【技术实现步骤摘要】
本专利技术属于测绘、地理信息，更具体地说，涉及一种基于雷达和光学数据的云污染区域光谱信息重建方法。
技术介绍
1、在遥感图像处理过程中，噪声的消除是图像增强处理中的一个重要组成部分，云覆盖作为最常见的噪声之一，不仅导致基于遥感平台获取的光学影像模糊不清，难以从影像中解译出完整、清晰的地物信息，而且相对于低时间分辨率的遥感平台来说，也是造成其数据缺乏的主要原因。据国家气象信息中心提供的数据显示，我国南方地区年平均总云量为60％—90％，而通常认为云层覆盖率超过15％，该图像则难以较好地运用于地学研究中。因此如何有效地减少或去除云的影响，不仅是遥感图像进行准确解译的基础，也是提高遥感影像可用性、可利用率的重要途径。
2、为了解决遥感图像去云问题，许多学者提出了不同的解决方案。有人提出了一种同态滤波的去云算法，其主要思路是由于云在时域相对于地物比较平滑，云信息在转换到频率域时主要分布在低频区域，所以将图像转换到频率域，并且在频率域上利用高通滤波方法去除低频成分后转换回时域就得到了去云结果。2014年，shen et al.提出了一种改进的滤波去云算法，该方法将图像分为有云和无云区域，算法只矫正有云区域。该算法还提出了一种如何选择合适截止频率的流程，使去云效果有了显著的提高。cheevasuvit等提出基于二维直方图的融合算法，其利用同一地区不同时段、不同云分布的两个图像形成二维直方图的两个轴，第一个轴由去除云的图像组成，第二轴由待去云的图像构成，通过调节阀值，找出有云图像的像素值，然后用同一地区的无云图像的像素值去取代有云
技术实现思路
1、本专利技术针对大尺度复杂地表覆盖区云污染光学遥感影像信息重建而设计，用于解决二维直方图融合算法中由于不同时相像元差异导致的误差，克服雷达、光学数据融合去云研究中像元匹配误差较大、破碎化区域反演面积不准确等问题。利用雷达植被指数(radar vegetation index，rvi)与植被疏密程度的高敏感性，在sentinel-1a影像像元配准时，增加rvi极化波段，同时将用于匹配的极化波段进行归一化，减少由不同值域的极化波段对计算距离矩阵的影响，同时加入先验知识，根据类别计算相应距离矩阵，提高影像像元匹配精度，为受云污染区域的光学遥感影像地物信息有效提取提供科学指导和技术支持。
2、为了解决上述问题，本专利技术提出了一种基于雷达和光学数据的云污染区域光谱信息重建方法，
3、包括如下步骤：
4、s1：基于sentinel-2a光学影像中的云像元位置，得到区域范围内的云掩膜数据；基于esa world cover数据集获取研究区域内10m分辨率的土地利用类型数据，计算各类地物的掩膜数据；
5、s2：利用云掩膜数据将sentinel-1a微波影像划分为云覆盖像元区域与无云像元区域两类，同时利用各类地物的掩膜数据将sentinel-1a微波影像划分为各类地物区域(a与b)；
6、s3：在sentinel-1a中针对某类(a)云覆盖像元x’在全局范围内计算与其同类型的无云像元与其差值；
7、s4：得到sentinel-1a中差值绝对值最小的无云像元a-y’2位置并记录，得到包含位置信息的距离矩阵；
8、s5：根据距离矩阵将云覆盖像元x’与相对应的无云像元a-y’2的位置关系移植到sentinel-2a光学影像中得到相应的云覆盖像元x与无云像元a-y2；
9、s6：用sentinel-2a内无云像元a-y2的光谱曲线去替换云覆盖像元x的光谱曲线。得到完整的无云sentinel-2a影像；
10、其中，所述方法在步骤s1之前还包括以下步骤：
11、s11：下载得到相同时间、相同区域的sentinel-1a、sentinel-2a反射率数据，并对其进行辐射定标及大气校正等预处理。
12、s12：获取与遥感影像时间最近的土地利用数据，并对土地利用数据进行地理配准处理。
13、其中，所述方法的步骤s2中，首先需要计算出sentinel-1a的vv、vh后向散射系数以及雷达植被指数作为像元匹配的3个极化波段，以及将3个极化波段进行归一化处理。
14、其中，所述方法的步骤s6中，需要利用地面实测数据对预测数据与真实数据关系进行验证。
15、利用本专利技术提供的方法，可以快速高效地恢复云覆盖下各类地物的光谱曲线，有利于进一步提取云覆盖下的地物信息，该方法相较于各类机器学习去云算法而言，更具有物理意义，同时提高了遥感影像的利用率，降低了云层对遥感图像应用的影响。
16、根据本专利技术的另一方面，提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本专利技术的基于雷达和光学数据的云污染区域光谱信息重建方法中的步骤。
17、根据本专利技术的又一方面，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现本专利技术的基于雷达和光学数据的云污染区域光谱信息重建方法中的步骤。
18、相比于现有技术，本专利技术至少具有如下有益效果：
19、本专利技术所建立的方法结合了雷达植被指数与土地利用数据，充分考虑地表植被覆盖以及各类地物覆盖信息，能够较好地模拟各种破碎化区域边界，且反演精度显著高于传统全局光谱最小距离法，本专利技术所建立的方法在sentinel-2a五个波段的模拟中较传统方法均有提升，与真实地表反射率做差，结果表明本专利技术方法更接近真实值，其中b2波段的模拟效果提升较大，最大误差由原来的27％缩小到18％。在地表复杂地物覆盖类型下比传统方法优秀许多。本专利技术在重建厚云覆盖下各类地物的光谱信息上有着极大的优势，不受多幅影像间时间差异的限制，不局限于特定研究区域及范围，能够实时快速实现云覆盖下各类地物光谱信息重建，为光学遥感影像地物信息提取提供极大便利。
本文档来自技高网...【技术保护点】
1.一种基于雷达和光学数据的云污染区域光谱信息重建方法，其特征在于，所述方法包括如下步骤：
2.根据权利要求1所述的方法，其特征在于，所述方法在步骤S1之前还包括以下步骤：
3.根据权利要求1所述的方法，其特征在于，所述方法的步骤S2中，首先计算出Sentinel-1A的VV、VH后向散射系数以及雷达植被指数作为像元匹配的3个极化波段，以及将3个极化波段进行归一化处理。
4.根据权利要求1所述的方法，其特征在于，所述方法的步骤S6中，需要利用地面实测数据对预测数据与真实数据关系进行验证。
5.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：该程序被处理器执行时实现如权利要求1～4中任一项所述的基于雷达和光学数据的云污染区域光谱信息重建方法中的步骤。
6.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1～4中任一项所述的基于雷达和光学数据的云污染区域光谱信息重建方法中的步骤。
【技术特征摘要】
1.一种基于雷达和光学数据的云污染区域光谱信息重建方法，其特征在于，所述方法包括如下步骤：
2.根据权利要求1所述的方法，其特征在于，所述方法在步骤s1之前还包括以下步骤：
3.根据权利要求1所述的方法，其特征在于，所述方法的步骤s2中，首先计算出sentinel-1a的vv、vh后向散射系数以及雷达植被指数作为像元匹配的3个极化波段，以及将3个极化波段进行归一化处理。
4.根据权利要求1所述的方法，其特征在于，所述方法的步骤s6...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。