基于自適應(yīng)形狀暗通道的遙感圖像云檢測方法
【專利摘要】本發(fā)明提出了一種基于自適應(yīng)形狀暗通道的遙感圖像云檢測方法，用于解決現(xiàn)有遙感圖像云檢測方法中存在的運算量大、復(fù)雜度高和檢測結(jié)果不準(zhǔn)確的技術(shù)問題。包括如下步驟：將待檢測的RGB遙感云圖分割為多個不規(guī)則的超像素塊，對分割結(jié)果進行標(biāo)記；結(jié)合標(biāo)記對待檢測的RGB遙感云圖進行自適應(yīng)形狀暗通道處理，得到灰度圖；對灰度圖進行二值化處理和形態(tài)學(xué)處理；對形態(tài)學(xué)處理后的二值圖進行導(dǎo)向濾波處理，得到濾波后的灰度圖；對濾波后的灰度圖進行二次二值化處理和二次形態(tài)學(xué)處理，得到最終云檢測結(jié)果。本發(fā)明具有過程簡單、云檢測效果顯著的特點，用于遙感圖像的預(yù)處理過程，可以實現(xiàn)對遙感圖像的剔除、分類和后續(xù)的目標(biāo)識別。
【專利說明】
基于自適應(yīng)形狀暗通道的遙感圖像云檢測方法
技術(shù)領(lǐng)域
[0001]本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，涉及一種星上遙感圖像的云檢測方法，具體涉及一種基于自適應(yīng)形狀暗通道的遙感圖像云檢測方法，用于遙感圖像的預(yù)處理過程，可以實現(xiàn)對遙感圖像的剔除、分類和后續(xù)的目標(biāo)識別。
【背景技術(shù)】
[0002]隨著科技的高速發(fā)展，衛(wèi)星遙感技術(shù)進入了一個能快速及時地獲取對地觀測信息的新階段。根據(jù)國際衛(wèi)星云氣候計劃I SCCP (Internat i ona I Satellite CloudClimatology Pro ject)提供的全球云量數(shù)據(jù)顯示，云覆蓋了50%以上的地球表面。因此遙感衛(wèi)星獲取衛(wèi)星圖像，尤其是獲取大范圍的遙感影像時，多數(shù)情況下都會有云的存在，真正的無云晴空地面目標(biāo)物體影像很難獲取。遙感圖像中，云的存在會遮蔽或者覆蓋云層區(qū)域下面的真實的地面目標(biāo)物體的信息，影響遙感圖像的質(zhì)量，從而降低圖像的數(shù)據(jù)利用率，使得影像識別、分類難以保證精度，有時甚至無法進行。為了能夠有效的從遙感圖像數(shù)據(jù)中提取地面目標(biāo)物體的信息，提高遙感衛(wèi)星圖像數(shù)據(jù)的可用性和利用率，必須對遙感圖像中存在的云進行檢測，采取必要的措施，以消除或降低云的干擾和影響。
[0003]傳統(tǒng)遙感圖像云檢測方法較多，主要分為閾值法和模式分類法。閾值法是其中相對較成熟且易于實現(xiàn)的方法，主要思想是對需要進行檢測的像素點利用不同通道組合的量溫、量溫差、反射率與所設(shè)置的閾值進行比對，判斷出像素點是云像素點還是非云像素點。但此類方法強烈依賴于傳感器，光學(xué)系統(tǒng)等參數(shù)，閾值大小會隨季節(jié)與地理位置發(fā)生變化，難以實現(xiàn)星上較高精度的配準(zhǔn)。模式分類法是基于圖像特征的云檢測方法，選擇并提取云的特征，設(shè)計檢測器對圖像進行云檢測。該方法相比閾值法取得了一定的優(yōu)勢，但此類方法經(jīng)常需要訓(xùn)練樣本，不但耗時且樣本的數(shù)量和質(zhì)量直接影響云檢測結(jié)果的準(zhǔn)確性，存在運算量大、復(fù)雜度高等問題。
[0004]近年來，隨著云檢測的要求越來越高，云檢測的方法呈現(xiàn)多樣化發(fā)展，出現(xiàn)了多算法綜合使用的優(yōu)化檢測方法，云檢測效果優(yōu)于單一閾值法和模式分類法。例如，中國專利申請，授權(quán)公告號CN101799921B，名稱為“一種光學(xué)遙感圖像云檢測方法”的發(fā)明專利中，公開了一種將三個判別特征參數(shù)以合理的次序結(jié)合起來進行遙感圖像云檢測的方法。該方法將遙感圖像劃分為基本處理單元，根據(jù)灰度閾值、紋理特征分形維數(shù)和紋理特征角二階矩三種判別參數(shù)將基本處理單元檢測為云層和地面目標(biāo)物體兩類。但是該方法存在的不足是，通過圖像紋理特征分形維數(shù)和紋理特征角二階矩進行檢測時，需要訓(xùn)練樣本得到參數(shù)進行對比判斷，此過程運算量大，復(fù)雜度高。同時灰度閾值的選取常為經(jīng)驗值或者統(tǒng)計值，存在不確定性。

【發(fā)明內(nèi)容】

[0005]本發(fā)明的目的在于克服上述已有技術(shù)的缺陷，提出了一種基于自適應(yīng)形狀暗通道的遙感圖像云檢測方法，用于解決現(xiàn)有遙感圖像云檢測方法中存在的運算量大、復(fù)雜度高和檢測結(jié)果不準(zhǔn)確的技術(shù)問題。
[0006]本發(fā)明的技術(shù)思路是:
[0007]自適應(yīng)形狀暗通道處理根據(jù)圖像中像素點的空間、亮度、紋理、輪廓特征進行云檢測，區(qū)分出云像素點和非云像素點。傳統(tǒng)暗通道處理結(jié)束后，圖像中云像素點和非云像素點的亮度對比度得到增強，其中云像素點的亮度值會保持不變，呈現(xiàn)出高亮，而非云像素點的亮度值明顯下降，甚至亮度值為O，呈現(xiàn)出黑暗。自適應(yīng)形狀暗通道處理在傳統(tǒng)暗通道處理基礎(chǔ)上結(jié)合分割算法，改善了對云區(qū)邊緣的檢測。在得到的待檢測RGB遙感云圖的灰度圖中通過求取動態(tài)閾值進行二值化后，可以初步獲得云檢測的輪廓圖。
[0008]根據(jù)以上技術(shù)思路，實現(xiàn)本發(fā)明目的采取的技術(shù)方案，包括如下步驟:
[0009]步驟I，將待檢測的RGB遙感云圖分割為多個不規(guī)則的超像素塊，并對該RGB遙感云圖中的每個像素點屬于哪個超像素塊進行標(biāo)記，得到待檢測RGB遙感云圖的像素點標(biāo)記數(shù)組I ab e I s [ i ] = η，其中，i表示該待檢測的RGB遙感云圖中的第i個像素點，η表示此像素點屬于第η個超像素塊；
[00?0]步驟2，結(jié)合得到的待檢測RGB遙感云圖的像素點標(biāo)記數(shù)組labels [ i ] = n，對待檢測的RGB遙感云圖進行自適應(yīng)形狀暗通道處理，得到待檢測RGB遙感云圖的灰度圖，具體實現(xiàn)步驟如下:
[0011]步驟2a，將待檢測的RGB遙感云圖分解為R、G、B三個顏色通道的圖像；
[0012]步驟2b，遍歷待檢測的RGB遙感云圖，比較每個像素點的R、G、B三個顏色通道值，選取每個像素點最小的通道值，得到單通道圖像；
[0013]步驟2c，對得到的單通道圖像進行最小值濾波，在每次濾波中，結(jié)合待檢測RGB遙感云圖的像素點標(biāo)記數(shù)組labels[i]=n，對濾波窗口內(nèi)的濾波鄰域像素點標(biāo)記值和濾波中心像素點的標(biāo)記值進行判斷，如果標(biāo)記值相同，則進行鄰域內(nèi)的像素點與濾波中心像素點的大小比較，從比較結(jié)果中選取像素點的最小值代替濾波中心像素點的值；
[0014]步驟3，求取待檢測RGB遙感云圖的灰度圖的動態(tài)閾值，并利用求得的動態(tài)閾值對該待檢測RGB遙感云圖的灰度圖進行二值化處理，得到含有云區(qū)域輪廓的二值圖；
[0015]步驟4，對得到的含有云區(qū)域輪廓的二值圖進行形態(tài)學(xué)處理，包括濾波去噪、去除小面積區(qū)域和填洞，得到形態(tài)學(xué)處理后的含有云區(qū)域輪廓的二值圖；
[0016]步驟5，對得到的形態(tài)學(xué)處理后的含有云區(qū)域輪廓的二值圖進行導(dǎo)向濾波處理，得到云區(qū)域輪廓改善的灰度圖；
[0017]步驟6，求取得到的云區(qū)域輪廓改善的灰度圖的動態(tài)閾值，并利用求得的動態(tài)閾值對對該灰度圖進行二值化處理，得到云區(qū)域輪廓改善的二值圖；
[0018]步驟7，對得到的云區(qū)域輪廓改善的二值圖進行二次形態(tài)學(xué)處理，包括濾波去噪、去除小面積區(qū)域和填洞，最終得到RGB遙感云圖的云檢測結(jié)果。
[0019]本發(fā)明與現(xiàn)有技術(shù)相比較，具有如下優(yōu)點:
[0020]第一，本發(fā)明由于在獲取云檢測輪廓圖中利用暗通道處理，可以簡單高效的對待檢測RGB遙感云圖進行檢測，與現(xiàn)有技術(shù)采用的需要獲取大量樣本并進行樣本訓(xùn)練得到云特征參數(shù)進行云檢測相比，減少了對樣本的需求量，避免了訓(xùn)練過程的運算量，提高了云檢測的適用性。
[0021]第二，本發(fā)明由于在獲取云檢測初步輪廓圖中利用自適應(yīng)暗通道處理，可以更加準(zhǔn)確的對待檢測RGB遙感云圖進行檢測。與現(xiàn)有技術(shù)采用的通過閾值來進行云區(qū)的檢測相比，減少了圖像中云區(qū)的誤判，降低了后續(xù)云檢測的難度，提高了云檢測的準(zhǔn)確性。
【附圖說明】
[0022]圖1是本發(fā)明的流程框圖；
[0023]圖2是本發(fā)明進行超像素分割的結(jié)果示意圖；
[0024]圖3是本發(fā)明進行自適應(yīng)暗通道處理的結(jié)果示意圖；
[0025]圖4是本發(fā)明進行導(dǎo)向濾波的結(jié)果示意圖。
【具體實施方式】
[0026]以下結(jié)合附圖和具體實施例，對本發(fā)明作進一步詳細的描述。
[0027]參照圖1，是本發(fā)明的流程框圖。
[0028]步驟I，利用超像素分割算法將待檢測的RGB遙感云圖分割為多個不規(guī)則的超像素塊，并對分割后該RGB遙感云圖中的每個像素點屬于哪個超像素塊進行標(biāo)記，得到待檢測RGB遙感云圖的像素點標(biāo)記數(shù)組Iabe ls[i]=n，其中，i表示該待檢測的RGB遙感云圖中的第i個像素點，n表示此像素點屬于第η個超像素塊；
[0029]待檢測的RGB遙感云圖為需要進行云檢測的遙感圖像，必須含有R、G、B三個顏色通道，R代表紅色通道，G代表綠色通道，B代表藍色通道。待檢測RGB遙感云圖中的每個像素點的像素值都由其R、G、B三個顏色通道的值組合得到。
[0030]由于所述的待檢測的RGB遙感云圖中所含有的云塊大小、位置、形狀不同，為了更好地對云進行檢測，將待檢測的RGB遙感云圖分割為多個不規(guī)則的超像素塊。超像素分割算法是現(xiàn)有技術(shù)中常用的一種像素分割算法，其根據(jù)紋理的相似性、亮度的相似性以及輪廓的連續(xù)性把一副圖像劃分為多個不規(guī)則的超像素塊。SLIC(simple linear iterativeclustering)即簡單的線性迭代聚類，是超像素分割眾多算法中一種思想簡單、實現(xiàn)方便、但效果出眾的算法，因此本實施例選取超像素分割SLIC算法，分割結(jié)果如圖2所示。
[0031]SLIC將RGB彩色圖像轉(zhuǎn)化為CIELAB顏色空間和XY坐標(biāo)下的五維特征向量，然后對五維特征向量構(gòu)造距離度量標(biāo)準(zhǔn)，對圖像像素進行局部聚類的過程。CIELAB色彩模型是由亮度(L)和有關(guān)色彩的A、B三個要素組成。L表示亮度，L的值域從O(黑色)到100 (白色)。八表示從洋紅色至綠色的范圍(A負值表示綠色而正值表示品紅)，B表示從黃色至藍色的范圍(B為負值表示藍色而正值表示黃色KLAB顏色被設(shè)計來接近人類生理視覺，它不僅包含了 RGB顏色空間的所有色域，還能表示RGB不能表現(xiàn)的色彩，整體色域?qū)掗?。將圖像轉(zhuǎn)換為CIELAB顏色空間和XY坐標(biāo)下的五維特征向量后，對五維特征向量構(gòu)造歐式距離度量標(biāo)準(zhǔn)，進行局部聚類，聚類過程中在每個超像素塊內(nèi)選取一個種子點，通過多次迭代計算，種子點附近與種子點歐式距離最短的像素點，即認為此像素點與種子點屬于同一超像素塊
[0032]超像素塊的分割個數(shù)由分辨率決定，一般定為超像素分割算法結(jié)束后每個超像素塊內(nèi)的像素總數(shù)為50至100為佳。
[0033]步驟2，結(jié)合超像素分割算法得到的待檢測RGB遙感云圖的像素點標(biāo)記數(shù)組labels
[i]=n，對待檢測的RGB遙感云圖進行自適應(yīng)形狀暗通道處理，得到待檢測RGB遙感云圖的灰度圖；
[0034]在絕大多數(shù)非天空的局部區(qū)域里，某一些像素總會有至少一個顏色通道具有很低的值。即該區(qū)域光強度的最小值是個很小的數(shù)，這是傳統(tǒng)暗通道理論。
[0035]實際生活中造成圖像存在暗通道主要有三個因素:(I)建筑物和城市中玻璃窗戶的陰影，或者是樹葉等自然景觀的投影；(2)色彩鮮艷的物體或表面，在RGB的三個顏色通道中有些通道的值很低(比如綠色的草地、樹、植物，紅色或黃色的花朵、葉子，或者藍色的水面)；(3)顏色較暗的物體或者表面，例如灰暗色的樹葉和石頭?？傊?，自然景物經(jīng)暗通道處理后總是很灰暗。而圖像中云像素點由于R、G、B三個通道的像素值都比較高，經(jīng)過暗通道處理之后像素值仍然很高，呈現(xiàn)高亮。因此云像素點和非云像素點的亮度對比度得到增強，通過求取動態(tài)閾值進行二值化處理，可以將云區(qū)和非云區(qū)區(qū)分開。
[0036]具體實施步驟如下:
[0037]步驟2a，利用現(xiàn)有圖像處理中常用的分解圖像方法將待檢測的RGB遙感云圖分解為R、G、B三個顏色通道的圖像；
[0038]步驟2b，遍歷待檢測的RGB遙感云圖，比較每個像素點的R、G、B三個顏色通道值，選取每個像素點最小的通道值，得到單通道圖像；
[0039]步驟2c，對得到的單通道圖像遍歷進行最小值濾波，使最小值濾波效果最優(yōu)，后續(xù)云檢測效果最準(zhǔn)確，本實施例中最小值濾波的濾波窗口大小設(shè)置為15X15，在每次濾波過程中，結(jié)合待檢測RGB遙感云圖的像素點標(biāo)記數(shù)組labels[ i] =n，依次將濾波窗口內(nèi)的濾波鄰域像素點與濾波中心像素點進行標(biāo)記值判斷，如果標(biāo)記值相同，表明濾波鄰域像素點與濾波中心像素點屬于同一超像素塊，則進行此鄰域內(nèi)像素點與濾波中心像素點的大小比較，從比較結(jié)果中選取濾波窗口內(nèi)所有像素點的最小值代替濾波中心像素點的值；
[0040]步驟3，求取待檢測RGB遙感云圖的灰度圖的動態(tài)閾值，使求取的動態(tài)閾值更準(zhǔn)確，后續(xù)云檢測效果更顯著，本實施例中利用現(xiàn)有技術(shù)中常用的閾值計算算法大津法求取待檢測RGB遙感云圖的灰度圖的動態(tài)閾值Tl，并利用求得的動態(tài)閾值TI對該待檢測RGB遙感云圖的灰度圖進行二值化處理，得到含有云區(qū)域輪廓的二值圖；
[0041]具體地，利用得到的閾值Tl對待檢測RGB遙感云圖的灰度圖進行二值化處理為:將灰度圖中的像素點遍歷進行比較，若像素點的像素值大于Tl，則判斷該像素點可能是云區(qū)，若像素點的像素值小于Tl，則判斷該像素點是非云區(qū)，最終初步獲得含有云區(qū)域輪廓的二值圖。
[0042]步驟4，對得到的含有云區(qū)域輪廓的二值圖進行常用形態(tài)學(xué)處理，包括濾波去噪、去除小面積區(qū)域和填洞，得到形態(tài)學(xué)處理后的含有云區(qū)域輪廓的二值圖；
[0043]獲得的圖像都有噪聲的存在，噪聲對最后的云檢測結(jié)果有很大的影響，因此必須對圖像進行去噪處理。使濾波去噪效果更顯著，本實施例中選取中值濾波來去除孤點噪聲，中值濾波的窗口大小設(shè)置為3X3，去噪的同時保持了圖像的邊緣特性，也不會使圖像產(chǎn)生顯著的模糊。
[0044]去除小面積區(qū)域是去除圖片中面積小于給定閾值的區(qū)域的操作，保證了云的特性:總是聚集一團而不是星星點點。本實施例中閾值根據(jù)經(jīng)驗值設(shè)置為1000。
[0045]填洞處理將二值圖中的背景空洞補充為背景，使得最終云檢測結(jié)果的完成性。
[0046]步驟5，對得到的形態(tài)學(xué)處理后的含有云區(qū)域輪廓的二值圖進行導(dǎo)向濾波處理，得到云區(qū)域輪廓改善的灰度圖；
[0047]云的邊緣處多為薄云區(qū)域，通過導(dǎo)向濾波處理可以補充對薄云的檢測。導(dǎo)向濾波具有四個參數(shù):導(dǎo)向圖像1、濾波輸入圖像P、濾波窗口大小r以及濾波調(diào)整參數(shù)e;本實施例中導(dǎo)向圖像i選取輸入的待檢測RGB遙感云圖的灰度圖，濾波輸入圖像P選取上述步驟4得到的經(jīng)過形態(tài)學(xué)處理后含有云區(qū)域輪廓的二值圖，濾波窗口大小r由經(jīng)驗值設(shè)置，濾波調(diào)整參數(shù)e也由經(jīng)驗值設(shè)置。
[0048]步驟6，本實施例中通過大津法求取得到的云區(qū)域輪廓改善的灰度圖的動態(tài)閾值T2，并利用求得的動態(tài)閾值對該灰度圖進行二值化處理，得到云區(qū)域輪廓改善的二值圖；
[0049]導(dǎo)向濾波處理后，在得到的云區(qū)域輪廓改善后的灰度圖中增加了云邊緣區(qū)域的檢測，云邊緣區(qū)域亮度增加，變?yōu)楦吡羺^(qū)域，通過大津法求取動態(tài)閾值T2進行二值化處理將云邊緣區(qū)域和非云區(qū)域進行區(qū)分。
[0050]根據(jù)求得的閾值T2對得到的灰度圖中的像素點大小遍歷進行比較，若像素點的像素值大于T2，則判斷該像素點可能是云區(qū)，若像素點的像素值小于T2，則判斷該像素點是非云區(qū)，最終初步獲得云區(qū)域輪廓改善的二值圖。
[0051]步驟7，對得到的云區(qū)域輪廓改善的二值圖進行二次形態(tài)學(xué)處理，包括濾波去噪、去除小面積區(qū)域和填洞，最終得到RGB遙感云圖的云檢測結(jié)果。
[0052]導(dǎo)向濾波和二值化處理會對獲得的云區(qū)域輪廓改善的二值圖增加噪聲，噪聲對最后的云檢測結(jié)果有很大的影響，同樣本實施例中選取中值濾波來去除孤點噪聲，中值濾波的窗口大小設(shè)置為3 X 3，保持圖像的邊緣特性，不會使圖像產(chǎn)生顯著的模糊。
[0053]再次進行去除小面積區(qū)域處理保證了云的特性:總是聚集一團而不是星星點點。本實施例中閾值根據(jù)經(jīng)驗值設(shè)置為1000。
[0054]填洞處理將二值圖中的背景空洞補充為背景，使得最終云檢測結(jié)果的完成性。
[0055]參照圖2，是本發(fā)明進行超像素分割的結(jié)果示意圖。
[0056]對待檢測的RGB遙感云圖利用超像素分割SLIC算法進行分割后，分割圖像中包含多個不規(guī)則的超像素塊。每個超像素塊內(nèi)的像素點具有紋理相似、亮度相似以及輪廓連續(xù)，每個超像素塊內(nèi)像素點的標(biāo)記值相同。
[0057]參照圖3，是本發(fā)明進行自適應(yīng)暗通道處理的結(jié)果示意圖。
[0058]對待檢測的RGB遙感云圖進行自適應(yīng)暗通道處理后，得到待檢測的RGB遙感云圖灰度圖?；叶葓D中呈現(xiàn)高亮的區(qū)域可能為云區(qū)，呈現(xiàn)黑暗的區(qū)域可能為非云區(qū)。
[0059]參照圖4，是本發(fā)明進行導(dǎo)向濾波的結(jié)果示意圖。
[0060]對形態(tài)學(xué)處理后的含有云區(qū)域輪廓的二值圖進行導(dǎo)向濾波處理后，得到云區(qū)域輪廓改善的灰度圖。圖像中高亮區(qū)域為云區(qū)，相比形態(tài)學(xué)處理后的含有云區(qū)域輪廓的二值圖，云區(qū)域輪廓改善的灰度圖中增加了對云區(qū)邊緣處的檢測，確保了云區(qū)檢測的準(zhǔn)確性。
【主權(quán)項】
1.一種基于自適應(yīng)形狀暗通道的遙感圖像云檢測方法，包括如下步驟: (1)將待檢測的RGB遙感云圖分割為多個不規(guī)則的超像素塊，并對該RGB遙感云圖中的每個像素點屬于哪個超像素塊進行標(biāo)記，得到待檢測RGB遙感云圖的像素點標(biāo)記數(shù)組labels[i]=n，其中，i表示該待檢測的RGB遙感云圖中的第i個像素點，η表示此像素點屬于第η個超像素塊； (2)結(jié)合得到的待檢測RGB遙感云圖的像素點標(biāo)記數(shù)組labels[i]=n，對待檢測的RGB遙感云圖進行自適應(yīng)形狀暗通道處理，得到待檢測RGB遙感云圖的灰度圖，具體實現(xiàn)步驟如下: (2a)將待檢測的RGB遙感云圖分解為R、G、B三個顏色通道的圖像； (2b)遍歷待檢測的RGB遙感云圖，比較每個像素點的R、G、B三個顏色通道值，選取每個像素點最小的通道值，得到單通道圖像； (2c)對得到的單通道圖像進行最小值濾波，在每次濾波中，結(jié)合待檢測RGB遙感云圖的像素點標(biāo)記數(shù)組labels[i]=n，對濾波窗口內(nèi)的濾波鄰域像素點標(biāo)記值和濾波中心像素點的標(biāo)記值進行判斷，如果標(biāo)記值相同，則進行鄰域內(nèi)的像素點與濾波中心像素點的大小比較，從比較結(jié)果中選取像素點的最小值代替濾波中心像素點的值； (3)求取待檢測RGB遙感云圖的灰度圖的動態(tài)閾值，并利用求得的動態(tài)閾值對該待檢測RGB遙感云圖的灰度圖進行二值化處理，得到含有云區(qū)域輪廓的二值圖； (4)對得到的含有云區(qū)域輪廓的二值圖進行形態(tài)學(xué)處理，包括濾波去噪、去除小面積區(qū)域和填洞，得到形態(tài)學(xué)處理后的含有云區(qū)域輪廓的二值圖； (5)對得到的形態(tài)學(xué)處理后的含有云區(qū)域輪廓的二值圖進行導(dǎo)向濾波處理，得到云區(qū)域輪廓改善的灰度圖； (6)求取得到的云區(qū)域輪廓改善的灰度圖的動態(tài)閾值，并利用求得的動態(tài)閾值對對該灰度圖進行二值化處理，得到云區(qū)域輪廓改善的二值圖； (7)對得到的云區(qū)域輪廓改善的二值圖進行二次形態(tài)學(xué)處理，包括濾波去噪、去除小面積區(qū)域和填洞，最終得到RGB遙感云圖的云檢測結(jié)果。2.根據(jù)權(quán)利要求1所述的基于自適應(yīng)形狀暗通道改進的遙感圖像云檢測方法，其特征在于，步驟(I)中所述的將待檢測的RGB遙感云圖分割為多個不規(guī)則的超像素塊，采用超像素分割SLIC算法。3.根據(jù)權(quán)利要求1所述的一種基于自適應(yīng)形狀暗通道改進的遙感圖像云檢測方法，其特征在于，步驟(3)中所述的求取待檢測RGB遙感云圖的灰度圖的動態(tài)閾值，采用大津法。4.根據(jù)權(quán)利要求1所述的一種基于自適應(yīng)形狀暗通道改進的遙感圖像云檢測方法，其特征在于，步驟(4)中所述的對得到的含有云區(qū)域輪廓的二值圖進行形態(tài)學(xué)處理中的濾波去噪，米用中值濾波。5.根據(jù)權(quán)利要求1所述的一種基于自適應(yīng)形狀暗通道改進的遙感圖像云檢測方法，其特征在于，步驟(6)中所述的求取得到的云區(qū)域輪廓改善的灰度圖的動態(tài)閾值，采用大津法。6.根據(jù)權(quán)利要求1所述的一種基于自適應(yīng)形狀暗通道改進的遙感圖像云檢測方法，其特征在于，步驟(7)中所述的對得到的云區(qū)域輪廓改善的二值圖進行二次形態(tài)學(xué)處理中的濾波去噪，采用中值濾波。
【文檔編號】G06T7/00GK105913421SQ201610214042
【公開日】2016年8月31日
【申請日】2016年4月7日
【發(fā)明人】張靜, 戴薇, 李云松, 趙威, 盧運華
【申請人】西安電子科技大學(xué)