【技术实现步骤摘要】
本专利技术属于但不限于遥感，尤其涉及一种利用分类技术的基于云掩模的多时相像素除云合成方法及系统。
技术介绍
1、卫星和航空图像等遥感图像一直是各种与地球有关的应用和研究中不可或缺的信息来源，包括气候和土地覆盖变化分析以及环境和生态研究。然而，图像的质量受到几个因素的影响，包括传感器的质量、太阳角、视角、传感器之间的距离以及目标和大气条件。在这些因素中，云是最具挑战性的特征，极大地影响了遥感图像的质量。此外，地球表面各种形式和程度的云的出现加剧了这一问题，特别是在大面积调查中。尽管地理和季节不同，但全球月平均云量可达35％，中欧、中非、南美洲和东南亚是持续云量的地区，其中非洲是最容易发生云量的地区。一般来说，从薄/透明的云到与阴影相关的厚云，都会显著影响图像的质量。
2、云对图像质量的影响也因云的类型和传感器捕获图像所采用的波长/波段而异。厚云会完全阻挡来自源的辐射和/或反射回光学传感器的辐射的入射，而薄/透明云会减少入射辐射的量并污染物体的实际反射率值，从而导致不正确的值。特别是，可见光、近红外(nir)和中红外(mir)范围内的电磁波谱是最敏感的区域；而较长波长的部分，如热红外和卷云，受云层的影响相对较小。相反，主动传感器的合成孔径雷达(sar)波段不受云层的影响，可以很容易地穿过云层。
3、已经开发并实施了各种云屏蔽和去除方法。一些专门针对某些云类型，如薄云或厚云去除，而另一些则提出了一种统一的方法，旨在解决这两种类型的问题。这些方法可以根据用于重建缺失信息的模型和机制大致分为传统和先进的深度学习方法
4、基于污染区域和无云相邻像素具有相似属性的概念，空间信息云去除方法利用来自相邻无云区域的信息来替换云像素。虽然该假设适用于清洁小浑浊区域，特别是在单张图像中，但在大的阴天和/或土地覆盖不均匀的地区，在小距离内发生变化的情况下是无效的。
5、另一方面，基于光谱的方法使用相同区域和时间的其他未受影响的光谱信息/波段恢复图像中丢失/污染的信息。虽然该技术可用于薄云覆盖筛查，但在所有多光谱频道都受到云的影响的情况下，特别是云层较厚，或者受污染波段和未受影响的波段之间没有光谱波段相关性出口时，它无法获得令人满意的结果。然而，多时相方法利用在特定时间内收集的信息来重建缺失的数据，其概念是目标特征在指定时间内没有表现出显著的光谱或物候变化。如果高时间分辨率、足够的无云时间序列数据可用，该技术可以有效地应用。
6、最近，深度学习(dl)技术，特别是生成对抗网络(gan)方法，已广泛应用于云以及相关的阴影识别和去除中，并取得了最先进的结果。但是，这些技术存在一些影响其灵活性的明显限制。这些技术中的大多数需要整合辅助数据，例如sar，这会导致偏差或导致输出模糊，有些技术使用红外波段，这在厚重的多云条件下也很难获得未受污染的像素。此外，大多数使用sar波段的dl技术旨在从单光谱或多光谱图像(rgb图像)中去除厚云，同时忽略受厚云污染的图像的多时间固有特征。此外，这些技术需要云掩码，这取决于云检测算法的效率，该算法大多是特定于数据的，仍然远非准确。此外，dl模型特定于某些数据类型、云条件和空间范围，这些数据类型、云条件和空间范围限制了它们的泛化性，并且容易出现过度拟合，或者如果训练样本不足，则会欠拟合。因此，考虑一种可以解决上述局限性的替代云清除方法至关重要，特别是对于涉及具有连续云覆盖的大面积的研究。在这方面，基于像素的合成技术是最佳选择。不仅因为与dl方法相比，它相对简单且不那么复杂，还因为它可以产生最佳结果。
7、在一段时间内对图像进行基于像素的多时效合成是去除云和相关阴影的最常用和最有效的机制之一，特别是对于由高时间分辨率传感器捕获的中等粗分辨率图像。除了消除或减少云、噪声和伪影外，该技术还通过从可用的时间序列数据中选择最佳像素来替换场景中的污染区域，从而帮助减小数据量。该技术是重建丢失信息的经典方法之一，基本上适用于重访周期较长的仪器，而与面面积无关。到目前为止，已经提出了几种采用单一、多重或光谱相似性标准的堆肥法。基于单一规则的方法使用单一标准，例如最大归一化差值植被指数(max-ndvi)、中位nir波段(med-nir)、weld的最大ndvi或最大亮温(bt)(启用web的landsat数据)以及近红外(nir)与蓝色波段的最大比率(max-rnb)。另一方面，最佳可用像素(bap)、物候自适应合成(pac)、加权参数评分(wps)、中心点测量(medoid)和国家土地覆盖数据库(nlcd)算法利用多个标准来选择最佳像素，而余弦相似度(cossim和光谱相似性)则采用光谱相似性。
8、尽管这些方法可以产生高质量的复合产品，但它们的效率取决于云遮罩、合成标准和周期的有效性。因此，没有一种最佳复合方法优于所有其他方法。此外，大多数合成技术都特定于某些类型的传感器，采用为它们生成的特定云掩码。例如，bap、pac、max-rnb、wps、medoid和nlcd是使用landsat影像开发的，而云掩膜是使用掩码函数(fmask)算法生成的，该算法在识别薄云和云边缘以及阴影方面有其自身的局限性。在fmask算法开发之前，监督分类方法，特别是决策树算法被应用于为landsat图像合成创建云掩码。另一方面，低分辨率和中分辨率方案，如高级甚高分辨率辐射计(avhrr)和中分辨率成像光谱辐射计(modis)云掩蔽算法，在各种光谱波段上采用阈值机制来生成复合产品。然而，阈值方法从来都不是全局的，因为这种委托和/或遗漏误差很常见，特别是在阈值限制附近，云检测的置信度很低。
9、鉴于上述分析，现有技术存在的急需解决的技术问题为：
10、受云移除和基于像素的合成方法的现有局限性的启发，本质上与高时间分辨率传感器的大空间范围和多时间数据有关，亟需一种新的基于单一规则的合成方法。
技术实现思路
1、针对现有技术存在的问题，本专利技术提供了一种利用分类技术的基于云掩模的多时相像素除云合成方法及系统。
2、本专利技术是这样实现的，一种利用分类技术的基于云掩模的多时相像素除云合成方法，其特征在于，利用分类技术的基于云掩模的多时相像素除云合成方法，该方法具体包括：
3、s1：使用svm和u-net对所有日常图像进行分类，并生成两组分类栅格；
4、s2：将分类后的栅格转换为云掩码图层；
5、s3：使用遮罩层每天遮罩相应的modis；
6、s3：使用最大值方法产生最佳复合产品。
7、进一步，所述s2，通过将云和无数据像素的值映射到-0.999999来将分类后的栅格转换为云掩码图层。
8、进一步，所述s3，通过使用python中的特殊函数'np.where'，使用遮罩层每天遮罩相应的modis，如果像素被遮罩掉，则生成的遮罩图像具有-0.999999像素的值，表示混浊/无数据值，否则像素保持其实际反射率值本文档来自技高网...
【技术保护点】
1.一种利用分类技术的基于云掩模的多时相像素除云合成方法，其特征在于，该方法具体包括：
2.如权利要求1所述的基于云掩模的多时相像素除云合成方法，其特征在于，所述SVM通过寻找最优超平面对图像中的像素点进行分类，以区分云层与地表信息；U-net通过多层卷积和反卷积处理，对图像进行精确的云层边界定位，并生成云层掩模。
3.如权利要求1所述的基于云掩模的多时相像素除云合成方法，其特征在于，所述云掩码图层通过将分类后的栅格中云和无数据像素的值映射为-0.999999的方式生成，并在遮罩操作中用于标识被遮罩掉的像素。
4.如权利要求1所述的基于云掩模的多时相像素除云合成方法，其特征在于，通过Python中的'np.where'函数，对MODIS图像进行像素遮罩处理，将被遮罩掉的像素值设为-0.999999，表示为混浊或无数据像素；未被遮罩的像素保持其实际反射率值。
5.如权利要求1所述的基于云掩模的多时相像素除云合成方法，其特征在于，所述最大值合成方法与SVM和U-net分类生成的云掩码层结合使用，分别生成两组最大值复合产品MaxComp-
6.如权利要求1所述的基于云掩模的多时相像素除云合成方法，其特征在于，所述方法生成的最大值复合产品通过与MOD13A1v061 L3 16天复合产品的比较，评估其在去除云层、噪声和污染像素方面的有效性，生成的MaxComp-1产品在光谱和辐射测量上更加一致，噪声更少，伪影更少，且土地覆盖分类精度最高。
7.一种基于如权利要求1-6所述利用分类技术的基于云掩模的多时相像素除云合成系统，其特征在于，该系统具体包括：
8.如权利要求1所述的系统，其特征在于，所述处理模块进一步包括：
9.如权利要求1所述的系统，其特征在于，所述合成模块进一步包括：
10.如权利要求1所述的系统，其特征在于，所述输入模块通过与Python中集成的特定函数'np.where'配合使用，以自动化方式执行像素遮罩处理，将云层和无数据像素的值映射为-0.999999，并在处理模块中进行分类、转换和遮罩操作。
...【技术特征摘要】
1.一种利用分类技术的基于云掩模的多时相像素除云合成方法，其特征在于，该方法具体包括：
2.如权利要求1所述的基于云掩模的多时相像素除云合成方法，其特征在于，所述svm通过寻找最优超平面对图像中的像素点进行分类，以区分云层与地表信息；u-net通过多层卷积和反卷积处理，对图像进行精确的云层边界定位，并生成云层掩模。
3.如权利要求1所述的基于云掩模的多时相像素除云合成方法，其特征在于，所述云掩码图层通过将分类后的栅格中云和无数据像素的值映射为-0.999999的方式生成，并在遮罩操作中用于标识被遮罩掉的像素。
4.如权利要求1所述的基于云掩模的多时相像素除云合成方法，其特征在于，通过python中的'np.where'函数，对modis图像进行像素遮罩处理，将被遮罩掉的像素值设为-0.999999，表示为混浊或无数据像素；未被遮罩的像素保持其实际反射率值。
5.如权利要求1所述的基于云掩模的多时相像素除云合成方法，其特征在于，所述最大值合成方法与svm和u-net分类生成的云掩码层结合...
【专利技术属性】
技术研发人员：阿杜尼亚·特斯法耶·雷家萨，许文波，
申请(专利权)人：电子科技大学长三角研究院湖州，
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。