基于线性回归模型的遥感图像漏洞修补算法.pdf

第5期 矿 山 测 量 NO．5 2015年 10月 MINE SURVEYING 0et．2015 doi：10．3969／j．issn．1001—358X．2015．05．007 基于线性回归模型的遥感图像漏洞修补算法 郭 秋 ，刘贺春 (1．晋 中职业技术学院，山西 晋 中 030600；2．河南理工大学，河南 焦作 454150； 3．山西华晋岩土工程勘察有限公司，山西 太原 030021) 摘要：文 中探讨了基于线性回归模型的遥感图像漏洞修补方法，并利用 Landsat一5TM数据 中存在 的由云污染区域 (厚云及其阴影)对该方法的应用效果进行 了全面的分析与评价。实验结果表 明： 对于TM 图像 中的 “漏洞”区域 。基于线性回归模型的漏洞修补方法能很好的消除其对于云污染覆盖 区域的遮挡 ，在纹理上可以实现有效连接 ，但在光谱连续性上要受制于待处理 图像与参考图像间数 据条件的差异程度 (如辐射校正与成像时间等)。 关键词 ：漏洞修补 ；线性 回归；光谱相似像元 ；云检测 中图分类号 ：P237 文献标识码 ：B 文章编号 ：1001—358X(2015)05—0022—02 遥感图像中的 “漏洞”区域是指因气候或传感器 图像进行漏洞修补处理之前 ，首先需要将云污染 图 问题而造成部分数据缺失的情况，如持续的云覆盖、 像中的云污染区域 (包括云及其阴影)标记出来。由 光学传感器的扫描系统故障(如 Landsat一7ETM+： 于基于替代策略的漏洞修补方法一般需要借助另一 EnhancedThematicMapperPlus)¨等。与薄云和雾 幅清晰的(无云污染)基准图像来完成 ，因而本文利 霾等图像特征不同，：‘漏洞9’区域不包含任何可用的 用云污染区域光谱信息的时相变化特征来实现云检 地表信息，因此无法通过 图像滤波等方法得到有效 测流程 。 解决 。而数据缺失不仅严重制约了遥感图像的可用 1．1 厚云 的检测 性，还会影响诸如图像分类 、地表覆盖制 图、图像镶 由于云的流动性特征，它在不 同时相 的图像上 嵌等后续工作的处理效果。对于 “漏洞”区域的数据 的光谱特征存在显著差异。在分析光谱差异前需利 恢复问题 ，当前 的主要解决途径是采用基于待处理 用云污染 图像来对基准图像的光谱分布特征进行亮 图像和辅助参考 图像的辐射标准化方法，该类方法 度纠正 ，以消除因太 阳入射角和大气程辐射等 因素 通过在待处理图像和参考图像间建立一定 的数学变 的影响。一般将两幅影像建立如下的关系式来计算 换和分析模型，从而将参考 图像 中的清晰像元按照 云污染图像新的亮度值 ： 一 定规则来替换待处理图像 中的缺失像元 ，常用方 法有回归模型 (回归树 和线性回归 )、直方 图匹 厂ref(p)=二 ! ·[。f(p)一 f]+ l。d O-ref 配 (线性) 、大气校正策略 等。其 中，基于 回归 式中： (p)是基准图像 中像元的原始亮度值 ；f耐 模型的 “漏洞”修补方法的应用较为广泛，如线性回 (P)是基准图像中像元P新的亮度值 ； 和 耐是基 归算法利用最小二乘方法可以得到 “漏洞”区域和替 准图像的均值和标准差 山 和 or。分别是云污染图 补区域间光谱特征的统计关系：而