【技术实现步骤摘要】
本专利技术涉及测绘遥感行业，具体涉及高分光学遥感影像云阴影识别方法、系统及存储介质。
技术介绍
1、光学遥感影像成像时受天气状况的强烈影响，云及云阴影的存在会对地物目标产生遮挡或干扰，进而导致遥感影像无法准确记录地物信息。据统计，在任意80天内获取相同地区的两景无云遥感影像的全球平均概率不到30％，因此对光学遥感影像的云和云阴影进行检测识别并剔除，是遥感数据处理的重要步骤之一，可有效提高光学遥感影像的利用率。光学遥感影像中云的光谱特征与其他地物特征区别较为明显，因此较容易识别，目前已有成熟的检测算法。对于云阴影，一方面由于大多数高分遥感影像无同步的热红外遥感影像，无法直接计算云层高度进而通过云和云阴影的几何关系来提取云阴影。另一方面，高分遥感影像中云阴影和山体阴影、高楼阴影等高度相似，因此直接利用光谱特征来提取云阴影也较为困难。
2、现有的高分光学遥感影像云阴影识别方法主要有人工解译法、单时相阈值法和多时相检测法，其中：
3、人工解译法是技术人员在专业软件中直接根据高分辨率遥感影像的光谱和纹理信息对云阴影进行人工目视交互解译。该方法提取精度高，但费时、费力、效率低，难以应用于海量遥感数据的处理。
4、单时相阈值法是指利用待处理遥感影像的光谱波段，经波段计算后的指数波段，选取一个或多个特征并设定相应阈值来提取云阴影。该方法自动化程度相对较高，但山体阴影和高楼阴影对结果影响较大，因此提取结果的精度无法保证。
5、多时相检测法是指利用相同地区的无云影像和待处理影像进行对比分析，并设置相应
6、因此，有必要开发一种新的高分光学遥感影像云阴影识别方法、系统及存储介质。
技术实现思路
1、本专利技术的目的是提供高分光学遥感影像云阴影识别方法、系统及存储介质，能提高自动化程度，减少人工干预，且提取结果的准确性高，能快速识别高分遥感影像中云阴影。
2、第一方面，本专利技术所述的一种高分光学遥感影像云阴影识别方法，包括以下步骤：包括以下步骤：
3、获取高分光学遥感数据，计算星上反射率；
4、根据近红外波段星上反射率阈值条件提取低值目标区，对近红外波段星上反射率数据进行迭代计算提取阴影区，计算迭代后影像和初始影像的差值影像，并根据差值影像和阈值条件提取阴影区；
5、结合云像元位置、遥感影像成像几何参数和云层高度范围计算潜在云阴影区的集合；
6、分别计算潜在云阴影集合中的每个元素与阴影区的空间重叠面积，选择空间重叠面积最大的元素为云的主阴影，根据主阴影及其缓冲区，并结合近红外阴影区提取最终的云阴影。
7、可选地，在计算星上反射率之前，还包括对高分光学遥感影像进行预处理，具体为：
8、高分光学遥感数据的原始像元值为数字量化值，结合高分光学遥感数据对应元数据中的偏差和增益系数将数字量化值转换为遥感传感器接收的辐射亮度值。
9、可选地，计算星上反射率，具体为：
10、
11、其中，ρ为星上反射率，d为日地距离，l为辐射亮度数据，e0为太阳常数，θs为成像时太阳天顶角。
12、可选地，根据近红外波段星上反射率阈值条件提取低值目标区，具体为：
13、提取近红外波段满足第一条件的低值像元，作为低值目标区t1，所述第一条件为：
14、ρnir<k1×max(ρnir)
15、其中：k1为第一阈值；ρnir为初始影像近红外波段星上反射率；max(·)为取最大值。
16、可选地，对近红外波段星上反射率数据进行迭代计算提取阴影区，具体为：
17、对近红外波段数据进行迭代计算，具体为：
18、
19、ρn+1(pixel)＝max(min(n8(ρn(pixel))),ρnir(pixel))
20、其中：pixel表示某像元，ρ1(pixel)为pixel第一次迭代计算后的值，min(·)为取最小值，n8为像元的八邻域，ρnir(pixel)为pixel的初始近红外波段星上反射率值，ρn(pixel)为pixel的第n次迭代后的近红外波段星上反射率值，ρn+1(pixel)为pixel的第n+1次迭代后的近红外波段星上反射率值)；
21、迭代结束的条件为：
22、max(ρn+1-ρn)＝0
23、其中：ρn+1为第n+1次迭代后的近红外波段星上反射率值，ρn为第n次迭代后的近红外波段星上反射率值；
24、得到迭代完成后的影像。
25、可选地，计算迭代后影像和初始影像的差值影像，并根据差值影像和阈值条件提取阴影区，具体为：
26、提取满足第二条件的像元为阴影区s1，其中，第二条件为：
27、
28、其中，为迭代完成后的影像，k2为第二阈值。
29、可选地，结合云像元位置、遥感影像成像几何参数和云层高度范围计算潜在云阴影区的集合，具体为：
30、对于任意云像元cxcloud,ycloud计算该云像元对应的阴影像元sxshadow,yshadow，其中，xcloud为云像元的图像横坐标,ycloud为云像元的图像纵坐标，xshadow为阴影像元的图像横坐标，yshadow为阴影像元的图像纵坐标；
31、
32、
33、其中：θs为成像时的太阳天顶角，θv为成像时的观测天顶角，为成像时的太阳方位角，为成像时的观测方位角，h为云相对地表的高度，且h1≤h≤h2；对此范围内的所有h均按以上公式进行计算，得到所有高度对应的云阴影集合记为
34、分别计算潜在云阴影集合中的每个元素与阴影区s1的空间重叠面积，选择空间重叠面积最大的元素为云的主阴影。
35、可选地，根据主阴影及其缓冲区，并结合近红外阴影区提取最终的云阴影，具体为：
36、沿的边缘向外扩张k3个像元，扩张区域记为sbuffer，提取最终的云阴影scloud，所述scloud的计算公式如下：
37、
38、其中，为云的主阴影，c为从高分光学遥感影像中提取的云像元。
39、第二方面，本专利技术所述的一种高分光学遥感影像云阴影识别系统，采用存储器和控制器，所述存储器内存有计算机可读程序，所述计算机可读程序被控制器调用时，能执行如本专利技术所述的高分光学遥感影像云阴影识别方法的步骤。
40、第三方面，本专利技术所述的一种介质，其内存有计算机可读程序，所述计算机可读程序被控制器调用时，能执行如本专利技术所述的高分光学遥感影像云阴影识别方法的步骤。
41、本专利技术的有益效果：高分遥感影像具有空间分辨率高但波段数少的特征，因云与其他地物的反射率光谱特征差异较为明显，较容易本文档来自技高网...
【技术保护点】
1.一种高分光学遥感影像云阴影识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的高分光学遥感影像云阴影识别方法，其特征在于：在计算星上反射率之前，还包括对高分光学遥感影像进行预处理，具体为：
3.根据权利要求1所述的高分光学遥感影像云阴影识别方法，其特征在于：计算星上反射率，具体为：
4.根据权利要求1所述的高分光学遥感影像云阴影识别方法，其特征在于：根据近红外波段星上反射率阈值条件提取低值目标区，具体为：
5.根据权利要求4所述的高分光学遥感影像云阴影识别方法，其特征在于：对近红外波段星上反射率数据进行迭代计算提取阴影区，具体为：
6.根据权利要求5所述的高分光学遥感影像云阴影识别方法，其特征在于：计算迭代后影像和初始影像的差值影像，并根据差值影像和阈值条件提取阴影区，具体为：
7.根据权利要求1所述的高分光学遥感影像云阴影识别方法，其特征在于：结合云像元位置、遥感影像成像几何参数和云层高度范围计算潜在云阴影区的集合，具体为：
8.根据权利要求7所述的高分光学遥感影像云阴影识别方法，
9.一种高分光学遥感影像云阴影识别系统，其特征在于：采用存储器和控制器，所述存储器内存有计算机可读程序，所述计算机可读程序被控制器调用时，能执行如权利要求1至8任一所述的高分光学遥感影像云阴影识别方法的步骤。
10.一种介质，其特征在于：其内存有计算机可读程序，所述计算机可读程序被控制器调用时，能执行如权利要求1至8任一所述的高分光学遥感影像云阴影识别方法的步骤。
...【技术特征摘要】
1.一种高分光学遥感影像云阴影识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的高分光学遥感影像云阴影识别方法，其特征在于：在计算星上反射率之前，还包括对高分光学遥感影像进行预处理，具体为：
3.根据权利要求1所述的高分光学遥感影像云阴影识别方法，其特征在于：计算星上反射率，具体为：
4.根据权利要求1所述的高分光学遥感影像云阴影识别方法，其特征在于：根据近红外波段星上反射率阈值条件提取低值目标区，具体为：
5.根据权利要求4所述的高分光学遥感影像云阴影识别方法，其特征在于：对近红外波段星上反射率数据进行迭代计算提取阴影区，具体为：
6.根据权利要求5所述的高分光学遥感影像云阴影识别方法，其特征在于：计算迭代后影像和初始影像的差值影像，并根据差值影像和...
【专利技术属性】
技术研发人员：刘晓瑜，胡勇，熊先才，黄健，胡渝清，郑云云，李晓俊，邓琳，潘建平，魏远航，
申请(专利权)人：重庆市规划和自然资源调查监测院，
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。