జర్నల్ ఆఫ్ రిమోట్ సెన్సింగ్ & GIS

నైరూప్య

ల్యాండ్‌శాట్ 8 OLI కోసం విభిన్న బ్యాండ్‌ల సమాచారాన్ని ఉపయోగించి కన్వల్యూషనల్ న్యూరల్ నెట్‌వర్క్ ఆధారంగా క్లౌడ్ డిటెక్షన్

నాన్ మా, చున్సింగ్ వాంగ్, సన్ లిన్ మరియు క్వాన్ వాంగ్

మేఘాల ఉనికి రిమోట్ సెన్సింగ్ డేటా అప్లికేషన్‌ను తీవ్రంగా ప్రభావితం చేసింది. అందువల్ల, రిమోట్ సెన్సింగ్ ఇమేజ్ ప్రాసెసింగ్ మరియు అప్లికేషన్‌లో ఖచ్చితమైన క్లౌడ్ డిటెక్షన్ చాలా ముఖ్యమైనది. సాంప్రదాయ క్లౌడ్ డిటెక్షన్ పద్ధతులు ఆపరేట్ చేయడానికి సంక్లిష్టంగా ఉంటాయి మరియు తరచుగా అదనపు సహాయక సమాచారం అవసరం. ఈ అధ్యయనంలో కన్వల్యూషనల్ న్యూరల్ నెట్‌వర్క్ (CNN) ఆధారంగా ఆటోమేటిక్ క్లౌడ్ డిటెక్షన్ పద్ధతి ప్రతిపాదించబడింది. క్లౌడ్ మరియు నాన్-క్లౌడ్ కోసం శిక్షణ నమూనాలను వర్గీకరించడానికి ఈ పద్ధతి కన్వల్యూషనల్ నెట్‌వర్క్ నిర్మాణాన్ని ఉపయోగిస్తుంది. చిత్ర సమాచారాన్ని పూర్తిగా ఉపయోగించుకోవడానికి, క్లౌడ్ డిటెక్షన్‌పై స్పెక్ట్రమ్ ప్రభావాన్ని అంచనా వేయడానికి వివిధ బ్యాండ్ నంబర్‌ల చిత్రాలు వర్తించబడతాయి. ల్యాండ్‌శాట్ 8 చిత్రాలపై ప్రయోగాలు మరియు ధృవీకరణ CNN ఆధారంగా ప్రతిపాదిత పద్ధతి వివిధ ఉపరితల రకాల్లో వివిధ రకాల మేఘాలను సమగ్రంగా మరియు స్వయంచాలకంగా గుర్తించగలదని మరియు 7 బ్యాండ్‌లను ఉపయోగించి క్లౌడ్ డిటెక్షన్ ఫలితం సరైనదని చూపిస్తుంది. అల్గోరిథం ఇమేజ్ సమాచారం యొక్క పూర్తి ప్రయోజనాన్ని పొందుతుంది మరియు థర్మల్ ఇన్‌ఫ్రారెడ్ సమాచారంపై ఆధారపడదు, ఇది ఇమేజ్ వినియోగాన్ని మెరుగుపరచడానికి మరియు రిమోట్ సెన్సింగ్ పారామితుల యొక్క తదుపరి పునరుద్ధరణకు ఆచరణాత్మక అప్లికేషన్ విలువను కలిగి ఉంటుంది.