System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于遥感图像处理和深度学习,尤其涉及一种无云光学遥感图像获取方法、系统、电子设备及存储介质。
技术介绍
1、准确获取战场态势元素数据信息是指战员进行信息判定、决策指挥的前提和基础。遥感对地观测作为区域态势感知的有效技术手段,可提供目标区域种类丰富的影像数据。多种遥感数据源中,光学影像数据具备幅宽较广、光谱信息丰富且显示效果直观等优势,是迅速获取战场态势信息的有效数据源。然而,研究表明,地球上空60%以上的区域经常被云覆盖,较厚的云层会阻挡地面上的电磁光谱信号,极大制约战场高价值态势数据在视觉表达价值。
2、遥感影像云检测是遥感图像识别领域的热门方向之一,自二十世纪八十年代以来逐步形成了三种主流技术路线:基于光谱阈值的检测方法,基于经典机器学习的检测方法和基于深度学习的方法。这其中,传统光谱方法简单易用,但对于薄云和碎云的提取效果不佳;而基于卷积神经网络的深度学习方法虽然能够较好的提取薄云和碎云信息,但由于卷积自身下采样和最大池化的网络结构,云层边缘信息损失较为严重。
3、以上技术问题亟待解决。
技术实现思路
1、为解决上述技术问题,本专利技术提出一种无云光学遥感图像获取方法的技术方案,以解决上述技术问题。
2、本专利技术第一方面公开了一种无云光学遥感图像获取方法,所述方法包括:
3、步骤s1、通过几何和光谱信息处理方法对遥感影像进行数据预处理,得到包含云层信息的待去云影像;
4、步骤s2、采取fmask算法和深度
5、步骤s3、重复步骤s1和步骤s2获取与所述遥感影像时序临近的多个不同时相的单幅遥感影像的云层遮挡区域;
6、步骤s4、去除云层遮挡区域,得到多幅同一区域未被云层遮挡位置的遥感数据,即去云影像;将多幅去云影像融合,得到完整无云的光学影像数据。
7、根据本专利技术第一方面的方法,在所述步骤s1中,所述通过几何和光谱信息处理方法对遥感影像进行数据预处理的方法包括:
8、对遥感影像按顺序进行几何校正、辐射定标、大气校正和影像裁剪,得到包含云层信息的待去云影像。
9、根据本专利技术第一方面的方法,在所述步骤s1中,所述云层信息包括:厚云、薄云、卷云以及破碎分布云层。
10、根据本专利技术第一方面的方法,在所述步骤s2中,所述采取fmask算法和深度神经网络对所述待去云影像进行掩膜提取,得到云层掩膜的方法包括:
11、采取fmask算法对所述待去云影像进行掩膜提取,得到第一云掩膜;
12、采取深度神经网络对所述待去云影像进行掩膜提取,得到第二云掩膜;
13、将所述第一云掩膜和第二云掩膜进行融合,得到云层掩膜。
14、根据本专利技术第一方面的方法,在所述步骤s2中,所述采取fmask算法对所述待去云影像进行掩膜提取,得到第一云掩膜的方法包括:
15、采取fmask算法对所述待去云影像进行掩膜初步提取,得到初步云掩膜;
16、借助侵蚀算子和膨胀算子构成的边缘强化算子,对所述初步云掩膜进行边缘算子后处理,得到所述第一云掩膜。
17、根据本专利技术第一方面的方法,在所述步骤s2中,所述采取fmask算法对所述待去云影像进行掩膜初步提取,得到初步云掩膜的方法包括:
18、基于云物理属性规则来分离待去云影像中的潜在云层像素和背景像素,之后将归一化温度概率、光谱可变性概率和亮度概率结合起来,共同生成陆地和海域上的云层概率遮罩,最后将所述潜在云层像素和所述云概率掩膜一起用于推导潜在云层,得到所述初步云掩膜。
19、根据本专利技术第一方面的方法,在所述步骤s2中,所述采取深度神经网络对所述待去云影像进行掩膜提取,得到第二云掩膜的方法包括:
20、基于unet端到端的卷积神经网络提取包括薄云和碎云在内的云层信息,得到所述第二云掩膜。
21、本专利技术第二方面公开了一种无云光学遥感图像获取系统,所述系统包括:
22、第一处理模块,被配置为,通过几何和光谱信息处理方法对遥感影像进行数据预处理,得到包含云层信息的待去云影像;
23、第二处理模块,被配置为,采取fmask算法和深度神经网络对所述待去云影像进行掩膜提取,得到云层掩膜,进而得到单幅遥感影像的云层遮挡区域;
24、第三处理模块,被配置为,重复第一处理模块和第二处理模块获取与所述遥感影像时序临近的多个不同时相的单幅遥感影像的云层遮挡区域;
25、第四处理模块,被配置为,去除云层遮挡区域,得到多幅同一区域未被云层遮挡位置的遥感数据,即去云影像;将多幅去云影像融合,得到完整无云的光学影像数据。
26、本专利技术第三方面公开了一种电子设备。电子设备包括存储器和处理器,存储器存储有计算机程序,处理器执行计算机程序时,实现本公开第一方面中任一项的一种无云光学遥感图像获取方法中的步骤。
27、本专利技术第四方面公开了一种计算机可读存储介质。计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时,实现本公开第一方面中任一项的一种无云光学遥感图像获取方法中的步骤。
28、综上,本专利技术提出的方案能够对单幅遥感影像上的云层掩膜进行精确提取,提升薄云和碎云的检测精度,强化云层边缘信息,并利用多时序遥感影像进行融合处理,提供目标区域完整无云的光学遥感影像。
本文档来自技高网...【技术保护点】
1.一种无云光学遥感图像获取方法,其特征在于,所述方法包括:
2.根据权利要求1所述的一种无云光学遥感图像获取方法,其特征在于,在所述步骤S1中,所述通过几何和光谱信息处理方法对遥感影像进行数据预处理的方法包括:
3.根据权利要求1所述的一种无云光学遥感图像获取方法,其特征在于,在所述步骤S1中,所述云层信息包括:厚云、薄云、卷云以及破碎分布云层。
4.根据权利要求1所述的一种无云光学遥感图像获取方法,其特征在于,在所述步骤S2中,所述采取FMask算法和深度神经网络对所述待去云影像进行掩膜提取,得到云层掩膜的方法包括:
5.根据权利要求4所述的一种无云光学遥感图像获取方法,其特征在于,在所述步骤S2中,所述采取FMask算法对所述待去云影像进行掩膜提取,得到第一云掩膜的方法包括:
6.根据权利要求5所述的一种无云光学遥感图像获取方法,其特征在于,在所述步骤S2中,所述采取FMask算法对所述待去云影像进行掩膜初步提取,得到初步云掩膜的方法包括:
7.根据权利要求4所述的一种无云光学遥感图像获取方法,其特征在
8.一种用于无云光学遥感图像获取系统,其特征在于,所述系统包括:
9.一种电子设备,其特征在于,所述电子设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时,实现权利要求1至7中任一项所述的一种无云光学遥感图像获取方法中的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时,实现权利要求1至7中任一项所述的一种无云光学遥感图像获取方法中的步骤。
...【技术特征摘要】
1.一种无云光学遥感图像获取方法,其特征在于,所述方法包括:
2.根据权利要求1所述的一种无云光学遥感图像获取方法,其特征在于,在所述步骤s1中,所述通过几何和光谱信息处理方法对遥感影像进行数据预处理的方法包括:
3.根据权利要求1所述的一种无云光学遥感图像获取方法,其特征在于,在所述步骤s1中,所述云层信息包括:厚云、薄云、卷云以及破碎分布云层。
4.根据权利要求1所述的一种无云光学遥感图像获取方法,其特征在于,在所述步骤s2中,所述采取fmask算法和深度神经网络对所述待去云影像进行掩膜提取,得到云层掩膜的方法包括:
5.根据权利要求4所述的一种无云光学遥感图像获取方法,其特征在于,在所述步骤s2中,所述采取fmask算法对所述待去云影像进行掩膜提取,得到第一云掩膜的方法包括:
6.根据权利要求5所述的一种无云光学...
【专利技术属性】
技术研发人员:高龙,王博,张军敏,田思佳,吴娴,蔺文卓,陈梦楠,
申请(专利权)人:中国船舶集团有限公司系统工程研究院,
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。