基于Landsat8含雪影像的云检测方法技术

本发明专利技术提供了一种基于Landsat 8含雪影像的云检测方法，包括以下步骤：步骤1，选取任一Landsat 8影像作为当前影像；步骤2，获取当前影像中圈定云范围的云阈值；步骤3，剔除通过云阈值在当前影像中圈定的云范围中的假异常，得到剔除假异常后的云影像。本发明专利技术能够有效的解决传统云检测方法产生的云雪混淆问题，适用于不同纬度地区且不受云量的限制。

【技术实现步骤摘要】
基于Landsat8含雪影像的云检测方法
本专利技术属于遥感及影响处理
，具体涉及一种基于Landsat8含雪影像的云检测方法。
技术介绍
云和雪在可见光范围内有相似的光谱特性，这导致在常规的云检测方法中往往会产生将雪误判为云的现象。因此，选择合适的方法对含雪的影像进行准确的云检测是至关重要的。从上世纪七十年代以来，国内不少遥感领域的科研工作者先后进行了这方面的研究。近年来基于光学遥感数据的冰雪信息提取方面取得了显著成果，例如：1977年采用近红外波段上云雪的差异来检测有冰雪覆盖区域的云层，在近红外波段下，云像素具有较高的反射率，而雪显得相对较暗，这大大减少了误判，但某些特殊类型的云和雪在近红外光谱中仍然显示出十分相似的光谱特征，因此，此法识别出的云的效果时好时坏，变动性较大。2004年通过归一化积雪指数来识别积雪，将积雪掩膜后进行云检测从而减少积雪的误判，该方法可以明显减少由于云雪混淆而导致的云检测的误判现象，但很难确定归一化积雪指数的准确阈值，且对较薄的冰雪覆盖区域检测效果较差。2001年采用纹理特征进行卫星影像的云雪分离，它不仅反映了图像中灰度的统计信息，而且也反映了物体空间排列的关系和结构。云区的边缘通常是模糊的，渐变的速度很慢。而冰雪覆盖的土地受到地形的影响，边缘通常是尖锐的，因此，它可以用来区分云和雪。该算法在含雪区域进行云检测时效果较好，特别是对薄卷云的检测。然而，云的类型多种多样纹理复杂且难以描述，此外，灰度共生矩阵会降低该方法的效率。因此，实现自动化和高精度仍然具有挑战性。2014年采用F-mask算法进行云雪分离，它可以为每景影像提供云，云阴影和雪的掩膜，使用一个基于场景的阈值算法，并将相同的阈值应用于遥感影像中的所有像素，该方法可以用来识别云层、云影和雪。但由于F-mask算法将相同的阈值应用于遥感影像中的所有像素，因此无法在含特殊表面反射率地物的影像中检测云。上述方法都不同程度的取得了一些成就，但常会受云朵类型、积雪厚度、下垫面类型等限制从而导致效果时好时坏。因此选择准确的含雪影像的云检测方法已成为当务之急。
技术实现思路
针对现有技术存在的不足，本专利技术的目的在于，提供一种基于Landsat8含雪影像的云检测方法，解决现有技术中云检测过程中受云朵类型、积雪厚度、下垫面类型等限而导致检测效果时好时坏的问题。为了解决上述技术问题，本专利技术采用如下技术方案予以实现：一种基于Landsat8含雪影像的云检测方法，其特征在于，包括以下步骤：步骤1，选取任一Landsat8含雪影像作为当前影像；步骤2，在绿波段、红外一波段和红外二波段中选取任意两个波段作为分离云雪的主成分量，基于分形求和模型求取所选取主成分量的灰度频率直方图中的云阈值，即得到当前影像中圈定云范围的阈值；步骤3，剔除通过云阈值在当前影像中圈定的云范围中的假异常，得到剔除假异常后的云影像；包括：步骤31，对多个能够分离云雪的主成分量进行叠置，将多个能够分离云雪的主成分量中共有的云留下，并剔除掉每个主成分分量中独有的云；步骤32，通过热点分析，剔除当前影像中圈定的云范围中的假异常。进一步地，还包括:步骤4，剔除假异常后的云影像为一离散点集，在原始坐标系下假设存在一个方向，离散点集中的所有离散点到该方向的标准差距离最小，则设该方向为当前方向；所述原始坐标系以云影像的任一顶点为坐标原点，以水平方向为x轴，以竖直方向为y轴；设该当前方向与原始坐标系x轴的夹角为θ，则将原始坐标轴沿顺时针方向旋转θ，得到新的坐标系X’O’Y’，所述新的坐标系X’O’Y’的坐标原点O’为离散点集中所有点的平均值中点；在新的坐标系X’O’Y’下绘制所有异常离散点群的标准差椭圆，若该标准差椭圆的长轴方向与山地走向或断裂构造延展方向相同，则该异常离散点群为假异常，剔除该异常离散点群。进一步地，所述红外一波段的波长为1.6μm，红外二波段的波长为2.1μm。本专利技术与现有技术相比，具有如下技术效果：1.本专利技术快速高效，精度较高，具有较强的实用价值和推广意义；2.本专利技术能够有效的解决传统云检测方法产生的云雪混淆问题，适用于不同纬度地区且不受云量的限制。3.本专利技术提出的“阈值分析+空间群聚分析+各向异性分析”模型是一种比较有优势的云检测方法，该方法具有较强的普适性，特别是对于有雪干扰的较难进行云检测的影像。附图说明图1为本专利技术总体流程图；图2为云和雪的反射率波谱曲线；图3(a)为本实例主成分分析后的第一主成分量影像；(b)为本实例主成分分析后的第二主成分量影像；(c)为本实例主成分分析后的第三主成分量影像；图4为第二主成分量的logr与logN(r)分形求和图；图5为第三主成分量的logr与logN(r)分形求和图；图6为本实例热点分析后的结果；图7为标准差椭圆示意图。以下结合附图对本专利技术的具体内容作进一步详细解释说明。具体实施方式以下给出本专利技术的具体实施例，需要说明的是本专利技术并不局限于以下具体实施例，凡在本申请技术方案基础上做的等同变换均落入本专利技术的保护范围。实施例：如图1所示，本实施例提供了一种基于Landsat8含雪影像的云检测方法，包括以下步骤：步骤1，选取任一Landsat8影像作为当前影像；本实施例选取不同地点、不同云类型、不同雪厚度的Landsat8影像；步骤2，在绿波段、红外一波段和红外二波段中选取任意两个波段作为分离云雪的主成分量，基于分形求和模型求取所选取主成分量的灰度频率直方图中的云阈值，即得到当前影像中圈定云范围的阈值；具体包括：步骤21，选择当前影像的绿波段、短波红外一波段和短波红外二波段作为主成分量进行成分分析，得到多个主成分量；如图2所示为云、雪在不同波段下的反射率分布情况。从图2中可以看出在可见光波段，云和雪的反射率高于其余下垫面的反射率，且二者具有相近的光谱特征，DN值也和雪大体接近，只有绿波段的云和雪反射率差异较大。在1.6μm和2.1μm附近的近红外波段上云与雪的吸收特性相差较多，雪因吸收太阳辐射强而导致反射率低，云则相对反射来自太阳的反射从而反射率高，即云和雪在绿波段、短波红外一波段、短波红外二波段具有较为典型的波普特性，能够较完整的表现云及雪的信息。步骤22，在多个主成分量中选取多个能够分离云雪的主成分量；对绿波段、短波红外一波段、短波红外二波段进行主成分分析可以剔除云雪混淆在一起的波段并且增强所要提取的信息，隔离噪声同时减少数据维数，把多元变量简化为少数几个独立的综合变量，将原本不同类型糅合在一起的物体分开成不同的主成分量，如图3所示。表1列出了主成分分析后各主成分量的信息，通过表1可以看出：第一主成分量确实能够反映出云，其特征值在绿波段是正值，短波红外一波段和短波红外二波段是负值，符合云的吸收和反射特征，但是云和雪都具备该特征，第一主成分量能反映云也带入了大量的雪，导致云雪区分困难，因此第一主成分量主要是亮度的反映，亮度高的不只是云；第二主成分量也符合云的特征，因为与冰雪相比，云在绿波段的反射率要低一些，这里的特征值恰好为负值，恰好满足了这一特征，因此，第二主成分量体现了云和雪的对比；第三主成分量在短波红外二波段是正的，而云在该波段的反射率比冰雪要高，因此，第三主成也分量体现了云的特征。综合来看，虽然第一主成分量能本文档来自技高网...

【技术保护点】
1.一种基于Landsat 8含雪影像的云检测方法，其特征在于，包括以下步骤：步骤1，选取任一Landsat 8含雪影像作为当前影像；步骤2，在绿波段、红外一波段和红外二波段中选取任意两个波段作为分离云雪的主成分量，基于分形求和模型求取所选取主成分量的灰度频率直方图中的云阈值，即得到当前影像中圈定云范围的阈值；步骤3，剔除通过云阈值在当前影像中圈定的云范围中的假异常，得到剔除假异常后的云影像；包括：步骤31，对多个能够分离云雪的主成分量进行叠置，将多个能够分离云雪的主成分量中共有的云留下，并剔除掉每个主成分分量中独有的云；步骤32，通过热点分析，剔除当前影像中圈定的云范围中的假异常。

【技术特征摘要】
1.一种基于Landsat8含雪影像的云检测方法，其特征在于，包括以下步骤：步骤1，选取任一Landsat8含雪影像作为当前影像；步骤2，在绿波段、红外一波段和红外二波段中选取任意两个波段作为分离云雪的主成分量，基于分形求和模型求取所选取主成分量的灰度频率直方图中的云阈值，即得到当前影像中圈定云范围的阈值；步骤3，剔除通过云阈值在当前影像中圈定的云范围中的假异常，得到剔除假异常后的云影像；包括：步骤31，对多个能够分离云雪的主成分量进行叠置，将多个能够分离云雪的主成分量中共有的云留下，并剔除掉每个主成分分量中独有的云；步骤32，通过热点分析，剔除当前影像中圈定的云范围中的假异常。2.根据权利要求1所述的基于Landsat8含雪影像的云检测方法，其特征在于，还包括:步骤4，剔除假异...

【专利技术属性】
技术研发人员：韩玲，吴婷婷，刘志恒，
申请(专利权)人：长安大学，
类型：发明
国别省市：陕西,61