Scene Aggregation Network for Cloud Detection on Remote Sensing Imagery 제1부
Scene Aggregation Network for Cloud Detection on Remote Sensing Imagery
원격 감지 이미지에서 구름 탐지를 위한 장면 집계 네트워크
Abstract
There has been a breakthrough in cloud detection by using convolutional neural networks (CNNs) during these years. However, there are still weaknesses among current cloud detection algorithms because only cloud mask information is used.
이 기간 동안 CNN(Convolutional Neural Network)을 사용하여 클라우드 탐지에 획기적인 진전이 있었다. 그러나 클라우드 마스크 정보만 사용되기 때문에 현재 클라우드 감지 알고리즘에는 여전히 약점이 있다.
As clouds represent differently in different scenes, the scene information may give hints to improve cloud detection performance.
클라우드는 장면마다 다르게 표현되므로, 장면 정보는 클라우드 검출 성능을 향상시키기 위한 힌트를 제공할 수 있다.
Therefore, different from the previous cloud detection literature, in this letter, we propose an end-to-end new deep learning network named scene aggregation network (SAN), which aggregates the scene information in the framework.
따라서 본 서한에서는 이전의 클라우드 탐지 문헌과 달리 장면 정보를 프레임워크에 집계하는 장면 집계 네트워크(SAN)라는 종단 간 새로운 딥 러닝 네트워크를 제안한다.
Specifically, basic features are first extracted by utilizing all levels of network features.
구체적으로, 기본 기능은 먼저 모든 수준의 네트워크 기능을 활용하여 추출한다.
Then, the aggregated features used to produce the final cloud masks are created by fusing the basic features and the specially introduced scene information.
그런 다음, 기본 기능과 특별히 도입된 장면 정보를 융합하여 최종 클라우드 마스크를 생성하는 데 사용되는 집계된 기능을 생성한다.
Experimental results have demonstrated that with scene information aggregated, our proposed method can be robust on images with different scenes.
실험 결과는 장면 정보가 집계되면 우리가 제안한 방법이 다른 장면이 있는 이미지에서 강력할 수 있음을 보여주었다.
Additionally, as SAN outperforms other state-of-the-art methods, our proposed method suits for cloud detection and can achieve improvement on this task.
또한 SAN이 다른 최첨단 방법을 능가하기 때문에 제안된 방법은 클라우드 탐지에 적합하며 이 작업을 개선할 수 있다.
IV. CONCLUSION AND PERSPECTIVES
In this letter, we propose SAN that detects clouds on remote sensing images. Our SAN is an end-to-end cloud detection framework and can process both tasks, the cloud detection task and the scene classification task.
이 편지에서, 우리는 원격 감지 이미지에서 클라우드를 감지하는 SAN을 제안한다. 우리의 SAN은 엔드 투 엔드 클라우드 감지 프레임워크이며 클라우드 감지 작업과 장면 분류 작업 두 가지 작업을 모두 처리할 수 있다.
With scene information of the remote sensing image aggregated, the cloud detection accuracy can be improved. Experimental results have verified the effectiveness of SAN. In future work, we will continue improving the efficiency of cloud detection.
원격 감지 이미지의 장면 정보를 집계하여 클라우드 감지 정확도를 향상시킬 수 있다. 실험 결과는 SAN의 효과를 검증했습니다. 향후 작업에서도 클라우드 감지 효율성을 지속적으로 개선할 예정이다.
I. INTRODUCTION
CLOUD detection is a very significant application in remote sensing image processing. On the one hand, clouds are common in remote sensing images since they impede the earth’s surface in a large area [1]. On the other hand, clouds can be challenges in many remote sensing applications [2]. Therefore, to utilize the remote sensing images, it is necessary to add cloud detection preprocessing before any task-specific applications in remote sensing.
클라우드 감지는 원격 감지 이미지 처리에서 매우 중요한 응용 프로그램이다. 한편, 구름은 넓은 영역에서 지구 표면을 방해하기 때문에 원격 감지 이미지에서 일반적이다[1]. 반면에, 클라우드는 많은 원격 감지 애플리케이션에서 문제가 될 수 있다[2]. 따라서 원격 감지 이미지를 활용하려면 원격 감지에서 작업별 응용 프로그램보다 먼저 클라우드 감지 전처리를 추가해야 한다.
In recent years, this topic has been hotly discussed among researchers, and many cloud detection methods have been proposed. In tradition, physical methods and statistical methods are mainly adopted in cloud detection. For physical methods, spectral reflectance of the image bands is mainly considered [3]–[5]. A series of thresholds of band reflectance and the relationships between bands are manually designed.
최근 몇 년 동안, 이 주제는 연구자들 사이에서 뜨겁게 논의되었고, 많은 클라우드 탐지 방법이 제안되었다. 전통적으로, 물리적 방법과 통계적 방법은 주로 클라우드 탐지에 채택된다. 물리적 방법의 경우 영상 대역의 스펙트럼 반사율이 주로 [3]–[5]로 간주된다. 밴드 반사율 및 밴드 간 관계의 일련의 임계값은 수동으로 설계된다.
