[发明专利]基于稀疏表示的遥感图像去云方法

说明书

技术领域

本发明属于遥感图像去云技术领域，具体涉及一种基于稀疏表示的遥感图像去云方法。

背景技术

遥感图像已在军事侦察、地质解译、石油勘探、天气预报、农作物长势检测等诸多领域得到了广泛的应用。目前通过遥感获得的图像大部分是光学图像，而光学图像的质量极易受到气候因素的影响，云覆盖就是其中一种。从遥感物理的角度来说，云属于大气气溶胶的范畴，是地球大气中具有一定稳定性的，沉降速度小的，尺度范围在10^-3μm~10μm之间的液态离子或固态离子所组成的混合物集合体。云覆盖不仅影响遥感图像的解译精度，而且也是造成数据缺乏的一个重要因素。尤其是在多云多雾地区，云覆盖使得遥感图像模糊、重要地物信息被覆盖，有用的遥感信息变得匮乏。因此如何有效地去除或减少云的影响，不仅是对遥感图像进行准确解译的基础，也是增加遥感数据有效性的一个重要途径，具有十分重要的实际意义。

去云处理是图像预处理中的一个很重要的环节。在去云方面，除合成孔径雷达传感器能够穿透云层获取信息外，其它传感器均未能彻底解决影像数据的云覆盖问题。因此，从九十年代开始，遥感图像的去云技术开始成为一个活跃的研究领域，在这一发展过程中已经提出了许多算法和思路，其中具有代表性的有：多光谱图像去云法、多传感器图像融合去云法、同态滤波去云法等。

多光谱图像去云法是采用一种对云较敏感的传感器，专门探测云的信息，然后在原始图上减去云图，得到去云以后的图像，或者是不添加任何专门的传感器，而是利用多光谱影像中某些波段对云的较强敏感性来提取云的信息。但是该方法要求的前提很高，需要有冗余的波段，对其应用场合有诸多限制。

多传感器图像融合去云法的原理是在现有条件下，利用不同传感器在不同时间获取的数据，对有云层覆盖地区的影像进行替换，以消除云覆盖的影响。但是利用该方法去云需要解决以下几个问题：首先要解决云覆盖区域多传感器的配准问题，即为了使替补图像能精确的替补有云的原始图像，必须对两幅图像进行几何纠正；其次要解决可能存在的辐射差异问题；而且要保证两幅图像在相同的区域不能同时有云。

同态滤波去云法认为遥感图像中云覆盖所引起的噪声提高了图像的低频信息，而削弱了图像的高频信息，因此可以通过使用一个适当的滤波器来将云从图像中去除。虽然这样的处理能够去除一定的云覆盖，但是对没有云覆盖的清晰区域也会造成一定的影响，而且该方法对厚云的处理效果不理想。

以上算法大部分都只能对比较薄的云进行去除，对厚云的去除效果很不理想，而实际中云的薄厚具有随机性，所以对厚云的去除是一种亟待解决的问题。

由于通过变换来表示信号(图像)在许多应用中具有简单性和有效性而一直受到研究人员的重视，传统的信号(图像)表示理论大多基于非冗余的正交基函数的变换，如傅里叶变换等。最近几年，在正交小波变换的基础上，又提出了许多新的变换，如曲波(Curvelet)、轮廓波(Contourlet)等变换。基于这些变换，普遍采用的是超完备(overcomplete)冗余表示，其基本思想是基函数用称之为字典的超完备的冗余函数来取代，字典中的元素称为原子，信号(图像)由原子的线性组合来表示。其中原子的个数比信号(图像)的维数大得多，由此产生了系数的冗余。稀疏表示就是用最小的系数来表示信号(图像)。比如申请号为201010522273.4的发明专利介绍了利用Curvelet冗余字典稀疏表示图像的方法，但是这种方法只使用了一种冗余字典，没有很好的利用不同字典的对图像特定部分的表示特点。

发明内容

本发明的目的是是为了解决上述现有技术中存在的问题，提出一种基于稀疏表示的遥感图像去云方法，在尽可能不破坏图像原始信息的前提下，去除遥感图像中的厚云。

本发明的基于稀疏表示的遥感图像去云方法，主要包括以下步骤：

步骤一、提取云掩膜矩阵，得到新的图像；

步骤二、对步骤一得到的新的图像X进行优化，即用块坐标松弛算法将图像X稀疏分解为光滑部分T_n和纹理部分T_t，获取最终的稀疏系数α_t，α_n；

步骤三、根据步骤二得到的稀疏系数α_t，α_n，使用公式X＝T_tα_t+T_nα_n重构出修复后的去云图像

本发明的优点在于：