一种基于H8/AHI的晨昏陆地雾快速提取方法、装置、介质及设备制造方法及图纸

本发明专利技术公开了一种基于H8/AHI的晨昏陆地雾快速提取方法、装置、介质及设备，该方法首先利用低太阳高度角地表去除指数去除影像中低太阳高度角区域的地表、近晨昏线高斯混合地表去除模型去除晨昏线区域的地表，传统夜间雾检测算法去除夜间区域的地表，再结合低云检测指数去除影像中的低云，传统去云方法去除影像中的中高云，将低太阳高度角区域的地表去除结果、晨昏线附近区域的地表去除结果分别与低云去除结果、中高云去除结果取交集，获得低太阳高度角区域和近晨昏区域雾检测结果，再与夜间区域的地表去除结果取并集，获得遥感影像中晨昏时刻雾检测结果，实现大范围晨昏陆地雾检测。本发明专利技术能准确、高效快速实现晨昏陆地雾提取。取。取。

【技术实现步骤摘要】
一种基于H8/AHI的晨昏陆地雾快速提取方法、装置、介质及设备


[0001]本专利技术涉及环境监测与气象预报领域，特别涉及一种基于H8/AHI的晨昏陆地雾快速提取方法、装置、介质及设备。

技术介绍

[0002]晨昏时刻太阳高度角较低，地表气温降低，相对高的水汽含量导致该时刻极易发生雾。雾的出现极大降低了地面能见度，严重影响人们的出行和交通安全，因此晨昏时刻雾实时动态监测及预报对人们日常出行具有十分重要的意义。传统雾检测以气象观测站点实测数据为主，具有较低的时间和空间分辨率，很难捕捉到雾的分布和动态变化特征。随着遥感卫星技术的快速发展，静止气象卫星覆盖范围广、时间分辨率高为开展浓雾近实时动态监测提供了良好的数据源，日本第三代静止卫星葵花8号(Himawari
‑
8)具有高时间分辨率(10min获取一副全盘影像)、高空间分辨率(500米)及高光谱分辨率(16个通道)等特征，可更好的捕捉雾的生消发展变化特征，为晨昏时刻雾近实时动态监测提供了一个良好的数据源。
[0003]目前对陆地雾遥感识别技术的研究主要集中在白天和夜间，对黎明和黄昏时间的研究相对较少。然而，雾多发生在黎明和黄昏，这一时期其光谱特征与白天和夜间具有较大的不同。因此，白天和夜间的陆地雾遥感检测技术已不再适用。另受遥感数据时间分辨率、资金、设备等因素的影响，纵观国内外雾检测研究现状，晨昏时刻雾近实时准确快速提取仍有一定困难。相比以往静止气象卫星，H8/AHI数据独特的特性为雾近实时快速提取提供了良好的数据源，为实现大面积雾的实时检测，为人类经济发展和社会活动有序进行提供数据支持，因此专利技术一种基于H8/AHI的晨昏陆地雾检测算法减少因雾造成的财产和生命损失是十分必要和迫切的。

技术实现思路

[0004]本专利技术所要解决的技术问题是，针对现有技术不足，提供一种基于H8/AHI的晨昏陆地雾快速提取方法、装置、介质及设备，能快速、准确地检测晨昏陆地雾，减少因雾造成的财产和生命损失。
[0005]本专利技术提供的技术方案如下：
[0006]一方面，一种基于H8/AHI的晨昏陆地雾快速提取方法，包括以下步骤：
[0007]步骤1：针对晨昏时刻遥感影像的地表特征，采用三种方法进行地表去除，获得去除地表后的低太阳高度角区域、夜间区域和近晨昏区域的检测结果；
[0008]利用低太阳高角地表去除指数针对晨昏时刻遥感影像中的低太阳高度角区域进行地表去除；
[0009]利用夜间雾与地表的亮温差针对晨昏时刻遥感影像中的夜间区域进行地表去除；
[0010]通过构建近晨昏线高斯混合模型，针对晨昏时刻遥感影像中晨昏线附近区域，进
行地表去除；
[0011]晨昏时刻遥感影像不同的区域，地表特征不同，采用不同的方法，可以高效的去除各区域中的地表；
[0012]步骤2：利用低云检测指数，对晨昏时刻遥感影像进行低云去除；
[0013]步骤3：利用中高云与雾的光谱特征和纹理特征差异，依次对晨昏时刻遥感影像中的冰云、薄卷云和纹理复杂的中高云进行去除；
[0014]步骤4：将步骤1中低太阳高度角区域和近晨昏区域的检测结果分别与步骤2和步骤3检测结果做乘法运算，取交集，分别获得低太阳高度角区域和近晨昏区域雾检测结果，再将低太阳高度角区域和近晨昏区域雾检测结果与步骤1中得到的夜间区域检测结果取并集，获得遥感影像中晨昏时刻雾检测结果。
[0015]本专利技术基于高时相时间分辨率H8/AHI数据发展了一个大范围晨昏时刻陆地雾检测算法 LRFDANN。FDI
LSAA
基于雾与地表在中红外和热红外波段的亮度温度差异对晨昏时刻遥感影像中的低太阳高度角区域进行地表去除；DS
‑
GMM
NT
基于雾与地表晨昏时刻亮温差变化速率差异和运动特征差异对晨昏时刻遥感影像中晨昏线附近区域进行地表去除；FD
NT
采用传统双通道亮温差差值对晨昏时刻遥感影像中的夜间区域进行地表去除；ELCDI和传统中高云去除算法对晨昏时刻遥感影像进行低云、冰云、薄卷云和具有复杂纹理的中高云去除；将低太阳高度角区域的地表去除结果、晨昏线附近区域的地表去除结果分别与低云去除结果、中高云去除结果取交集，获得低太阳高度角区域和近晨昏区域雾检测结果，再与夜间区域的地表去除结果取并集，获得遥感影像中晨昏时刻雾检测结果，实现大范围晨昏陆地雾检测。地面同步观测数据定量验证结果显示本算法检测结果精度较高，但算法无法有效区分雾与沙漠和高纬度的低云。同时早晨和黄昏连续90分钟雾检测案例显示算法既可检测出大面积雾区，也能捕捉小面积雾区，定性验证了算法的可靠性。同时相比时空分辨率较低的地面观测数据，高时相分辨率的H8/AHI数据可以很好的捕捉雾的生消发展过程。晨昏时刻中红外和热红外波段雾与地表的亮度温度差异及其变化速率差异为该时刻卫星雾检测提供了一个良好的物理基础。检测结果证明算法具有很大的优势和潜力，有效的克服了仅使用光谱纹理差异进行雾检测算法的局限性，为晨昏时刻雾检测提出了新的视角和解决方法。
[0016]进一步地，所述利用低太阳高角度地表去除指数对晨昏时刻遥感影像中的低太阳高度角区域，进行地表去除的具体过程如下：
[0017]步骤A1：利用晨昏时刻遥感影像中的中红外波段影像数据与热红外段影像数据，构建低太阳高度角地表去除指数FDI
LSAA
：
[0018]其中，I
MIR
(x，y)(x，y)表示晨昏时刻遥感影像中位于(x,y)处中红外波段影像像素值， I
TIR
(x，y)(x，y)表示晨昏时刻遥感影像中位于(x,y)处热红外波段影像像素值， FDI
LSAA
(x，y)表示晨昏时刻遥感影像中位于(x,y)处的像素点的低太阳高度角地表去除指数值；
[0019]步骤A2：基于低太阳高度角地表去除指数固定阈值22去除晨昏时刻遥感影像中与云雾差异较大的地表：
[0020][0021]其中，I
DDS
(x，y)表示晨昏时刻遥感影像中位于(x,y)处基于低太阳高度角地表去除指数去除地表后的检测结果值。
[0022]进一步地，所述利用夜间雾与地表的亮温差对晨昏时刻遥感影像中的夜间区域，进行地表去除的具体过程如下：
[0023]步骤B1：利用遥感影像中的中红外波段影像数据与热红外段影像数据，获取亮温差值：
[0024]I
BTD
(x，y)＝I
MIR
(x，y)
‑
I
TIR
(x，y)；
[0025]其中，I
MIR
(x，y)表示晨昏时刻遥感影像中位于(x,y)处中红外波段影像像素值， I
TIR
(x，y)表示晨昏时刻遥感影像中位于(x,y)处热红外波段影像像素值；I
BTD
(x，y)表示晨昏时刻遥感影像中位于(x,y)处的亮温差值；
[002本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于H8/AHI的晨昏陆地雾快速提取方法，其特征在于，包括以下步骤：步骤1：针对晨昏时刻遥感影像的地表特征，采用三种方法进行地表去除，获得去除地表后的低太阳高度角区域、夜间区域和近晨昏区域的检测结果；利用低太阳高角地表去除指数针对晨昏时刻遥感影像中的低太阳高度角区域进行地表去除；利用夜间雾与地表的亮温差针对晨昏时刻遥感影像中的夜间区域进行地表去除；通过构建近晨昏线高斯混合模型，针对晨昏时刻遥感影像中晨昏线附近区域，进行地表去除；步骤2：利用低云检测指数，对晨昏时刻遥感影像进行低云去除；步骤3：利用中高云与雾的的光谱特征和纹理特征差异，依次对晨昏时刻遥感影像中的冰云、薄卷云和纹理复杂的中高云进行去除；步骤4：将步骤1中低太阳高度角区域和近晨昏区域的检测结果分别与步骤2和步骤3检测结果做乘法运算，取交集，分别获得低太阳高度角区域和近晨昏区域雾检测结果，再将低太阳高度角区域和近晨昏区域雾检测结果与步骤1中得到的夜间区域检测结果取并集，获得遥感影像中晨昏时刻雾检测结果。2.根据权利要求1所述的方法，其特征在于，所述利用低太阳高角度地表去除指数对晨昏时刻遥感影像中的低太阳高度角区域，进行地表去除的具体过程如下：步骤A1：利用晨昏时刻遥感影像中的中红外波段影像数据与热红外段影像数据，构建低太阳高度角地表去除指数FDILS
AA
：其中，I
MIR
(x，y)表示晨昏时刻遥感影像中位于(x，y)处中红外波段影像像素值，I
TIR
(x，y)表示晨昏时刻遥感影像中位于(x，y)处热红外波段影像像素值，FDI
LSAA
(x，y)表示晨昏时刻遥感影像中位于(x，y)处的像素点的低太阳高度角地表去除指数值；步骤A2：基于低太阳高度角地表去除指数固定阈值22去除晨昏时刻遥感影像中与云雾差异较大的地表：其中，I
DDS
(x，y)表示晨昏时刻遥感影像中位于(x，y)处基于低太阳高度角地表去除指数去除地表后的检测结果值。3.根据权利要求1所述的方法，其特征在于，所述利用夜间雾与地表的亮温差对晨昏时刻遥感影像中的夜间区域，进行地表去除的具体过程如下：步骤B1：利用遥感影像中的中红外波段影像数据与热红外段影像数据，获取亮温差值：I
BTD
(x，y)＝I
MIR
(x，y)
‑
I
TIR
(x，y)；其中，I
MIR
(x，y)表示晨昏时刻遥感影像中位于(x，y)处中红外波段影像像素值，I
TIR
(x，y)表示晨昏时刻遥感影像中位于(x，y)处热红外波段影像像素值；I
BTD
(x，y)表示晨昏时刻遥感影像中位于(x，y)处的亮温差值；步骤B2：对亮温差影像采用夜间雾检测算法进行地表去除；
其中，I
DNS
(x，y)表示亮温差影像中位于(x，y)处基于夜间雾检测算法去除地表后的检测结果值，K表示热力学温度，单位为开尔文。4.根据权利要求1所述的方法，其特征在于，所述通过构建近晨昏线高斯混合地表去除模型DS
‑
GMM
NT
，针对晨昏时刻遥感影像中晨昏线附近区域，进行地表去除的具体过程如下：步骤C1：利用晨昏时刻遥感影像中红外波段影像数据和热红外波段影像数据，获取亮温差值：I
BTD
(x，y)＝I
MIR
(x，y)
‑
I
TIR
(x，y)；其中，I
MIR
(x，y)表示晨昏时刻遥感影像中位于(x，y)处中红外波段影像像素值，I
TIR
(x，y)表示晨昏时刻遥感影像中位于(x，y)处热红外波段影像像素值；步骤C2：设置基于遥感影像的高斯混合模型，并进行参数初始化设置；设置基于遥感影像的高斯混合模型中每个像素的单高斯分布函数个数C＝3，均值偏差D＝2.5，方差σ0＝15，背景建模阈值T＝0.25，学习率α＝0.25，利用随机数生成初始三维矩阵，并设置其权重为1/C，任意点的方差为初始方差σ0；步骤C2：依次读取当前时刻及其间隔为t1＝20分钟的连续5幅亮温差影像；步骤C3：背景建模；判断亮温差影像中任一像素点是否满足条件：|I
BTD
(x，y)
‑
μ
i，t
‑1(x，y)|＜＝D*σ0其中，I
BTD
(x，y)表示晨昏时刻遥感影像中位于(x，y)处像素点的亮温差值；μ
i，t
‑1(x，y)表示晨昏时刻遥感影像中位于(x，y)处的像素点在t
‑
1时刻的第i个高斯分布函数的均值；若满足，即判定当前像素点为背景，该像素点满足此高斯分布函数，认为该像素点对此高斯分布函数有贡献，更新第i个高斯分布函数在时刻t的均值μ
i，t
、方差σ
i，t
、权重w
i，t
：μ
i，t
＝(1
‑
ρ)
×
μ
i，t
‑1+ρ
×
I
t
w
i，t
＝(1
‑
α)
×
w
i，t
‑1+α+α若不满足，认为当前像素点不满足此高斯分布函数，对此高斯分布函数没有贡献，此时不更新均值和方差，减少此高斯分布函数的权重，按以下公式进行权重w
i，t
更新：w
i，t
＝(1
‑
α)
×
w
i，t
‑1式中，表示时刻t的亮温差影像在点(x，y)处的亮温差值；BG(x，y，t)表示t时刻的背景目标，ρ表示均值和方差更新率；ω
i，t
，μ
i，t
以及σ
i，t
分别表示t时刻第i个高斯分布函数的权重，均值和方差；代表t时刻第i个高斯分布函数概率密度函数；若当前像素不满足3个高斯分布函数中任意一个时，更新该像素点的高斯分布函数，替换之前3个高斯分布函数中权重最小的高斯分布函数，新高斯分布函数的均值为当前像素点的灰度值，方差为初始化方差；并做归一化权重处理，同时计算rank并排序，使用阈值T计算当前像素的3个高斯分布函数中被用于背景建模的高斯分布函数的个数N；rank＝w/δ
步骤C4：前景建模；认为不满足三个高斯分布函数中任意一个的像素点为云雾前景，并设置该像素值为1，否则，认为属于地表背景，像素值设置为0，获得去除地表后的遥感影像I
DNTS
。5.根据权利要求1所述的方法，其特征在于，利用低云检测指数ELCDI，对晨昏时刻遥感影像进行低云去除的具体实现过程包括：步骤D1：取当前时刻及前14天晨昏时刻遥感影像的热红外波段影像数据中的最大亮度温度值合成热红外波段晴空底图影像；步骤D2：对热红外波段晴空底图影像和当...

【专利技术属性】
技术研发人员：马慧云，冉印泽，李亚楠，冯徽徽，邹滨，
申请(专利权)人：中南大学，
类型：发明
国别省市：