[发明专利]基于伪彩色和支持向量机的遥感图像云检测方法

摘要

本发明公开了一种基于伪彩色和支持向量机的遥感图像云检测方法，主要解决现有技术精度低、计算量大的问题。其实现步骤为：1)从遥感数据的多个波段中选取中红外和热红外范围的三个波段，以这三个波段的图像灰度值作为RGB分量，合成伪彩色图像；2)以训练图像的RGB向量以及云与非云的先验类别作为输入，采用带核函数的支持向量机方法计算特征空间的最优分类超平面，构建分类决策函数；3)对于待检测图像，以上述三个波段的灰度值为RGB向量，通过计算决策函数值，进行云检测。本发明通过训练，为遥感图像云检测提供了决策函数，不仅提高了遥感图像云检测的精度，而且减少了计算量，可用于含中红外和热红外波段的遥感图像检测。

主权项

一种基于伪彩色和支持向量机的遥感图像云检测方法，其特征在于包含如下步骤：1)在遥感图像传感器中，选择波长不超过9‑15um的一个热红外波段，波长不超过1.8‑3.0um和波长不超过1.0‑1.8um的两个中红外波段，以这三个波段的灰度值作为图像的红绿蓝RGB三个颜色值，形成伪彩色图像；2)选择不同季节、不同地理位置的多幅伪彩色图像作为训练图像，在训练图像的云区和非云区选择N个像素，以这些像素的RGB数值作为输入向量，根据像素的所在位置确定像素的类别：如果这些像素在云区，则作为正类，如果这些像素在非云区，则作为负类，3)采用带核函数的支持向量机SVM方法求解正、负类在特征空间的最优分类超平面的拉格朗日乘子和截距b^*，得到决策函数：$f\left(x\right)=\mathrm{sign}(\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{\α}}_i^{*}{y}_{i}K(x,x_i)+b^{*}),$其中，x_i为第i个像素的RGB向量，i＝1,2,…N，N为训练像素数目；y_i∈{+1,‑1}表示第i个像素的正、负类别；K(x,x_j)为核函数；4)对于待检测的一幅遥感伪彩色图像，选取其中一个像素，以像素的RGB值作为输入向量x，带入决策函数f(x)计算决策函数值；5)根据函数值判断该像素的类别：当决策函数值为+1时，则像素所在位置为云区；当决策函数的值为‑1时，则像素所在位置为非云区；6)遍历待测图像的每个像素，得到整幅图像的云区。