[发明专利]一种基于HSV颜色空间模型变换的日间云检测方法

说明书

本发明公开了一种基于HSV颜色空间模型变换的日间云检测方法，该方法包括对所获取的遥感数据进行辐射定标，获得目标波段的反射率信息；根据反射率信息来分析厚云、薄云、海水、陆地四种物体在预设波段或波段组合中的反射特性，选取反映云信息的若干个波段或波段组合，依次放入红、绿、蓝三通道生成RGB假彩色图像；根据HSV颜色空间模型转换方程，计算得到色度、饱和度以及亮度分量；根据所计算得到分量数据中的云像元的分布特性来构建日间云检测指数算法NDCD_day；利用日间云检测指数算法计算得到NDCD_day统计直方图，根据直方图中的分布特征来设定阀值并检测污染像元。本发明NDCD_day算法有效减少了薄云的误判和漏判情况，具有更高的可靠性、通用性以及准确性。

背景技术

地球表面有一层时而稀薄时而密厚的云层，它是水蒸气遇冷液化成的小水滴或凝华成的小冰晶后漂浮在空中的可见聚合物，是地球的一种自然现象，影响着地表辐射收支和能量平衡。每个时刻，地球表面约有50％的区域被各种各样的云覆盖。云对地物接收到的太阳辐射以及传感器接收到的地物热辐射均有较大的影响，利用热红外遥感技术获取真实SST(Sea Surface Temperature)的过程中，云通过遮挡海面削弱了传感器对海表辐射值的真实记录，导致受云污染的像元SST反演结果偏低，因此云检测成为了卫星遥感图像预处理的关键技术之一。同时，在海洋要素定量研究工作中，准确的云检测步骤也是必不可少的。

在遥感图像的可见光通道，云的反射率明显高于水体。而在红外通道，云顶亮温却明显低于水体温度，因此通过对可见光与红外通道设立阈值，可以得到不错的云检测结果。对于海洋下垫面，背景并不复杂，但是薄云的反射率和亮温值与水体接近，薄云像元容易被漏判，从而影响海洋物理参数的遥感定量反演结果，造成较大的偏差。因此，如何准确而快速地判识薄云和体积较小的卷云，是目前云检测工作的难点。

几十年来，前人在遥感数据的云检测方面做了大量的研究工作，提出了多种自动云检测算法，希望能够准确判断出云污染像元，从而提高SST反演精度。1989年Rossow等提出了基于可见光窄波段0.6μm和热红外波段11μm的ISCCP(International SatelliteCloud Climatology Project)云检测算法，算法中以各像元辐射值与晴空辐射值的差值是否大于晴空辐射值本身的变化作为云像元的判定阈值，检测结果的不确定性过分受阈值影响。1991年Srowe等基于AVHRR(Advanced Very high resolution Radiometer)传感器的五个通道建立了CLAVR(CLoud from AVhrR)算法，将空间差异性作为判断条件，以2×2像元矩阵作为检测窗口，以窗口中4个像元点的判识结果来判定像元矩阵的类型，由于循环次数多，此算法处理效率不高。1994年Wylie等基于HIRS多光谱数据提出了CO₂薄片法，利用CO₂吸收波段检测不同层次的云，对薄卷云的检测比较有效，但当云像元和晴空像元间的差异小于仪器噪音时，算法将失效。1999年Wisetphanichkij和Dejhan利用小波分析法进行云检测，将多分辨率的小波分解图像融合以达到消除云污染的目的，但这种方法计算复杂。2000年Azimi-Sadjadi和Zekavat将机器学习算法支持向量机SVM(Support Vector Machines)引入云检测领域，这种方法需对地物特征进行标准化，并选取样本进行训练学习，其检测效果取决于分类方法的选择及特征样本的代表性。