[发明专利]基于面向对象和时序影像的白天陆地辐射雾检测方法

摘要

本发明提出了一种基于面向对象和时序影像的白天陆地辐射雾检测方法，该方法利用雾在静止卫星数据上呈现的光谱和纹理特性，构造基于单幅影像的雾检测特征参数，将高云、中云和部分低云以及雪与雾进行分离，与此同时，根据陆地辐射雾的生消特性，引入时序遥感影像，将无法从单幅影像上分离的低云和雾在时序影像中进行分离。本发明提出的陆地辐射雾检测方法实现了基于对象区域特征和时序特征的云雾分离，避免了低云和雾由于光谱和纹理特征的相似性导致的无法区分的问题，取得了很好的雾检测效果。

主权项

1.一种基于面向对象和时序影像的白天陆地辐射雾检测方法，所述影像为MTSAT-2R数据，其特征是，包括以下步骤：步骤一、对目前检测的时间点的MTSAT-2R数据，判断每个像素的第5波段反射率是否大于预设的反射率阈值，是则判断该像素属于地表目标并去除，否则保留，得到基于像素的云、雾、雪目标；步骤二、计算步骤一所得云、雾、雪目标中每个像素的雾检测指数FDI，根据雾检测指数FDI进行分割，将云、雾、雪目标分割为对象；雾检测指数FDI的计算公式如下FDI=/(-)，其中，为像素的第4波段反射率，为像素的第5波段反射率；步骤三、对步骤二获取的分割结果，首先计算各对象中每个像素的亮度温度差检测指数TDDI，然后统计每个对象的亮度温度差检测指数平均值，当某个对象的亮度温度差检测指数平均值大于预设阈值时识别为中高云对象并去除；设某对象中任一像素X的亮度温度为，像素X的亮度温度差检测指数TDDI计算公式如下TDDI=其中，为像素X附近地表的像素在第1波段的亮度温度，表示像素X的8个方向，j表示其中一个方向的前20个地表像素；步骤四、对步骤三保留的对象，首先计算各对象中每个像素的雪检测指数SDI，然后统计每个对象的雪检测指数平均值，当某个对象的雪检测指数平均值大于预设阈值时识别为雪对象并去除；某对象中任一像素的雪检测指数SDI计算公式如下SDI=其中，为像素在第1波段的亮度温度，为像素的第4波段反射率；步骤五、对步骤四保留的对象，首先计算各对象中在第4波段和在第1波段的亮度温度差，然后统计每个对象的亮度温度差平均值，当某个对象的亮度温度差平均值大于预设阈值时进一步识别为雪对象并去除；步骤六、对步骤五保留的对象，计算每个对象在第1波段的亮度温度标准差，当某个对象的亮度温度标准差大于预设阈值时识别为低云对象并去除；任一对象的亮度温度标准差计算公式如下=其中，为对象中某像素在第1波段的亮度温度，为对象的像素个数，为对象的所有像素在第1波段的平均亮度温度，表示对象中的像素；步骤七、对步骤六保留的对象，根据步骤二所得雾检测指数FDI计算每个对象的雾检测指数平均值，当某个对象的雾检测指数平均值小于预设阈值时识别为低云对象并去除；步骤八、在目前检测的时间点之前取-1个时间点，将总共个时间点按照时间顺序排列，构成时间序列；对步骤七保留的对象，首先计算各对象中每个像素的相邻亮温加权平方差，然后统计每个对象的相邻亮温加权平方差平均值，当某个对象的相邻亮温加权平方差平均值小于预设阈值时识别为低云对象并去除；某对象中任一像素的相邻亮温加权平方差的具体计算公式为，其中，为时间点，为时间序列中的时间点数量，为时间点的权重，是时间点的MTSAT-2R数据中像素在第1波段的亮度温度、是时间点的MTSAT-2R数据中像素在第1波段的亮度温度；步骤九、对步骤八保留的对象中每个像素，按照时间序列的时间点对地面站点实测数据进行辐射雾采样，得到像素在第1波段的标准亮度温度，构成标准亮度温度序列；按照时间序列的时间点提取相应MTSAT-2R数据中像素在第1波段的亮度温度，构成遥感亮度温度序列；计算各对象中每个像素的遥感亮度温度序列和标准亮度温度序列分别对应线段的斜率匹配值，统计每个对象的斜率匹配值平均值，当某个对象的斜率匹配值平均值大于预设阈值时识别为低云对象并去除；某对象中任一像素的斜率匹配值的具体计算公式为，其中，为时间点，为标准亮度温度序列中时间点+1和时间点的值所构成线段的斜率，为遥感亮度温度序列中时间点+1和时间点的值所构成线段的斜率；步骤十、对步骤九保留的对象，对各对象中每个像素的遥感亮度温度序列和标准亮度温度序列分别进行6阶曲线拟合，计算两条拟合所得曲线的曲率匹配值，统计每个对象的曲率匹配值平均值，当某个对象的曲率匹配值平均值大于预设阈值时识别为低云对象并去除；曲率匹配值的具体计算公式为，其中，为时间点，为标准亮度温度序列拟合所得曲线在时间点的曲率，为遥感亮度温度序列拟合所得曲线在时间点的曲率；步骤十一，对步骤十保留的对象认定为检测所得白天陆地辐射雾并输出。