Thick cloud and cloud shadow removal in multitemporal imagery using progressively spatio-temporal patch group deep learning

Thick cloud and its shadow severely reduce the data usability of optical satellite remote sensing data. Although many approaches have been presented for cloud and cloud shadow removal, most of these approaches are still inadequate in terms of dealing with the following three issues: (1) thick cloud...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	ISPRS journal of photogrammetry and remote sensing Ročník 162; s. 148 - 160
Hlavní autoři:	Zhang, Qiang, Yuan, Qiangqiang, Li, Jie, Li, Zhiwei, Shen, Huanfeng, Zhang, Liangpei
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	Elsevier B.V 01.04.2020
Témata:	cloud cover Gap-filling geospatial data processing Global-local CNN image analysis Landsat Patch group Progressive iteration remote sensing spatial data Spatio-temporal Thick cloud and cloud shadow Spatio-temporal Patch group Global-local CNN Progressive iteration Thick cloud and cloud shadow Gap-filling
ISSN:	0924-2716, 1872-8235
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!