一种基于全色图像统计特征的遥感图像云评估方法技术

本发明专利技术提供一种基于全色图像统计特征的遥感图像云评估方法，具体过程为：步骤一、将全色遥感图像划分成多个相邻的图像块，针对每个图像块，计算相应的均差对比度归一化系数；步骤二、对每个图像块相应的均差对比度归一化系数，采用非对称广义高斯分布建模得到对应的特征参数；步骤三、使用多变量高斯模型对所述特征参数进行拟合，得到均值向量和协方差矩阵；步骤四、计算全色遥感图像的均值向量和协方差矩阵与数据库中无云图像的均值向量和协方差矩阵之间的距离，根据所述距离判断全色遥感云图像上的云量。本发明专利技术可以准确地估算出图像中云的多少，不会出现漏检薄云的情况。

A remote sensing image cloud evaluation method based on statistical characteristics of panchromatic images

The invention provides an evaluation method for remote sensing image cloud panchromatic image based on statistical characteristics, the specific process is as follows: step one, the panchromatic remote sensing image is divided into a plurality of adjacent image blocks, for each image block, calculate the mean contrast normalization coefficient corresponding; step two, for each image block corresponding to the low contrast normalization the coefficient of non symmetric generalized Gauss distribution modeling of characteristic parameter corresponding; step three, using the multivariate Gauss model to fit the characteristic parameters, obtained the mean vector and covariance matrix; step four, the calculation between the mean vector and covariance matrix of cloud image panchromatic remote sensing image mean vector and covariance matrix and in the database the distance, according to the judgment of the distance panchromatic remote sensing image on the cloud cloud. The invention can accurately estimate the number of images of cloud, cloud does not appear undetected.

【技术实现步骤摘要】
一种基于全色图像统计特征的遥感图像云评估方法
本专利技术属于遥感图像处理
，具体涉及一种基于全色图像统计特征的遥感图像云评估方法。
技术介绍
卫星遥感图像在采集的过程中经常会受到包括噪声、模糊、条带、低对比度、雾和云遮挡等因素影响，导致图像质量下降，影响图像的使用。其中，云遮挡是一种最普遍的遥感图像质量破坏的自然因素。云层会阻挡地球表面物体的光谱信号传输到星上成像传感器，导致无法获得清晰成像，有可能造成目标重要信息丢失，严重影响后续目标检测识别等任务的执行。由于受到能源、重量、体积等因素的限制，星上的计算和存储资源都受到很大的限制，而且分配给每颗卫星的空间传输链路带宽也是很有限的。然而，到目前为止，各个国家的卫星处理系统对采集到的所有图像都一视同仁，做一系列同样的处理，包括压缩、校正、下传等。而其中有很多图像包含的有效目标信息很少，图像质量很差，这些图像下传到地面接收站也是没有意义的，反而极大地占用和浪费本就很有限的空间资源。因此，如果可以建立一种能在轨实时处理的客观遥感图像质量评价机制，帮助星上系统在轨判断图像质量进而决定是否对图像进行后续处理，将可以节约很大一部分资源用于完成其他更重要的任务。在过去的二三十年间，世界各国的专家学者相继提出了很多自动云遮挡评测(ACCA，AutomaticCloud-CoverAssessment)算法。美国地质勘探局(USGS，UnitedStatesGeologicalSurvey)记载的最早的ACCA算法是在1987年美国EROS(EarthResourcesObservationandScience)数据中心提出的Landsat5号卫星云遮挡方法。该方法分别利用可见光红色、中红外和热红外三个谱段图像，通过设置阈值排除掉图像中黑色、雪和相对温度较暖的内容。该方法比较粗糙，容易漏检暖云，也区分不好云和冰雪等。1999年，美国Landsat7号卫星发射成功，美国航空航天局(NASA)研究人员RichardR.Irish提出了针对Landsat7图像的两通道ACCA算法。该算法首先在第一个通道中利用5个ETM+(EarthThematicMapper)谱段(Band2至Band6)图像信息以及8个不同的滤波器把图像中的内容分成云、非云和疑似云，然后在第二通道通过对热红外谱段(Band6)分析对疑似云进一步检测判断。Landsat7ACCA算法思想也是基于云的一些基本物理特性，包括高反射率和温度低等。所以，它也存在误检冰雪的情况，同时存在漏检薄卷云的问题。该套算法目前依然运用在2013年发射的Landsat8卫星处理系统中，并作为判断标准之一。由于Richard提出的Landsat7ACCA方法主要依赖热红外波段，而Landsat8在设计初期并没有考虑携带热红外传感器(ThermalInfraredSensor,TIRS)，虽然最后发射时安装了TIRS，但是其设计使用寿命只有三年时间。因此，研究人员提出了只利用可见光波段无热红外谱段的ACCA模型：AT-ACCA和C5-ACCA。AT-ACCA的设计思想是通过Landsat8其他波段图像人为构造出一幅热红外波段图像，进而仍然可以运用Landsat7的模型；C5-ACCA模型则是通过对多个可见光谱段的图像进行学习分离出云。从上述分析可以看出，现有的云量评估方法有两个特点：第一是建立在云的高反射和温度低的物理特性上；第二是需要利用多个谱段图像信息。这两个特点也分别导致如下两个问题：第一是薄卷云的漏检；第二是复杂的算法网络结构，不适合在轨实现。因此，有必要研究一种既可以在轨实时处理，又可以同时检测出厚云和薄云，并且也不需要借助热红外波段的云评估模型。
技术实现思路
本专利技术针对遥感图像中云层遮挡情况进行研究，提出一种基于全色图像统计特征的遥感图像云评估方法，其目的是为解决现有云评估方法需要借助多个谱段图像同时存在漏检薄云的问题。为了达到上述目的，本专利技术的技术方案包括如下步骤：一种基于全色图像统计特征的遥感图像云评估方法，具体过程为：步骤一、将全色遥感图像划分成多个相邻的图像块，针对每个图像块，计算相应的均差对比度归一化系数；步骤二、对每个图像块相应的均差对比度归一化系数，采用非对称广义高斯分布建模得到对应的特征参数；步骤三、使用多变量高斯模型对所述特征参数进行拟合，得到均值向量和协方差矩阵；步骤四、计算全色遥感图像的均值向量和协方差矩阵与数据库中无云图像的均值向量和协方差矩阵之间的距离，根据所述距离判断全色遥感云图像上的云量。进一步地，本专利技术所述特征参数包括所建模型的形状参数、尺度参数及广义高斯分布的均值。进一步地，本专利技术所述相应的均差对比度归一化系数包括：每个图像块与其水平、竖直和两个对角线方向邻近的图像块的均差对比度归一化系数的乘积。有益效果：第一，本专利技术利用不同云量带来全色图像均差对比度归一化系数的不同这一发现，利用全色图像均差对比度归一化系数作为判别特征，可以准确地估算出图像中云的多少，不会出现漏检薄云的情况。第二，本专利技术在估计云量时只需要借助全色图像的信息，无需其他更多波段图像及热红外图像，既简化网络、降低计算复杂度，同时也可以解决没有安装热红外成像器的卫星系统在轨云评估的问题。第三，与建立在云的物理特性上的传统云量估计算法不同的是，本专利技术是基于不同类型的云对图像对比度影响不一样的观察结果。因此，不易受到具有相似物理特性的地物的干扰，既可以检测厚云也可以检测薄云。第四，本专利技术在估计云量时，不直接设置各种阈值分离出云，因为不同的图像内容阈值也不一样。本专利技术充分利用无云图像和云图像在MSCN系数上的区别，通过计算云图像与无云图像在对应统计特征上的距离作为云量多少的估算指标，简单有效，同时避免阈值分割产生的误差。附图说明图1为本专利技术的实施流程图。图2为本专利技术示例不同类型云图像块的均差对比度归一化分布。图3为本专利技术示例全厚云图像块的均差对比度归一化分布。具体实施方式下面结合附图并举实施例，对本专利技术进行详细描述。本专利技术一种基于全色图像统计特征的遥感图像云评估方法，如图1所示，具体过程为：步骤一、将全色遥感图像划分成多个相邻的图像块，计算每个图像块的均差对比度归一化(MeanSubtractedContrastNormalization,MSCN)系数具体为：为了使计算机能够对全色遥感图像进行处理，需要将全色遥感图像的像素值的数据类型转换成双浮点型。全色遥感图像的谱段是整个可见光波段产生的一幅图像，由于每颗卫星都会携带可见光光学成像器，但是不一定安装热红外传感器。因此，本专利技术仅利用单幅全色图像即可，该方法一方面可以适用于无热红外传感器的卫星系统，另一方面大大简化算法框架。与现有技术不同，本专利技术不再基于云的普遍物理特性。由于发现厚云或几乎不透明的云与薄的卷云及层云对图像对比度的破坏程度不一样，大片的厚云或几乎不透明的云造成对应的区域地物完全被遮挡，完全一片白；而薄卷云或层云区域图像对比度降低，但是地物不会被完全遮住。基于上述观察发现，本专利技术提出计算全色图像的均差对比度归一化MSCN系数厚云或不透明云图像区域的MSCN系数分布很窄，在零值附近的系数很多，峰值很高；而薄卷云或层云区域的MSCN系数分布则更宽，拖尾更长，呈现本文档来自技高网...

【技术保护点】
一种基于全色图像统计特征的遥感图像云评估方法，其特征在于，具体过程为：步骤一、将全色遥感图像划分成多个相邻的图像块，针对每个图像块，计算相应的均差对比度归一化系数；步骤二、对每个图像块相应的均差对比度归一化系数，采用非对称广义高斯分布建模得到对应的特征参数；步骤三、使用多变量高斯模型对所述特征参数进行拟合，得到均值向量和协方差矩阵；步骤四、计算全色遥感图像的均值向量和协方差矩阵与数据库中无云图像的均值向量和协方差矩阵之间的距离，根据所述距离判断全色遥感云图像上的云量。

【技术特征摘要】
1.一种基于全色图像统计特征的遥感图像云评估方法，其特征在于，具体过程为：步骤一、将全色遥感图像划分成多个相邻的图像块，针对每个图像块，计算相应的均差对比度归一化系数；步骤二、对每个图像块相应的均差对比度归一化系数，采用非对称广义高斯分布建模得到对应的特征参数；步骤三、使用多变量高斯模型对所述特征参数进行拟合，得到均值向量和协方差矩阵；步骤四、计算全色遥感图像的均值向量和协方差矩阵与数据库中无云图像的均值向量和协方差矩阵之间的距离，根据所述距离判断全色遥感云图像上的云...

【专利技术属性】
技术研发人员：邓宸伟，王水根，冯帆，刘珣，赵保军，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：北京,11