光学遥感影像的云检测方法、存储介质及系统技术方案

本发明专利技术提供一种光学遥感影像的云检测方法、存储介质及系统，其中的方法包括如下步骤：图像预处理：将光学遥感影像上的数字量化值转换为大气层顶反射率得到预处理图像；特征提取：从可见光与近红外波段提取预处理图像中适用于分离云和地物下垫面的特征；训练样本集建立：从已有影像数据集中选择用于代表不同种类云和地物的样本点组成训练样本集；随机森林模型构建：通过训练样本集构建随机森林云检测模型；影像云检测：利用随机森林云检测模型对待检测光学遥感影像进行云检测，并利用引导滤波进行精细化处理得到云掩模图像。上述方案，通过选择适当的特征结合机器学习算法建立云检测模型，对光学遥感影像进行云检测，具有很高的精度。

【技术实现步骤摘要】
光学遥感影像的云检测方法、存储介质及系统
本专利技术涉及图像处理
，具体地，涉及一种光学遥感影像的云检测方法、存储介质及系统。
技术介绍
地球上空覆盖着大量云，而云覆盖会导致光学遥感影像的信息变化或丢失，对后续影像的使用造成诸多不便，因此光学遥感影像的云检测工作十分重要，快速高效的云检测技术能够判别或剔除云覆盖量较大的影像，减轻处理系统存储空间、数据传输和产品处理的压力，还可以为后续的影像选择提供参考。现有光学遥感影像的云检测方法通常需要根据云与大多数地面目标的可见光波段反射率、红外谱段亮温以及其它归一化指数的不同，分析确定出最适合于分离云与地物的阈值。此过程中阈值的设定需要较多的人为参与，主观性较强，而且阈值会随着光学遥感影像的季节和地理位置的变化而不同，导致检测结果的精确性较差。此外，由于不同遥感传感器的波段范围与光谱响应函数存在差异，现有的云检测方法通常只能针对某些特定的产品进行检测，并不能推广到大多数传感器。
技术实现思路
本专利技术旨在提供一种光学遥感影像的云检测方法、存储介质及系统，以解决现有检测方法存在准确性低和应用场景受限的技术问题。为此，本专利技术一部分实施例提供一种光学遥感影像的云检测方法，包括如下步骤：图像预处理：将光学遥感影像上的数字量化值转换为大气层顶反射率得到预处理图像；特征提取：从可见光与近红外波段提取所述预处理图像中适用于分离云和地物下垫面的特征；训练样本集建立：从已有影像数据集中选择用于代表不同种类云和地物的样本点组成训练样本集；随机森林模型构建：通过所述训练样本集构建随机森林云检测模型；影像云检测：利用所述随机森林云检测模型对待检测光学遥感影像进行云检测，并利用引导滤波进行精细化处理得到云掩模图像。可选地，上述的光学遥感影像的云检测方法，在所述图像预处理步骤中，通过如下方法将数字量化值转换为大气层顶反射率：Lλ＝Gain*DN+Bias；其中，DN为数字量化值，Lλ为星上辐射亮度；Gain为定标斜率；Bias为定标截距；ρTOA为大气层顶反射率；d为日地天文单位距离；ESUN为大气层顶太阳辐照度；θ为太阳天顶角。可选地，上述的光学遥感影像的云检测方法，在所述特征提取步骤中：基于云与地物下垫面之间不同的反射特性和纹理特性，从所述预处理图像中提取出的所述特征包括：反射光谱特征：依据所述云在光学遥感影像上呈现高亮度且连续覆盖的特点，将可见光与近红外波段的光谱信息作为特征将云与地物下垫面区分开；IHS空间特征：将所述预处理图像的RGB空间转换为IHS空间后，依据云在亮度通道I中的像素值高于地物下垫面，在饱和度S通道中像素值低于地物下垫面的特点将云与地物下垫面区分开；其中，I表示亮度，H表示色度，S表示饱和度；暗通道特征：所述预处理图像经过暗通道处理后，依据地物下垫面像素值下降量大于云区像素值下降量的特点将云与地物下垫面区分开；白色指数特征：依据云像素计算得到的白色指数小于地物下垫面白色指数的特点将云与地物下垫面区分开；Gabor变换特征：通过不同尺度/不同方向的滤波器对所述预处理图像进行纹理特征提取，选择其中分离度最大的特征参数作为所述特征。可选地，上述的光学遥感影像的云检测方法，，所述IHS空间特征中还包括基底图特征，通过如下步骤构建所述基底图特征J'：通过如下方式计算亮度和饱和度：通过如下方法得到基底图特征J'：其中，I'表示归一化后的亮度值；S'表示归一化后的饱和度值；τ为缓冲系数，取值在0到1之间；所述暗通道特征的提取过程为Band(x)表示图像的RGB分量；所述白色指数特征w通过如下方式得到：其中，m为RGB三个波段的像素值均值，b1、b2、b3分别为RGB三个波段的像素值。可选地，上述的光学遥感影像的云检测方法，在所述训练样本集建立步骤中：所述已有影像数据集中中包括一定区域范围内不同地点、不同季节的Landsat8影像，其中涵盖植被、城区、湖泊、戈壁、雪域、沙漠以及海洋地物下垫面类型，还包括不同形态和不同密度的云类型。可选地，上述的光学遥感影像的云检测方法，所述随机森林模型构建步骤中，通过所述训练样本集构建随机森林云检测模型具体为：定义随机森林的参数nTree和Mtry，其中nTree代表决策树的数量，Mtry代表决策树的最大特征数；对所述训练样本集进行有放回重采样，得到nTree个样本子集；针对每一样本子集，通过随机选择特征构建与该样本子集对应的决策树；每个决策树基于基尼系数最小准则选择最佳属性进行分裂，对决策树进行剪枝处理得到的nTree个决策树共同构成一个随机森林；在所述影像云检测步骤中，由所有决策树的输出结果投票决定得到待检测光学遥感影像的初始云检测结果。可选地，上述的光学遥感影像的云检测方法，对所述训练样本集进行有放回重采样的过程，一定比例的未被抽中的练样本作为袋外数据；将每个决策树对应的袋外数据作为测试数据，所述测试数据用于计算对应决策树的袋外误差；所有决策树的袋外误差的均值作为随机森林的泛化误差。可选地，上述的基于可见光与近红外波段的光学遥感影像云检测方法，所述影像云检测步骤中包括：将待检测光学遥感影像放入所述随机森林云检测模型中得到初始云检测结果；利用引导滤波对所述初始云检测结果进行精细化处理得到云掩模图像；其中，引导滤波表示为：其中，Y为引导图像，R为输入图像，q为输出图像，i和j为像素标签，Wij为滤波核函数，其定义为：其中，ωk为第k个核函数窗口，|ω|为该窗口内的像素个数，μλ和σλ2分别为引导滤波的均值和方差，ε为正则化参数，ε在0到1之间取值。本专利技术还提供一种存储介质，所述存储介质中存储有程序信息，计算机读取所述程序信息后执行以上任一项所述的光学遥感影像的云检测方法。本专利技术还提供一种光学遥感影像的云检测系统，包括至少一个处理器和至少一个存储器，至少一个所述存储器中存储有程序信息，至少一个所述处理器读取所述程序信息后执行以上任一项所述的光学遥感影像的云检测方法。与现有技术相比，本专利技术实施例提供的上述技术方案至少具有以下有益效果：本专利技术基于光学遥感传感器中最常见的可见光与近红外波段，提取和选择出适合于云检测的多种光谱、纹理特征，弥补单一特征分类的不足，同时为算法的普适性奠定基础；采用机器学习分类的方式，避免传统阈值法中需要人工大量统计确定阈值的难题；利用随机森林模型参数较少、泛化能力较强及其在高维数据和小样本集分类上的优势，通过丰富的样本训练得到有效的模型来进行云检测，在保证准确性的同时进一步为算法的普适性奠定基础；利用引导滤波对检测结果进行精细化处理，有效保持了云边界，提高了云检测精度。附图说明图1为本专利技术一个实施例所述光学遥感影像的云检测方法的流程图；图2为本专利技术一个实施例所述云检测过程示意本文档来自技高网...

【技术保护点】
1.一种光学遥感影像的云检测方法，其特征在于，包括如下步骤：/n图像预处理：将光学遥感影像上的数字量化值转换为大气层顶反射率得到预处理图像；/n特征提取：从可见光与近红外波段提取所述预处理图像中适用于分离云和地物下垫面的特征；/n训练样本集建立：从已有影像数据集中选择用于代表不同种类云和地物的样本点组成训练样本集；/n随机森林模型构建：通过所述训练样本集构建随机森林云检测模型；/n影像云检测：利用所述随机森林云检测模型对待检测光学遥感影像进行云检测，并利用引导滤波进行精细化处理得到云掩模图像。/n

【技术特征摘要】
1.一种光学遥感影像的云检测方法，其特征在于，包括如下步骤：
图像预处理：将光学遥感影像上的数字量化值转换为大气层顶反射率得到预处理图像；
特征提取：从可见光与近红外波段提取所述预处理图像中适用于分离云和地物下垫面的特征；
训练样本集建立：从已有影像数据集中选择用于代表不同种类云和地物的样本点组成训练样本集；
随机森林模型构建：通过所述训练样本集构建随机森林云检测模型；
影像云检测：利用所述随机森林云检测模型对待检测光学遥感影像进行云检测，并利用引导滤波进行精细化处理得到云掩模图像。


2.根据权利要求1所述的光学遥感影像的云检测方法，其特征在于，在所述图像预处理步骤中，通过如下方法将数字量化值转换为大气层顶反射率：
Lλ＝Gain*DN+Bias；



其中，DN为数字量化值，Lλ为星上辐射亮度；Gain为定标斜率；Bias为定标截距；ρTOA为大气层顶反射率；d为日地天文单位距离；ESUN为大气层顶太阳辐照度；θ为太阳天顶角。


3.根据权利要求1所述的光学遥感影像的云检测方法，其特征在于，在所述特征提取步骤中：
基于云与地物下垫面之间不同的反射特性和纹理特性，从所述预处理图像中提取出的所述特征包括：
反射光谱特征：依据所述云在光学遥感影像上呈现高亮度且连续覆盖的特点，将可见光与近红外波段的光谱信息作为特征将云与地物下垫面区分开；
IHS空间特征：将所述预处理图像的RGB空间转换为IHS空间后，依据云在亮度通道I中的像素值高于地物下垫面，在饱和度S通道中像素值低于地物下垫面的特点将云与地物下垫面区分开；其中，I表示亮度，H表示色度，S表示饱和度；
暗通道特征：所述预处理图像经过暗通道处理后，依据地物下垫面像素值下降量大于云区像素值下降量的特点将云与地物下垫面区分开；
白色指数特征：依据云像素计算得到的白色指数小于地物下垫面白色指数的特点将云与地物下垫面区分开；
Gabor变换特征：通过不同尺度/不同方向的滤波器对所述预处理图像进行纹理特征提取，选择其中分离度最大的特征参数作为所述特征。


4.根据权利要求3所述的光学遥感影像的云检测方法，其特征在于：
所述IHS空间特征中还包括基底图特征，通过如下步骤构建所述基底图特征J'：
通过如下方式计算亮度和饱和度：



通过如下方法得到基底图特征J'：



其中，I'表示归一化后的亮度值；S'表示归一化后的饱和度值；τ为缓冲系数，取值在0到1之间；
所述暗通道特征的提取过程为Band(x)表示图像的RGB分量；
所述白色指数特征w通过如下方式得...

【专利技术属性】
技术研发人员：郭擎，要旭东，李安，张洪群，陈勃，
申请(专利权)人：中国科学院空天信息创新研究院，
类型：发明
国别省市：北京;11