[发明专利]一种利用独立成分分析技术的光学遥感图像薄云去除方法

摘要

本发明公开了一种利用独立成分分析技术的光学遥感图像薄云去除方法，它包括数据准备，大气校正，提取二值图，ICA变换，提取和处理云成分和ICA逆变换这些步骤。本发明利用光学遥感数据单幅图像自身数据，利用了独立成分分析技术提取云独立成分并处理，获得去云的结果。该方法摆脱了多数据或多传感器去云方法对数据要求苛刻等诸多束缚，一定程度上解决了其他单幅遥感影像去云方法中的不足。在多光谱光学遥感数据中，该方法去除了薄云对地物光谱特征的影响，提高了光学遥感数据的使用质量和图像的应用能力。本发明与现有的去薄云的方法相比，相对于单幅数据方法要进行时域变换、频域变换和频率域滤波等一系列复杂处理，克服了现有方法对数据要求苛刻、处理方法复杂等缺点，本发明所用的独立成分分析技术成熟，操作高效、简单，有很大的实际应用价值。

主权项

一种利用独立成分分析技术的光学遥感图像薄云去除方法，其特征是它包括如下步骤：步骤1：数据准备提供的数据包括：多光谱光学遥感图像数据Q，它有n个图像，包括i个可见光波段图像Bv，j个近红外波段图像Br，k个短波红外波段图像Bw和1个卷云波段图像Bc；其中i，j，k，n为正整数，且i+j+k+1＝n；步骤2：大气校正将步骤1中的多光谱光学遥感图像数据Q通过经典的大气校正软件模块进行传统的大气校正处理，获得大气校正结果Qa；步骤3：提取二值图矩阵(“0”代表无云，“1”代表有云)将步骤1中的卷云波段图像Bc进行传统的阈值分割方法处理得到二值图Dc，图像由“0”和“1”两类元素组成，图像中0代表无云区域像素点的像素值，1代表有云区域像素点的像素值；步骤4：ICA变换将步骤2中得到的大气校正结果Qa进行ICA变换得到转换结果IC，它有n个独立成分组成，分别是IC1，IC2，…,ICn；步骤5：提取云成分并处理将步骤4得到的n个独立成分，分别与卷云波段图像Bc计算相关系数，得到n个相关系数，然后找出最大相关系数对应的独立成分，该独立成分即为云独立成分，记为ICcloud；利用步骤3得到的云二值图Dc和云独立成分ICcloud，通过公式M＝mean(ICcloud*(！Dc))计算得到云独立成分无云区域的平均值M，其中符号“mean(.)”为求平均值运算，“！”表示取反运算，最后将云独立成分ICcloud的每一个像素值用平均值M替换得到新的云独立成分IC’cloud；将去云后的云独立成分IC’cloud和其他n‑1个独立成分重新组合形成新的独立成分IC’；步骤6：ICA逆变换将步骤5得到的IC’进行传统的ICA逆变换，得到n个新的多光谱遥感波段，即为去云结果。