CN111899194A - 一种遥感影像中云和云阴影的去除方法 - Google Patents
一种遥感影像中云和云阴影的去除方法 Download PDFInfo
- Publication number
- CN111899194A CN111899194A CN202010754089.6A CN202010754089A CN111899194A CN 111899194 A CN111899194 A CN 111899194A CN 202010754089 A CN202010754089 A CN 202010754089A CN 111899194 A CN111899194 A CN 111899194A
- Authority
- CN
- China
- Prior art keywords
- cloud
- image
- shadow
- remote sensing
- target 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000001514 detection method Methods 0.000 claims abstract description 44
- 238000012545 processing Methods 0.000 claims abstract description 18
- 238000002310 reflectometry Methods 0.000 claims abstract description 18
- 238000012937 correction Methods 0.000 claims abstract description 15
- 230000005855 radiation Effects 0.000 claims abstract description 10
- 230000003595 spectral effect Effects 0.000 claims abstract description 7
- 230000002123 temporal effect Effects 0.000 claims abstract description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 10
- 238000012417 linear regression Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 5
- 230000007704 transition Effects 0.000 claims description 5
- 230000010339 dilation Effects 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 230000007547 defect Effects 0.000 abstract description 3
- 238000003672 processing method Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Classifications
-
- G06T5/90—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration by the use of local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G06T5/70—
-
- 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
Abstract
本发明公开了一种遥感影像中云和云阴影的去除方法,包括以下步骤:A、对需要处理的多时相遥感影像进行几何纠正,得到同一区域不同时像的空间配准后的遥感影像;B、对需要处理的多时相影像进行辐射校正,得到同一区域高精度的地物反射率数据;C、利用云检测模型对目标影像进行云检测,得到目标影像中云和云影覆盖区域掩膜;D、利用云影检测模型对目标影像进行云影检测,得到目标影像中云影覆盖区域掩膜;E、对检测出的云和云影掩膜数据进行去噪和边界膨胀处理;F、根据参考影像对掩膜后的目标影像进行光谱特征拟合处理,获得消除云和云影影像的遥感影像数据。本发明能够改进现有技术的不足,提高了无云遥感影像数据质量。
Description
技术领域
本发明涉及光学遥感影像处理技术领域,尤其是一种遥感影像中云和云阴影的去除方法。
背景技术
光学遥感影像是大面积区域尺度的遥感反演、资源遥感监测的首要数据源,但由于气候的原因,频繁的云雾条件对光学传感器获得高质量的遥感影像造成了困难,尤其是广阔的西部地区,很难获取一个区域完全无云的遥感影像,大部分遥感影像在获取时都会或多或少的受到云及云在地面上投射的阴影的影响。如何去除影像上云及阴影的影响,一直被认为是图像处理和应用中的难题。
目前,已经有不少的国内外专家和学者对此开展了广泛深入的研究,由于薄云和厚云在影像中表现出不同的特点,在去除的过程中所采用的方法也不尽相同。如,同态滤波去云法适用于大范围存在薄云的影像,通过把频率过滤与灰度变化结合起来,分离云与背景地物,进而从影像中去除薄云的影响,该方法在滤波过程中丢失有用信息,且对厚云区域无效;小波变换法去云法和融合去云法均依据灰度值修正范围进行影像融合达到去云目的,该方法破坏影像的概貌特征,引起图像失真;图像修复法利用云和阴影所在区域与清晰地物过渡区域统计学特征,对高分影像中云和阴影灰度值进行修正实现去云,该方法去除效果较好且单幅图像即可实现,但缺点是只能针对云层和阴影区域范围较小的情况,对于大面积的去云区域显得无能为力。
以上云去除方法针对特定条件下的云覆盖情况确实达到了很好的去云效果,但针对大面积遥感反演、动态监测等实际应用需求,不仅要有效的恢复薄云、厚云和云阴影遮挡的影像区域,而且要用尽可能小的损失影像信息的方法去除或弱化云和阴影的影响,保证去云后影像的质量,这是去云后的影像能够实际生产应用,为遥感反演、监测提供高质量的数据预处理产品的前提和关键。
发明内容
本发明要解决的技术问题是提供一种遥感影像中云和云阴影的去除方法,能够解决现有技术的不足,提高了无云遥感影像数据质量。
为解决上述技术问题,本发明所采取的技术方案如下。
一种遥感影像中云和云阴影的去除方法,包括以下步骤:
A、对需要处理的多时相遥感影像进行几何纠正,得到同一区域不同时像的空间配准后的遥感影像;
B、对需要处理的多时相影像进行辐射校正,用来消除遥感影像在获取和传输过程产生的辐射失真或畸变,得到同一区域高精度的地物反射率数据;
C、利用云检测模型对目标影像进行云检测,得到目标影像中云和云影覆盖区域掩膜;
D、利用云影检测模型对目标影像进行云影检测,得到目标影像中云影覆盖区域掩膜;
E、对检测出的云和云影掩膜数据进行去噪和边界膨胀处理,降低噪音和过渡区域的干扰;
F、计算相关系数,根据参考影像对掩膜后的目标影像进行光谱特征拟合处理,获得消除云和云影影像的遥感影像数据。
作为优选,步骤B中,多时相影像的辐射校正包括辐射定标和大气校正。
作为优选,步骤C中,将目标影像和参考影像的各波段的对应像元反射率值做差运算,则其平均绝对值Mabs定大于阈值ΔCM,且云区的差值均为正,通过这个条件进行云区检测,则云区检测模型为:
CM=Mabs×Sign(Nc-n+1)≥ΔCM
其中,CM为云区检测模型;RETi、RERi分别为目标影像和参考影像i波段的反射值;n为波段数;Mabs为两期影像反射率的平均绝对值;NC为云区判别函数;Sign()为符号函数,根据变量的正、负、零分别取1、-1、0值。
作为优选,步骤D中,将目标影像和参考影像的各波段的对应像元反射率值做差运算,在云影区各波段差值运算的平均绝对值Mabs定大于阈值ΔSM,根据反射率的不同将水体从反射率值较低的区域中排除,云影区的检测模型为:
SM1=Mabs×Sign(NS-n+1)≥ΔSM1
其中,RETi、RERi分别为目标影像和参考影像i波段的反射值;n为波段数;Mabs为两期影像反射率的平均绝对值;SM1为云影检测模型;NS为云影判别函数;Sign()为符号函数,根据变量的正、负、零分别取1、-1、0值。
作为优选,步骤D中,当云区域较薄时,地面信息没有完全被云遮挡,而是被云影模糊了的地面信息,即地面信息与云影的混合物,此时云影区检测模型为:
SM2=Mabs×Con(WM≤ΔWM)≥ΔSM2
其中,RET3、RET5分别为目标影像波段3和波段5的反射值;WM为水体检测模型;ΔWM为水体分割阈值;Con()为条件函数,满足判别式时取1值,否则取0值。
作为优选,步骤E中,去噪和边界膨胀处理进行一次或多次。
作为优选,步骤F中,将目标影像中的无云和无云影区域与参考影像进行光谱线性回归分析,利用两幅影像间的线性回归系数采用最小二乘拟合法重建目标影像中的云和云影区域,最终获得消除或减少云和云影影像的遥感图像数据。
采用上述技术方案所带来的有益效果在于:本发明针对单景影像中不同特征的云覆盖情况,分别采用不同的云和阴影检测模型,可有效检测薄云、厚云及阴影的多种覆盖情况,并减少水体等其它地物的影响,以此提高不同覆盖情况下云和阴影区域的检测精度。利用降噪处理和边界膨胀算法处理可效排除云及阴影区域检测结果中细小、孤立的图斑,并填充云及阴影区域与其他清晰地物区域之间过渡区域,避免结果影像中出现“补丁”现象,提高云去除结果影像的平滑度和清晰度。本发明涉及云和云阴影检测模型、处理算法及步骤均已程序化实现,整个去云处理过程简单、快速、且效果显著,具有较强实用性。
附图说明
图1是本发明一个具体实施方式的流程图。
图2是本发明一个具体实施方式中全景原始遥感图像;
图3是本发明一个具体实施方式中全景云及云影检测图;
图4是本发明一个具体实施方式中全景去云及云影效果图;
图5是本发明一个具体实施方式中局部原始遥感图像;
图6是本发明一个具体实施方式中局部云影区检测图;
图7是本发明一个具体实施方式中局部云影区检测图;
图8是本发明一个具体实施方式中局部去云及云影结果图。
具体实施方式
参照图1,本发明一个具体实施方式包括以下步骤:
A、对需要处理的多时相遥感影像进行几何纠正,得到同一区域不同时像的空间配准后的遥感影像;
B、对需要处理的多时相影像进行辐射校正,用来消除遥感影像在获取和传输过程产生的辐射失真或畸变,得到同一区域高精度的地物反射率数据;
C、利用云检测模型对目标影像进行云检测,得到目标影像中云和云影覆盖区域掩膜;
D、利用云影检测模型对目标影像进行云影检测,得到目标影像中云影覆盖区域掩膜;
E、对检测出的云和云影掩膜数据进行去噪和边界膨胀处理,降低噪音和过渡区域的干扰;
F、计算相关系数,根据参考影像对掩膜后的目标影像进行光谱特征拟合处理,获得消除云和云影影像的遥感影像数据。
步骤B中,多时相影像的辐射校正包括辐射定标和大气校正。
步骤C中,将目标影像和参考影像的各波段的对应像元反射率值做差运算,则其平均绝对值Mabs定大于阈值ΔCM,且云区的差值均为正,通过这个条件进行云区检测,则云区检测模型为:
CM=Mabs×Sign(Nc-n+1)≥ΔCM
其中,CM为云区检测模型;RETi、RERi分别为目标影像和参考影像i波段的反射值;n为波段数;Mabs为两期影像反射率的平均绝对值;NC为云区判别函数;Sign()为符号函数,根据变量的正、负、零分别取1、-1、0值。
步骤D中,将目标影像和参考影像的各波段的对应像元反射率值做差运算,在云影区各波段差值运算的平均绝对值Mabs定大于阈值ΔSM,根据反射率的不同将水体从反射率值较低的区域中排除,云影区的检测模型为:
SM1=Mabs×Sign(NS-n+1)≥ΔSM1
其中,RETi、RERi分别为目标影像和参考影像i波段的反射值;n为波段数;Mabs为两期影像反射率的平均绝对值;SM1为云影检测模型;NS为云影判别函数;Sign()为符号函数,根据变量的正、负、零分别取1、-1、0值。
步骤D中,当云区域较薄时,地面信息没有完全被云遮挡,而是被云影模糊了的地面信息,即地面信息与云影的混合物,此时云影区检测模型为:
SM2=Mabs×Con(WM≤ΔWM)≥ΔSM2
其中,RET3、RET5分别为目标影像波段3和波段5的反射值;WM为水体检测模型;ΔWM为水体分割阈值;Con()为条件函数,满足判别式时取1值,否则取0值。
步骤E中,去噪和边界膨胀处理进行一次或多次。
步骤F中,将目标影像中的无云和无云影区域与参考影像进行光谱线性回归分析,利用两幅影像间的线性回归系数采用最小二乘拟合法重建目标影像中的云和云影区域,最终获得消除或减少云和云影影像的遥感图像数据。
使用上述方法对覆盖青海全省的2013-2018年共计282景LandSat8、HJ-CCD、ZY-3等遥感影像进行去云和云影处理,得到连续6年的覆盖全省的无云影像,并在实际项目中得到充分应用。实际应用结果证明,针对其他地域、其他时期、其他的传感器的4个波段以上中高分辨率光学遥感影像也可进行上述步骤和方法,以获得无云的高质量遥感影像。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (7)
1.一种遥感影像中云和云阴影的去除方法,其特征在于包括以下步骤:
A、对需要处理的多时相遥感影像进行几何纠正,得到同一区域不同时像的空间配准后的遥感影像;
B、对需要处理的多时相影像进行辐射校正,用来消除遥感影像在获取和传输过程产生的辐射失真或畸变,得到同一区域高精度的地物反射率数据;
C、利用云检测模型对目标影像进行云检测,得到目标影像中云和云影覆盖区域掩膜;
D、利用云影检测模型对目标影像进行云影检测,得到目标影像中云影覆盖区域掩膜;
E、对检测出的云和云影掩膜数据进行去噪和边界膨胀处理,降低噪音和过渡区域的干扰;
F、计算相关系数,根据参考影像对掩膜后的目标影像进行光谱特征拟合处理,获得消除云和云影影像的遥感影像数据。
2.根据权利要求1所述的遥感影像中云和云阴影的去除方法,其特征在于:步骤B中,多时相影像的辐射校正包括辐射定标和大气校正。
6.根据权利要求4或5任意一项所述的遥感影像中云和云阴影的去除方法,其特征在于:步骤E中,去噪和边界膨胀处理进行一次或多次。
7.根据权利要求6所述的遥感影像中云和云阴影的去除方法,其特征在于:步骤F中,将目标影像中的无云和无云影区域与参考影像进行光谱线性回归分析,利用两幅影像间的线性回归系数采用最小二乘拟合法重建目标影像中的云和云影区域,最终获得消除或减少云和云影影像的遥感图像数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010754089.6A CN111899194A (zh) | 2020-07-30 | 2020-07-30 | 一种遥感影像中云和云阴影的去除方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010754089.6A CN111899194A (zh) | 2020-07-30 | 2020-07-30 | 一种遥感影像中云和云阴影的去除方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111899194A true CN111899194A (zh) | 2020-11-06 |
Family
ID=73183496
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010754089.6A Pending CN111899194A (zh) | 2020-07-30 | 2020-07-30 | 一种遥感影像中云和云阴影的去除方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111899194A (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112565756A (zh) * | 2020-11-26 | 2021-03-26 | 西安电子科技大学 | 基于量化策略的含云遥感图像压缩方法 |
CN112767244A (zh) * | 2020-12-31 | 2021-05-07 | 武汉大学 | 一种高分辨率地表要素无缝感知方法与系统 |
CN113077459A (zh) * | 2021-04-28 | 2021-07-06 | 北京的卢深视科技有限公司 | 图像清晰度检测方法、装置、电子设备及存储介质 |
CN113178010A (zh) * | 2021-04-07 | 2021-07-27 | 湖北地信科技集团股份有限公司 | 基于深度学习的高分影像阴影区域恢复重建方法 |
CN113284066A (zh) * | 2021-05-28 | 2021-08-20 | 生态环境部卫星环境应用中心 | 遥感影像自动云检测方法和装置 |
CN113900097A (zh) * | 2021-11-29 | 2022-01-07 | 商丘师范学院 | 基于卫星遥感数据的冰川量检测方法 |
CN114298945A (zh) * | 2022-01-05 | 2022-04-08 | 首都师范大学 | 一种基于构建虚拟影像的光学遥感影像厚云去除方法 |
CN114544006A (zh) * | 2022-01-07 | 2022-05-27 | 上海同繁勘测工程科技有限公司 | 一种基于环境光照条件的低空遥感影像校正系统及方法 |
CN115082452A (zh) * | 2022-07-26 | 2022-09-20 | 北京数慧时空信息技术有限公司 | 基于云及阴影的遥感影像质量定量评价方法 |
CN116109478A (zh) * | 2023-04-10 | 2023-05-12 | 中国科学院空天信息创新研究院 | 基于可比性的遥感影像镶嵌处理方法及装置 |
CN116862942A (zh) * | 2023-09-05 | 2023-10-10 | 青岛哈尔滨工程大学创新发展中心 | 一种基于云检测去云及角度校正的海温反演精度修正方法 |
CN117408949A (zh) * | 2023-09-20 | 2024-01-16 | 宁波大学 | 一种季节性动态阈值的云及云阴影检测方法及装置 |
-
2020
- 2020-07-30 CN CN202010754089.6A patent/CN111899194A/zh active Pending
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112565756B (zh) * | 2020-11-26 | 2021-09-03 | 西安电子科技大学 | 基于量化策略的含云遥感图像压缩方法 |
CN112565756A (zh) * | 2020-11-26 | 2021-03-26 | 西安电子科技大学 | 基于量化策略的含云遥感图像压缩方法 |
CN112767244A (zh) * | 2020-12-31 | 2021-05-07 | 武汉大学 | 一种高分辨率地表要素无缝感知方法与系统 |
CN113178010A (zh) * | 2021-04-07 | 2021-07-27 | 湖北地信科技集团股份有限公司 | 基于深度学习的高分影像阴影区域恢复重建方法 |
CN113077459A (zh) * | 2021-04-28 | 2021-07-06 | 北京的卢深视科技有限公司 | 图像清晰度检测方法、装置、电子设备及存储介质 |
CN113077459B (zh) * | 2021-04-28 | 2022-08-05 | 合肥的卢深视科技有限公司 | 图像清晰度检测方法、装置、电子设备及存储介质 |
CN113284066A (zh) * | 2021-05-28 | 2021-08-20 | 生态环境部卫星环境应用中心 | 遥感影像自动云检测方法和装置 |
CN113900097B (zh) * | 2021-11-29 | 2022-08-16 | 商丘师范学院 | 基于卫星遥感数据的冰川量检测方法 |
CN113900097A (zh) * | 2021-11-29 | 2022-01-07 | 商丘师范学院 | 基于卫星遥感数据的冰川量检测方法 |
CN114298945A (zh) * | 2022-01-05 | 2022-04-08 | 首都师范大学 | 一种基于构建虚拟影像的光学遥感影像厚云去除方法 |
CN114298945B (zh) * | 2022-01-05 | 2022-07-05 | 首都师范大学 | 一种基于构建虚拟影像的光学遥感影像厚云去除方法 |
CN114544006A (zh) * | 2022-01-07 | 2022-05-27 | 上海同繁勘测工程科技有限公司 | 一种基于环境光照条件的低空遥感影像校正系统及方法 |
CN114544006B (zh) * | 2022-01-07 | 2023-12-05 | 上海同繁勘测工程科技有限公司 | 一种基于环境光照条件的低空遥感影像校正系统及方法 |
CN115082452A (zh) * | 2022-07-26 | 2022-09-20 | 北京数慧时空信息技术有限公司 | 基于云及阴影的遥感影像质量定量评价方法 |
CN115082452B (zh) * | 2022-07-26 | 2022-11-04 | 北京数慧时空信息技术有限公司 | 基于云及阴影的遥感影像质量定量评价方法 |
CN116109478A (zh) * | 2023-04-10 | 2023-05-12 | 中国科学院空天信息创新研究院 | 基于可比性的遥感影像镶嵌处理方法及装置 |
CN116862942A (zh) * | 2023-09-05 | 2023-10-10 | 青岛哈尔滨工程大学创新发展中心 | 一种基于云检测去云及角度校正的海温反演精度修正方法 |
CN116862942B (zh) * | 2023-09-05 | 2023-12-19 | 青岛哈尔滨工程大学创新发展中心 | 一种基于云检测去云及角度校正的海温反演精度修正方法 |
CN117408949A (zh) * | 2023-09-20 | 2024-01-16 | 宁波大学 | 一种季节性动态阈值的云及云阴影检测方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111899194A (zh) | 一种遥感影像中云和云阴影的去除方法 | |
US11145035B2 (en) | Method for rapidly dehazing underground pipeline image based on dark channel prior | |
CN109767439B (zh) | 一种自适应窗口的多尺度差异与双边滤波的目标检测方法 | |
CN105976330B (zh) | 一种嵌入式雾天实时视频稳像方法 | |
CN110175964A (zh) | 一种基于拉普拉斯金字塔的Retinex图像增强方法 | |
CN108564597B (zh) | 一种融合高斯混合模型和h-s光流法的视频前景目标提取方法 | |
CN103578084A (zh) | 基于亮通道滤波的彩色图像增强方法 | |
CN109447917B (zh) | 基于内容和特征及多尺度模型的遥感图像雾霾消除方法 | |
CN111738954B (zh) | 一种基于双层空洞U-Net模型的单帧湍流退化图像去畸变方法 | |
CN112561804A (zh) | 基于多尺度细节增强的低光照水下图像增强方法 | |
CN111275652B (zh) | 一种去除城市遥感图像中雾霾的方法 | |
CN111598814B (zh) | 基于极端散射通道的单图像去雾方法 | |
CN111985314B (zh) | 一种基于ViBe与改进LBP的烟雾检测方法 | |
CN111598811A (zh) | 一种单幅全色遥感雾霾图像清晰化方法 | |
CN115564683A (zh) | 一种面向舰船检测的全色遥感影像自适应增强方法 | |
CN115393216A (zh) | 基于偏振特性与大气传输模型的图像去雾方法和装置 | |
Shawal et al. | Fundamentals of digital image processing and basic concept of classification | |
CN111667498B (zh) | 一种面向光学卫星视频的运动舰船目标自动检测方法 | |
CN115409872B (zh) | 一种水下摄像机图像优化方法 | |
Hong et al. | Single image dehazing based on pixel-wise transmission estimation with estimated radiance patches | |
CN113436123B (zh) | 去云-分辨率提升协同的高分sar与低分多光谱图像融合方法 | |
CN113222924B (zh) | 基于fpga的高光谱图像异常检测系统 | |
CN110136128B (zh) | 基于Rao检验的SAR影像变化检测方法 | |
Kansal et al. | Effect of non uniform illumination compensation on dehazing/de-fogging techniques | |
CN111179185B (zh) | 一种基于云腌膜和msr的遥感影像色彩纠正方法及系统 |
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 |