(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211176165.5 (22)申请日 2022.09.26 (71)申请人 北华航天工业学院 地址 065000 河北省廊坊市 爱民东道13 3号 (72)发明人 张文豪　邴芳飞　金永涛　余涛　 顾行发　徐娜　刘其悦　张丽丽　 吴俣　 (74)专利代理 机构 北京合创致信专利代理有限 公司 16127 专利代理师 刘素霞 (51)Int.Cl. G06V 20/13(2022.01) G06V 10/774(2022.01) G06V 10/82(2022.01) G06V 10/75(2022.01)G06V 10/40(2022.01) G06V 10/764(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种数据集质量提升与改进CNN相结合的夜 间云检测方法 (57)摘要 本申请涉及用 于识别图形的数据识别技术 领域， 提供了一种数据集质量提升与 改进CNN相 结合的夜间云检测方法， 该方法包括： 获取目标 区域的遥感影像数据， 遥感影像数据为有云影 像； 对遥感影像数据进行通道选择， 得到热红外 影像； 根据太阳天顶角信息， 对热红外影像进行 提取， 得到可用于夜间云检测的热红外影像； 获 取与遥感影像数据对应的云产品； 根据云产品中 的云类型信息和质量保证信息， 生成云标签数 据； 对可用于夜间云检测的热红外影像和云标签 数据进行时空匹配， 以生 成云检测模 型的训练数 据集和验证数据集； 利用训练数据集和验证数据 集， 对云检测模型进行训练， 得到训练好的云检 测模型。 如此， 避免了阈值法的检测误差， 提升了 复杂场景 下云检测能力。 权利要求书2页 说明书11页 附图5页 CN 115546658 A 2022.12.30 CN 115546658 A 1.一种数据集质量 提升与改进CN N相结合的夜间云检测方法， 其特 征在于， 包括： 获取目标区域的遥感影 像数据， 所述遥感影 像数据为有云影 像； 对所述遥感影像数据进行通道选择， 得到第一热红外影像， 所述第一热红外影像至少 包括水蒸气含量观测信息和云图像观测信息； 根据所述第一热红外影像的太阳天顶角信息， 对所述第一热红外影像进行提取， 得到 第二热红外影像， 所述第二热 红外影像包括第三热 红外影像和 第四热红外影像； 其中， 所述 第三热红外影像用于训练云检测模型； 所述第四热 红外影像用于基于所述云检测模型进 行 夜间云检测； 获取所述目标区域中与所述遥感影 像数据处于同一观测时间段的云产品； 根据云产品中的云类型信息和质量保证信息， 生成云标签数据； 对所述第三热红外影像和所述云标签数据进行时空匹配， 以生成所述云检测模型的训 练数据集和验证数据集； 其中， 所述云检测模型基于改进的Deeplabv3+模型构建， 所述云检测模型的主干特征 提取网络为Mobi leNetV2， 并在Mobi leNetV2中引入SENet 注意力机制； 利用所述训练数据集和所述验证数据集， 对所述云检测模型进行训练， 得到训练好的 云检测模型， 并将所述第四热红外影 像输入到训练好的云检测模型中进行夜间云检测。 2.根据权利要求1所述的数据集质量提升与改进CNN相结合的夜间云检测方法， 其特征 在于， 所述根据所述第一热 红外影像的太阳天顶角信息， 对所述第一热红外影像进 行提取， 得到第二热红外影 像， 具体为： 响应于所述第一热红外影像的太阳天顶角大于80 °， 确定所述第一热红外影像为第 四 热红外影 像； 响应于所述第一热红外影像的太阳天顶角小于等于80 °， 确定所述第一热红外影像为 第三热红外影 像。 3.根据权利要求1所述的数据集质量提升与改进CNN相结合的夜间云检测方法， 其特征 在于， 所述 根据云产品中的云类型信息和质量保证信息， 生成云标签数据， 具体为： 响应于所述云产品中的云类型信 息指示对应的区域有云， 根据 所述质量保证信 息中的 第三、 第四比特位的取值， 确定云的置信度； 基于所述云的置信度， 确定云和非云标签， 以生成云标签数据。 4.根据权利要求1所述的数据集质量提升与改进CNN相结合的夜间云检测方法， 其特征 在于， 所述对所述第三热红外影像和所述云标签数据进行时空匹配， 以生成所述云检测模 型的训练数据集和验证数据集， 具体为： 将所述第三热红外影像的位置信息和时间信息与所述云标签数据的位置信息和时间 信息进行分别比对， 得到时空匹配的热红外影 像和云标签数据； 依次对所述 时空匹配的热红外影像和云标签数据进行切片处理和数据集划分， 得到所 述云检测模型的训练数据集和验证数据集。 5.根据权利要求1所述的数据集质量提升与改进CNN相结合的夜间云检测方法， 其特征 在于， 所述云检测模型还 包括加强特 征提取网络； 所述加强特 征提取网络使用不同空洞率的并行空洞卷积提取多尺度信息 。 6.根据权利要求5所述的数据集质量提升与改进CNN相结合的夜间云检测方法， 其特征权　利　要　求　书 1/2 页 2 CN 115546658 A 2在于， 所述SENet 注意力机制包括 通道注意力模块。 7.根据权利要求6所述的数据集质量提升与改进CNN相结合的夜间云检测方法， 其特征 在于， 所述方法还 包括： 通过所述MobileNetV2对输入影像进行特征提取， 得到第一有效特征层和第二有效特 征层； 通过不同空洞率的并行空洞卷积对所述第 二有效特征层进行特征提取， 然后进行合并 和特征压缩， 得到第三有效特 征层； 对所述第一有效特 征层进行通道调整， 得到第四有效特 征层； 依次对所述第 三有效特征层的上采样结果与所述第四有效特征层进行堆叠和卷积， 得 到第五有效特 征层。 8.根据权利要求7所述的数据集质量提升与改进CNN相结合的夜间云检测方法， 其特征 在于， 所述方法还 包括： 所述通道注意力模块将所述第五有效特征层进行全局池化， 得到第六有效特征层， 然 后学习所述第六有效特征层的通道依赖关系， 并根据所述通道依赖关系进行通道权重赋 值。 9.根据权利要求1所述的数据集质量提升与改进CNN相结合的夜间云检测方法， 其特征 在于， 所述利用所述训练数据集和所述验证数据集， 对所述云检测模 型进行训练， 得到训练 好的云检测模型， 具体为： 利用所述训练数据集和所述验证数据集， 采用随机梯度下降法对 所述云检测模型进行训练， 并基于交叉熵损失函数和Dice损失函数计算每一轮训练的误 差， 以得到训练好的云检测模型。 10.根据权利要求1所述的数据集质量提升与改进CNN相结合的夜间云检测方法， 其特 征在于， 所述云检测模型还包括结果预测网络， 所述结果预测网络的输出层所输出 的影像 尺寸与输入影 像一致。权　利　要　求　书 2/2 页 3 CN 115546658 A 3