高分辨率遥感图像厚云检测算法.pdfVIP

第 35卷 第 4 期 地域研究与开发 Vol .35 No .4 2016年 8 月 AREAL RESEARCH AND DEVELOPMENT Aug . 2016 高分辨率遥感图像厚云检测算法 郭 秋 \ 李 大 成 2 , 刘 贺 春 3 (1.晋中职业技术学院，山 西 晋 中 030600; 2.太原理工大学 矿业工程学院，太 原 030024; 3.山西华晋岩土工程勘察有限公司，太 原 030021) 摘要：针对高空间分辨率多光谱图像 ，设计了一种基于纓帽变换 、数据正则化以及多尺度光谱分析技术的多尺 度循环检测算法 。实验结果表明 ：对于 Landsat -7 ETM+ 图像 ，其检测精度与基于热波段的自动化云量估计算法相近 ， 但优于传统的直接分类方法 （最大似然分类与 ISO D ATA 分类 ）。由于该算法无需借助热波段及其他辅助数据 ，因而 在实现高分辨率图像厚云掩膜的高效与高精度提取方面具有很高的应用潜力 。 关 键 词 ：厚云检测 ；纓帽变换 ；多尺度光谱分析 ；自动化云量估计 中图分类号：TP 751 文献标志码：A 文章编号：1003-2363(2016)04-0172-05 上 述 厚 云 检 测 方 法 要 求 待 处 理 的 传 感 器 数 据 应 包 0 引 言 含 热 波 段 图 像 或 者 需 要 覆 盖 同 一 研 究 区 且 分 辨 率 相 近 在基于遥感技术的对地观测研究中，厚云及其阴影 的辅助遥感数据，但高空间分辨率影像由于成像系统的 不仅限制了图像中的可用信息量,还会严重影响图像分 限制一般都缺少热红外谱段，并且因数据采集周期的影 类 、大气校正、气 溶 胶 反 演 以 及 生 物 物 理 参 数 的 估 算 等 响 而 难 以 搜 集 到 可 用 的 辅 助 参 考 影 像 。当前针对此问 过 程 ，而 去 除 厚 云 污 染 的 首 要 任 务 则 是 高 效 、精确地检 题 的 主 要 解 决 途 径 是 借 助 基 于 统 计 学 思 想 的 厚 云 检 测 测出图像中的厚云像元。 策 略 ，其 中 以 分 类 方 法 应 用 最 为 广 泛 ，如 基 于 神 经 网 络 鉴于厚云的高反射和低温特性，常用的检测策略是 分类器的方法[13]、基于模糊逻辑学的方法[14]、最大似然 依据基于多光谱特征的经验阈值来过滤出云像元，如针 估计法[15]以及基于支持向量机的分类器方法[16]等 。虽 对 M O D IS 数据的云掩膜算法需利用基于辐射率或亮度 然监督分类方法比非监督分类方法的精度更高，但它需 温度的一系列经验阈值[I-2];R . R . Ir is h 在 2000年针对 人工参与且待处理数据应满足特定的数学模型，如贝叶 Landsat -7 E T M +数据发展了一种基于热波段数据的自动 斯估计和最大似然估计均要求实际数据满足正态分布； 化 云 量 估 计 算 法 （automated cloud coverage assessm ent ， 而非监督分类法虽然具有自动化程度高的特点，但也因 A C C A )[3]，该算法因检测精度高已被美国地质调查研究 缺少专家知识而造成检测的精度水平较低，如基于迭代 局 用 来 估 算 Landsat TM /ETM + 图 像 的 云 量 。 H . Choi 自