Red de Doble Rama para la Segmentación de Nubes y Sombras de Nubes

La segmentación de nubes y sombras de nubes es uno de los problemas más importantes en el procesamiento de imágenes de teledetección. La mayoría de las imágenes de teledetección son muy complicadas. En este trabajo, se propone un modelo de doble rama compuesto por una red Transformer y una red de convolución para extraer información semántica y detalles espaciales de la imagen respectivamente, a fin de resolver los problemas de detección falsa y omisión de detección. Para mejorar la extracción de características del modelo, se introduce un Módulo de Guía Mutua para que la Rama Transformer y la Rama de Convolución puedan guiarse mutuamente en la minería de características. Finalmente, considerando el problema del límite de segmentación áspero, este trabajo utiliza diferentes características extraídas por la Rama Transformer y la Rama de Convolución para la decodificación, y repara el límite de segmentación áspero en la parte de decodificación para hacer que el límite de segmentación sea más claro. Los resultados experimentales en los datos de Landsat-8, Sentinel-2, el conjunto de datos público HRCWHU de la Universidad de Wuhan y el conjunto de datos público SPARCS demuestran la efectividad de nuestro método y su superioridad frente a los enfoques actuales de segmentación de nubes y sombras de nubes.