论文阅读总结：基于GOES-16图像的夜间海雾检测

文章：
Automatic nighttime sea fog detection using GOES-16 imagery

文章总结：

地点：
加拿大

对比的方法：
NOAA的LIFR算法

验证集：
NOAA的云类产品，就是已经找好了的雾的图。

文章大致提出了自动选择阈值的方法：

• 第一种是最普遍使用的亮温差法，采取了3.9和11.2波段的亮温差。它阈值的选择一个是参考每个月份的二十天亮温差频率分布直方图的极小值和平均值。拿到之后，对输出的每一张图像都分析它的亮温差频率分布直方图，查看直方图的极小值，然后再进行阈值的选择判断。最后得出一个海雾的概率公式。
• 第二种是采用了海雾的温差，因为据研究表明海雾的温差是大致相同的。所以对于输入的每一张图片查看他们的海雾温差频率分布直方图，得出极小值。拿到极小值后，就可以进行分类。最后得出一个海雾的概率公式。
• 第三种是采用了空间分布的均匀性，采取了GOES-16卫星14波段，观察空间均匀性的频率分布直方图，查看到大体在哪个点结束。得出海雾的概率公式。

最后将三个方法的概率公式合并起来，得出最终的海雾概率公式。

可用点：

1. 如果研究的地方是与本论文相同的地点，那么就可以采用NOAA的云类产品直接作为验证集。同时可以与LIFR进行比较。
2. 所提出的三种自动阈值选择的方法，可以思考怎么加入深度学习的方法。比如对于在亮温差中极小值的选择，它采用的是将每个月份的20天拿出来，那么是否可以通过训练大量的数据得出更加精确的极小值和平均值？
3. 海雾温差，空间均匀性 都可以在之后的海雾识别中运用进去。