本发明专利技术公开了一种基于自适应阈值的多传感器影像云标签制作方法，包括：S1、获取目标域多光谱影像对应的目标粗糙云掩膜和目标光谱云掩膜；S2、将目标粗糙云掩膜和目标光谱云掩膜取并集以获得混合云掩膜，并将混合云掩膜分割成可用于模型训练的多个第一影像块；S3、对多个第一影像块进行筛选以得到含有云的多个第二影像块，并将多个第二影像块逐一进行影像超像素分割以获得对应的多个超像素块；S4，根据多个超像素块对目标粗糙云掩膜进行迭代更新以获得像素级云掩膜。本发明专利技术基于云的物理特性对影像的超像素结果进行迭代阈值分割，可有效获取无明显错检和漏检、边缘精细的云检测结果，提高了云检测的精确度。
【技术实现步骤摘要】
本专利技术涉及影像处理，尤其涉及一种基于自适应阈值的多传感器影像云标签制作方法。
技术介绍
1、随着遥感技术的发展，光学遥感影像被大量应用于各个领域，但是云污染是光学遥感影像中无法避免的问题，云污染造成的影像信息缺失，会极大的限制光学遥感影像的处理和精确应用。因此在光学遥感影像中进行云检测是必不可少的。
2、目前的云检测方法大致可以分为两类：基于物理的方法和基于机器学习方法。基于物理的方法主要利用云的物理特征提取出阈值进行云检测。基于物理的方法在一些情况下可以取得较好的效果，但是其往往依赖于人工经验来设计物理规则，同时设计的物理规则往往是针对特定传感器，具有一定的局限性。基于机器学习的方法将云检测任务认为是图像分割问题，主要通过云标签让模型进行参数学习来达到云检测的目的。
3、基于深度学习的方法在云检测领域往往比基于物理的方法有更好的处理效果，但是基于深度学习的云检测方法往往需要大量的像素级标签数据来达到最佳的效果。受到卫星传感器硬件设计与其他因素的影响，不同光感器的卫星影像在空间分辨率和光谱范围存在较大差异，针对一个光学传感器进行训练的模型往往难以直接应用于不同的传感器，代表每种传感器都需要大量的人工标注来实现云检测。由于高分辨率传感器越来越多，无法保证每种传感器都存在具有良好标注的大规模云检测数据集，因此限制了此类方法的实际应用。
技术实现思路
1、为解决
技术介绍
中存在的技术问题，本专利技术提出一种基于自适应阈值的多传感器影像云标签制作方法。
>2、本专利技术提出的一种基于自适应阈值的多传感器影像云标签制作方法，包括：3、s1、获取目标域多光谱影像对应的目标粗糙云掩膜和目标光谱云掩膜；
4、s2、将目标粗糙云掩膜和目标光谱云掩膜取并集以获得混合云掩膜，并将混合云掩膜分割成可用于模型训练的多个第一影像块；
5、s3、对多个第一影像块进行筛选以得到含有云的多个第二影像块，并将多个第二影像块逐一进行影像超像素分割以获得对应的多个超像素块；
6、s4，根据多个超像素块对目标粗糙云掩膜进行迭代更新以获得像素级云掩膜。
7、优选地，“s1”具体包括：
8、s11、获取目标域多光谱影像，将目标域多光谱影像输入云检测模型以获得对应的目标粗糙云掩膜；
9、s12、根据目标域多光谱影像和目标粗糙云掩膜计算出目标域影像的光谱阈值，光谱阈值具体包括影像云度、影像云边缘指数、影像明亮指数；
10、s13、根据光谱阈值对目标域多光谱影像所有的像元进行光谱阈值对比以获得目标光谱云掩膜。
11、优选地，“s13”具体包括：
12、对目标域多光谱影像按像元拆分，并逐一获取像元对应的第一光谱阈值；
13、判断像元对应的第一光谱阈值与光谱阈值之间的数值关系；
14、当光谱阈值大于等于第一光谱阈值时，将对应的像元标记为云；
15、将标记为云的像元集合作为目标光谱云掩膜。
16、优选地，对多个第一影像块进行筛选以得到多个含有云的第二影像块”具体为：
17、对多个第一影像块是否含有云进行逐一判断；
18、将含有云的部分判断为有云影像块并将有云影像块作为第二影像块；
19、将目标粗糙云掩膜和目标光谱云掩膜均不含云像元的影像块判断为无云影像块。
20、优选地，还包括：将无云影像块、第二影像块、像素级云掩膜组成目标域伪标签并输出。
21、优选地，“s4”具体包括：
22、s41、分析出多个超像素块对应的云像元占比，并根据预设的云像元占比要求对多个超像素块进行筛选，将符合预设的超像素块标记为云超像素块；
23、s42、计算出每个云超像素块的物理特征值，并筛选出最小物理特征值对应的云超像素块，物理特征值包括云度、云边缘指数和形状复杂指数；
24、s43、利用最小物理特征值对目标粗糙云掩膜进行迭代更新以获得像素级云掩膜。
25、优选地，预设的像元占比要求具体为：目标粗糙云掩膜对应的像元占比大于40％的超像素块标记为云超像素块。
26、本专利技术中，所提出的基于自适应阈值的多传感器影像云标签制作方法，与传统基于物理的云检测方法相比，传统的方法需要人工调整阈值，本专利技术则利用深度学习模型迁移性自适应提取影像的阈值，并结合深度学习网络迁移性和自适应光谱阈值自动从目标域筛选出置信度高的标签。同时本专利技术在多个尺度提取影像的物理特征值，并获得两个尺度的云掩膜，利用影像级的物理特征值获取场景级的标签，利用场景级的物理特征值的获取像素级的标签用于构建样本集，无需人工辅助勾画。本专利技术基于云的物理特性对影像的超像素结果进行迭代阈值分割，可有效获取无明显错检和漏检、边缘精细的云检测结果，提高了云检测的精确度。
本文档来自技高网...
【技术保护点】
1.一种基于自适应阈值的多传感器影像云标签制作方法，其特征在于，包括：
2.根据权利要求1所述的基于自适应阈值的多传感器影像云标签制作方法，其特征在于，“S1”具体包括：
3.根据权利要求2所述的基于自适应阈值的多传感器影像云标签制作方法，其特征在于，“S13”具体包括：
4.根据权利要求1所述的基于自适应阈值的多传感器影像云标签制作方法，其特征在于，“对多个第一影像块进行筛选以得到多个含有云的第二影像块”具体为：
5.根据权利要求4所述的基于自适应阈值的多传感器影像云标签制作方法，其特征在于，还包括：将无云影像块、第二影像块、像素级云掩膜组成目标域伪标签并输出。
6.根据权利要求1所述的基于自适应阈值的多传感器影像云标签制作方法，其特征在于，“S4”具体包括：
7.根据权利要求6所述的基于自适应阈值的多传感器影像云标签制作方法，其特征在于，预设的像元占比要求具体为：目标粗糙云掩膜对应的像元占比大于40％的超像素块标记为云超像素块。
【技术特征摘要】
1.一种基于自适应阈值的多传感器影像云标签制作方法，其特征在于，包括：
2.根据权利要求1所述的基于自适应阈值的多传感器影像云标签制作方法，其特征在于，“s1”具体包括：
3.根据权利要求2所述的基于自适应阈值的多传感器影像云标签制作方法，其特征在于，“s13”具体包括：
4.根据权利要求1所述的基于自适应阈值的多传感器影像云标签制作方法，其特征在于，“对多个第一影像块进行筛选以得到多个含有云的第二影像块”具体为：
【专利技术属性】
技术研发人员：江芸，王迎春，胡小彭，周艳，张荣卉，
申请(专利权)人：安徽省测绘档案资料馆安徽省基础测绘信息中心，
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。