一种基于SAR先验知识引导的遥感影像云区重建方法技术

本发明专利技术公开了一种基于SAR先验知识引导的遥感影像云区重建方法。该方法首先将获取的光学遥感影像输入云检测模块，得到初步的云检测结果，然后构建SAR特征提取模块，将获取的临近时相SAR影像输入SAR特征提取模块，构造SAR影像的极化协方差矩阵，提取相关极化散射特征，最后构建云区影像重建模块，将获取的光学遥感影像、云检测结果和极化散射特征依次输入云区影像重建模块，实现光学遥感影像云遮掩区域空间结构特征重构与全局一致性特征修复，最终生成高保真无云影像。本发明专利技术通过融合SAR影像纹理、极化特征，有效提升了光学遥感影像中云遮掩区域的特征恢复能力，解决了因云雾严重干扰导致的光学遥感影像信息模糊及部分信息缺失等问题。等问题。等问题。

【技术实现步骤摘要】
一种基于SAR先验知识引导的遥感影像云区重建方法


[0001]本专利技术属于遥感影像处理
，具体涉及一种基于SAR先验知识引导的遥感影像云区重建方法。

技术介绍

[0002]光学遥感影像具备丰富的光谱信息，可以直观地反映不同类别的地物特征，但因其成像机制存在易受云层遮挡导致地面部分信息缺失的问题，严重影响了影像的判读与解译工作。据相关研究测算，大气中云覆盖率达67％，这表明光学遥感在成像过程中不可避免地会受到云污染。无论是对农作物长时序物候观测，还是对突发自然灾害短时间预警，云污染的影像都将影响监测的准确性与及时性。因此，有必要设计光学遥感影像云区重建方法，提升影像的可用性。
[0003]合成孔径雷达(synthetic aperture radar，SAR)作为一种工作频率为微波波段的主动遥感系统，可以主动发射信号探测陆地目标，因而具有全天时、全天候的工作能力，能够有效避免云污染。因此，借助SAR影像进行光学遥感影像云区重建的方法受到广泛关注。现有与SAR影像融合进行光学影像去云的方法一般可分为基于先验信息和基于数据生成两类。基于先验信息的方法主要通过提取SAR影像的纹理、几何等空间细节信息，并作为先验约束条件辅助光学影像云遮掩部分重建。基于数据生成的方法则是直接利用生成对抗网络(Generative Adversarial Networks，GAN)将SAR影像转换为光学影像，继而补充到光学影像云缺失部分。两类方法均取得了较好的修复结果，但是重建影像仍存在模糊、伪影、纹理粗糙等问题，难以完美重建云覆盖下缺失的地物细节。

技术实现思路

[0004]针对现有技术的不足，本专利技术公开了一种基于SAR先验知识引导的遥感影像云区重建方法，能够综合考虑异质遥感影像之间的成像差异，借助SAR影像提供的先验信息，通过构建基于SAR先验信息辅助的光学遥感影像云遮掩区域修复网络，实现云区重建影像在色彩、纹理、细节等方面具有较高的保真度，最终获得无云遮掩影像。
[0005]为了达到上述目的，本专利技术提供一种基于SAR先验知识引导的遥感影像云区重建方法，包括以下步骤：
[0006]步骤1，构建云检测模块，将获取的光学遥感影像输入云检测模块进行云光谱测试和云概率计算，获得云检测结果；
[0007]步骤1.1，对获取的光学遥感影像进行云光谱测试，得到初步的云检测结果；
[0008]步骤1.2，通过计算云概率对影像中的云边缘地带进行提取，得到云边缘地带检测结果；
[0009]步骤1.3，将初步云检测结果与云边缘地带检测结果进行融合处理，获得最终的光学遥感影像云检测结果；
[0010]步骤2，构建SAR特征提取模块，将获取的临近时相SAR影像输入SAR特征提取模块，
构造SAR影像的极化协方差矩阵，提取相关极化散射特征；
[0011]步骤2.1，构建SAR影像的极化协方差矩阵；
[0012]步骤2.2，将极化协方差矩阵分解为不同方向上的相关投影与不相关投影之和；
[0013]步骤2.3，利用极化协方差矩阵分解结果，计算得到极化散射熵、平均散射角和极化散射反熵；
[0014]步骤3，构建云区影像重建模块，将获取的光学遥感影像、步骤1获得的云检测结果和步骤2获得的极化散射特征依次输入云区影像重建模块，实现光学遥感影像云遮掩区域空间结构特征重构与全局一致性特征修复，最终生成高保真无云影像；
[0015]步骤3.1，使用局部精细纹理特征编码子模块将步骤2所提取的极化散射熵、平均散射角和极化散射反熵映射到特征空间中；
[0016]步骤3.2，从局部精细纹理特征编码子模块最后一个中间层和3个解码器层中依次输出最后4个由粗到细的特征图S
k
,k∈k0，1，2，3}；
[0017]步骤3.3，基于零初始化残差相加特征融合技术，逐步将步骤3.2获取的4个由粗到细的特征图S
k
,k∈k0，1，2，3}增加到全局注意力&感受野联合增强修复子模块；
[0018]步骤3.4，将含云光学遥感影像以及步骤1得到的云检测结果输入到全局注意力&感受野联合增强修复子模块中，实现云遮掩区域与其他未受云遮掩区域在全局一致性方面的修复，获得最终的去云影像。
[0019]而且，所述步骤1.1中具体包括以下几个子步骤：
[0020]步骤1.1.1，对光学遥感影像进行基础测试；
[0021]令初步的云检测结果为R
a
，R
a
是一张二值图，其中1表示云像元，0表示非云像元，分别设置短波红外2波段阈值为γ1、归一化植被指数阈值为γ2、归一化积雪指数阈值为γ3，获得光学遥感影像初步云检测结果R
a1
，即：
[0022][0023][0024][0025]式中，ρ
Red
、ρ
Green
、ρ
SWIR2
分别表示红光波段、绿光波段、短波红外2波段的反射率，NDVI为归一化植被指数，NDSI为归一化积雪指数；
[0026]步骤1.1.2，对光学遥感影像进行白度测试；
[0027]通过计算各可见光波段与其平均值的差值除以各可见光波段的平均值进行白度测试，即：
[0028][0029]meanVis＝(ρ
Red
+ρ
Green
+ρ
Blue
)/3
ꢀꢀꢀꢀ
(5)
[0030]式中，whiteness表示白度测试，meanVis表示各可见光波段的平均值，ρ
Red
、ρ
Green
、ρ
Blue
分别为红色波段、绿色波段、蓝光波段的反射率；
[0031]将白度测试的结果阈值设为γ4，获得初步的云检测结果R
a2
＝whiteness＜γ4；
[0032]步骤1.1.3，对光学遥感影像进行霾检测；
[0033]通过霾优化转换HOT算法将得分大于0的设置为云像元，得到初步的云检测结果R
a3
＝HOT＞0，HOT具体计算公式如下：
[0034]HOT＝ρ
Blue
‑
0.5
×
ρ
Red
‑
0.08
ꢀꢀꢀꢀ
(6)
[0035]式中，ρ
Red
、ρ
Blue
分别为红色波段、蓝光波段的反射率；
[0036]步骤1.1.4，对光学遥感影像进行岩石沙漠检测；
[0037]通过计算影像近红外波段和短波红外1波段的比值，将得到的结果大于γ5的像元设为云像元，获得初步的云检测结果R
a4
，即：
[0038]R
a4
＝ρ
NIR
/ρ
SWIR1
＞γ5ꢀꢀꢀ
(7)...

【技术保护点】

【技术特征摘要】
1.一种基于SAR先验知识引导的遥感影像云区重建方法，其特征在于，包括以下步骤：步骤1，构建云检测模块，将获取的光学遥感影像输入云检测模块进行云光谱测试和云概率计算，获得云检测结果；步骤1.1，对获取的光学遥感影像影像进行云光谱测试，得到初步的云检测结果；云光谱测试包含基础测试、白度测试、霾检测、岩石沙漠检测和卷云测试；步骤1.2，通过计算云概率对影像中的云边缘地带进行提取，得到云边缘地带检测结果；步骤1.3，将初步云检测结果与云边缘地带检测结果进行融合处理，获得最终的光学遥感影像云检测结果；步骤2，构建SAR特征提取模块，将获取的临近时相SAR影像输入SAR特征提取模块，构造SAR影像的极化协方差矩阵，提取相关极化散射特征；步骤3，构建云区影像重建模块，将获取的光学遥感影像、步骤1获得的云检测结果和步骤2获得的极化散射特征依次输入云区影像重建模块，实现光学遥感影像云遮掩区域空间结构特征重构与全局一致性特征修复，最终生成高保真无云影像；云区影像重建模块包括局部精细纹理特征编码子模块和全局注意力&感受野联合增强修复子模块；局部精细纹理特征编码子模块是一个自编码模型，编码器为筛选&调节下采样卷积层，中间层为带有膨胀卷积的残差块，解码器为筛选&调节上采样卷积层；全局注意力&感受野联合增强修复子模块是一个自编码模型，包含传统卷积下采样层、传统卷积上采样层和高感受野卷积层三部分。2.如权利要求1所述的一种基于SAR先验知识引导的遥感影像云区重建方法，其特征在于：步骤1.1中具体包括以下几个子步骤：步骤1.1.1，对光学遥感影像进行基础测试；令初步的云检测结果为R
a
，R
a
是一张二值图，其中1表示云像元，0表示非云像元，分别设置短波红外2波段阈值为γ1、归一化植被指数阈值为γ2、归一化积雪指数阈值为γ3，获得光学遥感影像初步云检测结果R
a1
，即：，即：，即：式中，ρ
Red
、ρ
Green
、ρ
SWIR2
分别表示红光波段、绿光波段、短波红外2波段的反射率，NDVI为归一化植被指数，NDSI为归一化积雪指数；步骤1.1.2，对光学遥感影像进行白度测试；通过计算各可见光波段与其平均值的差值除以各可见光波段的平均值进行白度测试，即：meanVis＝(p
Red
+ρ
Green
+ρ
Blue
)/3
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)式中，whiteness表示白度测试，meanVis表示各可见光波段的平均值，ρ
Red
、ρ
Green
、ρ
Blue
分别为红色波段、绿色波段、蓝光波段的反射率；将白度测试的结果阈值设为γ4，获得初步的云检测结果R
a2
＝whiteness＜γ4；步骤1.1.3，对光学遥感影像进行霾检测；通过霾优化转换HOT算法将得分大于0的设置为云像元，得到初步的云检测结果R
a3
＝HOT＞0，HOT具体计算公式如下：HOT＝ρ
Blue
‑
0.5
×
ρ
Red
‑
0.08
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)式中，ρ
Red
、ρ
Blue
分别为红色波段、蓝光波段的反射率；步骤1.1.4，对光学遥感影像进行岩石沙漠检测；通过计算影像近红外波段和短波红外1波段的比值，将得到的结果大于γ5的像元设为云像元，获得初步的云检测结果R
a4
，即：R
a4
＝ρ
NIR
/ρ
SWIR1
＞γ5ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(7)式中，ρ
NIR
、ρ
SWIR1
分别为近红外波段、短波红外1波段的反射率；步骤1.1.5，对光学遥感影像进行卷云测试；将卷云波段的反射率除以0.04，将得到的结果大于γ6的像元设为云像元，获得初步的云检测结果R
a5
，即R
a5
＝ρ
Cirrus
/0.04＞γ6ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(8)式中，ρ
Cirrus
表示卷云波段的反射率；步骤1.1.6，对步骤1.1.1
‑
步骤1.1.5得到的5个初步云检测结果进行融合处理，得到最终的初步云检测结果；最终的初步云检测结果R
a
表示为：R
a
＝R
a1
∪R
a2
∪R
a3
∪R
a4
∪R
a5
ꢀꢀꢀꢀꢀꢀ
(9)步骤1.1.7，计算云与陆地像元在光谱反射率之间的差异，得到光谱变化概率；光谱变化概率L
vari
的计算公式如下：L
vari
＝1
‑
max(|NDVI|，|NDSI|，|whitenessD
ꢀꢀꢀꢀ
(10)式中，NDVI为归一化植被指数，NDSI为归一化积雪指数，whiteness为白度测试结果；步骤1.1.8，对步骤1.1.3得到的HOT结果进行归一化操作；归一化计算公式如下：式中，L
HOT
表示归一化后的HOT结果，HOT
low
和HOT
high
分别表示HOT值17.5％分位数和82.5％分位数。3.如权利要求2所述的一种基于SAR先验知识引导的遥感影像云区重建方法，其特征在于：步骤1.2是将步骤1.1.5得到的初步云检测结果、步骤1.1.7得到的光谱变化概率指标和步骤1.1.8得到的HOT归一化结果进行组合计算得到云概率Cloud
p
，将Cloud
p
大于γ7的值设为云像元，获得云边缘地带检测结果R
b
；云边缘地带检测结果R
b
是一张二值图，其中1表示云像元，0表示非云像元，R
b
计算方式如下：R
b
＝Cloud
p
＝L
vari
×
L
HOT
+R
a5
×
0.5＞γ7ꢀꢀꢀꢀꢀꢀꢀꢀ
(12)式中，R
a5
为初步云检测结果，L
vari
为光谱变化概率，L
HoT
为HOT归一化结果。4.如权利要求3所述的一种基于SAR先验知识引导的遥感影像云区重建方法，其特征在
于：步骤1.3是将步骤1.1.5得到的初步云检测结果与步骤1.2得到的云边缘地带检测结果进行融合处理，获得最终的光学遥感影像云...

【专利技术属性】
技术研发人员：潘俊，徐建功，余小于，王密，
申请(专利权)人：武汉大学，
类型：发明
国别省市：