[发明专利]基于双注意力神经网络的遥感影像云与云阴影检测方法

权利要求书

1.一种基于双注意力神经网络的遥感影像云与云阴影检测方法，其特征在于，所述方法包括：

获取待检测的遥感影像；

将所述待检测的遥感影像输入至训练好的云与云阴影检测模型中，对所述待检测的遥感影像中的云和云阴影的位置进行检测，获得云和云阴影的位置检测结果；

所述云与云阴影检测模型的训练方式包括：

获取遥感影像数据集，所述遥感影像数据集中包含了各遥感影像对应的标签信息，所述标签信息标记了云与云阴影的位置；

将所述遥感影像数据集按预设比例分为训练集和验证集；

利用所述训练集和所述验证集对有监督的双注意力神经网络模型进行训练和验证，获得云与云阴影检测模型，所述云与云阴影检测模型由递归残差模块、双注意力模块、改进空洞空间金字塔池化模块、卷积层、上采样层和Concat层组成。

2.根据权利要求1所述的方法，其特征在于，所述递归残差模块包括一个第一卷积层和三个递归残差单元，所述递归残差单元由批量归一化层、激活函数、权重和第二卷积层依次连接，每个递归残差单元都与第一卷积层进行跳跃连接；

所述递归残差单元表示为：

P_t＝F(P_t-1,σ)+P₀

其中，t＝1,2,3…,T₀，T₀表示递归残差模块中递归残差单元的数目；P_t-1和P_t分别表示第t个递归残差单元的输入和输出；P₀表示递归残差模块中第一卷积层的输出结果；F(P_t-1,σ)表示学习到的残差映射，σ为权值。

3.根据权利要求1所述的方法，其特征在于，所述双注意力模块包括位置注意力模块和通道注意力模块；

所述位置注意力模块将获取的特征图A，应用1×1卷积层，得到特征图B、C和D，B、C和其中，为特征图第一尺寸；

将特征图B、C和D的维度重塑为其中，为特征图第二尺寸，N₀＝H₀×W₀为像素数量，C₀为通道数，H₀为高度，W₀为宽度；将特征图C的转置矩阵与特征图B进行矩阵相乘，把运算结果应用Softmax层，得到空间注意力图谱Z，

空间注意力图谱Z表示为：

其中，z_ji表示特征图中第i个像素位置与第j个像素位置之间的相关性，B_i为特征图B的第i个像素位置，C_j为特征图C的第j个像素位置；

将特征图D与空间注意力图谱Z的转置矩阵进行矩阵相乘，把计算结果的维度重塑为得到特征M，特征M表示为：

其中，m_j为特征图M的第j个像素位置，D_i为特征图D的第i个像素位置；

将特征M乘以尺度系数δ并与特征图A进行元素求和，得到输出特征图O，

输出的特征图O表示为：

O＝o_j＝δm_j+A_j

其中，尺度系数δ的初始值为0，o_j为特征图O的第j个像素位置，A_j为特征图A的第j个像素位置。