1. 本选题研究的目的及意义
随着遥感技术的快速发展，遥感影像以其覆盖范围广、获取周期短等优势，在气象预报、灾害监测、资源调查等领域发挥着至关重要的作用。
然而，云雪覆盖是影响遥感影像应用的重要因素之一，高精度的云雪检测是保证遥感影像质量、提高其应用价值的关键。
2. 本选题国内外研究状况综述
云雪检测一直是遥感领域的研究热点和难点，国内外学者对此进行了大量的研究，并取得了一定的成果。
1. 国内研究现状
国内在云雪检测方面起步较晚，但近年来发展迅速，相关研究主要集中在以下几个方面：
基于阈值的云雪检测方法：利用云雪与其他地物在光谱特征上的差异，设定阈值进行区分。
3. 本选题研究的主要内容及写作提纲
1. 主要内容
本研究拟采用多粒度级联森林算法进行云雪检测，主要研究内容包括以下几个方面：
1.多粒度特征提取：研究云雪在不同尺度下的特征表达，利用多尺度卷积核提取云雪的多粒度特征，例如纹理、形状、上下文信息等。
探索不同粒度特征的融合策略，构建能够有效表达云雪特征的多粒度特征融合模块。
4. 研究的方法与步骤
本研究将采用以下方法和步骤：
1.文献调研阶段：查阅国内外有关云雪检测、多粒度分析、级联森林算法等方面的文献，了解相关领域的最新研究进展和发展趋势，为本研究提供理论基础。
2.数据准备阶段：收集和整理云雪遥感影像数据，并进行数据预处理，包括辐射校正、几何校正、图像增强等，为后续研究提供高质量的数据基础。
3.模型构建阶段：设计基于多粒度级联森林的云雪检测模型，包括多粒度特征提取模块、级联森林分类模块等，并对模型的结构和参数进行优化。
5. 研究的创新点
本研究的创新点主要体现在以下几个方面：
1.提出了一种基于多粒度级联森林的云雪检测方法，将多粒度分析和级联森林算法相结合，构建了一种新的云雪检测模型。
2.设计了一种多粒度特征提取模块，能够有效提取云雪在不同尺度下的特征信息，提高云雪检测的精度。
3.采用级联森林算法构建云雪分类模型，通过多级级联结构，逐层提升分类精度，并增强模型的鲁棒性和泛化能力。
6. 计划与进度安排
第一阶段 （2024.12~2024.1）确认选题，了解毕业论文的相关步骤。
第二阶段（2024.1~2024.2）查询阅读相关文献，列出提纲
第三阶段（2024.2~2024.3）查询资料，学习相关论文
7. 参考文献（20个中文5个英文）
[1] 刘晶,王勇,王成,等.融合多特征和改进U-Net的遥感图像云雪检测[J].光学学报,2022,42(17):185-195.
[2] 刘万军,杜洋,王爽,等.融合多光谱特征和空间约束的三维卷积神经网络云雪检测[J].光子学报,2023,52(01):76-85.
[3] 周彦辰,张立福,唐伶俐,等.基于改进U-Net 的遥感影像云雪识别方法[J].计算机工程与应用,2022,58(22):199-207.
