RGB彩色图像中云没有明显的颜色分布与纹理模式,导致云检测易产生误检且细节丢失严重。针对这一问题,提出一种改进的M型卷积网络(RM-Net)模型,实现端到端的像素级语义分割。对原始数据集进行增强,并标注对应的像素级标签。利用空洞空间金字塔池化,在不丢失信息的前提下提取图像多尺度特征,并结合残差单元使网络不易出现退化。利用编码器模块与左路径提取图像全局上下文信息,利用解码器模块与右路径恢复图像空间分辨率,根据融合后的特征判别每个像元的类别概率,将其输入分类器进行像素级的云和非云分割。对Landsa

面对遥感图像日益增长的分辨率，面向对象的分类处理方法相较于传统的基于像素的分类方法愈来愈有优势。针对其分割处理环节仍存在过分割以及欠分割现象而导致分类精度降低的问题，本文提出一种融合多尺度分割的办法，使用不同尺度分割结果融合的结果作为最终分类的输入。经过试验，此融合分割办法能有效的减少欠分割与过分割，提高面向对象的分类精度。