本发明专利技术公开了一种针对Landsat?TM和ETM图像的厚云及其阴影检测方法，其实现步骤为：（1）将输入图像分成16个子图集，并对其进行维纳滤波去噪和归一化；（2）对各子图集中的厚云和阴影进行粗检测，并从粗检测结果中选取基准对；（3）根据各基准对求最终基准对质心连线倾角和间距；（4）根据最终基准对质心连线倾角和间距对各子图集中厚云和阴影配对，并对未配对阴影和厚云进行补充检测；（5）对云影配对结果和补充检测结果进行相加，得到各子图集的最终检测结果子图；（6）顺序拼接各子图集的最终检测结果子图，获得最终检测结果图。本发明专利技术不需要辅助信息和人工参与，检测精确度高，可用于遥感图像变化检测、分类以及图像分割的预处理。
【技术实现步骤摘要】
本专利技术属于光学遥感图像处理
，涉及对专题制图仪TM图像和增强专题制图仪ETM图像的厚云及其阴影检测，可用于遥感图像变化检测、分类以及图像分割等工作的预处理。
技术介绍
随着空间技术的不断发展，利用中高分辨率的遥感图像进行陆地资源调查、变化检测、植被以及水域的监测等已经越来越普及。由于天气情况复杂多样，卫星在获取遥感图 像时极少能遇到大范围区域内完全晴好无云的情况。云的存在使得人们无法从图像中获取云覆盖区之下的真实地表信息，这会对一些后续的分割、分类、变化检测等工作造成困难。为了消除由于云存在而造成的不利影响，提高遥感图像的可用性，人们提出了一些云检测和云去除的方法。云的形状、高度、厚度、成分及分布等情况各有不同，导致其对光学遥感图像产生的影响也具有较大差异。根据云是否完全遮挡地面信息，可将其分为薄云和厚云。薄云是指对太阳入射光和地表反射光只具有部分遮挡效果的云，在其覆盖区仍能反映出一定的地表信息，并且不产生明显的阴影。相对的，厚云是指对太阳入射光和地表反射光具有完全遮挡效果的云，在其覆盖区地表信息被完全屏蔽，并形成明显阴影，使阴影区的地面细节难以分辨。因此，对于薄云只需尽可能恢复或增强云覆盖区下的地面细节信息，即可达到消除其影响的目的，一般采用同态滤波法。而由于厚云遮蔽了在其覆盖下全部的地表信息，仅利用原始图像无法恢复，因而只能先检测出其位置、大小，再利用同一地区其他时期拍摄的无云图像进行像元替换，以达到消除厚云的目的。由于本专利技术只涉及厚云及其阴影的位置、大小的检测，因此对后续的像元替换不进行阐述。厚云的检测主要有灰度阈值法、空间纹理分析以及光谱分析三类方法。灰度阈值法是根据厚云灰度值比一般地物大这一特点用人工或自适应阈值将其检出，但冰雪也具有较大的灰度值，因此容易与云混淆而产生误检，同时检测效果很大程度受到图像本身和阈值选取的影响。空间纹理分析根据厚云与地物间的空间纹理差异进行区分，最常采用的纹理特征有分形维数和角二阶矩值。虽然空间纹理分析检测效果较灰度阈值法好，但该方法通常需要训练样本，不但耗时且样本的数量和质量直接影响结果准确性。对于多光谱和高光谱数据，由于其包含大量光谱信息，因此广泛采用光谱分析法。普遍认为，厚云在可见光和近红外波段相对于其他地物具有较高反射率，而在热红外波段具有较低的亮温值。具体做法通常是在多个波段图像上通过分别设定阈值进行判断再集体决策，进而将厚云检测出来。中分辨率成像光谱仪MODIS图像具有36个波段，光谱分辨率较高，针对该图像的光谱分析法已经有大量比较成熟且简单高效的衍生算法。空间分辨率中高的专题制图仪TM图像，其光谱分辨率不高，只有7个波段，而增强专题制图仪ETM图像也只有8个波段。现有光谱分析法检测这两种图像中厚云的效果还不够理想，易受到与厚云具有类似光谱反射特性的冰雪干扰，因此常结合其他方法对检测结果进行改善。另外，由于专题制图仪或增强专题制图仪图像的第六波段比其他波段图像的空间分辨率低，光谱分析法使用起来非常不便。图像中有厚云存在时往往还伴有阴影，它会导致地表信息几乎无法分辨，因此在检测厚云的同时常常还将其阴影一同检测出来。2010年李炳燮、马张宝、齐清文等在文献“Landsat TM遥感影像中厚云和阴影去除”(遥感学报，2010，Vol. 14, No. 3, Pages:534-545)中通过对比分析同一地区不同时期图像中有云地域与无云地域间的光谱特征，提出了云地域和云阴影地域增强模型来检测厚云及阴影。该方法需要经过人工灰度匹配的一幅年份相近、相同季节的图像作为辅助，对辅助图像要求较高，并且需要人工参与。1996年 Zhenlei Cai 和 Anthony T. S.在文献 “Cloud detection and removal in satelliteimages for tropical regions，，(1996 3rd International Conference on SignalProcessing Proceedings, 1996，Vol. 2，Pages: 1174-1177)中先对图像做非监督聚类，人工选择最佳聚类结果并从中找出云和阴影类，再通过云和阴影的位置关系进行云影配对以去除误检。该方法对聚类结果要求较高且需要人工参与，而且云和阴影的配对准则不完备导致配对稳定性不高，因而检测准确性受到影响。2010年Jianzhong Feng、Linyan Bai、Huajun Tang 等在文献“A new context-based procedure for the detectionand removal of cloud shadow from moderate-and—high resolution satellite dataover land，， (Proceedings 2010 IEEE International Geoscience and Remote SensingSymposium2010, Pages: 1718-1721)中针对FY-3-A图像和HJ-l-A图像特点，通过计算其中某个特定可见光波段与近红外波段图像的比值，采用阈值分割将厚云和阴影粗略检测出来，然后利用太阳、卫星和厚云的空间关系在灰度直方图上反映的特征进行进一步确认。该方法在考虑光谱信息的同时还结合了成像时的空间关系以及像素邻域信息，但算法存在缩放效应，并且只适用于FY-3-A或HJ-I-A图像，不能直接用于专题制图仪TM图像或增强专题制图仪ETM图像的厚云及阴影检测。
技术实现思路
本专利技术的目的在于针对上述已有技术的不足，提出一种，以消除对辅助信息的需求，提高自动化程度和检测准确度。本专利技术是这样实现的实现本专利技术目的的技术思路是根据专题制图仪图像或增强专题制图仪图像在除第六波段外的第一至第七波段厚云和冰雪的灰度值大，而阴影的灰度值小的特点，分别检测出厚云、冰雪和阴影；利用厚云及冰雪的饱和度极低这一性质检测出厚云和冰雪；根据厚云和阴影在各波段间的灰度值变化量小的特点检出云和阴影，从而排除冰雪。利用厚云及阴影的伴随关系对厚云和阴影进行配对，以除去误检，并通过对未配对成功的厚云和阴影进行补充检测，消除漏检。具体步骤包括如下(I)输入一幅包含除第六波段外的第一至第七波段专题制图仪TM图像或增强专题制图仪ETM图像，以输入图像长的1/4和宽的1/4分别作为要获得子图像的长和宽，将输入图像分为互不重叠的16组子图像，用每一组子图像包含的6个波段图像Yi/构成一个子图集Iij，其中i、j分别为行和列方向分成子图的序号，i = {I, 2，3，4}，j = {I, 2，3，4}，b为波段序号，b = {1,2, 3,4, 5,6}；(2)将各子图集中的各波段子图像Yi/分别进行维纳滤波去噪，并归一化处理，得到归一化后子图像f/和归一化后子图集%、(3)将归一化后子图集所有波段图像I/的相同空间位置处的像素灰度值相加并求平均值，得到一幅灰度平均图像Eij，用云阈值T1对Eij做二值化分割，即把Eij中灰度值大于T1的像素灰度值置为I，其余像素灰度值置为0，得到t/的云初检二值图CLlij ;再对Eij用阴影阈值T2进行分割，把Eij中灰度值本文档来自技高网...
【技术保护点】
一种针对Landsat？TM或ETM图像的厚云及其阴影检测方法，包括步骤如下：（1）输入一幅包含除第六波段外的第一至第七波段专题制图仪TM图像或增强专题制图仪ETM图像，以输入图像长的1/4和宽的1/4分别作为要获得子图像的长和宽，将输入图像分为互不重叠的16组子图像，用每一组子图像包含的6个波段图像Yijb构成一个子图集Iij，其中i、j分别为行和列方向分成子图的序号，i＝{1,2,3,4}，j＝{1,2,3,4}，b为波段序号，b＝{1,2,3,4,5,6}；（2）将各子图集中的各波段子图像Yijb分别进行维纳滤波去噪，并归一化处理，得到归一化后子图像和归一化后子图集（3）将归一化后子图集所有波段图像的相同空间位置处的像素灰度值相加并求平均值，得到一幅灰度平均图像Eij，用云阈值T1对Eij做二值化分割，即把Eij中灰度值大于T1的像素灰度值置为1，其余像素灰度值置为0，得到的云初检二值图CL1ij；再对Eij用阴影阈值T2进行分割，把Eij中灰度值小于T2的像素灰度值置为0.5，其余像素灰度值置为0，得到的阴影初检二值图SHij，其中T1=0.8，T2=0.1；（4）对归一化后子图集所有波段图像的相同空间位置处的像素灰度值求方差，得到一幅方差图像Vij，用云影阈值T3对Vij进行二值化分割，把Vij中灰度值小于T3的像素灰度值置为1，其余像素灰度值置为0，得到的云影二值图CS“ij，其中T3=0.002；（5）将归一化后子图集中的和分别作为蓝、绿和红三个颜色分量，得到一幅红绿蓝RGB彩色合成图像，然后将该图像从红？绿？蓝RGB色彩空间转换到色相？饱和度？明度HSV色彩空间，进而得到一幅饱和度图像Sij；再用饱和度阈值T4对Sij进行二值化分割，把Sij中灰度值小于T4的像素灰度值置为1，其余像素灰度值置为0，得到的饱和度云检测图CL2ij，其中T4=0.02；（6）将归一化后子图集的云初检二值图CL1ij、云影二值图CS“ij以及饱和度云检测图CL2ij这三者相同空间位置处的像素灰度值相乘，得到云种子图，并将该图像中的云种子像素点在饱和度图像Sij中进行区域生长，得到的云粗检结果图Cdij，其中区域生长使用邻域判断阈值T，T=0.03；（7）将归一化后子图集的阴影初检二值图SHij和云影二值图CS“ij相同空间位 置处的像素灰度值相乘，得到阴影种子图，并将该图像中的阴影种子像素点在灰度平均图Eij中进行区域生长，得到的阴影粗检结果图Sdij，其中区域生长使用邻域判断阈值T，T=0.03；（8）在8邻域条件下，用半径为两个像素的圆盘形结构元素分别对归一化后子图集的云粗检结果图Cdij和阴影粗检结果图Sdij做一次数学形态学闭运算，后将该两幅图中封闭区块面积小于8个像素的区块从图像中剔除，并对Cdij和Sdij的对应像素灰度值相加，得到的云影粗检测图CSij；（9）分别从每个归一化后子图集的云影粗检测图CSij中选取该的基准对，共得到Ж个基准对：（9a）将归一化后子图集的云影粗检测图CSij中包含的所有M个云块与所有N个阴影块一一组成云影对，共M×N个；如果M=0或N=0，则该归一化后子图集无基准对，否则统计每个云影对中云块的面积SC和周长LC，阴影块的面积SS和周长LS、云影对质心连线长度d以及倾角θ；（9b）判断每一个云影对是否满足1）式：100≤SC≤900100≤SS≤900|SC-SS|≤α2(SC+SS)|LC-LS|≤β2(LC+LS)d≤γ0.5(SC+SS);---1)若满足1）式，则将该云影对作为一个候选基准对，并在所有云影对判断完毕后进行步骤（9e），若没有一个云影对满足1）式，则进行步骤（9c），其中1）式中α为面积约束系数，β为周长约束系数，γ为间距约束系数，α＝0.3，β＝0.25，γ＝3；（9c）将1）式中面积约束系数α、周长约束系数β和间距约束系数γ同时各增大百分之一，再重新判断是否有云影对满足1）式，如有云影对满足1）式则将其作为一个候选基准对，并在所有云影对判断完毕后进行步骤（9e）；否则进行步骤（9d）；（9d）如果α<1、β＜1且γ<5，则转到步骤（9c）；否则，则该归一化后子图集无基准对；（9e）在所有得到的候选基准对中选择云影对质心连线长度d最小、阴影面积SS 最大的候选基准对作为归一化后子图集的基准对；（9f）分别对16个归一化后子图集重复步骤（9a）至（9e），得到Ж个基准对，其中Ж≤16；（1...
【技术特征摘要】
【专利技术属性】
技术研发人员：王桂婷，孙一博，焦李成，公茂果，钟桦，王爽，张小华，侯彪，田小林，
申请(专利权)人：西安电子科技大学，
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。