CN103295214A - 基于色彩特征的无云modis遥感图像生成方法及系统 - Google Patents
基于色彩特征的无云modis遥感图像生成方法及系统 Download PDFInfo
- Publication number
- CN103295214A CN103295214A CN2013102684538A CN201310268453A CN103295214A CN 103295214 A CN103295214 A CN 103295214A CN 2013102684538 A CN2013102684538 A CN 2013102684538A CN 201310268453 A CN201310268453 A CN 201310268453A CN 103295214 A CN103295214 A CN 103295214A
- Authority
- CN
- China
- Prior art keywords
- remote sensing
- sensing images
- modis remote
- cloudless
- modis
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Image Processing (AREA)
Abstract
本发明适用于图像处理技术领域,提供了基于色彩特征的无云MODIS遥感图像生成方法及系统,所述无云MODIS遥感图像生成方法包括以下步骤:S1:提取n幅MODIS遥感图像的亮度分量集合和饱和度分量集合;S2:根据所述亮度分量集合提取非云像素矢量集合;S3:根据亮度分量和饱和度分量构造饱和度和亮度的加权累积距离,所述加权累积距离对应的颜色矢量与所述非云像素矢量集合进行融合,生成无云MODIS遥感图像。采用本发明所述的基于色彩特征的无云MODIS遥感图像生成方法得到的融合图像较传统矢量中值融合算法得到的图像更加清晰明亮,而且细节方面更加完善,图像的信息量更大。
Description
技术领域
本发明属于图像处理技术,尤其涉及基于色彩特征的无云MODIS遥感图像生成方法及系统。
背景技术
MODIS遥感图像是由搭载在TERRA和AQUA两颗卫星上的MODIS(Moderate Resolution Imaging Spectroradiometer,中分辨率成像光谱仪)传感器生成的遥感图像,它在环境、气象、海洋等领域被广泛应用。但是由于MODIS遥感图像中存在大量的云噪声,这对MODIS遥感图像的应用产生了很大的影响。云作为一种常见的自然现象,具有不可预测,变幻莫测等特点,任何时相得到的MODIS遥感图像都有可能遇到云层,从而影响图像的质量。因此,为了更加全面的获取MODIS遥感图像中的信息,生成无云的遥感图像显得非常重要。
目前,无云MODIS遥感图像的生成主要是由多时相遥感图像融合生成的,多时相遥感图像有不同的光谱特性,图上的云不可能完全重合,综合不同时相的图像的无云区域,可以生成无云的融合图像。马慧云等提出基于灰度值的最小值替代的图像融合方法,但生成的无云图像色调单一,并损失一些细节信息。郑战辉等提出小波分解的图像融合方法,首先将参与融合的多时相图像使用地面控制点进行几何校正,之后将多光谱图像的RGB波段转换为IHS组合,再进行图像的直方图匹配,最后利用加法小波分解算法进行图像的融合。王惠等提出利用多项式改正去云融合算法,将另一幅图像纠正到基准图像上,以达到去除云的目的。该方法系数的确定存在一定的困难,而且配准地物参考点的数量取决于多项式系数,若目标区域的云分布较多时,多项式改正去云的图像配准工作量就比较大。
因此,现有技术存在缺陷,需要改进。
发明内容
本发明所要解决的技术问题在于提供基于色彩特征的无云MODIS遥感图像生成方法及系统,旨在解决如何利用MODIS遥感图像在HIS空间中的色彩特性,将多幅不同时段的MODIS遥感图像数据融合成为一幅无云图像的问题。
本发明是这样实现的,基于色彩特征的无云MODIS遥感图像生成方法,所述无云MODIS遥感图像生成方法包括以下步骤:
S1:提取n幅MODIS遥感图像的亮度分量集合和饱和度分量集合;
S2:根据所述亮度分量集合提取非云像素矢量集合;
S3:根据亮度分量和饱和度分量构造饱和度和亮度的加权累积距离,所述加权累积距离对应的颜色矢量与所述非云像素矢量集合进行融合,生成无云MODIS遥感图像。
进一步地,所述亮度分量集合和所述饱和度分量集合的提取包括以下步骤:
S101:将一幅MODIS遥感图像f表示为f={b1,b2,...,b36},其中b1,b2,...,b36为f的36个单波段图像,设n幅MODIS遥感图像集合F表示为F={f1,f2,...,fn},其中f1,f2,...,fn为包含同一经纬度范围的MODIS遥感图像;
S102:从所述n幅MODIS遥感图像集合F的图像fh中取出3个单波段图像bi,bj,bk,其中,fh为F中的任一MODIS遥感图像,i、j、k分别为从1至36中任意一整数,通过下式获取fh的亮度分量、饱和度分量和色度分量,
其中,I表示亮度,S表示饱和度,H表示色度,θ为中间变量,
S103:根据S101和S102得到n幅MODIS遥感图像{f1,f2,...,fn}的所述亮度分量集合为{I1,I2,...,In},所述饱和度分量集合为{S1,S2,...,Sn}。
进一步地,提取所述非云像素矢量集合包括以下步骤:
S202:根据所述MODIS遥感图像位置(x,y)处像素的亮度Ii(x,y)判断所述像素矢量是否为非云像素,当Ii(x,y)<T(x,y)时,fi(x,y)为非云像素,当Ii(x,y)>T(x,y)时,fi(x,y)为云像素;
S203:根据所述S201、S202得到位置(x,y)处的非云像素集为{X1,X2,...Xm}={fi(x,y)|Ii(x,y)<T(x,y);i=1,2,...n},其中,Xi表示位置(x,y)处的非云像素,fi(x,y)表示MODIS遥感图像fi在位置(x,y)处的MODIS遥感图像像素矢量,n表示集合F中MODIS遥感图像的数量,Ii(x,y)表示MODIS遥感图像fi在位置(x,y)处的亮度值,T(x,y)表示MODIS遥感图像fi在位置(x,y)处的亮度的阈值。
进一步地,生成无云MODIS遥感图像包括以下步骤:
S301:MODIS遥感图像fi在位置(x,y)处的饱和度和亮度的加权累积距离为i,j=1,2,...m,其中,m为当前位置处非云像素矢量的个数,Xi、Xj表示同一位置不同时相的像素矢量,Ii(x,y)为fi在位置(x,y)的亮度,Si(x,y)为fi在位置(x,y)的饱和度;
S302:对所述加权累积距离按由小到大的顺序排序,排序结果中最小的加权累积距离对应的颜色矢量为所述加权累积距离度量下的中值矢量;
S303:将所述中值矢量与所述非云像素矢量集进行融合作为融合图像在该位置上的输出像素矢量,将所有融合后的输出像素矢量组合成图像,得到无云MODIS遥感图像。
本发明还提供基于色彩特征的无云MODIS遥感图像系统,包括:
集合提取模块,用于提取n幅MODIS遥感图像的亮度分量集合和饱和度分量集合;
非云像素矢量集合提取模块,与所述集合提取模块相连,根据所述亮度分量集合提取非云像素矢量集合;
无云MODIS遥感图像生成模块,分别与所述集合提取模块、所述非云像素矢量集合提取模块相连,根据亮度分量和饱和度分量构造饱和度和亮度的加权累积距离,所述加权累积距离对应的颜色矢量与所述非云像素矢量集合提取模块提取的非云像素矢量集合进行融合,生成无云MODIS遥感图像。
进一步地,所述集合提取模块包括:
伪彩色图像合成单元,将一幅MODIS遥感图像f表示为f={b1,b2,...,b36},其中b1,b2,...,b36为f的36个单波段图像,设n幅MODIS遥感图像集合F表示为F={f1,f2,...,fn},其中f1,f2,...,fn为包含同一经纬度范围的MODIS遥感图像;
色彩空间转换单元,与所述伪彩色图像合成单元相连,从所述n幅MODIS遥感图像集合F的图像fh中取出3个单波段图像bi,bj,bk,其中,fh为F中的任一MODIS遥感图像,i、j、k分别为从1至36中任意一整数,通过下式获取fh的亮度分量、饱和度分量和色度分量分别为 其中,I表示亮度,S表示饱和度,H表示色度,θ为中间变量,
亮度分量集合生成单元,与所述色彩空间转换单元相连,生成n幅MODIS遥感图像{f1,f2,...,fn}的亮度分量集合{I1,I2,...,In};
饱和度分量集合生成单元,与所述色彩空间转换单元相连,生成n幅MODIS遥感图像{f1,f2,...,fn}的饱和度分量集合为{S1,S2,...,Sn}。
进一步地,所述非云像素矢量集合提取模块包括:
非云像素判断单元,与所述阈值计算单元相连,根据所述像素矢量的亮度判断所述像素矢量是否为非云像素,当Ii(x,y)<T(x,y)时,fi(x,y)为非云像素,当Ii(x,y)>T(x,y)时,fi(x,y)为云像素;
非云像素矢量集表示单元,与所述非云像素判断单元相连,位置(x,y)处的非云像素集表示为{X1,X2,...Xm}={fi(x,y)|Ii(x,y)<T(x,y);i=1,2,...n},其中,Xi表示位置(x,y)处的非云像素,fi(x,y)表示MODIS遥感图像fi在位置(x,y)处的MODIS遥感图像像素矢量,n表示集合F中MODIS遥感图像的数量,Ii(x,y)表示MODIS遥感图像fi在位置(x,y)处的亮度值,T(x,y)表示MODIS遥感图像fi在位置(x,y)处的亮度的阈值。
进一步地,所述无云MODIS遥感图像生成模块包括:
加权累积距离计算单元,根据i,j=1,2,...m,计算饱和度和亮度的加权累积距离,其中,m为当前位置处非云像素矢量的个数,Xi、Xj表示同一位置不同时相的像素矢量,Ii(x,y)为fi在位置(x,y)的亮度,Si(x,y)为fi在位置(x,y)的饱和度;
排序单元,与所述加权累积距离计算单元相连,对所述加权累积距离计算单元输出的值按由小到大的顺序排序,排序结果中最小的加权累积距离对应的颜色矢量为所述加权累积距离度量下的中值矢量;
图像组合单元,将所述中值矢量与所述非云像素矢量集进行融合作为融合图像在该位置上的输出像素矢量,将所有融合后的输出像素矢量组合成图像,得到无云MODIS遥感图像。
本发明与现有技术相比,有益效果在于:通过饱和度和亮度作为权值的矢量融合算法得到的融合图像较传统矢量中值融合算法得到的图像更加清晰明亮,而且细节方面更加完善,图像的信息量更大。
附图说明
图1是采用现有技术传统矢量中值融合算法对第一个区域处理的结果图;
图2是采用现有技术传统矢量中值融合算法对第二个区域处理的结果图;
图3是采用本发明基于色彩特征的无云MODIS遥感图像生成方法的流程图;
图4是采用本发明基于色彩特征的无云MODIS遥感图像生成方法对第一个区域处理的结果图;
图5是采用本发明基于色彩特征的无云MODIS遥感图像生成方法对第二个区域处理的结果图;
图6是本发明基于色彩特征的无云MODIS遥感图像系统的连接关系图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本本明的无云MODIS遥感图像生成方法是在将多时相MODIS遥感图像投影到同一个坐标系的基础上,根据云像素在饱和度、亮度通道表现的特性,利用饱和度和亮度加权的矢量中值融合算法生成无云的遥感图像。
如图3所示,基于色彩特征的无云MODIS遥感图像生成方法,包括以下步骤:S1:提取n幅MODIS遥感图像的亮度分量集合和饱和度分量集合;S2:根据所述亮度分量集合提取非云像素矢量集合;S3:根据亮度分量和饱和度分量构造饱和度和亮度的加权累积距离,所述加权累积距离对应的颜色矢量与所述非云像素矢量集合进行融合,生成无云MODIS遥感图像。
MODIS遥感图像的HSI颜色模型中,三个分量色度H、饱和度S、亮度I相对独立,亮度I主要反映遥感图像中地物反射的全部能量,饱和度S反映的是地物中颜色掺白光的程度。因此,当一个像素为云像素时,则它在HSI颜色模型中表现出饱和度低,亮度高,而色调则没有明显特点。这一特性可以作为判定一个像素是否为云像素的方法。
MODIS遥感图像为具有36个波段的图像,因此,一幅MODIS遥感图像f可以表示为f={b1,b2,...,b36},其中b1,b2,...,b36为f的36个单波段图像。设n幅MODIS遥感图像集合F表示为F={f1,f2,...,fn},其中f1,f2,...,fn为包含同一经纬度范围的MODIS遥感图像。
从所述n幅MODIS遥感图像集合F的图像fh中取出3个单波段图像bi,bj,bk,其中,fh为F中的任一MODIS遥感图像,i、j、k分别为从1至36中任意一整数,通过下式获取fh的亮度分量、饱和度分量和色度分量,得到: 其中,I表示亮度,S表示饱和度,H表示色度,θ为中间变量,从上述的亮度分量I、饱和度分量S和色度分量H,可得到n幅MODIS遥感图像{f1,f2,...,fn}的亮度分量集合为{I1,I2,...,In},饱和度分量集合为{S1,S2,...,Sn}。
为了得到最终的无云的MODIS遥感图像,在融合过程中首先对厚云遮挡区域进行判断,后续的图像融合仅仅在无云区域或薄云区域中进行,这不仅可以提高融合效率,而且也剔除了厚云区域对融合效果的影响。
设在位置(x,y)处的亮度的阈值为T(x,y),计算n幅MODIS遥感图像集合F中各个遥感图像在位置(x,y)处的亮度的均值作为阈值,即其中,fi为F中在位置(x,y)处的MODIS遥感图像,Ii(x,y)为fi在位置(x,y)处的亮度。根据所述MODIS遥感图像在位置(x,y)处像素的亮度Ii(x,y)判断所述像素矢量是否为非云像素,当Ii(x,y)<T(x,y)时,fi(x,y)为非云像素,当Ii(x,y)>T(x,y)时,fi(x,y)为云像素。为了便于后续的描述,设位置(x,y)处的非云像素集合为{X1,X2,...Xm},根据上述可得位置(x,y)处的非云像素集为:{X1,X2,...Xm}={fi(x,y)|Ii(x,y)<T(x,y);i=1,2,...n},其中,Xi表示位置(x,y)处的非云像素,fi(x,y)表示MODIS遥感图像fi在位置(x,y)处的MODIS遥感图像像素矢量,n表示集合F中MODIS遥感图像的数量,Ii(x,y)表示MODIS遥感图像fi在位置(x,y)处的亮度值,T(x,y)表示MODIS遥感图像fi在位置(x,y)处的亮度的阈值。,位置(x,y)处的非云像素集合{X1,X2,...Xm}用于后续的矢量中值图像融合过程。
根据有薄云遮挡区域的云像素矢量表现为亮度较大、饱和度较低的特点,构造饱和度和亮度矢量的加权累积距离:i,j=1,2,...m,其中,m为当前位置处非云像素矢量的个数,Xi、Xj表示同一位置不同时相的像素矢量,Ii(x,y)为fi在位置(x,y)的亮度,Si(x,y)为fi在位置(x,y)的饱和度。由上式可知,当该像素矢量的亮度越大,饱和度越低,则加权累积距离Di就越大。反之,对亮度较小,饱和度较大的像素矢量,其加权累积距离Di就较小。
对加权累积距离Di,i,j=1,2,...m按由小到大的顺序排序,排序结果中最小的加权累积距离对应的颜色矢量为加权累积距离度量下的中值矢量。比如,排序后的结果为:D(1)≤D(2)...≤D(m),且D(1),D(2),...D(m)对应的颜色矢量分别为X(1),X(2)...X(m),则X(1)为加权累积距离度量下的中值矢量。将所述中值矢量作为融合图像在该位置上的输出像素矢量,将所有这些融合后的输出像素矢量组合成图像,即得到最后的无云MODIS遥感图像。
与上述各实施例相结合,如图6所示,本发明还提供一种基于色彩特征的无云MODIS遥感图像系统,包括:集合提取模块601,用于提取n幅MODIS遥感图像的亮度分量集合和饱和度分量集合;非云像素矢量集合提取模块602,与所述集合提取模块601相连,根据所述亮度分量集合提取非云像素矢量集合;无云MODIS遥感图像生成模块603,分别与所述集合提取模块601、所述非云像素矢量集合提取模块602相连,根据亮度分量和饱和度分量构造饱和度和亮度的加权累积距离,所述加权累积距离对应的颜色矢量与所述非云像素矢量集合提取模块602提取的非云像素矢量集合进行融合,生成无云MODIS遥感图像。
所述集合提取模块601包括:伪彩色图像合成单元、色彩空间转换单元、亮度分量集合生成单元和饱和度分量集合生成单元。
所述伪彩色图像合成单元,将一幅MODIS遥感图像f表示为f={b1,b2,...,b36},其中b1,b2,...,b36为f的36个单波段图像,设n幅MODIS遥感图像集合F表示为F={f1,f2,...,fn},其中f1,f2,...,fn为包含同一经纬度范围的MODIS遥感图像。
所述色彩空间转换单元,与所述伪彩色图像合成单元相连,从所述n幅MODIS遥感图像集合F的图像fh中取出3个单波段图像bi,bj,bk,其中,fh为F中的任一MODIS遥感图像,i、j、k分别为从1至36中任意一整数,通过下式获取fh的亮度分量、饱和度分量和色度分量分别为 其中,I表示亮度,S表示饱和度,H表示色度,θ为中间变量,
所述亮度分量集合生成单元,与所述色彩空间转换单元相连,生成n幅MODIS遥感图像{f1,f2,...,fn}的亮度分量集合{I1,I2,...,In}。
所述饱和度分量集合生成单元,与所述色彩空间转换单元相连,生成n幅MODIS遥感图像{f1,f2,...,fn}的饱和度分量集合为{S1,S2,...,Sn}。
所述非云像素矢量集合提取模块602包括:阈值计算单元、非云像素判断单元和非云像素矢量集表示单元。
所述阈值计算单元计算F中各个图像在位置(x,y)处亮度的均值作为阈值,即其中,fi为F中在位置(x,y)处的MODIS遥感图像,Ii(x,y)为fi在位置(x,y)处的亮度。
所述非云像素判断单元与所述阈值计算单元相连,根据所述像素矢量的亮度判断所述像素矢量是否为非云像素,当Ii(x,y)<T(x,y)时,fi(x,y)为非云像素,当Ii(x,y)>T(x,y)时,fi(x,y)为云像素。
所述非云像素矢量集表示单元与所述非云像素判断单元相连,位置(x,y)处的非云像素集表示为{X1,X2,...Xm}={fi(x,y)|Ii(x,y)<T(x,y);i=1,2,...n},其中,Xi表示位置(x,y)处的非云像素,fi(x,y)表示MODIS遥感图像fi在位置(x,y)处的MODIS遥感图像像素矢量,n表示集合F中MODIS遥感图像的数量,Ii(x,y)表示MODIS遥感图像fi在位置(x,y)处的亮度值,T(x,y)表示MODIS遥感图像fi在位置(x,y)处的亮度的阈值。
所述无云MODIS遥感图像生成模块603包括:加权累积距离计算单元、排序单元和图像组合单元。
所述加权累积距离计算单元根据i,j=1,2,...m,计算饱和度和亮度的加权累积距离,其中,m为当前位置处非云像素矢量的个数,Xi、Xj表示同一位置不同时相的像素矢量,Ii(x,y)为fi在位置(x,y)的亮度,Si(x,y)为fi在位置(x,y)的饱和度。
所述排序单元与所述加权累积距离计算单元相连,对所述加权累积距离计算单元输出的值按由小到大的顺序排序,排序结果中最小的加权累积距离对应的颜色矢量为所述加权累积距离度量下的中值矢量。
所述图像组合单元将所述中值矢量与所述非云像素矢量集进行融合作为融合图像在该位置上的输出像素矢量,将所有融合后的输出像素矢量组合成图像,得到无云MODIS遥感图像。
根据所述无云MODIS遥感图像生成方法进行实验验证,实验所采用的数据为MODIS数据,数据获取的时间在2008年9月至2010年9月时间段内,共对两个区域进行融合生成无云图像的试验。第一个区域的纬度范围为0°~北纬25°,经度范围为东经105°~东经125°,共利用25幅已配准的MODIS遥感图像进行融合。第二个区域的纬度范围为25°~北纬40°,经度范围为东经115°~东经130°,共利用17幅已配准的MODIS遥感图像进行融合。其中,配准误差小于2个像元。本发明采用传统的矢量中值融合算法、以饱和度和亮度作为权值的矢量中值融合分别生成无云遥感图像。
图1、图2分别是第一个区域、第二个区域采用传统矢量中值融合算的处理结果图,图4、图5分别是第一个区域、第二个区域采用本发明基于色彩特征的无云MODIS遥感图像生成方法的处理结果图。由此可知,通过饱和度和亮度作为权值的矢量融合算法得到的融合图像较传统矢量中值融合算法得到的图像更加清晰明亮,而且细节方面更加完善,图像的信息量更大。实验表明,采用本发明所述的无云MODIS遥感图像生成方法生成的融合图像效果更好。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.基于色彩特征的无云MODIS遥感图像生成方法,其特征在于,所述无云MODIS遥感图像生成方法包括以下步骤:
S1:提取n幅MODIS遥感图像的亮度分量集合和饱和度分量集合;
S2:根据所述亮度分量集合提取非云像素矢量集合;
S3:根据亮度分量和饱和度分量构造饱和度和亮度的加权累积距离,所述加权累积距离对应的颜色矢量与所述非云像素矢量集合进行融合,生成无云MODIS遥感图像。
2.根据权利要求1所述的无云MODIS遥感图像生成方法,其特征在于,所述亮度分量集合和所述饱和度分量集合的提取包括以下步骤:
S101:将一幅MODIS遥感图像f表示为f={b1,b2,...,b36},其中b1,b2,...,b36为f的36个单波段图像,设n幅MODIS遥感图像集合F表示为F={f1,f2,...,fn},其中f1,f2,...,fn为包含同一经纬度范围的MODIS遥感图像;
S102:从所述n幅MODIS遥感图像集合F的图像fh中取出3个单波段图像bi,bj,bk,其中,fh为F中的任一MODIS遥感图像,i、j、k分别为从1至36中任意一整数,通过下式获取fh的亮度分量、饱和度分量和色度分量,
其中,I表示亮度,S表示饱和度,H表示色度,θ为中间变量,
S103:根据S101和S102得到n幅MODIS遥感图像{f1,f2,...,fn}的所述亮度分量集合为{I1,I2,...,In},所述饱和度分量集合为{S1,S2,...,Sn}。
3.根据权利要求1所述的无云MODIS遥感图像生成方法,其特征在于,提取所述非云像素矢量集合包括以下步骤:
S202:根据所述MODIS遥感图像位置(x,y)处像素的亮度Ii(x,y)判断所述像素矢量是否为非云像素,当Ii(x,y)<T(x,y)时,fi(x,y)为非云像素,当Ii(x,y)>T(x,y)时,fi(x,y)为云像素;
S203:根据所述S201、S202得到位置(x,y)处的非云像素集为{X1,X2,...Xm}={fi(x,y)|Ii(x,y)<T(x,y);i=1,2,...n},其中,Xi表示位置(x,y)处的非云像素,fi(x,y)表示MODIS遥感图像fi在位置(x,y)处的MODIS遥感图像像素矢量,n表示集合F中MODIS遥感图像的数量,Ii(x,y)表示MODIS遥感图像fi在位置(x,y)处的亮度值,T(x,y)表示MODIS遥感图像fi在位置(x,y)处的亮度的阈值。
4.根据权利要求1所述的无云MODIS遥感图像生成方法,其特征在于,生成无云MODIS遥感图像包括以下步骤:
S301:MODIS遥感图像fi在位置(x,y)处的饱和度和亮度的加权累积距离为i,j=1,2,...m,其中,m为当前位置处非云像素矢量的个数,Xi、Xj表示同一位置不同时相的像素矢量,Ii(x,y)为fi在位置(x,y)的亮度,Si(x,y)为fi在位置(x,y)的饱和度;
S302:对所述加权累积距离按由小到大的顺序排序,排序结果中最小的加权累积距离对应的颜色矢量为所述加权累积距离度量下的中值矢量;
S303:将所述中值矢量与所述非云像素矢量集进行融合作为融合图像在该位置上的输出像素矢量,将所有融合后的输出像素矢量组合成图像,得到无云MODIS遥感图像。
5.基于色彩特征的无云MODIS遥感图像系统,其特征在于,包括:
集合提取模块,用于提取n幅MODIS遥感图像的亮度分量集合和饱和度分量集合;
非云像素矢量集合提取模块,与所述集合提取模块相连,根据所述亮度分量集合提取非云像素矢量集合;
无云MODIS遥感图像生成模块,分别与所述集合提取模块、所述非云像素矢量集合提取模块相连,根据亮度分量和饱和度分量构造饱和度和亮度的加权累积距离,所述加权累积距离对应的颜色矢量与所述非云像素矢量集合提取模块提取的非云像素矢量集合进行融合,生成无云MODIS遥感图像。
6.根据权利要求5所述的无云MODIS遥感图像系统,其特征在于,所述集合提取模块包括:
伪彩色图像合成单元,将一幅MODIS遥感图像f表示为f={b1,b2,...,b36},其中b1,b2,...,b36为f的36个单波段图像,设n幅MODIS遥感图像集合F表示为F={f1,f2,...,fn},其中f1,f2,...,fn为包含同一经纬度范围的MODIS遥感图像;
色彩空间转换单元,与所述伪彩色图像合成单元相连,从所述n幅MODIS遥感图像集合F的图像fh中取出3个单波段图像bi,bj,bk,其中,fh为F中的任一MODIS遥感图像,i、j、k分别为从1至36中任意一整数,通过下式获取fh的亮度分量、饱和度分量和色度分量分别为 其中,I表示亮度,S表示饱和度,H表示色度,θ为中间变量,
亮度分量集合生成单元,与所述色彩空间转换单元相连,生成n幅MODIS遥感图像{f1,f2,...,fn}的亮度分量集合{I1,I2,...,In};
饱和度分量集合生成单元,与所述色彩空间转换单元相连,生成n幅MODIS遥感图像{f1,f2,...,fn}的饱和度分量集合为{S1,S2,...,Sn}。
7.根据权利要求5所述的无云MODIS遥感图像系统,其特征在于,所述非云像素矢量集合提取模块包括:
非云像素判断单元,与所述阈值计算单元相连,根据所述像素矢量的亮度判断所述像素矢量是否为非云像素,当Ii(x,y)<T(x,y)时,fi(x,y)为非云像素,当Ii(x,y)>T(x,y)时,fi(x,y)为云像素;
非云像素矢量集表示单元,与所述非云像素判断单元相连,位置(x,y)处的非云像素集表示为{X1,X2,...Xm}={fi(x,y)|Ii(x,y)<T(x,y);i=1,2,...n},其中,Xi表示位置(x,y)处的非云像素,fi(x,y)表示MODIS遥感图像fi在位置(x,y)处的MODIS遥感图像像素矢量,n表示集合F中MODIS遥感图像的数量,Ii(x,y)表示MODIS遥感图像fi在位置(x,y)处的亮度值,T(x,y)表示MODIS遥感图像fi在位置(x,y)处的亮度的阈值。
8.根据权利要求5所述的无云MODIS遥感图像系统,其特征在于,所述无云MODIS遥感图像生成模块包括:
加权累积距离计算单元,根据i,j=1,2,...m,计算饱和度和亮度的加权累积距离,其中,m为当前位置处非云像素矢量的个数,Xi、Xj表示同一位置不同时相的像素矢量,Ii(x,y)为fi在位置(x,y)的亮度,Si(x,y)为fi在位置(x,y)的饱和度;
排序单元,与所述加权累积距离计算单元相连,对所述加权累积距离计算单元输出的值按由小到大的顺序排序,排序结果中最小的加权累积距离对应的颜色矢量为所述加权累积距离度量下的中值矢量;
图像组合单元,将所述中值矢量与所述非云像素矢量集进行融合作为融合图像在该位置上的输出像素矢量,将所有融合后的输出像素矢量组合成图像,得到无云MODIS遥感图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310268453.8A CN103295214B (zh) | 2013-06-28 | 2013-06-28 | 基于色彩特征的无云modis遥感图像生成方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310268453.8A CN103295214B (zh) | 2013-06-28 | 2013-06-28 | 基于色彩特征的无云modis遥感图像生成方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103295214A true CN103295214A (zh) | 2013-09-11 |
CN103295214B CN103295214B (zh) | 2016-01-20 |
Family
ID=49096020
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310268453.8A Active CN103295214B (zh) | 2013-06-28 | 2013-06-28 | 基于色彩特征的无云modis遥感图像生成方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103295214B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110400353A (zh) * | 2019-07-18 | 2019-11-01 | 北京蜜莱坞网络科技有限公司 | 图像生成方法、装置、设备和介质 |
CN110849814A (zh) * | 2019-11-20 | 2020-02-28 | 平衡机器科技(深圳)有限公司 | 一种基于多源遥感卫星的遥感影像处理方法 |
CN112419745A (zh) * | 2020-10-20 | 2021-02-26 | 中电鸿信信息科技有限公司 | 一种基于深度融合网络的高速公路团雾预警系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102637301A (zh) * | 2012-03-20 | 2012-08-15 | 武汉大学 | 航空摄影过程中实时自动评定影像色彩质量的方法 |
CN103049898A (zh) * | 2013-01-27 | 2013-04-17 | 西安电子科技大学 | 带有薄云的多光谱和全色图像融合方法 |
-
2013
- 2013-06-28 CN CN201310268453.8A patent/CN103295214B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102637301A (zh) * | 2012-03-20 | 2012-08-15 | 武汉大学 | 航空摄影过程中实时自动评定影像色彩质量的方法 |
CN103049898A (zh) * | 2013-01-27 | 2013-04-17 | 西安电子科技大学 | 带有薄云的多光谱和全色图像融合方法 |
Non-Patent Citations (2)
Title |
---|
CHAO-HUNG LIN ET AL.: "Cloud Removal from Multitemporal Satellite Images Using Information Cloning", 《IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING》 * |
黄勇杰等: "遥感图像去云算法研究", 《仪器仪表学报》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110400353A (zh) * | 2019-07-18 | 2019-11-01 | 北京蜜莱坞网络科技有限公司 | 图像生成方法、装置、设备和介质 |
CN110400353B (zh) * | 2019-07-18 | 2021-11-02 | 北京蜜莱坞网络科技有限公司 | 图像生成方法、装置、设备和介质 |
CN110849814A (zh) * | 2019-11-20 | 2020-02-28 | 平衡机器科技(深圳)有限公司 | 一种基于多源遥感卫星的遥感影像处理方法 |
CN112419745A (zh) * | 2020-10-20 | 2021-02-26 | 中电鸿信信息科技有限公司 | 一种基于深度融合网络的高速公路团雾预警系统 |
Also Published As
Publication number | Publication date |
---|---|
CN103295214B (zh) | 2016-01-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220343599A1 (en) | System and methods for improved aerial mapping with aerial vehicles | |
CN102567967B (zh) | 用于空间图像的大气和阳光校正的技术 | |
Hantson et al. | Evaluation of different topographic correction methods for Landsat imagery | |
CN102436652B (zh) | 一种多源遥感图像自动配准方法 | |
Griffiths et al. | Comparison of pre-and self-calibrated camera calibration models for UAS-derived nadir imagery for a SfM application | |
CN102073874B (zh) | 附加几何约束的航天三线阵ccd相机多影像立体匹配方法 | |
CN102324098B (zh) | 一种结合实验室定标和均匀景统计的相对辐射定标方法 | |
US20170358067A1 (en) | Method and Device for Fusing Panchromatic Image and Infrared Image | |
CN107145891B (zh) | 一种基于遥感影像的水体提取方法及系统 | |
CN106023157A (zh) | 一种基于sar图像的山区地表微形变信息提取方法 | |
Burdziakowski | Increasing the geometrical and interpretation quality of unmanned aerial vehicle photogrammetry products using super-resolution algorithms | |
Rodriguez-Padilla et al. | A simple and efficient image stabilization method for coastal monitoring video systems | |
US11830167B2 (en) | System and method for super-resolution image processing in remote sensing | |
CN104008543A (zh) | 一种图像融合质量评价方法 | |
CN106097252A (zh) | 基于图Graph模型的高光谱图像超像素分割方法 | |
CN103295214A (zh) | 基于色彩特征的无云modis遥感图像生成方法及系统 | |
CN111192298A (zh) | 一种夜光遥感影像相对辐射校正方法 | |
CN111175231B (zh) | 冠层植被指数的反演方法、装置及服务器 | |
CN102073038A (zh) | 基于微小地形的遥感影像的地形校正的方法 | |
CN107578429A (zh) | 基于动态规划和全局代价累积路径的立体影像密集匹配方法 | |
CN108985154B (zh) | 基于影像聚集度的小尺寸地物亚像元定位方法和系统 | |
CN104700356A (zh) | 一种遥感图像反立体校正方法 | |
CN105528772A (zh) | 一种基于指导性滤波的图像融合方法 | |
Goerner et al. | Monitoring of the Ecuadorian mountain rainforest with remote sensing | |
CN112052720B (zh) | 一种基于直方图聚类的高时空归一化植被指数ndvi的融合模型 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |