CN109377476A - 遥感影像云检测特征参数的动态阈值获取方法及装置 - Google Patents
遥感影像云检测特征参数的动态阈值获取方法及装置 Download PDFInfo
- Publication number
- CN109377476A CN109377476A CN201811117470.0A CN201811117470A CN109377476A CN 109377476 A CN109377476 A CN 109377476A CN 201811117470 A CN201811117470 A CN 201811117470A CN 109377476 A CN109377476 A CN 109377476A
- Authority
- CN
- China
- Prior art keywords
- reference images
- wave band
- remote sensing
- indicate
- sensing image
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10036—Multispectral image; Hyperspectral image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30192—Weather; Meteorology
Abstract
本发明实施例提供一种遥感影像云检测特征参数的动态阈值获取方法及装置,其中方法包括:获取基准影像的太阳高度角与各波段反射率值,计算比例系数和校正系数;获取基准影像中心像元各波段反射率值;根据待测遥感影像的太阳高度角和比例系数和校正系数,获取待测遥感影像中心像元各波段反射率值;根据基准影像、基准影像中心像元和待测遥感影像中心像元各波段反射率值,分别计算对应的各云检测特征参数;计算基准影像与基准影像中心像元的各云检测特征参数的差值,获取待测遥感影像的各云检测特征参数的阈值。本发明实施例通过引入太阳高度角参数,综合三种云检测特征参数的阈值,从而获得动态阈值,处理效率高,显著地提高了云检测的准确度。
Description
技术领域
本发明实施例涉及遥感影像处理技术领域,尤其涉及一种遥感影像云检测特征参数的动态阈值获取方法及装置。
背景技术
随着现代遥感事业的发展,遥感影像因其成像清晰度高、信息客观丰富、时效性及实用性强等优点,而被广泛应用于农作物分类与估产、灾害动态监测、环境监测、土地规划利用等领域。
由于天气状况的影响,许多遥感影像都不可避免地覆盖着大量的云层,为了提高影像的利用率,需要在影像的预处理阶段进行云检测。云检测方法中,阈值的选取是很重要的一部分,影响到区分云和非云像素的准确度。然而现有的云检测方法中,阈值往往是通过目视比对效果进行选取,不仅处理效率低下,同时准确度不高。
发明内容
针对现有技术存在的问题,本发明实施例提供一种多光谱遥感影像云检测的动态阈值获取方法及装置。
本发明实施例提供一种遥感影像云检测特征参数的动态阈值获取方法,包括:
获取基准影像的太阳高度角与各波段的反射率值,计算所述基准影像的太阳高度角和所述反射率值的比例系数和校正系数;根据所述比例系数和校正系数,获取基准影像中心像元的各波段的反射率值;
获取待测遥感影像的太阳高度角,根据所述待测遥感影像的太阳高度角和所述比例系数和校正系数,获取待测遥感影像中心像元的各波段的反射率值;
根据所述基准影像各波段的反射率值、所述基准影像中心像元的各波段的反射率值以及待测遥感影像中心像元的各波段的反射率值,计算所述基准影像的各云检测特征参数、所述基准影像的中心像元的各云检测特征参数以及待测遥感影像的中心像元的各云检测特征参数;所述云检测特征参数包括归一化植被指数、白度参数和HOT特征参数;
分别计算所述基准影像的各云检测特征参数与所述基准影像的中心像元的各云检测特征参数的差值,根据所述待测遥感影像的中心像元的各云检测特征参数和所述差值,分别获取待测遥感影像的各云检测特征参数的阈值。
本发明实施例提供一种遥感影像云检测特征参数的动态阈值获取装置,包括:
方程系数模块,用于获取基准影像的太阳高度角与各波段的反射率值,计算所述基准影像的太阳高度角和所述反射率值的比例系数和校正系数;根据所述比例系数和校正系数,获取基准影像中心像元的各波段的反射率值;
反射率值模块,用于获取待测遥感影像的太阳高度角,根据所述待测遥感影像的太阳高度角和所述比例系数和校正系数,获取待测遥感影像中心像元的各波段的反射率值;
特征参数模块,用于根据所述基准影像各波段的反射率值、所述基准影像中心像元的各波段的反射率值以及待测遥感影像中心像元的各波段的反射率值,计算所述基准影像的各云检测特征参数、所述基准影像的中心像元的各云检测特征参数以及待测遥感影像的中心像元的各云检测特征参数;所述云检测特征参数包括归一化植被指数、白度参数和HOT特征参数;
动态阈值模块,用于分别计算所述基准影像的各云检测特征参数与所述基准影像的中心像元的各云检测特征参数的差值,根据所述待测遥感影像的中心像元的各云检测特征参数和所述差值,分别获取待测遥感影像的各云检测特征参数的阈值。
本发明实施例提供的遥感影像云检测特征参数的动态阈值获取方法及装置,通过综合归一化植被指数、白度参数和HOT特征参数的阈值,并引入太阳高度角参数,从而获得动态阈值;运用动态阈值进行云检测,不需要辅助信息和人工干预,处理效率高,同时显著地提高了云检测的准确度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为根据本发明实施例提供的遥感影像云检测特征参数的动态阈值获取方法流程图;
图2为根据本发明实施例提供的遥感影像云检测特征参数的动态阈值获取装置结构示意图;
图3为根据本发明实施例提供的电子设备结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
应当清楚,本发明提供的方法适用于能够获取蓝波段、绿波段、红波段及红外波段的卫星,可以包括但不限于高分一号(GF-1)卫星、Landsat8卫星以及哨兵一号卫星等。本文为了简述方便,将以GF-1卫星为例进行说明。GF-1卫星上搭载了8m分辨率多光谱相机和16m分辨率多光谱相机,可以获取蓝波段(0.45~0.52μm)、绿波段(0.52~0.59μm)、红波段(0.63~0.69μm)和近红外波段(0.77~0.89μm)四个波段的光谱信息。在本发明实施例中,各个波段用i表示。
图1为根据本发明实施例提供的遥感影像云检测特征参数的动态阈值获取方法流程图,如图1所示,包括:
S1、获取基准影像的太阳高度角与各波段的反射率值,计算所述基准影像的太阳高度角和所述反射率值的比例系数和校正系数;根据所述比例系数和校正系数,获取基准影像中心像元的各波段的反射率值。
需要说明的是,太阳高度是决定地球表面获得太阳热能数量的最重要的因素。太阳高度角由太阳直射点所在经纬度向南北两侧递减,且随着太阳在南北回归线间移动而随季节变化。因此,可利用遥感影像的太阳高度角来表征遥感影像的时相和地域。对于蓝波段、绿波段、红波段以及近红外波段,遥感影像的太阳高度角和遥感影像的反射率值之间的关系如下述方程所示:
r=αsinθ+β;
式中,r为像元的反射率,θ为太阳高度角,α表示各波段的比例系数,β表示各波段的校正系数。对一系列r和sinθ组成的点作线性回归分析,由此可得到α和β的值。
对于遥感影像,其xml格式元数据文件包含影像编号、传感器名称、成像日期、太阳方位角、太阳天顶角、卫星方位角、卫星天顶角以及影像四个顶点地理坐标。由于太阳天顶角与太阳高度角互为余角,因此解析遥感影像的元数据文件,可直接得到该遥感影像的太阳高度角。在预先获取的遥感影像中,选取经过实验验证后云检测效果较好的任意一张遥感影像,并对其作辐射校正和大气定标的处理,处理后得到的遥感影像作为基准影像,作为后续计算处理的基准参照。
根据获得的比例系数α和校正系数β,可求得基准影像的中心像元的四个波段的反射率值。基准影像的中心像元的各波段的反射率值的计算公式为:
xbi=αisinθ+βi;
其中,xbi表示基准影像中心像元的各波段的反射率值,αi和βi表示对一系列r和sinθ组成的点作线性回归分析,由此得到的一系列的α和β的值。
由此,可以获得基准影像中心像元蓝波段、绿波段、红波段以及近红外波段的反射率值xb1、xb2、xb3、xb4。
S2、获取待测遥感影像的太阳高度角,根据所述待测遥感影像的太阳高度角和所述比例系数和校正系数,获取待测遥感影像中心像元的各波段的反射率值。
需要说明的是,同理,通过解析待测遥感影像的元数据文件,可直接得到待测遥感影像的太阳高度角。根据待测遥感影像的太阳高度角和S1得到的比例系数α和校正系数β,可以计算出待测遥感影像中心像元的各波段的反射率值,计算公式为:
ybi=αisinθ+βi;
其中,ybi表示待测遥感影像中心像元的各波段的反射率值。
由此,可以获得待测遥感影像中心像元蓝波段、绿波段、红波段以及近红外波段的反射率值yb1、yb2、yb3、yb4。
S3、根据所述基准影像各波段的反射率值、所述基准影像中心像元的各波段的反射率值以及待测遥感影像中心像元的各波段的反射率值,计算所述基准影像的各云检测特征参数、所述基准影像的中心像元的各云检测特征参数以及待测遥感影像的中心像元的各云检测特征参数;所述云检测特征参数包括归一化植被指数、白度参数和HOT特征参数。
需要说明的是,一般来说,遥感影像的云检测中,通常可以选择归一化植被指数(Normalized Difference Vegetation Index,NDVI)、白度参数(Whiteness)和HOT(HazeOptimized Transformation,HOT)特征参数用以表征云像元或区别云与非云像元。
根据S1获得的基准影像各波段的反射率值,可以计算获得基准影像的各云检测特征参数。根据S1获得的基准影像中心像元的各波段的反射率值,以及S2获得的待测遥感影像中心像元的各波段的反射率值,可以计算获得基准影像中心像元的各云检测特征参数,以及待测遥感影像中心像元的各云检测特征参数。其中,计算基准影像的中心像元的各云检测特征参数的公式具体为:
xHOT=0.8256xb1-0.5643xb3;
其中,xNDVI表示基准影像的中心像元的归一化植被指数,xWhiteness表示基准影像的中心像元的白度参数,xHOT表示基准影像的中心像元的HOT特征参数,xbi表示基准影像的中心像元的各个波段的反射率值,xb1表示基准影像的中心像元的蓝波段的反射率值,xb2表示基准影像的中心像元的绿波段的反射率值,xb3表示基准影像的中心像元的红波段的反射率值,xb4表示基准影像的中心像元的近红外波段的反射率值,MeanVisx表示基准影像的中心像元的蓝波段、绿波段和红波段的反射率值的平均值。
计算所述待测遥感影像的中心像元的各云检测特征参数的公式具体为:
yHOT=0.8256yb1-0.5643yb3;
其中,yNDVI表示待测遥感影像的中心像元的归一化植被指数,yWhiteness表示待测遥感影像的中心像元的白度参数,yHOT表示待测遥感影像的中心像元的HOT特征参数,ybi表示待测遥感影像的中心像元的各个波段的反射率值,yb1表示待测遥感影像的中心像元的蓝波段的反射率值,yb2表示待测遥感影像的中心像元的绿波段的反射率值,yb3表示待测遥感影像的中心像元的红波段的反射率值,yb4表示待测遥感影像的中心像元的近红外波段的反射率值,MeanVisy表示待测遥感影像的中心像元的蓝波段、绿波段和红波段的反射率值的平均值。
计算基准影像的各云检测特征参数的公式具体为:
tHOT=bandt1sinθt-bandt3cosθt-|It|cosθt;
其中,tNDVI表示基准影像的归一化植被指数,tWhiteness表示基准影像的白度参数,tHOT表示基准影像的HOT特征参数,bandti表示基准影像的各个波段的反射率值,bandt1表示基准影像的蓝波段的反射率值,bandt2表示基准影像的绿波段的反射率值,bandt3表示基准影像的红波段的反射率值,bandt4表示基准影像的近红外波段的反射率值,MeanVist表示基准影像的蓝波段、绿波段和红波段的反射率值的平均值,θt表示基准影像的晴空线与蓝波段的夹角,It表示基准影像的晴空线截距。
S4、分别计算所述基准影像的各云检测特征参数与所述基准影像的中心像元的各云检测特征参数的差值,根据所述待测遥感影像的中心像元的各云检测特征参数和所述差值,分别获取待测遥感影像的各云检测特征参数的阈值。
需要说明的是,在得到基准影像的各云检测特征参数与基准影像的中心像元的各云检测特征参数后,可以计算二者的各差值,计算公式如下:
NNDVI=xNDVI-tNDVI;
NWhiteness=xWhiteness-tWhiteness;
NHOT=xHOT-tHOT;
其中,NNDVI表示基准影像的归一化植被指数与基准影像的中心像元的归一化植被指数的差值,NWhiteness表示基准影像的白度参数与基准影像的中心像元的白度参数的差值,NHOT表示基准影像的HOT特征参数与基准影像的中心像元的HOT特征参数的差值。
根据待测遥感影像的中心像元的各云检测特征参数和上述步骤得到的各差值,分别获取待测遥感影像的各云检测特征参数的阈值,具体公式为:
TNDVI=yNDVI+NNDVI;
TWhiteness=yWhiteness+NWhiteness;
THOT=yHOT+NHOT;
其中,TNDVI表示待检测遥感影像的归一化植被指数的阈值,TWhiteness表示待检测遥感影像的白度参数的阈值,THOT表示待检测遥感影像的HOT特征参数的阈值。
本发明实施例提供的遥感影像云检测特征参数的动态阈值获取方法,通过综合归一化植被指数、白度参数和HOT特征参数的阈值,并引入太阳高度角参数,从而获得动态阈值;运用动态阈值进行云检测,不需要辅助信息和人工干预,处理效率高,同时显著地提高了云检测的准确度。
在上述实施例的基础上,计算太阳高度角和反射率值的比例系数和校正系数的公式具体为:
ri=αisinθ+βi;
其中,ri表示各波段的像元的反射率,θ表示太阳高度角,αi表示各波段的比例系数,βi表示各波段的校正系数。
在上述实施例的基础上,计算基准影像的各云检测特征参数的公式具体为:
tHOT=bandt1sinθt-bandt3cosθt-|It|cosθt;
其中,tNDVI表示基准影像的归一化植被指数,tWhiteness表示基准影像的白度参数,tHOT表示基准影像的HOT特征参数,bandti表示基准影像的各个波段的反射率值,bandt1表示基准影像的蓝波段的反射率值,bandt2表示基准影像的绿波段的反射率值,bandt3表示基准影像的红波段的反射率值,bandt4表示基准影像的近红外波段的反射率值,MeanVist表示基准影像的蓝波段、绿波段和红波段的反射率值的平均值,θt表示基准影像的晴空线与蓝波段的夹角,It表示基准影像的晴空线截距。
在上述实施例的基础上,计算太阳高度角和反射率值的比例系数和校正系数的公式具体为:
ri=αisinθ+βi;
其中,ri表示基准影像的各波段的像元的反射率,θ表示基准影像的太阳高度角,αi表示各波段的比例系数,βi表示各波段的校正系数。
在上述实施例的基础上,计算基准影像的各云检测特征参数的公式具体为:
tHOT=bandt1sinθt-bandt3cosθt-|It|cosθt;
其中,tNDVI表示基准影像的归一化植被指数,tWhiteness表示基准影像的白度参数,tHOT表示基准影像的HOT特征参数,bandti表示基准影像的各个波段的反射率值,bandt1表示基准影像的蓝波段的反射率值,bandt2表示基准影像的绿波段的反射率值,bandt3表示基准影像的红波段的反射率值,bandt4表示基准影像的近红外波段的反射率值,MeanVist表示基准影像的蓝波段、绿波段和红波段的反射率值的平均值,θt表示基准影像的晴空线与蓝波段的夹角,It表示基准影像的晴空线截距。
在上述实施例的基础上,获取基准影像中心像元的各波段的反射率值,和获取待测遥感影像中心像元的各波段的反射率值的公式具体为:
xbi=αisinθx+βi;
ybi=αisinθy+βi;
其中,xbi表示基准影像中心像元的各波段的反射率值,ybi表示待测遥感影像中心像元的各波段的反射率值,θx表示基准影像的太阳高度角,θy表示待测遥感影像的太阳高度角。
在上述实施例的基础上,计算所述基准影像的中心像元的各云检测特征参数的公式具体为:
xHOT=0.8256xb1-0.5643xb3;
其中,xNDVI表示基准影像的中心像元的归一化植被指数,xWhiteness表示基准影像的中心像元的白度参数,xHOT表示基准影像的中心像元的HOT特征参数,xbi表示基准影像的中心像元的各个波段的反射率值,xb1表示基准影像的中心像元的蓝波段的反射率值,xb2表示基准影像的中心像元的绿波段的反射率值,xb3表示基准影像的中心像元的红波段的反射率值,xb4表示基准影像的中心像元的近红外波段的反射率值,MeanVisx表示基准影像的中心像元的蓝波段、绿波段和红波段的反射率值的平均值;
对应地,计算所述待测遥感影像的中心像元的各云检测特征参数的公式具体为:
yHOT=0.8256yb1-0.5643yb3;
其中,yNDVI表示待测遥感影像的中心像元的归一化植被指数,yWhiteness表示待测遥感影像的中心像元的白度参数,yHOT表示待测遥感影像的中心像元的HOT特征参数,ybi表示待测遥感影像的中心像元的各个波段的反射率值,yb1表示待测遥感影像的中心像元的蓝波段的反射率值,yb2表示待测遥感影像的中心像元的绿波段的反射率值,yb3表示待测遥感影像的中心像元的红波段的反射率值,yb4表示待测遥感影像的中心像元的近红外波段的反射率值,MeanVisy表示待测遥感影像的中心像元的蓝波段、绿波段和红波段的反射率值的平均值。
在上述实施例的基础上,分别计算所述基准影像的各云检测特征参数与所述基准影像的中心像元的各云检测特征参数的差值,具体公式为:
NNDVI=xNDVI-tNDVI;
NWhiteness=xWhiteness-tWhiteness;
NHOT=xHOT-tHOT;
其中,NNDVI表示基准影像的归一化植被指数与基准影像的中心像元的归一化植被指数的差值,NWhiteness表示基准影像的白度参数与基准影像的中心像元的白度参数的差值,NHOT表示基准影像的HOT特征参数与基准影像的中心像元的HOT特征参数的差值。
在上述实施例的基础上,根据待测遥感影像的中心像元的各云检测特征参数和各差值,分别获取待测遥感影像的各云检测特征参数的阈值,具体公式为:
TNDVI=yNDVI+NNDVI;
TWhiteness=yWhiteness+NWhiteness;
THOT=yHOT+NHOT;
其中,TNDVI表示待检测遥感影像的归一化植被指数的阈值,TWhiteness表示待检测遥感影像的白度参数的阈值,THOT表示待检测遥感影像的HOT特征参数的阈值。
本发明实施例提供的遥感影像云检测特征参数的动态阈值获取方法,通过引入太阳高度角,综合云检测的三种特征参数,能够获得云检测的动态阈值;通过运用该动态阈值进行云检测,能够很好地区分影像中的云及其他地物,生成的云检测结果图拥有较高的准确性。并且本发明提供的遥感影像云检测特征参数的动态阈值获取方法不受限于光谱范围以及时相和地区差异,亦不需要辅助信息和人工干预,可满足自动化生产的需要。
图2为根据本发明实施例提供的遥感影像云检测特征参数的动态阈值获取装置结构示意图,如图2所示,包括方程系数模块201、反射率值模块202、特征参数模块203和动态阈值模块204,其中:方程系数模块201用于获取基准影像的太阳高度角与各波段的反射率值,计算基准影像的太阳高度角和反射率值的比例系数和校正系数;根据比例系数和校正系数,获取基准影像中心像元的各波段的反射率值;反射率值模块202用于获取待测遥感影像的太阳高度角,根据待测遥感影像的太阳高度角和所述比例系数和校正系数,获取待测遥感影像中心像元的各波段的反射率值;特征参数模块203用于根据基准影像各波段的反射率值、基准影像中心像元的各波段的反射率值以及待测遥感影像中心像元的各波段的反射率值,计算基准影像的各云检测特征参数、基准影像的中心像元的各云检测特征参数以及待测遥感影像的中心像元的各云检测特征参数;云检测特征参数包括归一化植被指数、白度参数和HOT特征参数;动态阈值模块204用于分别计算基准影像的各云检测特征参数与基准影像的中心像元的各云检测特征参数的差值,根据待测遥感影像的中心像元的各云检测特征参数和差值,分别获取待测遥感影像的各云检测特征参数的阈值。
需要说明的是,可利用遥感影像的太阳高度角来表征遥感影像的时相和地域。通过解析遥感影像的元数据文件,可直接得到该遥感影像的太阳高度角。在预先获取的遥感影像中,选取经过实验验证后云检测效果较好的任意一张遥感影像,并对其作辐射校正和大气定标的处理,处理后得到的遥感影像作为基准影像,作为后续计算处理的基准参照。对于蓝波段、绿波段、红波段以及近红外波段,遥感影像的太阳高度角和遥感影像的反射率值之间的关系如下述方程所示:
r=αsinθ+β;
式中,r为像元的反射率,θ为太阳高度角,α表示各波段的比例系数,β表示各波段的校正系数。对一系列r和sinθ组成的点作线性回归分析,由此可得到α和β的值。根据获得的比例系数α和校正系数β,可求得基准影像的中心像元的四个波段的反射率值。基准影像的中心像元的各波段的反射率值的计算公式为:
xbi=αisinθ+βi;
同理,通过解析待测遥感影像的元数据文件,可直接得到待测遥感影像的太阳高度角。根据待测遥感影像的太阳高度角和S1得到的比例系数α和校正系数β,可以计算出待测遥感影像中心像元的各波段的反射率值,计算公式为:
ybi=αisinθ+βi;
其中,xbi表示基准影像中心像元的各波段的反射率值,ybi表示待测遥感影像中心像元的各波段的反射率值。
由此,可以获得基准影像中心像元蓝波段、绿波段、红波段以及近红外波段的反射率值xb1、xb2、xb3、xb4,以及待测遥感影像中心像元蓝波段、绿波段、红波段以及近红外波段的反射率值yb1、yb2、yb3、yb4。
需要说明的是,根据方程系数模块201获得的基准影像各波段的反射率值,可以计算获得基准影像的各云检测特征参数。根据方程系数模块201获得的基准影像中心像元的各波段的反射率值,以及反射率值模块202获得的待测遥感影像中心像元的各波段的反射率值,可以计算获得基准影像中心像元的各云检测特征参数,以及待测遥感影像中心像元的各云检测特征参数。其中,计算基准影像的中心像元的各云检测特征参数的公式具体为:
xHOT=0.8256xb1-0.5643xb3;
其中,xNDVI表示基准影像的中心像元的归一化植被指数,xWhiteness表示基准影像的中心像元的白度参数,xHOT表示基准影像的中心像元的HOT特征参数,xbi表示基准影像的中心像元的各个波段的反射率值,xb1表示基准影像的中心像元的蓝波段的反射率值,xb2表示基准影像的中心像元的绿波段的反射率值,xb3表示基准影像的中心像元的红波段的反射率值,xb4表示基准影像的中心像元的近红外波段的反射率值,MeanVisx表示基准影像的中心像元的蓝波段、绿波段和红波段的反射率值的平均值。
计算所述待测遥感影像的中心像元的各云检测特征参数的公式具体为:
yHOT=0.8256yb1-0.5643yb3;
其中,yNDVI表示待测遥感影像的中心像元的归一化植被指数,yWhiteness表示待测遥感影像的中心像元的白度参数,yHOT表示待测遥感影像的中心像元的HOT特征参数,ybi表示待测遥感影像的中心像元的各个波段的反射率值,yb1表示待测遥感影像的中心像元的蓝波段的反射率值,yb2表示待测遥感影像的中心像元的绿波段的反射率值,yb3表示待测遥感影像的中心像元的红波段的反射率值,yb4表示待测遥感影像的中心像元的近红外波段的反射率值,MeanVisy表示待测遥感影像的中心像元的蓝波段、绿波段和红波段的反射率值的平均值。
计算基准影像的各云检测特征参数的公式具体为:
tHOT=bandt1sinθt-bandt3cosθt-|It|cosθt;
其中,tNDVI表示基准影像的归一化植被指数,tWhiteness表示基准影像的白度参数,tHOT表示基准影像的HOT特征参数,bandti表示基准影像的各个波段的反射率值,bandt1表示基准影像的蓝波段的反射率值,bandt2表示基准影像的绿波段的反射率值,bandt3表示基准影像的红波段的反射率值,bandt4表示基准影像的近红外波段的反射率值,MeanVist表示基准影像的蓝波段、绿波段和红波段的反射率值的平均值,θt表示基准影像的晴空线与蓝波段的夹角,It表示基准影像的晴空线截距。
需要说明的是,在特征参数模块203得到基准影像的各云检测特征参数与基准影像的中心像元的各云检测特征参数后,特征参数模块203将结果发送给动态阈值模块204,动态阈值模块204可以计算二者的各差值,计算公式如下:
NNDVI=XNDVI-tNDVI;
NWhiteness=xWhiteness-tWhiteness;
NHOT=XHOT-tHOT;
其中,NNDVI表示基准影像的归一化植被指数与基准影像的中心像元的归一化植被指数的差值,NWhiteness表示基准影像的白度参数与基准影像的中心像元的白度参数的差值,NHOT表示基准影像的HOT特征参数与基准影像的中心像元的HOT特征参数的差值。
根据待测遥感影像的中心像元的各云检测特征参数和上述步骤得到的各差值,分别获取待测遥感影像的各云检测特征参数的阈值,具体公式为:
TNDVI=yNDVI+NNDVI;
TWhiteness=yWhiteness+NWhiteness;
THOT=yHOT+NHOT;
其中,TNDVI表示待检测遥感影像的归一化植被指数的阈值,TWhiteness表示待检测遥感影像的白度参数的阈值,THOT表示待检测遥感影像的HOT特征参数的阈值。
本发明实施例提供的遥感影像云检测特征参数的动态阈值获取装置,通过综合归一化植被指数、白度参数和HOT特征参数的阈值,并引入太阳高度角参数,从而获得动态阈值;运用动态阈值进行云检测,不需要辅助信息和人工干预,处理效率高,同时显著地提高了云检测的准确度。
应当清楚,本发明实施例是用于执行上述各方法实施例的,具体流程和详细内容请参照上述实施例,此处不再赘述。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
举个例子如下:
图3示例了一种服务器的实体结构示意图,如图3所示,该服务器可以包括:处理器(processor)310、通信接口(Communications Interface)320、存储器(memory)330和通信总线340,其中,处理器310,通信接口320,存储器330通过通信总线340完成相互间的通信。处理器310可以调用存储器330中的逻辑指令,以执行如下方法:获取基准影像的太阳高度角与各波段的反射率值,计算基准影像的太阳高度角和反射率值的比例系数和校正系数;根据比例系数和校正系数,获取基准影像中心像元的各波段的反射率值;获取待测遥感影像的太阳高度角,根据待测遥感影像的太阳高度角和比例系数和校正系数,获取待测遥感影像中心像元的各波段的反射率值;根据基准影像各波段的反射率值、基准影像中心像元的各波段的反射率值以及待测遥感影像中心像元的各波段的反射率值,计算基准影像的各云检测特征参数、基准影像的中心像元的各云检测特征参数以及待测遥感影像的中心像元的各云检测特征参数;云检测特征参数包括归一化植被指数、白度参数和HOT特征参数;分别计算基准影像的各云检测特征参数与基准影像的中心像元的各云检测特征参数的差值,根据待测遥感影像的中心像元的各云检测特征参数和差值,分别获取待测遥感影像的各云检测特征参数的阈值。
此外,上述的存储器330中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本发明实施例提供一种非暂态计算机可读存储介质,该非暂态计算机可读存储介质存储计算机指令,该计算机指令使计算机执行上述实施例所提供的遥感影像云检测特征参数的动态阈值获取方法,例如包括:获取基准影像的太阳高度角与各波段的反射率值,计算基准影像的太阳高度角和反射率值的比例系数和校正系数;根据比例系数和校正系数,获取基准影像中心像元的各波段的反射率值;获取待测遥感影像的太阳高度角,根据待测遥感影像的太阳高度角和比例系数和校正系数,获取待测遥感影像中心像元的各波段的反射率值;根据基准影像各波段的反射率值、基准影像中心像元的各波段的反射率值以及待测遥感影像中心像元的各波段的反射率值,计算基准影像的各云检测特征参数、基准影像的中心像元的各云检测特征参数以及待测遥感影像的中心像元的各云检测特征参数;云检测特征参数包括归一化植被指数、白度参数和HOT特征参数;分别计算基准影像的各云检测特征参数与基准影像的中心像元的各云检测特征参数的差值,根据待测遥感影像的中心像元的各云检测特征参数和差值,分别获取待测遥感影像的各云检测特征参数的阈值。
另外,本领域内的技术人员应当理解的是,在本发明的申请文件中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本发明的说明书中,说明了大量具体细节。然而应当理解的是,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。类似地,应当理解,为了精简本发明公开并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。
然而,并不应将该公开的方法解释呈反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种遥感影像云检测特征参数的动态阈值获取方法,其特征在于,包括:
获取基准影像的太阳高度角与各波段的反射率值,计算所述基准影像的太阳高度角和所述反射率值的比例系数和校正系数;根据所述比例系数和校正系数,获取基准影像中心像元的各波段的反射率值;
获取待测遥感影像的太阳高度角,根据所述待测遥感影像的太阳高度角和所述比例系数和校正系数,获取待测遥感影像中心像元的各波段的反射率值;
根据所述基准影像各波段的反射率值、所述基准影像中心像元的各波段的反射率值以及待测遥感影像中心像元的各波段的反射率值,计算所述基准影像的各云检测特征参数、所述基准影像的中心像元的各云检测特征参数以及待测遥感影像的中心像元的各云检测特征参数;所述云检测特征参数包括归一化植被指数、白度参数和HOT特征参数;
分别计算所述基准影像的各云检测特征参数与所述基准影像的中心像元的各云检测特征参数的差值,根据所述待测遥感影像的中心像元的各云检测特征参数和所述差值,分别获取待测遥感影像的各云检测特征参数的阈值。
2.根据权利要求1所述的方法,其特征在于,计算所述太阳高度角和所述反射率值的比例系数和校正系数的公式具体为:
ri=αisinθ+βi;
其中,ri表示基准影像的各波段的像元的反射率,θ表示基准影像的太阳高度角,αi表示各波段的比例系数,βi表示各波段的校正系数,αi和βi的值由ri和sinθ组成的点作线性回归分析得到。
3.根据权利要求1所述的方法,其特征在于,计算所述基准影像的各云检测特征参数的公式具体为:
tHOT=bandt1sinθt-bandt3cosθt-|It|cosθt;
其中,tNDVI表示基准影像的归一化植被指数,tWhiteness表示基准影像的白度参数,tHOT表示基准影像的HOT特征参数,bandti表示基准影像的各个波段的反射率值,bandt1表示基准影像的蓝波段的反射率值,bandt2表示基准影像的绿波段的反射率值,bandt3表示基准影像的红波段的反射率值,bandt4表示基准影像的近红外波段的反射率值,MeanVist表示基准影像的蓝波段、绿波段和红波段的反射率值的平均值,θt表示基准影像的晴空线与蓝波段的夹角,It表示基准影像的晴空线截距。
4.根据权利要求1所述的方法,其特征在于,所述获取基准影像中心像元的各波段的反射率值,和所述获取待测遥感影像中心像元的各波段的反射率值的公式具体为:
xbi=αisinθx+βi;
ybi=αisinθy+βi;
其中,xbi表示基准影像中心像元的各波段的反射率值,ybi表示待测遥感影像中心像元的各波段的反射率值,θx表示基准影像的太阳高度角,θy表示待测遥感影像的太阳高度角。
5.根据权利要求1所述的方法,其特征在于,计算所述基准影像的中心像元的各云检测特征参数的公式具体为:
xHOT=0.8256xb1-0.5643xb3;
其中,xNDVI表示基准影像的中心像元的归一化植被指数,xWhiteness表示基准影像的中心像元的白度参数,xHOT表示基准影像的中心像元的HOT特征参数,xbi表示基准影像的中心像元的各个波段的反射率值,xb1表示基准影像的中心像元的蓝波段的反射率值,xb2表示基准影像的中心像元的绿波段的反射率值,xb3表示基准影像的中心像元的红波段的反射率值,xb4表示基准影像的中心像元的近红外波段的反射率值,MeanVisx表示基准影像的中心像元的蓝波段、绿波段和红波段的反射率值的平均值;
对应地,计算所述待测遥感影像的中心像元的各云检测特征参数的公式具体为:
yHOT=0.8256yb1-0.5643yb3;
其中,yNDVI表示待测遥感影像的中心像元的归一化植被指数,yWhiteness表示待测遥感影像的中心像元的白度参数,yHOT表示待测遥感影像的中心像元的HOT特征参数,ybi表示待测遥感影像的中心像元的各个波段的反射率值,yb1表示待测遥感影像的中心像元的蓝波段的反射率值,yb2表示待测遥感影像的中心像元的绿波段的反射率值,yb3表示待测遥感影像的中心像元的红波段的反射率值,yb4表示待测遥感影像的中心像元的近红外波段的反射率值,MeanVisy表示待测遥感影像的中心像元的蓝波段、绿波段和红波段的反射率值的平均值。
6.根据权利要求1所述的方法,其特征在于,分别计算所述基准影像的各云检测特征参数与所述基准影像的中心像元的各云检测特征参数的差值,具体公式为:
NNDVI=XNDVI-tNDVI;
NWhiteness=xWhiteness-tWhiteness;
NHOT=xHOT-tHOT;
其中,NNDVI表示基准影像的归一化植被指数与基准影像的中心像元的归一化植被指数的差值,NWhiteness表示基准影像的白度参数与基准影像的中心像元的白度参数的差值,NHOT表示基准影像的HOT特征参数与基准影像的中心像元的HOT特征参数的差值。
7.根据权利要求1所述的方法,其特征在于,所述根据所述待测遥感影像的中心像元的各云检测特征参数和所述差值,分别获取待测遥感影像的各云检测特征参数的阈值,具体公式为:
TNDVI=yNDvI+NNDVI;
TWhiteness=yWhiteness+NWhiteness;
THOT=yHOT+NHOT;
其中,TNDVI表示待检测遥感影像的归一化植被指数的阈值,TWhiteneSs表示待检测遥感影像的白度参数的阈值,THOT表示待检测遥感影像的HOT特征参数的阈值。
8.一种遥感影像云检测特征参数的动态阈值获取装置,其特征在于,包括:
方程系数模块,用于获取基准影像的太阳高度角与各波段的反射率值,计算所述基准影像的太阳高度角和所述反射率值的比例系数和校正系数;根据所述比例系数和校正系数,获取基准影像中心像元的各波段的反射率值;
反射率值模块,用于获取待测遥感影像的太阳高度角,根据所述待测遥感影像的太阳高度角和所述比例系数和校正系数,获取待测遥感影像中心像元的各波段的反射率值;
特征参数模块,用于根据所述基准影像各波段的反射率值、所述基准影像中心像元的各波段的反射率值以及待测遥感影像中心像元的各波段的反射率值,计算所述基准影像的各云检测特征参数、所述基准影像的中心像元的各云检测特征参数以及待测遥感影像的中心像元的各云检测特征参数;所述云检测特征参数包括归一化植被指数、白度参数和HOT特征参数;
动态阈值模块,用于分别计算所述基准影像的各云检测特征参数与所述基准影像的中心像元的各云检测特征参数的差值,根据所述待测遥感影像的中心像元的各云检测特征参数和所述差值,分别获取待测遥感影像的各云检测特征参数的阈值。
9.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至7任一项所述遥感影像云检测特征参数的动态阈值获取方法的步骤。
10.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1至7任一项所述遥感影像云检测特征参数的动态阈值获取方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811117470.0A CN109377476B (zh) | 2018-09-20 | 2018-09-20 | 遥感影像云检测特征参数的动态阈值获取方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811117470.0A CN109377476B (zh) | 2018-09-20 | 2018-09-20 | 遥感影像云检测特征参数的动态阈值获取方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109377476A true CN109377476A (zh) | 2019-02-22 |
CN109377476B CN109377476B (zh) | 2020-10-23 |
Family
ID=65402443
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811117470.0A Active CN109377476B (zh) | 2018-09-20 | 2018-09-20 | 遥感影像云检测特征参数的动态阈值获取方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109377476B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110599488A (zh) * | 2019-09-27 | 2019-12-20 | 广西师范大学 | 一种基于Sentinel-2气溶胶波段的云检测方法 |
CN113008834A (zh) * | 2021-02-09 | 2021-06-22 | 中国农业大学 | 基于遥感影像的地表反射率校正方法及装置 |
CN113221634A (zh) * | 2021-03-29 | 2021-08-06 | 重庆市规划和自然资源调查监测院 | 低辐射校准精度光学遥感影像云识别方法、系统及计算机存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030138130A1 (en) * | 1998-08-10 | 2003-07-24 | Charles J. Cohen | Gesture-controlled interfaces for self-service machines and other applications |
CN101672646A (zh) * | 2009-10-09 | 2010-03-17 | 国家卫星气象中心 | 一种卫星图像自动几何精校正方法 |
CN101937079A (zh) * | 2010-06-29 | 2011-01-05 | 中国农业大学 | 基于区域相似度的遥感影像变化检测方法 |
CN103901420A (zh) * | 2014-04-18 | 2014-07-02 | 山东科技大学 | 先验地表反射率支持的动态阈值法遥感数据云识别方法 |
CN106971146A (zh) * | 2017-03-03 | 2017-07-21 | 环境保护部卫星环境应用中心 | 基于三查技术的水体异常遥感动态监控方法、装置和系统 |
CN107610054A (zh) * | 2017-07-13 | 2018-01-19 | 中国农业大学 | 一种遥感影像数据的预处理方法 |
-
2018
- 2018-09-20 CN CN201811117470.0A patent/CN109377476B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030138130A1 (en) * | 1998-08-10 | 2003-07-24 | Charles J. Cohen | Gesture-controlled interfaces for self-service machines and other applications |
CN101672646A (zh) * | 2009-10-09 | 2010-03-17 | 国家卫星气象中心 | 一种卫星图像自动几何精校正方法 |
CN101937079A (zh) * | 2010-06-29 | 2011-01-05 | 中国农业大学 | 基于区域相似度的遥感影像变化检测方法 |
CN103901420A (zh) * | 2014-04-18 | 2014-07-02 | 山东科技大学 | 先验地表反射率支持的动态阈值法遥感数据云识别方法 |
CN106971146A (zh) * | 2017-03-03 | 2017-07-21 | 环境保护部卫星环境应用中心 | 基于三查技术的水体异常遥感动态监控方法、装置和系统 |
CN107610054A (zh) * | 2017-07-13 | 2018-01-19 | 中国农业大学 | 一种遥感影像数据的预处理方法 |
Non-Patent Citations (2)
Title |
---|
谭凯等: "国产高分辨率遥感卫星影像自动云检测", 《测绘学报》 * |
韩杰等: "基于动态阈值的HJ-1B图像云检测算法研究", 《国土资源遥感》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110599488A (zh) * | 2019-09-27 | 2019-12-20 | 广西师范大学 | 一种基于Sentinel-2气溶胶波段的云检测方法 |
CN110599488B (zh) * | 2019-09-27 | 2022-04-29 | 广西师范大学 | 一种基于Sentinel-2气溶胶波段的云检测方法 |
CN113008834A (zh) * | 2021-02-09 | 2021-06-22 | 中国农业大学 | 基于遥感影像的地表反射率校正方法及装置 |
CN113221634A (zh) * | 2021-03-29 | 2021-08-06 | 重庆市规划和自然资源调查监测院 | 低辐射校准精度光学遥感影像云识别方法、系统及计算机存储介质 |
CN113221634B (zh) * | 2021-03-29 | 2023-09-22 | 重庆市规划和自然资源调查监测院 | 低辐射校准精度光学遥感影像云识别方法、系统及计算机存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109377476B (zh) | 2020-10-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109376600A (zh) | 多光谱遥感影像综合特征云检测方法及装置 | |
US9449244B2 (en) | Methods for in-scene atmospheric compensation by endmember matching | |
CN108132220B (zh) | 林区机载推扫式高光谱影像的brdf归一化校正方法 | |
EP2561482B1 (en) | Shape and photometric invariants recovery from polarisation images | |
US11010606B1 (en) | Cloud detection from satellite imagery | |
CN107610164B (zh) | 一种基于多特征混合的高分四号影像配准方法 | |
CN103761704B (zh) | 基于红外遥感数据的图像生成方法和系统 | |
Li et al. | RIFT: Multi-modal image matching based on radiation-invariant feature transform | |
CN106940887B (zh) | 一种gf-4卫星序列图像云与云下阴影检测方法 | |
CN109377476A (zh) | 遥感影像云检测特征参数的动态阈值获取方法及装置 | |
AU2011242408A1 (en) | Shape and photometric invariants recovery from polarisation images | |
CN106537454A (zh) | 用于图像的摄影测量处理的方法和系统 | |
CN108230375A (zh) | 基于结构相似性快速鲁棒的可见光图像与sar图像配准方法 | |
CN106887016A (zh) | 一种gf‑4卫星序列图像自动相对配准方法 | |
Zhou et al. | Intelligent reading recognition method of a pointer meter based on deep learning in a real environment | |
CN109918531A (zh) | 一种毒品原植物的搜查方法、装置和计算机可读存储介质 | |
CN107743201A (zh) | 一种电力线廊道消费级数码相机快速拼图方法及装置 | |
CN111413279B (zh) | 多光谱探测的视频处理方法、装置及多光谱探测终端 | |
Voronin et al. | A block-based method for the remote sensing images cloud detection and removal | |
CN108318458B (zh) | 一种适用于不同天气条件下的室外典型地物pBRDF的测量方法 | |
Congedo | Land cover classification of cropland: a tutorial using the semi-automatic classification plugin for QGIS | |
Aktar et al. | Robust mosaicking of maize fields from aerial imagery | |
Han et al. | Hypothetical visible bands of advanced meteorological imager onboard the Geostationary Korea Multi-Purpose Satellite-2A using data-to-data translation | |
Chijioke | Satellite remote sensing technology in spatial modeling process: technique and procedures | |
CN111680659B (zh) | 国际空间站rgb夜间灯光图像的相对辐射归一化方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |