CN103604421B - 一种基于光谱反射率特性的星载高光谱图像云检测方法 - Google Patents
一种基于光谱反射率特性的星载高光谱图像云检测方法 Download PDFInfo
- Publication number
- CN103604421B CN103604421B CN201310606332.XA CN201310606332A CN103604421B CN 103604421 B CN103604421 B CN 103604421B CN 201310606332 A CN201310606332 A CN 201310606332A CN 103604421 B CN103604421 B CN 103604421B
- Authority
- CN
- China
- Prior art keywords
- region
- reflectivity
- cloud
- wavelength
- view data
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
- G01C11/04—Interpretation of pictures
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Image Processing (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明涉及一种基于光谱反射率特性的星载高光谱图像云检测方法,可用于航天、航空高光谱遥感图像的自动云判。该方法包括以下步骤:从高光谱图像中获取特定波长的图像数据,从卫星平台获取太阳高度角;计算特定波长图像的反射率;将整个区域分为高云待定区和中低云待定区;对高云待定区排除雪地区得到高云区;对中低云待定区依次排除水体以及土壤、植被、沙漠岩石和雪地区域,得到中低云区;最后将高云区和中低云区合并得到云检测结果。本发明避免了使用图像统计信息进行云检测,不受到地物纹理复杂度的影响,利用光谱信息,提高云检测准确率,易于硬件实现,具有较高的普适性,适于星载高光谱图像实时云检测应用。
Description
技术领域
本发明涉及一种云检测方法,尤其涉一种基于光谱反射率特性的星载高光谱图像云检测方法。
背景技术
在大气系统中,大约50%的地区表面被云覆盖。卫星进行对地观测时,会将下行大量的含云的图像数据,而这些含云图像往往是无用数据,造成数据采集传输及处理的浪费,所以需要在星上进行自主的云判读。
目前国内从事云检测技术的研究多是在地面处理,在地面站进行云判读技术,通过模式识别与并行计算对可见光图像进行实时云判读。其目的主要是为了减轻工作人员工作强度,承担辅助判读功能。其算法分别利用在模式识别系统中,空间域或频率域的特点作为判据,分别采用均值、方差、边缘和图像熵作为特征,采用最小距离法对云和地物进行分类。也有采用边缘检测的方法进行云检测,首先采用中值滤波器保持图像边界,滤波后图像进行边缘检测,将图像中的高梯度边缘检测出来。同时对图像梯度直方图进行分析,通过对图像灰度直方图的峰谷的分割,将目标与背景进行分割。通过比较分析可以发现,以上两种云检测算法利用含云图像中的灰度阈值、方差、边缘和熵这四个信息进行判读。但由于云结构复杂多变,很多时候与地物区分度不高,仅依靠这四个统计特征难以得到满意的结果。设定固定的判别依据,难以自适应调整判别阈值,不能够准确检测。
另外还有利用云和地物的固有反射率,以阈值为基础,应用最大类间方差阈值法对不同的云图自适应计算阈值,即以云的形态统计特性调整阈值作为云和晴空的判断依据。此方法对云的形态依赖性较强,而且由于卫星轨道和太阳角度是在动态变化的,在不同光照的影响下云和地物的反射率是不同的,计算量较大,这种方法不适合卫星平台应用实时检测。
发明内容
本发明的目的在于提供一种基于光谱反射率特性的星载高光谱图像云检测方法,可以利用高光谱图像对地物的反射率特性,准确区分云与雪地区域、沙漠区域以及植被区域,实现精确云检测。
为了实现上述目的,本发明提供了一种基于光谱反射率特性的星载高光谱图像云检测方法,包括以下步骤,
S1:从卫星平台拍摄的一高光谱图像数据中获取以下五个波长分别为0.66μm、0.86μm、1.25μm、1.38μm以及1.65μm的图像数据,其中每个波长偏差可为±0.05μm,并获取卫星平台拍摄图片时太阳高度角;
S2:利用S1中五个波长图像数据结合卫星平台拍摄图片时的太阳高度角,分别计算五个波长的图像数据中各像元的反射率。
S3:区分高云待定区和中低云待定区,对波长为1.38μm的图像数据反射率进行阈值判断,大于第一阈值的区域为高云待定区域,小于所述第一阈值的区域为中低云待定区域;
S4:对所述高云待定区域进行第一雪区域排除,对波长为1.65μm的图像数据的反射率进行阈值判断,其反射率小于第二阈值的为第一雪区域,其反射率大于所述第二阈值的为高云区域;
对所述中低云待定区域进行水体以及土壤区域排除,对波长为0.66μm的图像数据反射率进行阈值判断,反射率低于第三阈值的为水体以及土壤区域;
对所述中低云待定区域进行植被区域排除,检测波长为0.66μm的图像数据与波长为0.86μm的图像数据的反射率的比值,所述比值小于第四阈值为植被区域;
对所述中低云待定区域进行沙漠岩石区域排除,分别检测波长1.25μm和1.65μm的图像数据反射率,计算归一化沙漠岩石指数,将所述归一化沙漠岩石指数小于第五阈值的区域作为沙漠岩石区域排除;
对所述中低云待定区域进行第二雪区域排除,检测波长1.25μm的图像数据反射率,将反射率小于第六阈值的区域作为第二雪区域被排除;
经过对中低云待定区中所述水体以及土壤区域、所述植被区域、所述沙漠岩石区域以及所述雪区域的排除,剩余区域为中低云区域;
S5:将步骤S4得到的所述高云区域与所述中低云区域合并得到高光谱图像云检测结果。
作为优选地,所述反射率计算公式为:ρ=L*π/(E*cos(q)),其中,ρ为反射率,E为大气层顶太阳辐照度,L为卫星接收的辐亮度,L=DN/a+b,a和b为星上定标系数,其中定标系数为遥感器接收的辐射强度转换为像元幅值的系数值,DN为光谱图像中像元的像素值。
较佳地,其所述第一阈值为0.23,所述第二阈值为0.4,所述第三阈值为0.4,所述第四阈值为0.4,所述第五阈值为0.3以及所述第六阈值为0.5。
作为优选地,归一化沙漠岩石指数DSI通过下式得到:
其中,ρ1.25和ρ1.65分别为同一像元上波长为1.25μm的图像数据的反射率和波长为1.65μm的图像数据的反射率。
本发明由于采用以上技术方案,使之与现有技术相比,具有以下的优点和积极效果:
1)本发明提供的一种基于光谱反射率特性的星载高光谱图像云检测方法,不依赖云的形态,利用光谱信息,根据卫星平台的太阳高度角自适应调整地物光谱反射率,采用反射率阈值法进行云检测技术的设计,提高云检测准确率。
2)本发明提供的一种基于光谱反射率特性的星载高光谱图像云检测方法,计算量相对较小,适于星载高光谱图像实时云检测应用。
附图说明
图1为本发明提供的一种基于光谱反射率特性的星载高光谱图像云检测方法的流程图;
图2为本发明提供的一种基于光谱反射率特性的星载高光谱图像云检测方法实施例的流程图。
具体实施方式
下面参照附图和具体实施例来进一步说明本发明。
参见出本发明实施例的附图,下文将更详细地描述本发明。然而,本发明可以以许多不同形式实现,并且不应解释为受在此提出之实施例的限制。相反,提出实施例是为了达成充分及完整公开,并且使本技术领域的技术人员完全了解本发明的范围。
如附图1-2所示的本发明提供的一种基于光谱反射率特性的星载高光谱图像云检测方法的流程图,对本发明进一步详细说明。
附图2是本发明提出的一种基于光谱反射率特性的星载高光谱图像云检测方法的一较佳实施例的流程框图,本发明提出的基于光谱反射率特性的星载高光谱图像云检测方法,包括以下几个步骤:
S1,从一卫星平台拍摄的高光谱图像,从中选取五个特定光谱范围的波段,波长分别为0.66μm、0.86μm、1.25μm、1.38μm、1.65μm的图像,波长偏差可为±0.05μm,即假设输入图像中没有波长为0.66μm的图像,则可以用波长域0.61μm-0.71μm中的任一波长的图像代替。并获取卫星平台拍摄图片时太阳高度角q,q取值为0到90度,q的值由卫星平台提供的。
S2,利用这五个波段图像的信息结合拍摄时卫星所处的轨道信息,计算反演地物不同光谱的反射率,反射率反演计算公式为:
ρ=L*π/(E*cos(q))
其中,ρ为反射率,E为大气层顶太阳辐照度,L为卫星接收的辐亮度,L=DN/a+b,a和b为星上定标系数,DN为像元的像素值。由公式可以看出,在一定的太阳高度角下,卫星接收的辐射值仅取决于物体双向发射率,如果将地面作为伯朗面,则卫星接收的幅值仅取决于反射率大小。当入射幅度一定时,从任何角度观察反射面,反射面辐射强度都是一个常数,这样的反射面叫伯朗面。
S3,对高光谱图像的排除,对波长为1.38μm的图像数据反射率进行阈值判断,它处于强的水汽吸收波段,由于该谱段的强水汽吸收,所以该波段对高层卷云敏感,具有高的反射率,根据反射率反演公式计算地物在该波段下的反射率,通过实验计算得到高云反射率ρ高云和地物反射率ρ地物,得出ρ地物<T1<ρ高云。设置高云待定阈值T1,反射率大于设置高云待定阈值T1的区域可为高云待定区域,小于高云待定阈值T1的为中低云待定区域,一般T1选取0.23。
S4,对于高云待定区域与对于中低云待定区域的各个区域进行排除,其中对于高云待定区域与对于中低云待定区域的检测分析可以是同时进行的,也可以不是同步的。
对于高云待定区域,由于在1.65μm近红外波段中,雪因吸收太阳辐射强而导致反射率低,云则相对吸收太阳辐射少而反射率高,所以可以用1.65μm波段的图像数据的反射率进行云雪判断,通过实验中计算得到在1.65μm近红外波段中雪反射率ρ雪1和高云反射率ρ高云2,得出ρ雪1<ρ高云2。来设置高云判别阈值T2,使ρ雪1<T2<ρ高云2。在判断时计算1.65μm波段的图像数据的反射率大于阈值T2的即为高云,一般阈值T2选取为0.4。
对中低云待定区域进行植被区域、沙漠岩石区域、雪区域以及对水体以及土壤区域的排除,最终得到中低云区域,其中,对上述区域排除的先后顺序并不做限定。本实施例中仅对依次排除水体以及土壤区域、植被区域、沙漠岩石区域、雪区域的情况做具体阐述,其他情况依次类推,由于每个波长的图像数据反射率各不相同,显而易见,其排除顺序对最终排除的得到的中低云域结果并不产生改变。
对S3得到的中低云待定区域,检测波长为0.66μm的图像数据,通过实验计算得到此波长图像数据的水体以及土壤区域的反射率ρ水、土、雪区区域的反射率ρ雪2、沙漠岩石区域的反射率ρ沙漠和云区域的反射率ρ低云,得出ρ水、土<ρ低云,ρ水、土<ρ雪2,ρ水、土<ρ沙漠。设置水、土壤判别阈值T3,使ρ水、土<T3<ρ低云,ρ水、土<T3<ρ雪2且ρ水、土<T3<ρ沙漠。在排除水体以及土壤区域时,把低于阈值T3的为水体以及土壤区域被滤掉,而反射率高于第三阈值的云区域、雪区域以及沙漠岩石区域将可以进行进一步的排除。一般阈值T3选取为0.4。
对上述中低云云区域、雪区域以及沙漠岩石区域,检测波长为0.66μm的图像数据以及波长为0.86μm的图像数据,计算它们的反射率比值。由于植被在波长为0.66μm图像数据的反射率较低而在波长为0.86μm的图像数据的反射率较高,而云在两个波段的反射率没有明显区别,所以通过比值来排除植被。通过计算,云在这两个波段的反射率比值大于值域T4,植被在这两个波段的反射率的比值小于T4,T4一般可取值为0.4,所以通过在波长为0.66μm的图像数据的反射率与在波长为0.86μm的图像数据的反射率的比值小于阈值T4的为植被区域,因而排除了植被区域,得到含有沙漠岩石、雪区和低云区的非植被区域。
对上述得到的非植被区域后,选取1.25μm和1.65μm谱段的反射率,计算归一化沙漠岩石指数,排除沙漠岩石区域。归一化沙漠岩石指数DSI定义如下:
实验计算得出沙漠岩石区域的DSI值为DSI沙,雪区域的DSI值DSI雪,中低云区域的DSI值为DSI低云,得出DSI沙<DSI雪且DSI沙<DSI低云,设阈值T5,使得DSI沙<T5<DSI雪且DSI沙<T5<DSI低云,一般取阈值T5为0.3,因而,DIS小于0.3的区域作为沙漠岩石区域被排除。
对排除沙漠岩石区域后的图像信息,对其1.25μm谱段的反射率进行阈值分析排除,通过实验计算得到雪的反射率ρ雪3和中低云的反射率ρ低云2,由实验得到ρ雪3<ρ低云2,设置雪区域的判别阈值T6,ρ雪3<T6<ρ低云2,反射率小于阈值T6的区域为雪区域,反射率大于T6的区域为中低云区域,一般阈值T6选取为0.5。
S5,将得到的高云区域和中低云区域合并得到高光谱图像云检测结果。
本发明使用的方法既通过做成嵌入式芯片以硬件的形式来实现,也可以计算机以软件的形式安装并执行。
如附图2所示,本发明S3以及S4中通过对高光谱不同波长的图像数据的反射率的阈值判别过程中,每次排除不同区域时均可以通过不同性能的滤波器来实现。
上述公开的仅为本发明的具体实施例,该实施例只为更清楚的说明本发明所用,而并非对本发明的限定,任何本领域的技术人员能思之的变化,都应落在保护范围内。
Claims (4)
1.一种基于光谱反射率特性的星载高光谱图像云检测方法,其特征在于,包括以下步骤,
S1:从卫星平台拍摄的一高光谱图像数据中获取以下五个波长分别为0.66μm、0.86μm、1.25μm、1.38μm以及1.65μm的图像数据,其中每个波长偏差可为±0.05μm,并获取卫星平台拍摄图片时太阳高度角;
S2:利用S1中五个波长图像数据结合卫星平台拍摄图片时的太阳高度角,分别计算五个波长的图像数据中各像元的反射率;
S3:区分高云待定区和中低云待定区,对波长为1.38μm的图像数据反射率进行阈值判断,大于第一阈值的区域为高云待定区域,小于所述第一阈值的区域为中低云待定区域;
S4:对所述高云待定区域进行第一雪区域排除,对波长为1.65μm的图像数据的反射率进行阈值判断,其反射率小于第二阈值的为第一雪区域,其反射率大于所述第二阈值的为高云区域;
对所述中低云待定区域进行水体以及土壤区域排除,对波长为0.66μm的图像数据反射率进行阈值判断,反射率低于第三阈值的为水体以及土壤区域;
对所述中低云待定区域进行植被区域排除,检测波长为0.66μm的图像数据与波长为0.86μm的图像数据的反射率的比值,所述比值小于第四阈值为所述植被区域;
对所述中低云待定区域进行沙漠岩石区域排除,分别检测波长1.25μm和1.65μm的图像数据反射率,计算归一化沙漠岩石指数,将所述归一化沙漠岩石指数小于第五阈值的区域作为所述沙漠岩石区域排除;
对所述中低云待定区域进行第二雪区域排除,检测波长1.25μm的图像数据反射率,将反射率小于第六阈值的区域作为所述第二雪区域被排除;
经过对所述中低云待定区中所述水体以及土壤区域、所述植被区域、所述沙漠岩石区域以及所述第二雪区域的排除,剩余区域为中低云区域;
S5:将步骤S4得到的所述高云区域与所述中低云区域合并得到高光谱图像云检测结果。
2.根据权利要求1所述的一种基于光谱反射率特性的星载高光谱图像云检测方法,其特征在于,所述反射率计算公式为:其中,ρ为反射率,E为大气层顶太阳辐照度,q为太阳高度角,L为卫星接收的辐亮度,L=DN/a+b,a和b为星上定标系数,其中定标系数为遥感器接收的辐射强度转换为像元幅值的系数值,DN为光谱图像中像元的像素值。
3.根据权利要求1所述的一种基于光谱反射率特性的星载高光谱图像云检测方法,其特征在于,其所述第一阈值为0.23,所述第二阈值为0.4,所述第三阈值为0.4,所述第四阈值为0.4,所述第五阈值为0.3以及所述第六阈值为0.5。
4.根据权利要求1所述的一种基于光谱反射率特性的星载高光谱图像云检测方法,其特征在于,归一化沙漠岩石指数DSI通过下式得到:
其中,ρ1.25和ρ1.65分别为同一像元上波长为1.25μm的图像数据的反射率和波长为1.65μm的图像数据的反射率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310606332.XA CN103604421B (zh) | 2013-11-25 | 2013-11-25 | 一种基于光谱反射率特性的星载高光谱图像云检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310606332.XA CN103604421B (zh) | 2013-11-25 | 2013-11-25 | 一种基于光谱反射率特性的星载高光谱图像云检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103604421A CN103604421A (zh) | 2014-02-26 |
CN103604421B true CN103604421B (zh) | 2015-07-29 |
Family
ID=50122667
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310606332.XA Active CN103604421B (zh) | 2013-11-25 | 2013-11-25 | 一种基于光谱反射率特性的星载高光谱图像云检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103604421B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104463212B (zh) * | 2014-12-09 | 2018-05-25 | 环境保护部卫星环境应用中心 | 基于阈值和正则化最小二乘的云检测方法和系统 |
CN104778668B (zh) * | 2015-04-16 | 2017-12-15 | 电子科技大学 | 基于可见光波段光谱统计特征的光学遥感图像薄云去除方法 |
CN109035223A (zh) * | 2018-07-11 | 2018-12-18 | 北京航空航天大学 | 一种用于卫星遥感图像可用度的智能评估方法 |
CN109376600A (zh) * | 2018-09-20 | 2019-02-22 | 中国农业大学 | 多光谱遥感影像综合特征云检测方法及装置 |
CN109543721B (zh) * | 2018-11-05 | 2023-07-04 | 中国科学院西北生态环境资源研究院 | 一种晴间多云天气情况下的太阳辐照度超短期预报方法 |
CN109387487B (zh) * | 2018-12-18 | 2021-11-26 | 成都信息工程大学 | 卷云条件下短波红外高光谱数据大气甲烷快速反演方法 |
CN114187351B (zh) * | 2021-12-09 | 2022-07-26 | 北京劢亚科技有限公司 | 一种应用于卫星的图像采集方法及装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6281969B1 (en) * | 1999-10-27 | 2001-08-28 | The Aerospace Corporation | Cloud base measurement method |
CN102279393B (zh) * | 2011-07-15 | 2013-05-22 | 北京航空航天大学 | 一种基于多光谱传感器对高光谱传感器交叉辐射定标方法 |
CN102799903B (zh) * | 2012-07-18 | 2014-10-22 | 中国科学院自动化研究所 | 一种基于空间与光谱信息的高光谱自动云检测方法 |
-
2013
- 2013-11-25 CN CN201310606332.XA patent/CN103604421B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN103604421A (zh) | 2014-02-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103604421B (zh) | 一种基于光谱反射率特性的星载高光谱图像云检测方法 | |
CN104502999B (zh) | 一种基于静止卫星多通道数据的昼夜云检测方法与装置 | |
CN105046087B (zh) | 一种遥感卫星多光谱影像的水体信息自动提取方法 | |
US11244461B2 (en) | Apparatus and method for detecting oil spill by using satellite image | |
CN114419825B (zh) | 基于毫米波雷达和摄像头的高铁周界入侵监测装置及方法 | |
CN105445816B (zh) | 一种云雷达与卫星探测数据融合方法及系统 | |
CN102034337B (zh) | 草原雪灾遥感监测与灾情评估系统及方法 | |
Wang et al. | Using NOAA AVHRR data to assess flood damage in China | |
CN104834814B (zh) | 遥感影像地形标准化方法 | |
CN104966298A (zh) | 一种基于微光云图数据的夜间低云大雾监测方法 | |
Moussu et al. | A method for the mapping of the apparent ground brightness using visible images from geostationary satellites | |
Heidinger et al. | ABI cloud products from the GOES-R series | |
CN102937438A (zh) | 基于最优化方法的红外弱小目标距离探测方法 | |
US7480052B1 (en) | Opaque cloud detection | |
CN101620728A (zh) | 一种基于自适应背景预测的红外背景抑制新方法 | |
Liu | Why NDWI threshold varies in delineating water body from multitemporal images? | |
CN104573662A (zh) | 一种云判方法和系统 | |
Pimentel et al. | Terrestrial photography as an alternative to satellite images to study snow cover evolution at hillslope scale | |
Hutchison et al. | Improved detection of optically thin cirrus clouds in nighttime multispectral meteorological satellite imagery using total integrated water vapor information | |
CN104616253A (zh) | 一种利用独立成分分析技术的光学遥感图像薄云去除方法 | |
CN104268831B (zh) | 海上阳光亮带干扰下的红外图像补偿方法 | |
CN105205789A (zh) | 一种消除水域遥感数据镜面反射影响的方法 | |
Scott et al. | A preliminary evaluation of the impact of assimilating AVHRR data on sea ice concentration analyses | |
Satheesh Kumar et al. | A novel approach for the extraction of cloud motion vectors using airglow imager measurements | |
Paul et al. | Optical remote sensing of glacier extent |
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 |