【技术实现步骤摘要】
本专利技术涉及遥感，更确切地说，它涉及一种季节性动态阈值的云及云阴影检测方法及装置。
技术介绍
1、随着遥感技术快速发展，遥感图像具有高空间分辨率、高时间分辨率、高光谱分辨率的特点，蕴含丰富的信息，已广泛应用于各领域，如地物分类、变化检测、天气预报、环境监测等。根据统计，全球大约55％的地区经常被云层笼罩，于是云像元时常出现在光学遥感影像中。对于地表观测而言，云遮挡则直接造成了下垫面信息的缺失。并且，云层伴随带来的云阴影会降低地表像元的真实值，这阻碍了地物分类、环境监测、资源调查等进一步生产应用。
2、目前，利用云的光谱特征、计算机技术的发展，云检测方法主要分为三类：
3、①基于阈值，一种简单常用的云检测方法。原理是云像元和非云像元之间存在数值差异，通过设定一定的阈值来区分云区域和非云区域，然而在复杂地表要素下，如含有建筑物、沙漠、冰、雪、薄云要素等，阈值法则很难区分割开来。因而，阈值法只适合简单地物场景或特定传感器类型，不具备通用性。②基于时序模型，通过对比一段时间内的连续遥感影像进行比较，时间序列中反射率突然增加的像元更有可能是云，而反射率突然下降的像元很可能是云阴影。基于时序的云及云阴影检测方法通常优于单时相的方法，能够分辨出薄云、高亮物体。但是，基于时序的方法适合地表变化较小或周期性的区域，并对时间分辨率要求很高。③基于机器学习，使用机器学习算法来训练模型，自动学习云区和非云区域的特征。常用的机器学习算法包括支持向量机(svm)、贝叶斯分类、随机森林(random forest)、深度学习等。原理
4、云及云阴影检测所使用的平台一般分为客户端和云端，客户端则利用python、matlab等图像处理软件分析，利用图像的光谱特征或模型算法提取云、云阴影像元。云端则利用云计算平台的算力，如gee，使用质量波段如qa60或云概率产品如probability对原始影像进行云掩膜，还可以使用slc文件选择云阴影标识符，从而得出云阴影掩膜文件。
5、现有的云及云阴影检测的方法的不足之处在于：①高亮像元和云像元难以区分；②薄云、浅影检测不够精细；③深度学习的模型复杂，不易大尺度使用；④不同传感器使用不同的方法，通用性差；⑤少有从时序角度研究云及云阴影检测的方法。
技术实现思路
1、本专利技术的目的是针对现有技术的不足，提出了一种季节性动态阈值的云及云阴影检测方法及装置。
2、第一方面，提供了一种季节性动态阈值的云及云阴影检测方法，包括：
3、步骤1、输入原始光学遥感时序影像，通过质量波段或云概率产品计算各时相影像的像元缺失率；
4、步骤2、判断影像缺失率是否小于设定阈值；若小于设定阈值则判断为无云或少云的影像，否则判断为多云影像；
5、步骤3、根据时间分别对无云或少云时序影像、多云时序影像划分春夏秋冬四季；
6、步骤4、逐季节对无云或少云时序影像进行最大最小值合成；
7、步骤5、根据步骤4，判断全部时序影像全部像元是否在合成的最大最小阈值范围内，对阈值范围内的像元进行保留，并对阈值范围外的像元进行掩膜。
8、作为优选，步骤1中，像元缺失率的计算公式为：
9、
10、其中，qt表示t时相影像的像元缺失率，st表示t时相影像的缺失像元数，t表示时序长度，smn表示影像的像元总数，m是影像行数，n是影像列数。
11、作为优选，步骤4中，最大最小值合成的公式为：
12、amin＝min(dclear(i，j))，i＝0，1，...，m；j＝0，1，...，n.
13、amax＝max(dclear(i，j))，i＝0，1，...，m；j＝0，1，...，n.
14、其中，min(dclear(i，j))表示在无云或少云时序影像dclear中的第i行，第j列，长度为tclear的单像元时间序列中寻找最小值，max(dclear(i，j))表示在无云或少云时序影像dclear中的第i行，第j列，长度为tclear的单像元时间序列中寻找最大值，amin表示全部像元的最小值合成影像，amax表示全部像元的最大值合成影像。
15、作为优选，步骤5中，判断全部时序影像全部像元是否在合成的最大最小阈值范围内，通过以下公式：
16、
17、其中，m(i，j，t)表示全部时序影像掩膜文件里第t时相文件的第i行，第j列的掩码值，d(i，j，t)表示在全部时序影像d里第t时相影像的第i行，第j列的像元值，amin(i，j)表示amin中第i行，第j列的像元值，amax(i，j)表示amax中第i行，第j列的像元值。
18、第二方面，提供了一种季节性动态阈值的云及云阴影检测装置，用于执行第一方面任一所述的季节性动态阈值的云及云阴影检测方法，包括：
19、计算模块，用于输入原始光学遥感时序影像，通过质量波段或云概率产品计算各时相影像的像元缺失率；
20、第一判断模块，用于判断影像缺失率是否小于设定阈值；若小于设定阈值则判断为无云或少云的影像，否则判断为多云影像；
21、划分模块，用于根据时间分别对无云或少云时序影像、多云时序影像划分春夏秋冬四季；
22、合成模块，用于逐季节对无云或少云时序影像进行最大最小值合成；
23、第二判断模块，用于根据合成模块，判断全部时序影像全部像元是否在合成的最大最小阈值范围内，对阈值范围内的像元进行保留，并对阈值范围外的像元进行掩膜。
24、第三方面，提供了一种计算机存储介质，所述计算机存储介质内存储有计算机程序；所述计算机程序在计算机上运行时，使得计算机执行第一方面任一所述的季节性动态阈值的云及云阴影检测方法。
25、本专利技术的有益效果是：
26、本专利技术考虑地表季节性变化的实际，灵活设置阈值来区分无云、少云、多云影像，提出最大最小值合成无云清晰影像，从最大最小值中提取阈值范围。方法简单、高效、通用性强，同时可以大尺度、不同传感器进行云及云阴影检测，并且精度相较于现有云及云阴影检测方法有显著提升，有助于真实地表时序监测，具有重要的生产应用价值。
本文档来自技高网...【技术保护点】
1.一种季节性动态阈值的云及云阴影检测方法，其特征在于，包括：
2.根据权利要求1所述的季节性动态阈值的云及云阴影检测方法，其特征在于，步骤1中，像元缺失率的计算公式为：
3.根据权利要求2所述的季节性动态阈值的云及云阴影检测方法，其特征在于，步骤4中，最大最小值合成的公式为：
4.根据权利要求3所述的季节性动态阈值的云及云阴影检测方法，其特征在于，步骤5中，判断全部时序影像全部像元是否在合成的最大最小阈值范围内，通过以下公式：
5.一种季节性动态阈值的云及云阴影检测装置，其特征在于，用于执行权利要求1至4任一所述的季节性动态阈值的云及云阴影检测方法，包括：
6.一种计算机存储介质，其特征在于，所述计算机存储介质内存储有计算机程序；所述计算机程序在计算机上运行时，使得计算机执行权利要求1至4任一所述的季节性动态阈值的云及云阴影检测方法。
【技术特征摘要】
1.一种季节性动态阈值的云及云阴影检测方法，其特征在于，包括：
2.根据权利要求1所述的季节性动态阈值的云及云阴影检测方法，其特征在于，步骤1中，像元缺失率的计算公式为：
3.根据权利要求2所述的季节性动态阈值的云及云阴影检测方法，其特征在于，步骤4中，最大最小值合成的公式为：
4.根据权利要求3所述的季节性动态阈值的云及云阴影检测方法，其特征在于，步骤5中，判断全...
【专利技术属性】
技术研发人员：杨刚，梁科文，孙伟伟，孟祥超，冯添，
申请(专利权)人：宁波大学，
类型：发明
国别省市：
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。