摘要：在進行可見光遙感圖像高精度云檢測時,云自身特征的多變性,以及地物與云之間的特征相似性,會降低檢測精度。因此,提出一種帶權重的多尺度融合分割網絡云檢測方法。首先,通過有云區域和無云區域的特征學習,降低對云狀的敏感性,同時利用全卷積網絡進行端到端訓練,實現對每個像素點分類。該方法能夠自動提取深層特征,并可將云的深層語義特征與淺層細節特征結合,不但有利于區分下墊面中與云特征相似的地物,還可提高云邊緣檢測效果,從而提升云量值的檢測精度。與其他深度學習分割網絡的實驗比較分析表明,所提方法可以實現95. 39%的像素分類準確度,云量值檢測誤差優于1%,為解決遙感圖像云污染問題提供了新的思路。