一种风云卫星遥感影像云检测方法、系统及电子设备技术方案

本申请涉及一种风云卫星遥感影像云检测方法、系统及电子设备。包括：步骤a：提取风云卫星遥感影像的红外1波段和可见光波段，并利用至少两种阈值方法分别得到所述红外1波段和可见光波段的至少两种二值化阈值结果；步骤b：利用集成阈值法分别对所述红外1波段和可见光波段的至少两种二值化阈值结果进行集成，得到所述遥感影像的集成阈值云检测结果；步骤c：根据所述集成阈值云检测结果与官方提供的云检测结果共同选取随机森林的训练样本集；步骤d：通过所述训练样本集构建随机森林检测模型，通过所述随机森林检测模型进行风云卫星遥感影像云检测。本申请有效的改善了云的错检和漏检情况，并提高风云卫星遥感影像的利用率。

【技术实现步骤摘要】
一种风云卫星遥感影像云检测方法、系统及电子设备
本申请属于遥感影像云检测
，特别涉及一种风云卫星遥感影像云检测方法、系统及电子设备。
技术介绍
随着成像技术的不断发展，遥感图像获取的渠道越来越多。在风云遥感影像获取过程中，受云雾干扰等因素的影响，导致原地物光谱失真，影响遥感产品与影像判读，对信息提取造成很大的影响。正确地分离遥感图像中的有云像元和无云像元,对于天气预报、气象灾害的预防、温度反演、救援及生态环境的监控等都有重大的影响。因此，在遥感影像的使用过程中，对受云层遮挡的遥感图像进行有效的云检测是遥感数据修复过程中需解决的首要问题。国内外利用遥感图像的光谱信息来进行云检测已有多年的历史，目前常见的云检测方法有：1)阈值法；阈值法包括：光谱结合阈值法、频率结合阈值法。光谱结合阈值法主要利用云在可见光波段具有强反射的特性，该类算法对阈值的敏感程度较高，同一卫星数据因时间、天气等原因，检测阈值将发生巨大变化，加大了此类方法的局限性。频率结合阈值法主要利用云的低频特性，通过小波分析、傅里叶变换等方法获取影像低频数据进行云检测，但由于受地面低频信息干扰，通常采用多层小波变换排除，这大大降低了云检测效率。2)纹理分析法；纹理分析法利用云与地面纹理特征差异，常以分块子图为单位，结合二阶矩、分形维数、灰度共生矩阵和多次双边滤波进行纹理特征计算，该类方法需要提前获得可靠云特征区间才能保证分类的精度，效率较低。3)统计学方法；统计学方法主要分为统计方程和聚类分析法。统计方程法利用样本数据建立模拟公式计算云的反射率或者亮温来进行云检测，聚类分析法是根据不同地物类型的像元观测值存在明显的差别的原理实现云检测，在样本量较大时，要获得聚类结论有一定困难，需要人为干预，极大影响检测效率。4)综合智能法；综合智能法主要包括人工神经网络、支持向量机和模糊逻辑算法等。综合智能法在实现的过程中需要获取大量的训练样本，对分类特征的选取要求较高，针对不同数据需要重新选取样本，导致效率低下。另外，现有的云检测方法在卫星影像云检测方面仍然会有将部分晴空、陆地、海洋检测为云以及部分漏检情况，云检测效率较低。
技术实现思路
本申请提供了一种风云卫星遥感影像云检测方法、系统及电子设备，旨在至少在一定程度上解决现有技术中的上述技术问题之一。为了解决上述问题，本申请提供了如下技术方案：一种风云卫星遥感影像云检测方法，包括以下步骤：步骤a：提取风云卫星遥感影像的红外1波段和可见光波段，并利用至少两种阈值方法分别得到所述红外1波段和可见光波段的至少两种二值化阈值结果；步骤b：利用集成阈值法分别对所述红外1波段和可见光波段的至少两种二值化阈值结果进行集成，得到所述遥感影像的集成阈值云检测结果；步骤c：根据所述集成阈值云检测结果和官方提供的云检测结果共同选取随机森林的训练样本集；步骤d：通过所述训练样本集构建随机森林检测模型，通过所述随机森林检测模型进行风云卫星遥感影像云检测。本申请实施例采取的技术方案还包括：在所述步骤b中，所述利用集成阈值法分别对所述红外1波段和可见光波段的至少两种二值化阈值结果进行集成，并将所述红外1波段和可见光波段的阈值集成结果进行合并，得到所述遥感影像的集成阈值云检测结果具体为：使用投票的方式作为结合策略，投票系数δ决定结合策略的结合程度；设所述十种阈值方法得到的云检测结果为(F1，,F2,......Fp)，Fp为第p种阈值方法对应的云检测结果，使用δ序列(δ1,，δ2,......,δi)作为投票系数，得到云检测结果如果某个像素标记得到的投票数超过投票系数δi，则检测结果为云，否则为非云；最后，选择最佳的值为集成阈值的云检测结果。本申请实施例采取的技术方案还包括：在所述步骤c中，所述根据集成阈值云检测结果和官方提供的云检测结果共同选取随机森林的训练样本集具体为：分别选取官方云检测结果的上下端各1/4部分以及所述集成阈值云检测结果的中间1/2部分作为随机森林的训练样本集的分类图像R；从所述分类图像R中随机选取q1个有云像素点和q2个无云像素点作为原始训练样本，选取当前像素点，同时选取当前像素点附近的k*k邻域内的像素点构成训练样本，并选取训练样本的5个波段像素点灰度值、5个波段像素点灰度值对应的均值和方差以及云和非云的标记作为训练特征。本申请实施例采取的技术方案还包括：在所述步骤d中，所述通过训练样本集构建随机森林检测模型具体为：定义参数n和m，其中n代表决策树的数量，m代表分裂每个节点上属性特征的数量；从所述训练样本集中抽出n个训练样本，将每个训练样本分别作为训练集生成单棵决策树，在所述决策树的每个节点处，从特征变量中随机选m个特征变量作为预测变量，并选取一个最优的特征变量进行分类；所述随机森林采用分类与回归树算法生成决策树，每个节点根据GINI指数选择最佳分裂树形，所述GINI指数公式为：上述公式中，T为学习器{h1,h2,...,hT}集合的个数，f(CiT)/|T|是所选类属于Ci的概率；如果子节点的基尼指数小于父节点，则分裂该节点；当GINI指数为0时，终止分裂，一类被分离出来；当n个决策树生成森林时，用所述n个决策树的预测结果预测新的数据集。本申请实施例采取的另一技术方案为：一种风云卫星遥感影像云检测系统，包括：波段提取模块：用于提取风云卫星遥感影像的红外1波段和可见光波段；二值化模块：用于利用至少两种阈值方法分别得到所述红外1波段和可见光波段的至少两种二值化阈值结果；阈值集成模块：用于利用集成阈值法分别对所述红外1波段和可见光波段的至少两种二值化阈值结果进行集成，得到所述遥感影像的集成阈值云检测结果；样本选取模块：用于根据所述集成阈值云检测结果和官方提供的云检测结果共同选取随机森林的训练样本集；模型构建模块：用于通过所述训练样本集构建随机森林检测模型，通过所述随机森林检测模型进行风云卫星遥感影像云检测。本申请实施例采取的技术方案还包括：所述阈值集成模块利用集成阈值法分别对所述红外1波段和可见光波段的至少两种二值化阈值结果进行集成，并将所述红外1波段和可见光波段的阈值集成结果进行合并，得到所述遥感影像的集成阈值云检测结果具体为：使用投票的方式作为结合策略，投票系数δ决定结合策略的结合程度；设所述十种阈值方法得到的云检测结果为(F1，,F2,......Fp)，Fp为第p种阈值方法对应的云检测结果，使用δ序列(δ1,，δ2,......,δi)作为投票系数，得到云检测结果如果某个像素标记得到的投票数超过投票系数δi，则检测结果为云，否则为非云；最后，选择最佳的值为集成阈值的云检测结果。本申请实施例采取的技术方案还包括：所述样本选取模块根据集成阈值云检测结果和官方提供的云检测结果共同选取随机森林的训练样本集具体为：分别选取官方云检测结果的上下端各1/4部分以及所述集成阈值云检测结果的中间1/2部分作为随机森林的训练样本集的分类图像R；从所述分类图像R中随机选取q1个有云像素点和q2个无云像素点作为原始训练样本，选取当前像素点，同时选取当前像素点附近的k*k邻域内的像素点构成训练样本，并选取训练样本的5个波段像素点灰度值、5个波段像素点灰度值对应的均值和方差以及云和非云的标记作为训练特征。本申请实施例采取的技术本文档来自技高网...

【技术保护点】
1.一种风云卫星遥感影像云检测方法，其特征在于，包括以下步骤：步骤a：提取风云卫星遥感影像的红外1波段和可见光波段，并利用至少两种阈值方法分别得到所述红外1波段和可见光波段的至少两种二值化阈值结果；步骤b：利用集成阈值法分别对所述红外1波段和可见光波段的至少两种二值化阈值结果进行集成，得到所述遥感影像的集成阈值云检测结果；步骤c：根据所述集成阈值云检测结果与官方提供的云检测结果共同选取随机森林的训练样本集；步骤d：通过所述训练样本集构建随机森林检测模型，通过所述随机森林检测模型进行风云卫星遥感影像云检测。

【技术特征摘要】
1.一种风云卫星遥感影像云检测方法，其特征在于，包括以下步骤：步骤a：提取风云卫星遥感影像的红外1波段和可见光波段，并利用至少两种阈值方法分别得到所述红外1波段和可见光波段的至少两种二值化阈值结果；步骤b：利用集成阈值法分别对所述红外1波段和可见光波段的至少两种二值化阈值结果进行集成，得到所述遥感影像的集成阈值云检测结果；步骤c：根据所述集成阈值云检测结果与官方提供的云检测结果共同选取随机森林的训练样本集；步骤d：通过所述训练样本集构建随机森林检测模型，通过所述随机森林检测模型进行风云卫星遥感影像云检测。2.根据权利要求1所述的风云卫星遥感影像云检测方法，其特征在于，在所述步骤b中，所述利用集成阈值法分别对所述红外1波段和可见光波段的至少两种二值化阈值结果进行集成，并将所述红外1波段和可见光波段的阈值集成结果进行合并，得到所述遥感影像的集成阈值云检测结果具体为：使用投票的方式作为结合策略，投票系数δ决定结合策略的结合程度；设所述十种阈值方法得到的云检测结果为(F1，,F2,......Fp)，Fp为第p种阈值方法对应的云检测结果，使用δ序列(δ1,，δ2,......,δi)作为投票系数，得到云检测结果如果某个像素标记得到的投票数超过投票系数δi，则检测结果为云，否则为非云；最后，选择最佳的值为集成阈值的云检测结果。3.根据权利要求2所述的风云卫星遥感影像云检测方法，其特征在于，在所述步骤c中，所述根据集成阈值云检测结果和官方提供的云检测结果共同选取随机森林的训练样本集具体为：分别选取官方云检测结果的上下端各1/4部分以及所述集成阈值云检测结果的中间1/2部分作为随机森林的训练样本集的分类图像R；从所述分类图像R中随机选取q1个有云像素点和q2个无云像素点作为原始训练样本，选取当前像素点，同时选取当前像素点附近的k*k邻域内的像素点构成训练样本，并选取训练样本的5个波段像素点灰度值、5个波段像素点灰度值对应的均值和方差以及云和非云的标记作为训练特征。4.根据权利要求3所述的风云卫星遥感影像云检测方法，其特征在于，在所述步骤d中，所述通过训练样本集构建随机森林检测模型具体为：定义参数n和m，其中n代表决策树的数量，m代表分裂每个节点上属性特征的数量；从所述训练样本集中抽出n个训练样本，将每个训练样本分别作为训练集生成单棵决策树，在所述决策树的每个节点处，从特征变量中随机选m个特征变量作为预测变量，并选取一个最优的特征变量进行分类；所述随机森林采用分类与回归树算法生成决策树，每个节点根据GINI指数选择最佳分裂树形，所述GINI指数公式为：上述公式中，T为学习器{h1,h2,...,hT}集合的个数，f(CiT)/|T|是所选类属于Ci的概率；如果子节点的基尼指数小于父节点，则分裂该节点；当GINI指数为0时，终止分裂，一类被分离出来；当n个决策树生成森林时，用所述n个决策树的预测结果预测新的数据集。5.一种风云卫星遥感影像云检测系统，其特征在于，包括：波段提取模块：用于提取风云卫星遥感影像的红外1波段和可见光波段；二值化模块：用于利用至少两种阈值方法分别得到所述红外1波段和可见光波段的至少两种二值化阈值结果；阈值集成模块：用于利用集成阈值法分别对所述红外1波段和可见光波段的至少两种二值化阈值结果进行集成，得到所述遥感影像的集成阈值云检测结果；样本选取模块：用于根...

【专利技术属性】
技术研发人员：刘军，付华联，陈劲松，
申请(专利权)人：中国科学院深圳先进技术研究院，
类型：发明
国别省市：广东,44