' p1 L3 ?1 s D% i. b" p; P4 }$ ?* r
云是重要的气象和气候要素之一，通过云的分布不但可以帮助发现危险的气候现象，如暴风，飓风以及龙卷风，而且还可以跟踪气候现象的变化。但与此同时，由于光学遥感数据中大量云的存在，影响了遥感图像的质量，从而降低了图像的数据利用率，因此遥感图像云检测成为光学遥感图像处理过程中需首要解决的问题。
, p$ j% T! L( h: c0 e( v8 r 西安电子科技大学通信工程学院图像传输与处理研究所团队，针对遥感图像中云的特征，采用“高分一号”卫星遥感图像，提出一种基于小波的上下采样模块以及连续多尺度空间注意力模块的深度学习编解码网络（AUDI-Net），用于解决云像素分割中边缘不精细以及薄云检出率低等问题，从而实现了更为精确的云检测任务。
2 F0 F: P# v' ?) D; Q2 ` c4 ]
据团队专家介绍，该研究构建了基于深度学习的遥感图像云检测方法，可用于不同卫星观测到的多光谱遥感图像的云检测。
0 O0 K# `7 \- A \$ [" f3 G
相关成果近日刊发于《环境遥感》，这篇论文也是西安电子科技大学在该刊上发表的首篇论文。
2 P# J" r7 {! E$ l' x; i
