01 研究背景
近些年，隨著遙感技術(shù)的迅速發(fā)展以及大數(shù)據(jù)技術(shù)的廣泛應(yīng)用，對(duì)地觀測(cè)數(shù)據(jù)量增長(zhǎng)迅速。2021年1月21日發(fā)布的《中國(guó)對(duì)地觀測(cè)數(shù)據(jù)資源發(fā)展報(bào)告》顯示，中國(guó)對(duì)地觀測(cè)數(shù)據(jù)總量已經(jīng)接近100PB，其中大量的遙感圖像數(shù)據(jù)可以最為直觀地展示地球各類觀測(cè)信息，極大地推動(dòng)了人類對(duì)于地球的理解和認(rèn)識(shí)。在各類遙感圖像當(dāng)中，光學(xué)遙感衛(wèi)星獲取的光學(xué)遙感圖像數(shù)據(jù)在諸如目標(biāo)檢測(cè)、語(yǔ)義分割、場(chǎng)景理解、變化檢測(cè)等領(lǐng)域。相關(guān)技術(shù)也廣泛應(yīng)用于地圖 導(dǎo)航、氣象/海洋監(jiān)測(cè)、防災(zāi)檢測(cè)、軍事偵察等各個(gè)方面。然而，國(guó)際衛(wèi)星云氣候?qū)W計(jì)劃 (international satellite cloud climatology project， ISCCP)顯示，地球平均云層的覆蓋率超過66%。云層遮擋導(dǎo)致的光學(xué)遙感圖像信息的缺失，對(duì)下游的遙感圖像處理和識(shí)別造成很大的影響。因此，發(fā)展遙感圖像的云檢測(cè)技術(shù)，是判別 遙感圖像觀測(cè)信息缺失程度以及遙感圖像進(jìn)一步利用的關(guān)鍵。
遙感圖像的云檢測(cè)是遙感圖像識(shí)別領(lǐng)域的熱門方向之一。1982年提出的國(guó)際衛(wèi)星云氣候?qū)W計(jì)劃(ISCCP)當(dāng)中，云檢測(cè)技術(shù)就是其中重要的組成部分。自20世紀(jì)80年代以來，隨著衛(wèi)星遙感圖像處理技術(shù)的不斷發(fā)展，遙感圖像的云檢測(cè)方法逐步形成了三種主流的技術(shù)路線。
本文從云檢測(cè)三種不同的主流技術(shù)路線出發(fā)，詳細(xì)介紹了遙感圖像云檢測(cè)方法的研究進(jìn)展和現(xiàn)狀，對(duì)不同技術(shù)路線的代表性云檢測(cè)工作進(jìn)行了對(duì)比分析。介紹了遙感圖像云檢測(cè)的公開數(shù)據(jù)集并對(duì)比了各類代表性方法的云檢測(cè)精度。此外，簡(jiǎn)要梳理了與云檢測(cè)相關(guān)的云霧(霾)檢測(cè)、云雪檢測(cè)、云陰影檢測(cè)以及去云的代表性工作。最后對(duì)國(guó)內(nèi)外研究當(dāng)前存在的問題和未來的發(fā)展方向進(jìn)行了分析和展望。
02 主要內(nèi)容
光學(xué)遙感圖像中云層會(huì)對(duì)地面信息進(jìn)行不同程度的遮擋，造成了地表觀測(cè)信息的模糊和缺失，極大地影響遙感圖像的成像質(zhì)量。因此，對(duì)遙感圖像中云層覆蓋的檢測(cè)和評(píng)估是進(jìn)一步分析和利用遙感圖像信息的基礎(chǔ)和關(guān)鍵。通過充分的調(diào)研和對(duì)比總結(jié)，梳理了20世紀(jì)90年代以來，國(guó)內(nèi)外基于遙感圖像的云檢測(cè)方法的發(fā)展趨勢(shì)和代表性工作。將基于遙感圖像的云檢測(cè)方法分為三類：基于光譜閾值的方法、基于經(jīng)典機(jī)器學(xué)習(xí)的方法以及基于深度學(xué)習(xí)的方法。總結(jié)了當(dāng)前國(guó)內(nèi)外云檢測(cè)公開數(shù)據(jù)集，并對(duì)比了部分代表性工作的云檢測(cè)精度。此外，簡(jiǎn)要梳理了與云檢測(cè)相關(guān)的云霧（霾）檢測(cè)、云雪檢測(cè)、云陰影檢測(cè)以及云去除等方法。對(duì)當(dāng)前云檢測(cè)相關(guān)工作中存在的問題和未來的發(fā)展趨勢(shì)進(jìn)行了分析和展望。
03 總結(jié)與展望
通過前文對(duì)云檢測(cè)方法以及相關(guān)工作的梳理和總結(jié)，可以看出，云檢測(cè)的主流方法從傳統(tǒng)的基于光譜閾值和經(jīng)典機(jī)器學(xué)習(xí)的方法逐步轉(zhuǎn)向基于深度學(xué)習(xí)和人工智能的云檢測(cè)方法。雖然國(guó)內(nèi)外已經(jīng)提出了許多基于遙感圖像的云檢測(cè)方法以及相關(guān)研究工作，但是當(dāng)前云檢測(cè)任務(wù)仍存在許多問題，需要未來進(jìn)一步研究。
1) 研發(fā)高泛化能力的云檢測(cè)方法：當(dāng)前云檢測(cè)方法大多仍需要針對(duì)不同遙感衛(wèi)星獲取的遙感圖像數(shù)據(jù)訓(xùn)練不同的模型，單個(gè)模型難以對(duì)不同遙感圖像數(shù)據(jù)進(jìn)行泛化。雖然近期已有研究人員提出相關(guān)方法嘗試解決這一問題，但相關(guān)研究仍處于初級(jí)階段。因此，研究適用于不同遙感圖像來源和成像特點(diǎn)的、具有高泛化性能 的云檢測(cè)模型是十分有挑戰(zhàn)性的工作。
2) 減少人工標(biāo)注信息的需要：當(dāng)前基于深度學(xué)習(xí)的云檢測(cè)工作大多使用基于監(jiān)督學(xué)習(xí)的像素級(jí)分類方法，需要大量的人工標(biāo)記信息。已有少部分工作提出了基于弱監(jiān)督方法的云檢測(cè)工作，但是研究相對(duì)較為初步。當(dāng)前計(jì)算機(jī)視覺領(lǐng)域，弱監(jiān)督、半監(jiān)督、自監(jiān)督等學(xué)習(xí)方法被廣泛研究，在某些任務(wù)上已經(jīng)取得了與監(jiān)督學(xué)習(xí)相當(dāng)?shù)男阅堋＝冢延胁糠止ぷ鲗⑷醣O(jiān)督的學(xué)習(xí)方法應(yīng)用于云檢測(cè)的任務(wù)當(dāng)中，并且取得了與監(jiān)督學(xué)習(xí)相當(dāng)?shù)臋z測(cè)精度。這也可以看出使用不同學(xué)習(xí)方法進(jìn)行云檢測(cè)或相關(guān)方向的研究潛力巨大。因此，針對(duì)云檢測(cè)相關(guān)任務(wù)，如何在保證精度前提下，減少人工標(biāo)記數(shù)據(jù)的需求， 需要進(jìn)一步研究。
3) 提升云陰影檢測(cè)精度：隨著高分辨率遙感技術(shù)的發(fā)展，云層產(chǎn)生的云陰影也會(huì)極大影響遙感圖像的成像質(zhì)量。當(dāng)前隨著云檢測(cè)技術(shù)的不斷發(fā) 展，云檢測(cè)精度已經(jīng)相對(duì)較高(IoU可達(dá)85%)。但是，對(duì)于云陰影的檢測(cè)精度仍不太理想(IoU 約為 60%)。因 此，如何設(shè)計(jì)同時(shí)對(duì)云層和云影實(shí)現(xiàn)高精度檢測(cè)的模型仍需要進(jìn)一步研究。
4) 研發(fā)多源多模態(tài)數(shù)據(jù)融合的云檢測(cè)方法： 當(dāng)前的云檢測(cè)方法大多僅使用遙感圖像本身作為輸入，并輸出云檢測(cè)的結(jié)果。遙感圖像這一單一類型難以充分體現(xiàn)觀測(cè)區(qū)域的全部信息。因此，近期有部分工作將其他信息與遙感圖像進(jìn)行融合，提升云檢測(cè)模型的檢測(cè)性能。例如，Wu等人通過將遙感圖像與對(duì)應(yīng)位置的經(jīng)緯度和海拔信息進(jìn)行匹配融合，實(shí)現(xiàn)了高精度的云雪的檢測(cè)和區(qū)分;Wu等人將場(chǎng)景信息融入云檢測(cè)模型，同時(shí)實(shí)現(xiàn)了遙感圖像的云檢測(cè)和場(chǎng)景分類。因此，未來使用更多源的信息進(jìn)行融合輔助，是遙感圖像云檢測(cè)及其相關(guān)研究方向的發(fā)展趨勢(shì)之一。
5) 減少圖像標(biāo)簽的噪聲：對(duì)于當(dāng)前主流的基于深度學(xué)習(xí)的云檢測(cè)方法，其核心是自然圖像當(dāng)中的語(yǔ)義分割任務(wù)(即，使用基于像素標(biāo)注的圖像所訓(xùn)練的模型，對(duì)圖像進(jìn)行像素級(jí)別的分類)。然而，與自然圖像不同，在遙感圖像中，云的形態(tài)、厚度變化較大。對(duì)于薄云的有無(wú)以及云邊界通常難以用肉眼區(qū)分。這對(duì)人工進(jìn)行云/無(wú)云的標(biāo)注造成了較大的困難，使得數(shù)據(jù)標(biāo)簽本身會(huì)有較大的噪聲，從而影響模型的訓(xùn)練結(jié)果。因此， 對(duì)標(biāo)注方法進(jìn)行統(tǒng)一來盡量降低標(biāo)簽中的噪聲或設(shè)計(jì)更加魯棒的云檢測(cè)模型仍是需要進(jìn)一步研究的方向。
6) 研發(fā)高效智能云檢測(cè)方法：基于深度學(xué)習(xí)的云檢測(cè)算法相較于傳統(tǒng)的基于光譜閾值的方法雖然檢測(cè)精度相對(duì)更高，但往往需要GPU等高性能計(jì)算硬件的支持。因此，當(dāng)前基于深度學(xué)習(xí)的云檢測(cè)方法需要基于衛(wèi)星傳回地面的圖像數(shù)據(jù)進(jìn)行本地的運(yùn)算和處理，整個(gè)流程相對(duì)較為耗時(shí)。因此，如何在保證檢測(cè)精度的前提下，設(shè)計(jì)高效的智能云檢測(cè)方法，加速云檢測(cè)方法的推理速度，從而實(shí)現(xiàn)星上處理，是未來基于深度學(xué)習(xí)的云檢測(cè)技術(shù)實(shí)現(xiàn)實(shí)際部署和業(yè)務(wù)化運(yùn)行的關(guān)鍵。
歡迎掃碼關(guān)注
當(dāng)前位置：首頁(yè)
- 地質(zhì)文化
- 地學(xué)科普