一种光学遥感图像云检测方法技术

本发明专利技术提供一种光学遥感图像云检测方法，包括下列步骤：１）将所述遥感图像划分为基本处理单元；２）根据灰度阈值将基本处理单元划分为可能为云和不可能为云两类；３）对于可能为云的基本处理单元，根据分形维数划分；４）对于分形维数划分结果中的待定单元根据角二阶矩判定为云层或地面目标物体。本发明专利技术将三个判别特征参数以合理的次序结合起来，不同的特征参数在检测过程中发挥不同的作用；从而不仅能够获得较高的分辨精确度，还能够在平均意义上显著提高方法运行效率。

【技术实现步骤摘要】

本专利技术涉及光学遥感图像处理
，尤其涉及一种对遥感平台传感器获取的光学图像进行云片检测和云层相关参数提取的方法。
技术介绍
随着科技的高速发展，卫星遥感技术进入了一个能快速及时地获取对地观测海量 信息的新阶段。这些丰富的数据信息被广泛的应用在农业、气象、环境保护、资源调查等各 个领域，有着重要的应用价值。在实际情况下，由于天气情况复杂多变，遥感卫星获取卫星 图像，尤其是获取大范围的遥感影像时，多数情况下都会有云的存在，真正的无云晴空地面 目标物体影像很难获取。遥感图像上，云的存在会遮蔽或者覆盖云层区域下面的真实的地 面目标物体的信息。为了能够有效的从遥感图像数据中提取地面目标物体的信息，提高遥 感卫星图像数据的可用性和利用率，必须对遥感图像中存在的云进行检测，采取必要的措 施，以消除或降低云的干扰和影响。由于云的种类繁多，纹理呈现随机分布特性，其形态、特 性等随时间和空间发生变化，同时还受季节和气候等多种条件的综合影响，即不同季节、不 同空间高度、不同天气条件下的云的反射率和亮度都有所不同，这对用同一方法应用于不 同条件下获取的遥感图像数据的云检测结果精度带来了考验。另一方面，遥感平台搭载的传感器的类型不同，其成像原理也是不同的，获取的遥 感图像数据也各有不同的性质和特点。针对不同类型的遥感图像数据，产生了很多种云检 测方法。对于单幅光学遥感图像，其所能够提供的信息量有限，不像多光谱遥感数据中有 丰富的光谱信息可以使用。在单光谱遥感图像中对图像中的信息进行分类和提取要困难得 多。这就对检测方法提出了很高的要求。而且，由于传感器获取的遥感数据基本为海量数 据，遥感信息处理平台对处理效率的要求很高。否则，即使获得十分精确的判别结果，也没 有实际的应用价值。因此，判别精确度和方法的执行效率都是评价方法可用性的重要标准。现有的应用较广泛的方法按照是否需要辅助信息主要分为两类只需图像本身数 据信息的方法和利用历史数据信息的方法。利用历史数据信息的方法，通常是将之前在同 一个地理位置上空获取的无云的遥感图像保存在遥感平台上，通过位置等信息标定后，比 较对应像素点信息，进行判定。这种方法的优点是，不仅能够检测到是否有云层存在，并且 可以直接用无云遥感图像上的信息点替换云层遮盖的区域，得到无云覆盖的图像数据。但 是对于遥感平台有限的资源来说，存储海量的历史数据对平台造成极大的负担。对于没有 历史数据的区域无法应用此方法。无需辅助信息的方法，又主要分为光谱分析和纹理分析 两类。光谱分析利用云与地面物体在可见光和红外波段的反射率和温度的差异进行分辨。纹理分析利用物体的局部或整体有着某种程度的自相似性，通过提取目标物体的空间统计 特性，将各类目标物体归类。光谱空间信息主要是指图像的灰度值信息。云在可见光/近红外波段对于光线的反射率比大多数地面物体要强的多，在卫星遥感图像上表现为相对于地面目标有较高的灰度值。利用云的这个特性，可以使用阈值判断方法对卫星遥感图像进行粗略的云与非云的判别。这是较早的云层检测使用的方法，也是实现简单、效率较高的检测方法。图像光谱阈 值的确定大体有两种方法一是根据经验，通过对数据库中大量的历史样图进行统计，获取 云层灰度值的经验阈值；二是利用图像本身的信息，确定阈值的选取。经验阈值的方法可以 在统计意义上的接近最优，但是却没有考虑图像本身的信息特点，所以不能保证对每幅遥 感图像都能得到很好的分辨结果。利用图像自身信息的方法，虽然充分利用了图像自身数 据特点，却可能会遇到无法正确选取阈值的问题。光谱分析方法的优点是方法实现简单，能 够获得很好的执行效率，在某些特定的场景下有非常好的判别结果，例如，黑暗背景下且无 噪声干扰的遥感图像。但是其缺点是当图像中云层与地面背景的光谱值相差不明显时，判 定结果精确度将大大降低。尤其是雪和沙漠等对光线反射率大的物体，很难进行区分；而且 对阈值比较敏感，阈值的选择有一定的主观性，精确度容易受噪声的影响；同时，光谱分析 以像素为处理基本单位，没有考虑图像的结构信息。虽然云的纹理基元多变难测，属于随机纹理，但它仍有别于下垫面物体的纹理特 征。基于云层纹理特征的分析利用云的局部和整体有着某种程度的相似性，从图像的统计 特征出发，提取云与地球表面物体的纹理特征，对云和地球表面物体进行有效的区分。在云 检测方法中最常用的纹理特征有分形维数和角二阶矩值。纹理分析方法虽然能得到比阈值 法更高的判别精确度，但是这种方法要求足够的样本数据进行训练以得到不同类别物体的 特征值区间，并且样本质量和数量直接影响训练区间的准确性，继而影响方法的判别精确 度。而且纹理分析的方法忽视了云的独特光谱特征。因此，仍然存在一定数量的误判和漏 判情况。较高的判定精确度往往意味着较高的检测复杂度，在实际的应用中通常需要在精 度和效率之间进行取舍，需要根据遥感图像数据的特点和应用场景等综合决定选择使用哪 种检测方法。为了充分利用各种信息，提高云检测结果精确度，迫切需要一种将多种判别标 准综合起来，充分利用遥感图像的光谱信息和纹理信息，从多个角度提取云层特征参数，对 图像进行更加准确有效的云检测的方法。
技术实现思路
本专利技术要解决的技术问题是提供，以充分利用遥感 图像的数据信息，从不同的判别空间提取目标的特征参数，从而对图像目标进行更准确有 效的检测。为实现上述目的，根据本专利技术的一个方面，提供了， 包括下列步骤1)将遥感图像划分为基本处理单元；2)根据灰度阈值将基本处理单元划分为可能为云和不可能为云两类；3)对于可能为云的基本处理单元，根据分形维数划分；4)对于分形维数划分结果中的待定单元根据角二阶矩判定为云层或地面目标物 体。其中，步骤3)包括31)对于可能为云的基本处理单元中极有可能为云的基本处 理单元，根据分形维数划分为云层单元和云层待定单元，该云层单元的判定结果为云层；步骤4)包括41)根据角二阶矩判定该云层待定单元为云层或地面目标物体。 其中，步骤3)包括32)对于该可能为云的基本处理单元中既可能为云也可能为 下垫面的基本处理单元，根据分形维数划分为下垫面单元和下垫面待定单元，该下垫面单 元的判定结果为地面目标物体；步骤4)包括42)根据角二阶矩判定该下垫面待定单元为云层或地面目标物体。其中，步骤2)进一步包括20)统计基本处理单元中大于灰度阈值的像素个数；21)计算大于灰度阈值的像素个数所占百分比；22)根据该百分比将基本处理单元划分为极有可能为云、不可能为云和既可能为 云也可能为下垫面三类。其中，灰度阈值根据经验确定或根据对历史图像样本进行统计获得。其中，步骤3)可包括301)根据盒维数计算方法计算分形维数。其中，步骤3)可包括302)根据基于二维灰度二值盒维数计算方法计算分形维数。其中，基本处理单元的大小为64X64。本专利技术提出的树形结构将三个判别特征参数以合理的次序结合起来。不同的特征 参数在检测过程中发挥不同的作用，恰当的次序和优先级别可以保证各判别特征能够充分 发挥优势同时互相弥补缺点，从而不仅能够有效的区分云区和非云下垫面，获得较高的分 辨精确度，还能够在平均意义上显著提高方法运行效率。具体而言，本专利技术能够充分的利用 遥感图像中光谱空间和位置空间的信息，实现云层的自动检测本文档来自技高网...

【技术保护点】
一种光学遥感图像云检测方法，包括下列步骤：　　１）将所述遥感图像划分为基本处理单元；　　２）根据灰度阈值将所述基本处理单元划分为可能为云和不可能为云两类；　　３）对于所述可能为云的基本处理单元，根据分形维数划分；　　４）对于所述分形维数划分结果中的待定单元根据角二阶矩判定为云层或地面目标物体。

【技术特征摘要】

【专利技术属性】
技术研发人员：单娜，郑天垚，王贞松，
申请(专利权)人：中国科学院计算技术研究所，
类型：发明
国别省市：11[中国|北京]