GCDB-UNet: A novel robust cloud detection approach for remote sensing images

↓ Direkt till sidans innehåll
↓ Direkt till sidans sekundära innehåll (sidomenyn)

Sökning: id:"swepub:oai:DiVA.org:kth-311683" > GCDB-UNet :

1 av 1
Föregående post
Nästa post
Till träfflistan

Li, XianHarbin Inst Technol Shenzhen, Shenzhen Key Lab Internet Informat Collaborat, Shenzhen 518055, Peoples R China. (författare)

GCDB-UNet : A novel robust cloud detection approach for remote sensing images

Artikel/kapitelEngelska2022

Förlag, utgivningsår, omfång ...

Elsevier BV,2022
printrdacarrier

Nummerbeteckningar

LIBRIS-ID:oai:DiVA.org:kth-311683
https://urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-311683URI
https://doi.org/10.1016/j.knosys.2021.107890DOI

Kompletterande språkuppgifter

Språk:engelska
Sammanfattning på:engelska

Ingår i deldatabas

SwePubSwePub

Klassifikation

Ämneskategori:ref swepub-contenttype
Ämneskategori:art swepub-publicationtype

Anmärkningar

QC 20220502
Cloud detection is a prerequisite in many remote sensing applications, and it has been tackled through different approaches from simple thresholding to complicated deep network training. On the other hand, existing approaches are susceptible to failures while handling thin clouds, largely because of their small sizes, sparse distributions, as well as high transparency and similarity to the non-cloud background regions. This paper presents global context dense block U-Net (GCDB-UNet), a robust cloud detection network that embeds global context dense block (GCDB) into the U-Net framework and is capable of detecting thin clouds effectively. GCDB consists of two feature extraction units for addressing the challenges in thin cloud detection, namely, a non-local self-attention unit that extracts sample correlation features by aggregating the sparsely distributed thin clouds and a squeeze excitation unit that extracts channel correlated features by differentiating their importance. In addition, a dense connection scheme is designed to exploit the multi-level fine-grained representations from the two types of extracted features and a recurrent refinement module is introduced for gradual enhancement of the predicted classification map. We also created a fully annotated cloud detection MODIS dataset that consists of 1192 training images, 80 validation images and 150 test images. Extensive experiments on Landsat8, SPARCS and MODIS datasets show that the proposed GCDB-UNet achieves superior cloud detection performance as compared with state-of-the-art methods. Our created MODIS cloud detection dataset is available at https://github.com/xiachangxue/MODIS-Dataset-for-Cloud-Detection.

Ämnesord och genrebeteckningar

NATURVETENSKAP Geovetenskap och miljövetenskap Meteorologi och atmosfärforskning hsv//swe
NATURAL SCIENCES Earth and Related Environmental Sciences Meteorology and Atmospheric Sciences hsv//eng
Convolution neural network(CNN)
Cloud detection
Attention

Biuppslag (personer, institutioner, konferenser, titlar ...)

Yang, XiaofeiHarbin Inst Technol Shenzhen, Shenzhen Key Lab Internet Informat Collaborat, Shenzhen 518055, Peoples R China. (författare)
Li, XutaoHarbin Inst Technol Shenzhen, Shenzhen Key Lab Internet Informat Collaborat, Shenzhen 518055, Peoples R China. (författare)
Lu, ShijianNanyang Technol Univ, Sch Engn & Comp Sci, Singapore, Singapore. (författare)
Ye, YunmingHarbin Inst Technol Shenzhen, Shenzhen Key Lab Internet Informat Collaborat, Shenzhen 518055, Peoples R China. (författare)
Ban, YifangKTH,Geoinformatik(Swepub:kth)u1p89zfs (författare)
Harbin Inst Technol Shenzhen, Shenzhen Key Lab Internet Informat Collaborat, Shenzhen 518055, Peoples R China.Nanyang Technol Univ, Sch Engn & Comp Sci, Singapore, Singapore. (creator_code:org_t)

Sammanhörande titlar

Ingår i:Knowledge-Based Systems: Elsevier BV2380950-70511872-7409

Internetlänk

Hitta via bibliotek

Knowledge-Based Systems (Sök värdpublikationen i LIBRIS)

Till lärosätets databas

1 av 1
Föregående post
Nästa post
Till träfflistan

Hitta mer i SwePub

Av författaren/redakt...: Li, Xian; Yang, Xiaofei; Li, Xutao; Lu, Shijian; Ye, Yunming; Ban, Yifang

Om ämnet

NATURVETENSKAP: NATURVETENSKAP; och Geovetenskap och ...; och Meteorologi och ...

Artiklar i publikationen: Knowledge-Based ...

Av lärosätet: Kungliga Tekniska Högskolan

Sök utanför SwePub

Sök vidare i:: Google; Google Book Search; Google Scholar

Kungliga biblioteket hanterar dina personuppgifter i enlighet med EU:s dataskyddsförordning (2018), GDPR. Läs mer om hur det funkar här.
Så här hanterar KB dina uppgifter vid användning av denna tjänst.

LIBRIS.kb.se