[发明专利]一种面向对象的时序遥感影像云覆盖区域自动检测方法

说明书

技术领域

本发明涉及遥感影像云覆盖区域自动精准检测领域，具体是一种面向对象的时序遥感影像云覆盖区域自动检测方法。

背景技术

随着多时相遥感数据的不断积累以及空间数据库的相继建立，如何从这些遥感数据中提取和检测特定地物的信息已成为遥感科学和地理信息科学的重要研究课题。根据同一区域不同时相的遥感影像，可以提取城市、环境等动态变化的信息，为资源管理与规划、环境保护等部门提供科学决策的依据。但是，在地形复杂区域，如我国西南山区，开展多时相遥感影像的专题解译，由于山区特殊复杂的气候条件，采用光学遥感技术获取的遥感影像发现受云覆盖影响非常严重。因此，在遥感解译的实际应用和理论技术研究方面，开展时序遥感影像云覆盖区域自动检测基础理论与关键技术研究，正在成为解决国家安全和社会经济发展重大需求的研究焦点。

许章华等人在《农业机械学报》2013年第44卷第6期提出了一种基于面向对象与替换法的遥感影像云检测与去除技术。他们首先采用面向对象的方法，充分利用对象的色调、形状、纹理、层次及类间邻居对象、子对象、父对象的相关特征，实现多尺度影像分割，然后根据影像特点及其覆盖区状况，定义植被、水体、不透水面、厚云、薄云、云影和其他阴影等7个类别，实现云及阴影提取。最后利用像元替换法，即用其他影像的像元代替原影像相同位置像元的方法，实现了云影的去除。该方法主要是利用单一时相遥感影像包含的特征信息，开展云覆盖区域的自动检测，没有充分利用和发掘时序遥感影像中富含的时序信息。而在时序遥感影像中，有云的影像和无云影像存在明显的差异，因此，有必要充分利用时序遥感影像的时序信息以及不同时相间的差异，研究适合时序遥感影像云覆盖区域的自动、准确云检测方法。

针对上述难点和存在的问题，许多学者试图通过对传统算法的改进，或者引入诸多约束条件。尽管这些检测方法都具有一定的潜力，但是云覆盖区域的复杂化以及目标先验信息匮乏等，导致这些算法都存在着一定的局限性。为此，有必要研究新的多时相可见光遥感图像云覆盖区域检测方法来有效克服上述难点。

发明内容

针对现有技术中存在的问题，本发明提供一种基于面向对象的时序遥感影像云覆盖区域自动检测方法，能够有效对云覆盖区域进行模式划分，充分利用时序和光谱信息，可使得检测的结果更加可靠，也更加具有稳健性。

本发明解决其技术问题所采取的技术方案为：

一种基于面向对象的时序遥感影像云覆盖区域自动检测方法，包括下述步骤：

(1)数据准备：输入两个相同空间范围、不同时相的光学遥感影像，分别记为：X₁和X₂；

(2)影像配准：对输入的两时相遥感影像X₁和X₂进行影像配准，经几何校正后，得到影像配准后的遥感影像X₁^c和X₂^c；

(3)多尺度影像分割：采用图像分析软件eCognition开展多尺度分割，以步骤(2)中经过影像配准后得到的遥感影像X₁^c和X₂^c为实验输入数据，进行波段叠加后生成的影像X₁₊₂^c作为多尺度影像分割的输入数据，经分割后，获得影像图斑，对于云覆盖区域，因为其形状及颜色与相邻地物的差异，容易被分割至一个图斑，即形成一个对象；

(4)辐射差异消除：分别对步骤(2)影像配准后的遥感影像X₁^c和X₂^c，采用相邻波段依次相除的方法生成新的多波段影像，减少辐射条件差异而导致的伪变化信息；

原始多波段影像依次进行除运算，以生产一个新的多波段影像。对于一个n波段的原始影像，进行波段变换后，将产生一个波段数为n-1的影像。例如本发明所采用的实验数据为4个波段的QuickBird影像

Image_original＝{band₁,band₂,band₃,band₄}

变换后的影像为

Image_transform＝{band_1/2,band_2/3,band_3/4}