1.一种基于场景级语义引导及块级边界解混的云检测方法,其特征在于,包括以下步骤:
11)基于场景级语义引导及块级边界解混的云检测准备工作:对用于进行云检测的场景级影像通过裁剪得到块级影像;根据裁剪得到的块级影像在场景级影像的位置信息得到位置标签;通过下采样操作,使位置标签和场景级影像同块级影像保持相同大小;将位置标签和场景级影像在通道维度上进行拼接得到新的场景级遥感卫星影像;另外,对于原始场景级影像标签,同场景级影像一样进行裁剪操作得到块级影像标签;对场景级影像标签进行下采样操作后得到新的场景级影像标签;
12)构建更加适合提取不规则且多变形状的云的特征的条带卷积模块,包括以下步骤:
121)输入一个大小为C×H×W的特征图,经过水平和竖直条带卷积后得到C×H×1和C×1×W大小的特征;
122)将得到的两个特征经过卷积核为3的1D卷积得到卷积操作后的两个特征;
123)将卷积操作后得到的两个特征扩充后在对应相同位置求和得到大小为C×H×W的特征图;
124)通过1×1的卷积与sigmoid操作后与原输入对应像素相乘得到输出结果;
13)使用条带卷积模块构建与训练基于场景级语义引导及块级边界解混的云检测模型包括以下步骤:
131)其中构建基于场景级语义引导及块级边界解混的云检测模型具体步骤如下:
1311)构建用于网络感知长程上下文信息和局部细节信息的场景级语义引导模块,其结构为一个交叉注意力机制用于网络感知长程上下文信息和局部细节信息;
1312)构建能提取更精细的细节特征以识别边界信息的块级边界解混模块,结构为一个使用小卷积核的卷积网络;
1313)使用条带卷积模块构建用于提取抽象特征的共享编码器,结构为一个条带卷积模块,一个批归一化层,一个RELU线性激活单元构成的四个下采样块;
1314)构建用于从不同尺度的特征中恢复云掩膜的解码器,结构为四个条带卷积模块,一个批归一化层,一个RELU线性激活单元构成的上采样块;
1315)构建用于将不同尺度的浅层空间信息和深层语义信息结合的跳跃连接结构,为拼接两个输入为一个输出;
132)将预处理后的遥感卫星影像数据输入到网络中;
133)训练基于场景级语义引导及块级边界解混的云检测模型得到最终的模型:首先将块级遥感卫星影像和所对应的场景级遥感卫星影像经过共享编码器结构;然后将块级和场景级遥感卫星影像经过共享编码器结构之后的输出,经过场景级语义引导模块;经过解码器结构和跳跃连接结构将共享编码器每一层输出和解码器对应层输出连接;然后通过块级边界解混模块;
14)对基于场景级语义引导及块级边界解混的云检测模型测试和求解:对用于进行云检测的测试场景级遥感卫星影像进行波段合并、裁剪预处理得到块级遥感卫星影像;对用于进行云检测的块级遥感卫星影像输入训练好的分割模型得到最终的分割结果。
2.根据权利要求1所述的一种基于场景级语义引导及块级边界解混的云检测方法,其特征在于,所述基于场景级语义引导及块级边界解混的云检测准备工作包括以下步骤:
21)读取用于进行云检测的场景级遥感卫星影像,将其导出成.tif格式影像;
22)将场景级遥感卫星影像的所有波段合并;
23)将场景级遥感卫星影像及标签进行不重叠裁剪,裁剪为384×384的固定大小,得到块级遥感卫星影像及块级标签;
24)在裁剪操作得到块级遥感卫星影像的过程中,根据其在场景级遥感卫星影像中的位置制作位置标签,通过0和1值进行表示;其中块级在场景级遥感卫星影像的位置区域像素值设置为1,其余位置为0;
25)将制作的位置标签下采样为384×384大小;
26)将场景级遥感卫星影像及场景级标签下采样为384×384大小;
27)将场景级遥感卫星影像与制作得到的位置标签在通道维度上进行拼接,得到新的场景级遥感卫星影像。
3.根据权利要求1所述的一种基于场景级语义引导及块级边界解混的云检测方法,其特征在于,所述构建与训练基于场景级语义引导及块级边界解混的云检测模型包括以下步骤:
31)其中构建基于场景级语义引导及块级边界解混的云检测模型包括场景级语义引导模块、块级边界解混模块、解码器结构、跳跃连接结构;构建使用条带卷积模块搭建的共享编码器结构;
32)其中训练基于场景级语义引导及块级边界解混的云检测模型的具体步骤如下:
321)将预处理后的用于进行云检测的块级遥感卫星影像和所对应的场景级遥感卫星影像分别输入云检测模型中;
322)对块级和场景级遥感卫星影像分别执行一次共享编码器结构得到对应的八个下采样输出;
对块级和场景级遥感卫星影像分别执行一个条带卷积模块,一个批归一化层,一个RELU线性激活单元得到对应的两个第一层下采样输出;
对两个第一层下采样输出分别执行一个条带卷积模块,一个批归一化层,一个RELU线性激活单元得到对应的两个第二层下采样输出;
对两个第二层下采样输出分别执行一个条带卷积模块,一个批归一化层,一个RELU线性激活单元得到对应的两个第三层下采样输出;
对两个第三层下采样输出分别执行一个条带卷积模块,一个批归一化层,一个RELU线性激活单元得到对应的两个第四层下采样输出;
323)对块级和场景级遥感卫星影像对应的两个第四层下采样输出分别执行拉伸和投影操作得到两个对应的特征图;
324)对得到的两个对应的特征图输出在通道维度进行拼接得到一个拼接后的输出;
325)将得到的拼接后的输出执行一次场景级语义引导模块;
对拼接后的输出执行一次多头注意力机制,得到具有长程依赖的输出;
对具有长程依赖的输出执行一次Layer Norm,得到第一次Layer Norm的结果;
将拼接后的输出与第一次Layer Norm的结果执行相加操作,得到第一次相加后的特征;
对第一次相加后的特征执行一次Layer Norm,得到第二次Layer Norm的结果;
对第二次Layer Norm的结果执行一次MLP层,得到MLP后的结果;
将拼接后的输出与第二次Layer Norm的结果执行相加操作,得到场景级语义引导模块的输出;
326)将经过场景级语义引导模块得到的特征执行一次解码器结构;
将得到的特征通过跳跃连接结构与块级遥感卫星影像所对应的第四层下采样的输出进行拼接;
执行三次包括一次条带卷积模块层、一次批归一化层、一次RELU线性激活单元的上采样块,得到第一层上采样的输出;
将得到的第一层上采样的输出通过跳跃连接结构与块级遥感卫星影像所对应的第三层下采样的输出进行拼接;
对拼接输出执行三次包括一次条带卷积模块、一次批归一化层、一次RELU线性激活单元的上采样块,得到第二层上采样的输出;
将得到的第二层上采样的输出通过跳跃连接结构与块级遥感卫星影像所对应的第二层下采样的输出进行拼接;
对拼接输出执行三次包括一次条带卷积模块、一次批归一化层、一次RELU线性激活单元的上采样块,得到第三层上采样的输出;
将得到的第三层上采样的输出通过跳跃连接结构与块级遥感卫星影像所对应的第一层下采样的输出进行拼接;
对拼接输出执行三次包括一次条带卷积模块、一次批归一化层、一次RELU线性激活单元的上采样块,得到第四层上采样的输出;
327)将得到第四层上采样的输出执行一次块级边界解混模块;
328)正向传播,得到最终的分割概率;
329)使用交叉熵Cross Entropy损失作为网络模型的损失函数对最终的分割概率进行计算得到分割损失;
3210)反向传播确定梯度向量,更新模型参数;
3211)判断是否达到设定的轮数,是则得到训练好的分割模型,否则返回321)重新加载数据继续训练。
4.根据权利要求1所述的一种基于场景级语义引导及块级边界解混的云检测方法,其特征在于,所述对基于场景级语义引导及块级边界解混的云检测测试和求解包括以下步骤:
41)读取用于测试的场景级遥感卫星影像,将其导出成.tif格式影像;
42)将场景级影像的所有波段合并;
43)将场景级影像及场景级标签进行不重叠裁剪,裁剪为384×384的固定大小,得到块级遥感卫星影像及块级标签;
44)将得到的块级遥感卫星影像输入到基于场景级语义引导及块级边界解混的云检测模型:
441)对用于测试的块级遥感卫星影像执行一次共享编码器结构得到四个下采样输出;
对块级遥感卫星影像执行一个条带卷积模块,一个批归一化层,一个RELU线性激活单元得到对应的第一层下采样输出;
对第一层下采样输出执行一个条带卷积模块,一个批归一化层,一个RELU线性激活单元得到第二层下采样输出;
对第二层下采样输出执行一个条带卷积模块,一个批归一化层,一个RELU线性激活单元得到对应的第三层下采样输出;
对第三层下采样输出执行一个条带卷积模块,一个批归一化层,一个RELU线性激活单元得到第四层下采样输出;
442)将第四层下采样输出执行一次解码器结构;
执行三次包括一次条带卷积模块、一次批归一化层、一次RELU线性激活单元的上采样块,得到第一层上采样的输出;
将得到的第一层上采样的输出通过跳跃连接结构与块级遥感卫星影像所对应的第三层下采样的输出进行拼接;
对拼接输出执行三次包括一次条带卷积模块、一次批归一化层、一次RELU线性激活单元的上采样块,得到第二层上采样的输出;
将得到的第二层上采样的输出通过跳跃连接结构与块级遥感卫星影像所对应的第二层下采样的输出进行拼接;
对拼接输出执行三次包括一次条带卷积模块、一次批归一化层、一次RELU线性激活单元的上采样块,得到第三层上采样的输出;
将得到的第三层上采样的输出通过跳跃连接结构与块级遥感卫星影像所对应的第一层下采样的输出进行拼接;
对拼接输出执行三次包括一次条带卷积模块、一次批归一化层、一次RELU线性激活单元的上采样块,得到第四层上采样的输出;
443)将得到第四层上采样的输出执行一次块级边界解混模块;
444)正向传播,得到最终的分割概率。