Application of Deep Learning Algorithm to Build an Automated Cloud Segmentation Model Based on Open Data Cube Framework

Abstract

Cloud detection is a significant task in optical remote sensing to reconstruct the contaminated cloud area from multi-temporal satellite images. Besides, the rapid development of machine learning techniques, especially deep learning algorithms, can detect clouds over a large area in optical remote sensing data. In this study, the method based on the proposed deep-learning method called ODC-Cloud, which was built on convolutional blocks and integrating with the Open Data Cube (ODC) platform. The results showed that our proposed model achieved an overall 90% accuracy in detecting cloud in Landsat 8 OLI imagery and successfully integrated with the ODC to perform multi-scale and multi-temporal analysis. This is a pioneer study in techniques of storing and analyzing big optical remote sensing data.

Study Model for Information Reconstruction on Cloud Contaminated Area for Single Multispectral Remote Sensing Sentinel-2 Imagery using Generative Adversarial Network

“…Trong lĩnh vực viễn thám quang học, chất lượng của ảnh vệ tinh phụ thuộc rất nhiều vào điều kiện thời tiết trong quá trình thu nhận [1]. Cùng với các nghiên cứu về phát hiện mây và bóng mây, các nghiên cứu về tái tạo thông tin và loại bỏ vùng mây và bóng mây được nghiên cứu trên thế giới với nhiều các cách tiếp cận khác nhau [5]. Một nghiên cứu điển hình đã sử dụng phương pháp thay thế pixel tương đương bằng các bộ ảnh viễn thám đa thời gian [7].…”