[发明专利]一种光学卫星遥感影像云检测方法

说明书

本发明揭示了一种光学卫星遥感影像云检测方法，包括统计遥感影像灰度直方图并对其进行预处理；根据灰度直方图计算高斯混合模型分量和迭代最大类间方差阈值，进一步计算混合阈值；使用混合阈值对遥感影像进行分割，获得云初检图；获取云初检图中云区域的轮廓边界特征值和云阴影匹配特征值，进一步去除误检测的云区域，获得误检修正图；对云初检图进行漏检测薄云补偿，获得薄云补偿图；将误检修正图与薄云补偿图进行综合处理获得最终云检测图。本发明无需人工或其他辅助数据参与即可快速、准确地检测出云区域，并在检测过程中去除误检的云区域和对漏检的薄云区域进行补偿，提高云检测精度，适用于全色遥感影像和多光谱遥感影像。

技术领域

本发明涉及光学卫星遥感影像处理技术领域，尤其是涉及一种光学卫星遥感影像云检测方法。

背景技术

光学卫星遥感影像具有广泛的应用领域，如应用于导航定位、环境保护和资源利用等，为陆地、大气和海洋等综合观测提供了有效的数据保障。光学卫星传感器在成像过程中容易受到多种因素影响，尤其是云层的影响。全球约50％以上的地球表面都被云层覆盖，遥感卫星影像拍摄地位于云层之上，导致遥感影像中覆盖大量的云区域，造成地物有效像素丢失，大大降低了遥感影像的质量。为使遥感影像满足智能化处理需求，需在预处理过程中检测遥感影像中的云区域并对其进行替换或者去除。

目前云检测方法多种多样，如物理阈值法、基于空间特性法、模式识别法，以及以上方法综合优化后得到的方法。其中，物理阈值法通过分析云区域的光谱特性，使用不同波段阈值组合进行云区分割，虽然该方法相对较简单，但难以对高亮地物和云进行区分，且容易造成薄云区域的漏检；基于空间特性法通过利用图像光谱亮度值空间变化的特性，使用纹理特征值和光谱变化量进行云区分割，然而对于纹理与云区纹理相似的地物容易误检，并且该方法实施时相对复杂；模式识别法通过提取影像特征，同时使用大批量人工标注数据进行训练，数据量大且费时、费力，无法满足云检测系统时间限制要求。另外，还有利用不同时相同一目标区域的多期数据进行变化监测，基于变化监测的结果进行云提取，此种方法虽然精度高，但对数据要求较高，影像需具备精确的地理位置信息或者匹配点信息。

发明内容

本发明的目的在于克服现有技术的缺陷，提供一种无需人工或其他辅助数据参与即可快速、准确地检测出云区域，并在检测过程中去除误检的云区域和对漏检的薄云区域进行补偿的光学卫星遥感影像云检测方法。

为实现上述目的，本发明提出如下技术方案：一种光学卫星遥感影像云检测方法，包括如下步骤：

S100，统计光学卫星遥感影像的灰度直方图，并对所述灰度直方图进行预处理；

S200，根据预处理后的灰度直方图计算高斯混合模型分量和迭代最大类间方差阈值，进一步根据所述高斯混合模型分量和迭代最大类间方差阈值计算混合阈值L；

S300，使用所述混合阈值L对原始光学卫星遥感影像进行分割，获得云初检图；

S400，获取所述云初检图中云区域的轮廓边界特征值和云阴影匹配特征值，并根据所述轮廓边界特征值和云阴影匹配特征值去除误检测的云区域，获得误检修正图；

S500，对所述云初检图进行漏检测薄云补偿，获得薄云补偿图；

S600，将所述误检修正图与薄云补偿图进行综合处理，获得最终云检测图。

优选地，在步骤S100中，对所述灰度直方图进行预处理包括如下步骤：

对所述灰度直方图进行截断处理，获得直方图有效区间为[X_min，X_max]，进一步通过一维平滑模板对截断后的灰度直方图进行一维卷积平滑处理。

优选地，所述一维平滑模板为[1/10，1/5，2/5，1/5，1/10]。

优选地，在步骤S200中，高斯混合模型分量和迭代最大类间方差阈值通过如下步骤获得：