-08
申請公布號 CN110427818A 申請公布日 2019-11-08
分類號 G06K9/00（2006.01）I; G06K9/34（2006.01）I; G06K9/62（2006.01）I; G06N3/04（2006.01）I; G01J3/28（2006.01）I 分類 計算；推算；計數(shù);
發(fā)明人 夾尚豐; 孫林; 王春香 申請（專利權）人 青島星科瑞升信息科技有限公司
代理機構 - 代理人 -
地址 266590 山東省青島市黃島區(qū)前灣港路579號山東科技大學科技園綜合樓214室
法律狀態(tài) -

摘要

摘要 本發(fā)明公開了高光譜數(shù)據(jù)支持的深度學習衛(wèi)星數(shù)據(jù)云檢測方法，其包括以下步驟：選取足夠數(shù)量的云和晴空像元構建高光譜數(shù)據(jù)樣本庫，根據(jù)待檢測傳感器的光譜響應函數(shù)、波段寬度等參數(shù)對高光譜像元樣本庫模擬計算，得到待檢測傳感器的云和晴空地表像元庫；基于Keras深度學習框架，設計用于云檢測的深層BP神經(jīng)網(wǎng)絡，將模擬得到多光譜樣本數(shù)據(jù)輸入網(wǎng)絡訓練學習，得到基于光譜特性的多光譜傳感器云檢測規(guī)則?；隈R爾科夫隨機場模型，利用迭代條件模式算法對云檢測結(jié)果進行優(yōu)化，去除部分云檢測的誤分漏分誤差。本方法選用多種傳感器數(shù)據(jù)，與人工目視解譯的云覆蓋結(jié)果對比分析，結(jié)果表明，本算法取得較好的云檢測效果，可以滿足數(shù)據(jù)應用對云檢測的要求。