基于深度学习的云图像检测算法研究开题报告

1. 研究目的与意义（文献综述）

1．目的及意义（含国内外的研究现状分析）

1.1目的及意义

传统的云检测方法在云检测研究中仍然存在许多难题。例如，薄云在检测中 常常被忽略，高亮物体由于具有高的反射率常常被误识别为云，云轮廓检测不准确等 。这些问题也是研究者们一直在不断完善的地方。随着人工智能技术的发展,深度学习在数据分析中呈现最快的增长趋势 。深度学习依靠深层的神经网络（神 经网络通常在两层以上的网络称为深层神经网络）学习数据特征。对于浅层网络结构，在处理有限数量的样本时，当目标对象具有丰富含义 ，浅层网络学习到的特征表示仅仅包含了目标对象的低级或浅层表达 ，对于复杂场景下的目标检测或 多分类问题 ，表现性能和泛化能力存在明显不足 。深层神经网络作为浅层网络的对应 ，从计算机视觉的角度有效提取遥感图像信息和学习特征 ，而不是基于特定领域知识设计的于工特征 ，能够更准确的理解和学习信息。由于强大的白学习能力和数据分析能力,深度学习正成为许多应用领域的首选方法 。卷积神经网络 (convolutional neural network, cnn）作为深度学习的经典算法 ，由生物自然视觉认知机制启发而来,并且己被证明善于从原始图像中提取中高级抽象特征。

2. 研究的基本内容与方案

2.1研究基本内容

(1）数据预处理及构建训练样本库

对 landsat 8 影像进行人工目视解译 、分割等预处理 ，建立包含多种地表类 型和云类型的训练样本库，采用数据增强技术保证样本的丰富性 。

3. 研究计划与安排

第1-2周：收集与课题相关的教材，期刊，论文等，熟悉相关理论知识。确定方案，完成开题报告；

第3-5周：学习和研究深度学习的相关理论；

第6-9周：学习和研究云检测相关理论，并进行相关验证；

4. 参考文献（12篇以上）

[1］李腾腾，唐新明，高小明．资源三号影像朵云识别中云雪分离研究［j].测绘通报，2016(2）

[2］杨玲．基于多特征融合和图割模型的遥感影像云检测算法研究［d].2018.

[3］陈洋，范荣双，王竞雪等．基于深度学习的资源三号卫星遥感影像云检测方法［j]. 光学学报，2018,38(1):128005-1.