遥感技术与应用2023，Vol.38Issue(1) ：129-142.DOI:10.11873/j.issn.1004-0323.2023.1.0129

基于机器学习的遥感影像云检测研究进展

Research Progress of Remote Sensing Image Cloud Detection based on Machine Learning

邴芳飞 金永涛 张文豪 徐娜 余涛 张丽丽 裴莹莹
遥感技术与应用2023，Vol.38Issue(1) ：129-142.DOI:10.11873/j.issn.1004-0323.2023.1.0129
✕
  • NETL
  • NSTL
  • 维普
  • 万方数据

基于机器学习的遥感影像云检测研究进展

Research Progress of Remote Sensing Image Cloud Detection based on Machine Learning

邴芳飞 1金永涛 1张文豪 1徐娜 2余涛 3张丽丽 3裴莹莹1
扫码查看

作者信息

  • 1. 北华航天工业学院遥感信息工程学院,河北廊坊 065000;河北省航天遥感信息处理与应用协同创新中心,河北廊坊 065000
  • 2. 国家卫星气象中心卫星气象研究所,北京 100081
  • 3. 中国科学院空天信息创新研究院 遥感卫星应用国家工程实验室,北京 100094;中科空间信息(廊坊)研究院,河北廊坊 065001
  • 折叠

摘要

在对地观测领域中云检测是遥感定量化应用的重要环节,同时也是卫星气象应用的关键步骤.近年来,基于机器学习的遥感影像云检测逐渐成为该领域的研究热点,并且取得了一系列研究成果.系统阐述了近10a来国内外基于机器学习的遥感影像云检测的研究进展,将算法模型分为传统的机器学习模型和深度学习模型两类,并对两类中的具体模型进行详细介绍,对比分析不同模型的优缺点及其适用情况.重点介绍了传统机器学习中的支持向量机(SVM)、随机森林等方法,深度学习中的神经网络模型,包括卷积神经网络(CNN)、改进的U-Net网络等模型.在此基础上,分析了基于机器学习的遥感影像云检测研究中存在的问题,讨论了未来潜在发展方向.

关键词

机器学习/深度学习/云检测/神经网络/遥感影像

引用本文复制引用

基金项目

国家重点研发计划(2019YFE0127300)

高分辨率对地观测系统重大专项(30-Y30F06-9003-20/22)

国家自然科学基金(41801255)

国家自然科学基金(41907192)

河北省自然科学基金(D2020409003)

河北省高等学校科学技术研究项目(ZD2021303)

北华航天工业学院博士科研启动基金(BKY-2021-31)

民用航天预研项目(D040102)

国防基础科研项目(JCKY2020908B001)

国防基础科研计划(JCKY2019407D004)

北华航天工业学院硕士研究生创新资助项目(YKY-2021-28)

出版年

2023
遥感技术与应用
中国科学院遥感联合中心

遥感技术与应用

CSTPCDCSCD北大核心
影响因子：0.961
ISSN：1004-0323
被引量1
参考文献量19
段落导航相关论文