一種全自動遙感影像云霧檢測方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種利用遙感影像進行云霧檢測的方法，特別是一種針對遙感云污染 影像能夠自動地成功抑制高亮地物噪聲和準確提取云霧信息的云檢測方法。
【背景技術(shù)】
[0002] 隨著衛(wèi)星遙感技術(shù)的發(fā)展，遙感技術(shù)越來越廣泛地應(yīng)用于天氣分析、軍事、農(nóng)業(yè)、 環(huán)境監(jiān)測、能源調(diào)查及全球研究和區(qū)域規(guī)劃等多個領(lǐng)域中。目前，由于遙感技術(shù)本身以及 人們認識上的局限性，遙感技術(shù)的應(yīng)用實用化有兩個問題有待解決：一是數(shù)據(jù)處理與實時 檢測同步性不能滿足實用要求；二是遙感圖像的處理不能滿足實用要求。如在定量遙感監(jiān) 測中，需要利用可見光與近紅外波段的光譜數(shù)據(jù)定量計算各類植被指數(shù)和葉面積指數(shù)等指 標，并研究其在空間與時間上的變化規(guī)律以及對全球環(huán)境變化的響應(yīng)。但這些指數(shù)不僅與 地表狀況有關(guān)，遙感衛(wèi)星過境時的大氣狀況不同也會導(dǎo)致同一地區(qū)的指數(shù)值出現(xiàn)偏差。因 而在遙感資料的處理過程中，云檢測是首要解決的問題之一，無論是在云圖分析、不同遙 感圖像融合還是光譜數(shù)據(jù)的定量反演等過程，都需要進行云檢測。云檢測就是通過對衛(wèi)星 觀測到的目標物的輻射值進行區(qū)分，然后判斷是晴空輻射還是云輻射，參見檢測的目的是 進行云區(qū)信息提取以及與其背景場分離。
[0003] 在過去許多年，大量的人力物力投入這一方面，涌現(xiàn)了較多的云檢測方法，一般說 來，這些方法可以分為兩類：1、二值化的云檢測方法；2、定量化的云檢測方法。
[0004] 二值化的云檢測方法只用來產(chǎn)生云掩膜，即云檢測的結(jié)果只包含有云和無云兩種 結(jié)果，并且得到了該方法的總體評估系統(tǒng)，參見Irish R.R. (2000) .Landsat 7 automatic cloud cover assessment[C]//AeroSense 2000.International Society for Optics and Photonics，348-355，和 Irish R. R.，Barker J. L.，Goward S. N.，et al. (2006) · Characterization of the Landsat-7ETM+automated cloud-cover assessment (ACCA) algorithm.Photogrammetric Engineering&Remote Sensing,72(10), 1179-1188〇 這類 方法后來被發(fā)展，參見 Zhu Z.，&Woodcock C.E. (2012) .Object-based cloud and cloud shadow detection in Landsat imagery. Remote Sensing of Environment，118,83_94〇 但是該類方法只能得到云覆蓋整體有云或無云的結(jié)果，而無法獲得云污染厚度的信息，進 而無法為薄云霧進行糾正，從而不能有效恢復(fù)地物信息。第二類方法，定量化的云檢測方 法，能夠提供云霧厚度信息，從而支持去除薄云污染信息而恢復(fù)云霧下的地物信息。其中最 為廣泛應(yīng)用且簡單實用的是HOT (Haze Optimized Transformation，云霧最優(yōu)變換），HOT 是一種經(jīng)典的云霧檢測方法，參見 Zhang Υ·，Guindon Β·，&Cihlar J. (2002). An image transform to characterize and compensate for spatial variations in thin cloud contamination of Landsat images. Remote Sensing of Environment，82(2)，173_187〇該 方法只利用遙感影像的藍光和紅光波段，并且成功應(yīng)用于植被類型，但是在冰雪，水體，和 高亮地物上失效D后來，HOT被Liu等人進一步改進，提出BSHTI (Background Suppressed Haze Thickness Index，背景壓縮云霧厚度指數(shù)）算法，參見Liu C.，Hu J.，Lin Y.，et al. (2011). Haze detection, perfection and removal for high spatial resolution satellite imagery. International Journal of Remote Sensing, 32 (23), 8685-8697.。但 是對于將高亮地物誤認為厚云的嚴峻問題依然沒有被解決。因此，我們迫切需要一種針對 遙感云污染影像能夠自動地成功抑制高亮地物噪聲和準確提取云霧信息的云檢測方法。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明提供了 一種全自動遙感影像云霧檢測方法，該方法可減少或避免前面所提 到的問題。
[0006] 為解決上述云霧檢測問題，本發(fā)明提供了一種利用遙感影像進行云檢測的方法， 其包括如下步驟：
[0007] A.遙感影像的HOT初步云檢測：該步驟借助一幅獲取時間具有差異的無云遙感圖 像建立"晴空線"，基于該晴空線將HOT應(yīng)用到有云圖像獲得初步的云檢測結(jié)果：
[0008] HOT = sin Θ · R1-Cos Θ · R3，
[0009] 其中，札和R3是藍光和紅光波段的表觀反射率，Θ表示晴空線的角度；
[0010] Β.遙感影像的THOT云檢測：借助一幅無云清晰圖像，計算有云圖像與無云圖像的 差值，獲得兩者之間的差值圖像，通過對差值圖像和步驟A得到的HOT圖像進行多元回歸：
[0011]
[0012] 其中c是一個常數(shù)，ε是多元回歸的殘差，η表示遙感影像的波段個數(shù)，Ic1表示差 值圖像在第i波段的回歸系數(shù)，R hl和R "表示有云圖像和無云圖像像素在第i波段的表觀 反射率；
[0013] 從而獲得新的一幅THOT云檢測結(jié)果：
[0014]
[0015] C.遙感影像的iHOT云檢測：對有云圖像和THOT圖像進行再一次的多元回歸：
[0016]
[0017] 其中R1表示有云圖像和無云圖像像素在第i波段的表觀反射率差，k i表示差值圖 像在第i波段的回歸系數(shù)，c'是一個常數(shù)，ε '表示該多元回歸的殘差，從而獲得一幅新的 云檢測iHOT結(jié)果：
[0018]
[0019] D.遙感影像的IHOT云檢測：對上述過程進行反復(fù)自適應(yīng)的迭代，直到THOT與 iHOT之間的相關(guān)性提高到趨于穩(wěn)定，從而選取最后迭代的結(jié)果iHOT結(jié)果作為最后云檢測 結(jié)果IHOT圖像。
[0020] 進一步講，步驟A中利用無云圖像在藍-紅光譜空間建立"晴空線"，將該晴空線應(yīng) 用到有云圖像，計算有云圖像像素的HOT值；在選取無云圖像的過程中，要求該無云圖像的 地物類型、面積與有云圖像盡可能一致。
[0021] 進一步講，步驟C中有云圖像是單景有云影像。
[0022] 進一步講，步驟D中反復(fù)迭代的過程中，直至兩次迭代的相關(guān)性差異小于等于 0. 001時，迭代終止。
[0023] 本發(fā)明基于HOT原始云檢測結(jié)果，利用不同時間獲取的無云圖像，結(jié)合迭代優(yōu)化 自適應(yīng)的過程，成功抑制各類地物噪聲信息，實現(xiàn)了可適用于大量遙感影像自動批量處理 的云霧污染程度的檢測。
【附圖說明】
[0024] 以下附圖僅旨在于對本發(fā)明做示意性說明和解釋，并不限定本發(fā)明的范圍。其中，
[0025] 圖1為根據(jù)本發(fā)明的一個具體實施例的一種利用遙感影像進行云檢測方法的流 程不意圖。
[0026] 圖2為根據(jù)本發(fā)明的一個具體實施例的一種利用遙感影像進行云檢測方法的流 程結(jié)果圖。
[0027] 圖3為利用該方法在耕地區(qū)域的云檢測結(jié)果，并且與傳統(tǒng)廣泛應(yīng)用的HOT、BSHTI 方法的結(jié)果進行對比。
[0028] 圖4為利用該方法在城市區(qū)域的云檢測結(jié)果，并且與傳統(tǒng)廣泛應(yīng)用的HOT、BSHTI 方法的結(jié)果進行對比。
[0029] 圖5為利用該方法在冰雪區(qū)域的云檢測結(jié)果，并且與傳統(tǒng)廣泛應(yīng)用的HOT、BSHTI 方法的結(jié)果進行對比。
[0030] 圖6為利用方法在沙漠區(qū)域的云檢測結(jié)果，并且與傳統(tǒng)廣泛應(yīng)用的HOT、BSHTI方 法的結(jié)果進行對比。
[0031] 圖7為該方法在利用一幅無云影像應(yīng)用到一年四季多幅影像的云檢測結(jié)果。
【具體實施方式】
[0032] 為了對本發(fā)明的技術(shù)特征、目的和效果有更加清楚的理解，現(xiàn)說明本發(fā)明的具體 實施方式。
[0033] 本發(fā)明提供一種全自動遙感影像云霧檢測方法，是以一幅不同時期獲取的無云圖 像作參照，經(jīng)過建立HOT初步云檢測結(jié)果、HOT與無云與有云圖像的差值圖像的多元回歸結(jié) 果、基于上述結(jié)果與有云圖像的再一次多元回歸結(jié)果，以及上述過程反復(fù)迭代的步驟，最終 獲得云霧檢測的結(jié)果。該方法有效克服了傳統(tǒng)H0T、BSHTI等云厚度檢測方法無法抑制高亮 地物噪聲的問題，尤其實現(xiàn)了將冰雪與云霧進行有效區(qū)分，為大量云污染遙感影像的云霧 厚度檢測提供了一種行之有效的方法。
[0034] 圖1為根據(jù)本發(fā)明的一個具體實施例的一種利用遙感影像進行地表覆蓋制圖的 方法的流程示意圖；參照圖1所示，下面詳細說明根據(jù)本發(fā)明提供的一種利用遙感影像進 行云檢測方法的原理。所述方法包括如下步驟：
[0035] A、遙感影像的HOT初步云檢測；
[0036] B、遙感影像的THOT云檢測；
[0037] C、遙感影像的iHOT云檢測；
[0038] D、遙感影像的IHOT云檢測。
[0039] 對于上述各檢測方法的定義：
[0040] HOT :Haze Optimized Transformation，云霧最優(yōu)變換，為已知方法
[0041] THOT :Temporal Η0Τ，多時相 HOT
[0042] iHOT : improved HOT，改進式 HOT
[0043] IHOT iterative HOT