利用光学仪器获取的地球观测卫星图像需要自动和准确的云检测。云层检测的多时空方法通常比其单一场景的方法更强大,因为云层的存在在不同的采集中变化很大,而表面在广义上可以假设是静止的。然而,两个实际的限制通常会阻碍其操作使用:获取完整的卫星图像档案和所需的计算能力。
最近有一个其他方法去云:Mateo-García, G提出了一种在谷歌地球引擎(GEE)云计算平台上实施的云检测和去除方法。所提出的方法在Landsat-8任务中对来自Biome数据集的大量人工标注的云层掩码进行了测试。量化结果显示,与FMask和ACCA算法等单时态标准方法相比,该方法具有最先进的性能,分类精度提高了4-5%。
实验数据:这个数据集包含了Foga等人2017年研究中使用的96个全球范围内有云过的单景影像,用于验证云遮挡模型。这个数据集也被称为Biome数据集或L8Biome。这个集合被摄入GEE,用于Mateo-Garcia等人2018年的工作,以比较单场景和多时间的云检测算法。原始来源。
主要流程:
选择无云的背景值和选择特定的云影像进行聚合,然后进行去云
文中实验的结果:
代码:
var biome_labels = ee.Ima