ரிமோட் சென்சிங் & ஜிஐஎஸ் ஜர்னல்

சுருக்கம்

லேண்ட்சாட் 8 OLI க்கான வெவ்வேறு பட்டைகள் தகவலைப் பயன்படுத்தி கன்வல்யூஷனல் நியூரல் நெட்வொர்க்கை அடிப்படையாகக் கொண்ட கிளவுட் கண்டறிதல்

நான் மா, சன்சிங் வாங், சன் லின் மற்றும் குவான் வாங்

மேகங்களின் இருப்பு ரிமோட் சென்சிங் தரவின் பயன்பாட்டை கடுமையாக பாதித்துள்ளது. எனவே, ரிமோட் சென்சிங் பட செயலாக்கம் மற்றும் பயன்பாட்டில் துல்லியமான கிளவுட் கண்டறிதல் மிகவும் முக்கியத்துவம் வாய்ந்தது. பாரம்பரிய கிளவுட் கண்டறிதல் முறைகள் செயல்படுவதற்கு சிக்கலானவை மற்றும் பெரும்பாலும் கூடுதல் துணைத் தகவல் தேவைப்படுகிறது. கன்வல்யூஷனல் நியூரல் நெட்வொர்க் (CNN) அடிப்படையிலான ஒரு தானியங்கி மேகக்கணிப்பு முறை இந்த ஆய்வில் முன்மொழியப்பட்டது. கிளவுட் மற்றும் கிளவுட் அல்லாதவற்றுக்கான பயிற்சி மாதிரிகளை வகைப்படுத்த இந்த முறை ஒரு கன்வல்யூஷனல் நெட்வொர்க் கட்டமைப்பைப் பயன்படுத்துகிறது. படத் தகவலை முழுமையாகப் பயன்படுத்துவதற்காக, கிளவுட் கண்டறிதலில் ஸ்பெக்ட்ரமின் செல்வாக்கை மதிப்பிட வெவ்வேறு பேண்ட் எண்களின் படங்கள் பயன்படுத்தப்படுகின்றன. Landsat 8 படங்களின் மீதான சோதனைகள் மற்றும் சரிபார்ப்பு CNN அடிப்படையிலான முன்மொழியப்பட்ட முறையானது பல்வேறு மேற்பரப்பு வகைகளில் பல்வேறு வகையான மேகங்களை விரிவாகவும் தானாகவும் கண்டறிய முடியும் என்பதைக் காட்டுகிறது, மேலும் 7 பட்டைகளைப் பயன்படுத்தி கிளவுட் கண்டறிதல் முடிவு உகந்ததாகும். அல்காரிதம் படத் தகவலை முழுமையாகப் பயன்படுத்துகிறது மற்றும் வெப்ப அகச்சிவப்புத் தகவலைச் சார்ந்து இல்லை, இது படத்தின் பயன்பாட்டை மேம்படுத்துவதற்கும், தொலைநிலை உணர்திறன் அளவுருக்களை மீட்டெடுப்பதற்கும் நடைமுறை பயன்பாட்டு மதிப்பைக் கொண்டுள்ளது.