云检测方法及装置制造方法及图纸

本发明专利技术实施例提供一种云检测方法及装置，在该方法中，将遥感影像分割为互不交迭的多个同质对象，调用基于同质对象并利用正则化最小二乘算法预先建立的分类模型，对同质对象进行分类，检测得到云数据，云数据为包括云对象的同质对象。通过本发明专利技术，可以减少遥感影像在云检测处理过程中计算的数据量，并提升云检测的效率。

Cloud detection methods and devices

【技术实现步骤摘要】
云检测方法及装置
本专利技术涉及遥感影像处理领域，特别的涉及一种云检测方法及装置。
技术介绍
高空间分辨率四波段卫星采集的遥感影像数据在各行各业应用越来越广泛。一种典型的应用是用于获取地面信息。在利用高空间分辨率四波段卫星采集的遥感影像数据获取地面信息时，遥感影像中会记录大量的云像元信息，而云像元信息的存在掩盖了遥感影像中的有效地面信息，严重影响了获取地面信息的质量，为遥感影像数据后期的处理和使用增加了难度。因此，检测出遥感影像中的云像元信息(云检测)是遥感数据处理过程中首要解决的问题之一。目前，可利用正则化最小二乘算法进行云检测，该方法可对高空间分辨率四波段卫星遥感影像中不同下垫面情况下的云像元进行有效地识别。应用windows环境下matlab平台开发的GURLS(GrandUnifiedRegularizedLeastSquares)软件库对高空间分辨率遥感影像进行云检测时，由于windows环境下matlab平台开发的GURLS软件只能处理小数据，因此需要基于像元将整景遥感影像切割成小部分，然后分别对切割得到的各个部分进行云检测，再对各部分的云检测结果进行拼接，实现最终的云检测。高空间分辨率遥感影像空间结构复杂，信息量庞大，若直接利用正则化最小二乘算法，基于像元对整景遥感影像进行处理，在训练样本选择上需要考虑地物复杂的内部结构信息，训练样本的数量巨大。然而，正则化最小二乘算法的复杂度是O(N2)(N为训练样本)，N的增加会造成算法运行效率大幅降低。
技术实现思路
本专利技术实施例提供一种云检测方法及装置，可以减少遥感影像在云检测处理过程中计算的数据量，并提升云检测的效率。本专利技术的一方面提供了一种云检测方法,该方法包括将遥感影像分割为互不交迭的多个同质对象；调用基于同质对象并利用正则化最小二乘算法预先建立的分类模型，对同质对象进行分类，检测得到云数据，云数据为包括云对象的同质对象。本专利技术的另一方面提供了一种云检测装置,该装置包括分割单元和检测单元。分割单元用于将遥感影像分割为互不交迭的多个同质对象,检测单元用于调用基于同质对象并利用正则化最小二乘算法预先建立的分类模型，对所述同质对象进行分类，检测得到云数据，云数据为包括云对象的同质对象。本专利技术提供的云检测方法及装置,通过将遥感影像分割为互不交迭的多个同质对象,以同质对象为单位利用正则化最小二乘算法进行云检测，大大降低了遥感影像需要处理的数据量，实现高空间分辨率四波段卫星遥感影像的云检测。附图说明图1是本专利技术实施例提供的一种云检测方法实施流程图。图2是本专利技术实施例提供的一种将遥感影像分割为互不交迭的多个同质对象的实施流程图。图3是本专利技术实施例提供的另一种云检测方法实施流程图。图4是本专利技术实施例提供的一种云检测装置示意图。具体实施方式下面将参考若干示例性实施方式来描述本专利技术的原理和精神。应当理解，给出这些实施方式仅仅是为了使本领域技术人员能够更好地理解进而实现本专利技术，而并非以任何方式限制本专利技术的范围。本专利技术实施例提供的云检测方法及装置，可以应用于利用卫星遥感获取地面的影像信息的应用场景。在该场景下，一种可能的实施方式中可将遥感影像分割为互不交迭的多个同质对象，然后基于该同质对象，利用正则化最小二乘原理进行云检测，得到最终的云数据。一种可能的实施方式中，本专利技术实施例基于同质对象并利用正则化最小二乘算法预先建立分类模型，在进行云检测时，将遥感影像分割成互不交迭的多个同质对象，以同质对象为单位，调用基于同质对象并利用正则化最小二乘算法预先建立的分类模型，对所述同质对象进行分类，根据分类结果得到云数据，减少了遥感影像在云检测处理用于计算的数据量，提升了云检测的效率。图1所示为本专利技术实施例提供的一种云检测方法实施流程图。图1所示的方法执行主体可以是云检测装置，该云检测装置可以是服务器，也可以是计算机，移动终端等终端，本专利技术实施例不做限定。参阅图1所示，该方法包括：S101：将遥感影像分割为互不交迭的多个同质对象。本专利技术实施例中涉及的遥感影像可以是利用卫星遥感手段获取的地面影像信息，例如可以是高空间分辨率四波段卫星采集地面信息时，采集的地面影像信息。本专利技术实施例中云检测装置可从卫星处获取到遥感影像，然后基于该遥感影像进行云检测。可能的实施方式中，本专利技术实施例中，云检测装置可将获取的遥感影像信息进行分割，得到互不交迭的多个同质对象，其中，同质对象为满足相似条件的像元的集合。例如，与云像元相似的多个像元组成的集合可以理解是云对象，该云对象就是一种同质对象。与山丘像元相似的多个像元组成的集合可以理解是山丘对象，该山丘对象也是一种同质对象。本专利技术实施例中，可以采用基于对象的分割方法对遥感影像进行分割，可能的实施方式中本专利技术实施例中可以采用分型网络演化方法(FractalNetEvolutionApproach，FNEA)实现遥感影像的分割。图2所示为本专利技术实施例提供的一种将遥感影像分割为互不交迭的多个同质对象的实施流程图，参阅图2所示，该方法包括：S1011：以遥感影像中的像元为基元进行基元合并，得到对象。S1012：基于合并基元得到的对象，确定相邻对象之间的异质性值。本专利技术实施例中，对象之间的异质性可以基于光谱特征和形状特征来确定。可能的实施方式中，本专利技术实施例中可根据对象的光谱异质度和形状异质度来确定异质性值。根据对象的光谱异质度和形状异质度来确定异质性值的过程可为：S1012a：确定对象的光谱异质度。本专利技术实施例中，光谱异质度可根据合并前后对象中的像元来确定，例如可采用如下公式确定：其中，hcolor标识光谱异质度，nmerge表示合并后对象中的像元数，nobj1和nobj2分别表示合并前对象1和对象2中的像元数；σc表示对象在第c层数据中的标准差，上标merge、obj1和obj2分别指合并后对象、合并前对象1及合并前对象2；ωc表示第c层数据所占的权重，ωc∈[0,1]。S1012b：确定对象的光滑度和紧凑度，并根据预设紧凑度权重值、预设光滑度权重值、所述紧凑度和所述光滑度，确定对象的形状异质度。其中，对象的形状异质度由对象的光滑度和紧凑度组成，一种可能的实施方式中可采用如下公式确定形状异质度：hshape＝ωcmpct·hcmpct+ωsmooth·hsmooth；其中，hshape表示形状异质度，hcmpct表示紧凑度，hsmooth表示光滑度，ωcmpct表示紧凑度所占的权重，ωsmooth表示光滑度所占的权重，且ωcolor∈[0,1]，ωshape∈[0,1]，ωcmpct+ωsmooth＝1。紧凑度的权重值越大，形状规则的同质对象描述越好，而光滑度权值越大，同质对象的边缘就比较光滑。由于云检测针对的是高空间分辨率影像，数据量很大，提取的云边缘平滑一点，尖锐一点对精度没太大影响，只是平滑一点会比较接近真实的云本文档来自技高网...

【技术保护点】
1.一种云检测方法，其中，所述方法包括：/n将遥感影像分割为互不交迭的多个同质对象；/n调用基于同质对象并利用正则化最小二乘算法预先建立的分类模型，对所述同质对象进行分类，检测得到云数据，所述云数据为包括云对象的同质对象。/n

【技术特征摘要】
1.一种云检测方法，其中，所述方法包括：
将遥感影像分割为互不交迭的多个同质对象；
调用基于同质对象并利用正则化最小二乘算法预先建立的分类模型，对所述同质对象进行分类，检测得到云数据，所述云数据为包括云对象的同质对象。


2.根据权利要求1所述的方法，其中，所述将遥感影像分割为互不交迭的多个同质对象，包括：
以遥感影像中的像元为基元，确定合并所述基元得到的对象的紧凑度、光滑度以及光谱异质度；
根据预设紧凑度权重值、预设光滑度权重值、所述紧凑度和所述光滑度，确定每一对象的形状异质度；
依据所述光谱异质度、所述形状异质度、预设光谱因子权重值以及预设形状因子权重值，确定相邻对象之间的异质性值；
根据所述异质性值以及分割对象的异质性容许值，将所述遥感影像分割为互不交迭的多个同质对象，所述分割对象的异质性容许值是根据预设尺度阈值得到的。


3.根据权利要求2所述的方法，其中，所述预设紧凑度权重值和所述预设光滑度权重值均为接近中间值的数值，所述接近中间值是指与中间值之差在设定差值范围内。


4.根据权利要求2所述的方法，其中，预设光谱因子权重值的取值大于0.5并且小于1。


5.根据权利要求2所述的方法，其中，所述预设尺度阈值根据所述遥感影像上云图斑的实际大小确定，并使依据所述预设尺度阈值分割后的云对象和其他地物没有粘连且包括的对象数量满足设定数量要求。


6.根据权利要求1所述的方法，其中，采用如下方式基于同质对象并利用正则化最小二乘算法预先建立分类模型：
确定同质对象的光谱特征、纹理特征以及几何特征，所述光谱特征包括第一波段对象灰度均值、第三波段对象灰度均值，以及第四波段对象灰度均值与第三波段对象灰度均值之间的比值，所述纹理特征为灰度共生矩阵生成的统计量，所述灰度共生矩阵生成的统计量包括对象同质度、对象对比度和对象角二阶矩特征，所述几何特征包括圆度、矩形拟合度和形状指数；
根据预设的正则化参数以及预设的核函数，并基于所述同质对象的光谱特征、纹理特征以及几何特征，确定分类模型，所述分类模型的输入为所述同质对象的光谱特征、纹理特征以及几何特征，所述分类模型的输出为云对象和非云对象。


7.根据权利要求6所述的方法，其中，调用基于同质对象并利用正则化最小二乘算法预先建立的分类模型，对所述同质对象进行分类，检测得到云数据，包括：
基于所述同质对象的光谱特征对所述同质对象进行初步检测，得到初始云对象，所述初始云对象为初始云像元的集合，所述初始云像元包括云像元和伪云像元；
确定所述初始云对象的光谱特征、纹理特征以及几何特征，所述光谱特征包括第一波段对象灰度均值、第三波段对象灰度均值，以及第四波段对象灰度均值与第三波段对象灰度均值之间的比值，所述纹理特征为灰度共生矩阵生成的统计量，所述灰度共生矩阵生成的统计量包括对象同质度、对象对比度和对象角二阶矩特征，所述几何特征包括圆度、矩形拟合度和形状指数；
调用所述分类模型，并将所述初始云对象的光谱特征、纹理特征以及几何特征作为所述分类模型的输入参数，对所述同质对象进行分类，得到输出为云对象的分类结果，所述云对象为包括云像元的集合；
将所述分类结果中包括的云对象，作为最终检测的云数据。


8.根据权利要求7所述的方法，其中，将所述分类结果中包括的云对象，作为最终检测的云数据之前，所述方法还包括：
确定云对象的分类结果的精度满足预设精度要求。


9.根据权利要求7或8所述的方法，其中，对所述同质对象进行分类，得到输出为云对象的分类结果之后，所述方法还包括：
若所述云对象的分类结果的精度不满足预设精度要求，则重新调用所述分类模型，并将所述初始云对象的光谱特征、纹理特征以及几何特征作为所述分类模型的输入参数，对所述同质对象进行分类，得到输出为云对象的分类结果。


10.根据权利要求7所述的方法，其中，所述基于所述同质对象的光谱特征对所述同质对象进行初步检测，得到初始云对象，包括：
确定所述同质对象的第一波段对象灰度均值、第三波段对象灰度均值、第四波段对象灰度均值、以及所述第四波段对象灰度均值与所述第三波段对象灰度均值之间的比值；
若所述第一波段对象灰度均值大于第一预设阈值，且所述第三波段对象灰度均值大于第二预设阈值，且所述第四波段对象灰度均值与所述第三波段对象灰度均值之间的比值大于第三预设阈值且小于第四预设阈值，则所述同质对象为初始云对象。


11.一种云检测装置，其中，所述装置包括：
分割单元，用于将遥感影像分割为互不交迭的多个同质对象；
检测单元，用于调用基于同质对象并利用正则化最小二乘算法预先建立的分类模型，对所述分割单元分割得到的同质对象进...

【专利技术属性】
技术研发人员：殷亚秋，杨金中，孙永军，邢宇，文可戈，安娜，
申请(专利权)人：中国国土资源航空物探遥感中心，
类型：发明
国别省市：北京;11