基于同质化处理的光学遥感图像非匀质云层判别方法技术

本发明专利技术公开了一种基于同质化处理的光学遥感图像非匀质云层判别方法，能够对非匀质云中的低亮像素进行灰度补偿，从而实现对非匀质云层的判别。第一步：计算云的自适应门限；第二步：提取两幅典型二值图：第三步：获得云的位置标记图：对第二步得到的云海二值图既膨胀又腐蚀，对海二值图只进行膨胀，然后利用这两幅图得到云的位置标记图；第四步：对原图像进行同质化处理：根据第三步得到的云的位置标记图，对非云像素进行灰度补偿，从而使非匀质云变为匀质云；第五步：特征提取及归一化：对第四步同质化处理后的图像提取灰度、纹理和边缘这些针对匀质厚云提取的特征，然后对特征进行归一化；第六步：利用支持向量机进行判决，至此整个过程结束。

【技术实现步骤摘要】

本专利技术涉及一种光学遥感图像非匀质云层判别方法，尤其涉及一种，属于模式识别

技术介绍
本专利技术的处理对象是非匀质云，它的产生由于阳光入射角度、不同高低云的相互遮挡或者云的不同区域薄厚不同等因素，造成本来高亮且均匀的云层中出现一些散布的低亮像素。于是，这种类型的云层被认为是非匀质云，同时匀质云则是指那些高亮而又均匀的厚云。目前的云判别的方法主要是针对匀质的高亮厚云，通过提取这类云特征，然后利用分类器进行判决。常见的匀质的高亮厚云的特征提取可以分为以下三个方面:灰度、纹理和边缘:1)灰度方面的特征通常是基于灰度直方图的，包括灰度均值、直方图方差、云的覆盖率；2)纹理方面的特征最常用的是基于灰度共生矩阵的方法，因为其运算简单而且检测效果较好。这种方法首先要统计灰度共生矩阵，然后计算灰度共生矩阵派生特征，包括能量、平稳度、对比度、熵等；3)边缘方面的特征主要是通过对原图进行模板滤波得到的，常见的有Prewitt算子、Roberts算子和Sobel算子。对于分类器，主要种类有邻近分类器、模糊逻辑分类器、判决树分类器、神经网络分类器以及支持向量机分类器等，而本专利技术中所选的是应本文档来自技高网...

【技术保护点】
一种基于同质化处理的光学遥感图像非匀质云层判别方法，其特征在于，包括下列步骤：第一步：计算云的自适应门限：读入待判别图像，然后利用边缘改进的最大间类差法OTSU进行全局阈值处理，从而得到云的自适应门限；第二步：提取两幅典型二值图：利用第一步得到的云的自适应门限对待判别图像进行二值化，得到云二值图；利用设定的海的固定亮度门限和Sobel边缘门限，对待判别图像进行二值化，得到海二值图，将云二值图和海二值图进行融合，得到云海二值图；第三步：获得云的位置标记图：对第二步得到的云海二值图既膨胀又腐蚀，对海二值图只进行膨胀，然后利用处理后的两幅图得到云的位置标记图；第四步：对待判别图像进行同质化处理：根据...

【技术特征摘要】
1.一种基于同质化处理的光学遥感图像非匀质云层判别方法，其特征在于，包括下列步骤: 第一步:计算云的自适应门限:读入待判别图像，然后利用边缘改进的最大间类差法OTSU进行全局阈值处理，从而得到云的自适应门限； 第二步:提取两幅典型二值图:利用第一步得到的云的自适应门限对待判别图像进行二值化，得到云二值图；利用设定的海的固定亮度门限和Sobel边缘门限，对待判别图像进行二值化，得到海二值图，将云二值图和海二值图进行融合，得到云海二值图； 第三步:获得云的位置标记图:对第二步得到的云海二值图既膨胀又腐蚀，对海二值图只进行膨胀，然后利用处理后的两幅图得到云的位置标记图； 第四步:对待判别图像进行同质化处理:根据第三步得到的云的位置标记图，对待判别图像中的非云像素进行灰度补偿，从而使非匀质云变为匀质云； 第五步:特征提取及归一化:对第四步同质化处理后的图像提取灰度、纹理和边缘这些针对匀质厚云提取的特征，然后对特征进行归一化； 第六步:利用支持向量机进行判决:利用预先训练得到的模型，配合支持向量机的判决函数对第五步的归一化特征进行多分类，得到同质化处理后的判决结果，至此整个过程结束。2.按权利要求1所述的基于同质化处理的光学遥感图像非匀质云层判别方法，其特征在于，第二步中对待判别图像提取两幅典型二值图采用下述方法: 步骤21)提取海二值图:首先利用Sobel的模板对待判别图像进行滤波，得到待判别图像对应的边缘信息图，然后选定灰度门限和Sobel边缘门限，当待判别图像中像素位置的灰度值和边缘值都小于对应门限，则这个像素被认为是海，...

【专利技术属性】
技术研发人员：陈亮，龙腾，庞枫骞，毕福昆，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：