（通訊員楊金輝）近日，我院地信系高分遙感影像智能解譯課題組20級研究生張廣斌以永利6774app手机版官网為第一單位在地球科學遙感領域頂級期刊《International Journal of Applied Earth Observation and Geoinformation》（影響因子：7.672、中科院大類一區、SCI 1區、TOP期刊）上發表題為“A multi-task driven and reconfigurable network for cloud detection in cloud-snow coexistence regions from very-high-resolution remote sensing images”的論文。該論文是以研究生張廣斌為第一作者，高賢君副教授為通訊作者、楊元維副教授為共同作者署名發表。

高分辨率遙感影像平均約66%的區域會被雲層覆蓋。因此，精确的雲檢測對遙感影像的預處理至關重要。由于傳統雲檢測方法應用于高海拔、高緯度地區時，受到積雪的相似反射特征和局部紋理的幹擾，對雲檢測造成困難，使得基于雲雪共存區域的雲檢測工作相較于其他場景更具挑戰性。論文中提出了一種多任務驅動的可重構深層神經網絡(MTDR-Net)。MTDR-Net中有4個模塊：高分辨率骨幹-多投影頭模塊(HRB-MPH)、可重參數化多尺度特征融合模塊(RP-MFF)、輕量化自适應特征融合模塊(LAFF)和多任務梯度流引導模塊(MTGFG)。HRB-MPH促進了全局信息交互，增強了多粒度特征表示，支持像素級和超像素級分割任務之間的特征共享。RP-MFF能在訓練階段捕獲局部多尺度雲特征，且在測試部署階段無損地簡化結構。LAFF能重建雲特征。MTGFG在多任務梯度流之間提供無偏指導。實驗結果表明，相比于同類算法，該方法具有較強的抗幹擾能力和良好的雲邊界和薄雲提取能力，獲得了最佳的雲檢精度。模型具有良好的可擴展性和輕量化特性，能有效運用于遙感影像實際生産作業。該研究成果為超高分辨率遙感影像雲雪共存區的雲檢測工作提供指導。

我院地信系高分遙感影像智能解譯課題組長期緻力于深度學習遙感影像智能解譯（建築物、雲、雪等）以及車載LiDAR數據目标識别與測量等方面的研究，目前已經發表高質量論文30多篇。其中課題組成員以第一或通訊作者在《International Journal of Applied Earth Observation and Geoinformation》、《Neurocomputing》、《Remote Sensing》、《Applied Sciences》、《IEEE Access》、《測繪學報》、《中國激光》、《光學學報》、《武漢大學學報(信息科學版)》以及《浙江大學學報(工學版)》等國内外知名期刊上發表多項成果。

課題組鍊接地址：

https://docs.qq.com/doc/p/76da31c6cda04500fe45b018397cd66127051a55?dver=3.0.27429706