一種批量遙感影像預處理方法技術

本發明專利技術公開了一種批量遙感影像預處理方法，該方法包括以下步驟：批量獲取遙感影像并建立批量遙感影像數據庫，通過統計遙感影像的光譜特征和紋理特征獲取含云影像；檢測含云影像上的云域范圍及該云域范圍的含云量，去除含云量超過含云閾值的含云影像；去除含云影像上的云，得到無云影像；重建批量遙感影像數據庫。本發明專利技術快速高效，精度較高，具有較強的實用價值和推廣意義；在影像預處理的過程中，確定了影像上的含云量，自動圈定了影像上的云域范圍并去除，并對影像進行了質量的劃分，對影像信息提取獲取數據給出了準確的依據；本發明專利技術采用了工作效率較高的決策樹方法，效率高、人為干預少，可用于批量選取遙感影像及遙感影像信息提取研究。

【技術實現步驟摘要】

本專利技術屬于遙感及影像處理
，具體涉及一種批量遙感影像預處理的方法。
技術介紹
近年來，遙感影像在成像過程中受到天空中的云的影響，影響地物的判讀與解譯。對于遙感影像信息提取而言，含云影像將大大降低遙感影像的利用率，特別是給遙感影像預處理工作帶來極大的不便，加大了信息提取處理的難度，降低了遙感影像預處理的效率。從上世紀九十年代以來，國內不少遙感領域的科研工作者先后進行了這方面的研究。采用閾值法、小波紋理分析法、面向對象法、神經網絡法開展了一系列關于云檢測的工作。如2010年采用閾值法，根據云和地物的反射率隨波長的變化而變化實現FORMOSAT-2,VENDS,LANDSATandSENTINEL-2影像云地分離，但是不能保證閾值對每景影像上的云都能達到很好的識別效果。2007年采用無抽樣小波變換對全色遙感影像進行薄云去除，針對單景遙感影像效果較好，對于批量遙感數據而言，效率不高，適應性較弱。2011年采用小波SCM方法提取紋理特征識別云，取得了一定的成果，在云雪混淆的時候適應性較好，但受到傳感器類型不同，同時由于影像上各種地物繁雜，空間分布并不集中，特別在影像地物類別較多的情況下，此法識別出的云的效果略差。2012年采用面向對象的Fmask算法檢測云，算法精度較高，但云和冰混淆的部分難以區分，特別是在批量遙感影像處理中，效率不高。采用支持向量機實現對遙感影像厚云的檢測與去除，并采用統計學補償的方法進行修復，精度相對較高，但是在薄云的檢測方面相對較弱。2015年采用BP神經網絡法進行云檢測，因其較強的學習能力，對樣本的理解與識別而致使云判效果較好，但是運算量過大，不適合批量遙感影像處理。上述工作都不同程度地取得了一些成就，但工作方法相對單一，效果時好時壞。對云邊界識別精度不準不僅導致了大量的無效影像被檢索，造成巨大浪費。因此對批量遙感影像預處理云的檢測工作已成為當務之急。
技術實現思路
為解決上述問題，本專利技術公開了一種批量遙感影像預處理方法，包括以下步驟：步驟1，批量獲取遙感影像并建立批量遙感影像數據庫，通過統計遙感影像的光譜特征和紋理特征獲取含云影像；步驟2，檢測含云影像上的云域范圍及其含云量，去除含云量超過含云閾值的含云影像，得到剩余含云影像；步驟3，去除步驟2中剩余含云影像上的云，得到無云影像；步驟4，利用得到的無云影像，更新批量遙感影像數據庫。進一步地，步驟1中所述的通過統計遙感影像的光譜特征獲取含云影像是指：步驟11，在批量遙感影像數據庫中任選一遙感影像作為當前遙感影像，獲取該當前遙感影像在紅波段的灰度頻率直方圖；步驟12，若所述的灰度頻率直方圖中出現兩個峰值頻率，隨著灰度值的增大依次為第一峰值頻率和第二峰值頻率，且兩個峰值之間存在一個頻率相對平緩且低于兩個峰值的緩沖區，同時第二峰值頻率明顯高于第一峰值頻率，則將該第二峰值頻率對應的灰度值標記為灰度異常值且將該當前遙感影像標記為含云影像；否則，將該當前遙感影像標記為待定影像；步驟13，重復步驟11-12，直至批量遙感影像數據庫中所有的遙感影像都被標記為止。進一步地，步驟1中所述的通過統計遙感影像的紋理特征獲取含云影像是指：步驟14，從待定影像中任取一個作為當前待定影像，對當前待定影像進行直方圖均衡化處理，分別統計當前待定影像在直方圖均衡化處理前后的均值和二階矩；步驟15，若滿足且-0.03≤ASM前-ASM后≤0.03，則將該當前待定影像標記為含云影像，否則標記為無云影像；其中，Mean后為待定影像均衡化處理后的均值，Mean前為待定影像均衡化處理前的均值，ASM前為待定影像均衡化處理前的二階矩，ASM后為待定影像均衡化處理后的二階矩；步驟16，重復步驟14、步驟15，直至所有的待定影像都被標記為止。進一步地，步驟2中所述的檢測含云影像上的云域范圍及該云域范圍的含云量，去除含云量超過含云閾值的含云影像是指：步驟21，通過建立決策樹云檢測規則依次檢測步驟2中獲取的所有含云影像中的云域范圍，所述的決策樹檢測規則如下：其中，a為云在紅波段的灰度異常值，x為灰度值；步驟22，分別統計含云影像和云域范圍的像素個數，通過下式計算云域范圍的含云量：其中，C為含云量，Nc為云域范圍的像素個數，NI為含云影像的像素個數；步驟23，設定含云閾值D,若含云影像中的含云量C大于D時，去除該含云影像。進一步地，步驟21中所述的云在紅波段的灰度異常值a的計算方法為：步驟211，對含云影像的灰度直方圖中的頻率做一階向前差分；步驟212，設定閾值L，若前后頻率差分值＞L時，表明該頻率段不在緩沖區；否則，該頻率段為疑似緩沖區；取最長的一段疑似緩沖區為頻率緩沖區；步驟213，通過冒泡法得到含云影像的灰度直方圖上的可能異常值，計算頻率緩沖區的頻率均值w，若該可能異常值大于2w，則該可能異常值即為云在紅波段的灰度異常值a。進一步地，步驟3中所述的去除步驟2中剩余含云影像上的云，得到無云影像是指：步驟31，依次選取含云影像作為含云影像A，從批量遙感影像數據庫中選取與該含云影像A的經緯度相同但不同時相的所有無云影像,從所述無云影像中選擇質量好且分辨率與該含云影像A相同的無云影像B；步驟32，分別裁剪出所述含云影像A與無云影像B的云域區域C1、C2，用C2區域替換掉C1區域，鑲嵌得到中間影像A1；步驟33，對中間影像A1采用均值濾波處理得到新的遙感影像A2，即無云影像；進一步地，步驟33中所述的對中間影像A1采用均值濾波處理得到新的遙感影像A2是指：步驟331，選取中間影像A1中拼接線處的像素作為中心像素，并找到該中心像素8鄰域的8個像素，求出這8個像素和中心像素的均值作為新的中心像素；步驟332，以該新的中心像素為中心，分別向內外依次各緩沖5個像素；步驟333，對中間影像A1中拼接線處所有像素都進行步驟331、步驟332后，則得到新的遙感圖像A2。與現有技術相比，本專利技術具有以下技術效果：1.本專利技術快速高效，精度較高，提供了一種針對大批量遙感影像預處理的方法，極大程度上避免了數據過度浪費，具有較強的實用價值和推廣意義；2.本專利技術在影像預處理的過程中，確定了影像上的含云量，自動圈定了影像上的云域范圍并去除，對影像信息提取獲取數據給出了準確的依據；3.本專利技術采用了工作效率較高的決策樹方法，不僅效率高，而且人為干預少，減輕了人工云量判讀的工作量，縮短了云檢測和去除的工作時間，可用于批量選取遙感影像及遙感影像信息提取研究。附圖說明圖1為本專利技術總體流程圖；圖2為本實施例中云在紅波段的灰度頻率直方圖；圖3為原始初級云檢測規則；圖4為資源三號衛星影像常見的含云影像圖，其中(a)為含點云的影像圖，(b)為含卷云的影像圖，(c)為含厚云的影像圖，(d)為含薄云的影像圖；圖5為本實施例經過云檢測后的影像圖，其中(a)為經過云檢測后含點云的影像圖，(b)為經過云檢測后含卷云的影像圖，(c)為經過云檢測后含厚云的影像圖，(d)為經過云檢測后含薄云的影像圖；圖6為本實施例中均值濾波處理的示意圖。具體實施方式下面結合附圖和實施例對本專利技術作進一步的說明。如圖1所示，本專利技術公開了一種批量遙感影像預處理方法，具體包括以下步驟：步驟1，批量獲取遙感影像并建立批量遙感影像數據庫，通過統計遙感影像的光譜特征和紋理特本文檔來自技高網...

【技術保護點】
一種批量遙感影像預處理方法，其特征在于，包括以下步驟：步驟1，批量獲取遙感影像并建立批量遙感影像數據庫，通過統計遙感影像的光譜特征和紋理特征獲取含云影像；步驟2，檢測含云影像上的云域范圍及其含云量，去除含云量超過含云閾值的含云影像，得到剩余含云影像；步驟3，去除步驟2中剩余含云影像上的云，得到無云影像；步驟4，利用得到的無云影像，更新批量遙感影像數據庫。

【技術特征摘要】
1.一種批量遙感影像預處理方法，其特征在于，包括以下步驟：步驟1，批量獲取遙感影像并建立批量遙感影像數據庫，通過統計遙感影像的光譜特征和紋理特征獲取含云影像；步驟2，檢測含云影像上的云域范圍及其含云量，去除含云量超過含云閾值的含云影像，得到剩余含云影像；步驟3，去除步驟2中剩余含云影像上的云，得到無云影像；步驟4，利用得到的無云影像，更新批量遙感影像數據庫。2.如權利要求1所述的一種批量遙感影像預處理方法，其特征在于，步驟1中所述的通過統計遙感影像的光譜特征獲取含云影像是指：步驟11，在批量遙感影像數據庫中任選一遙感影像作為當前遙感影像，獲取該當前遙感影像在紅波段的灰度頻率直方圖；步驟12，若所述的灰度頻率直方圖中出現兩個峰值頻率，隨著灰度值的增大依次為第一峰值頻率和第二峰值頻率，且兩個峰值之間存在一個頻率相對平緩且低于兩個峰值的緩沖區，同時第二峰值頻率明顯高于第一峰值頻率，則將該第二峰值頻率對應的灰度值標記為灰度異常值且將該當前遙感影像標記為含云影像；否則，將該當前遙感影像標記為待定影像；步驟13，重復步驟11-12，直至批量遙感影像數據庫中所有的遙感影像都被標記為止。3.如權利要求2所述的一種批量遙感影像預處理方法，其特征在于，步驟1中所述的通過統計遙感影像的紋理特征獲取含云影像是指：步驟14，從待定影像中任取一個作為當前待定影像，對當前待定影像進行直方圖均衡化處理，分別統計當前待定影像在直方圖均衡化處理前后的均值和二階矩；步驟15，若滿足且-0.03≤ASM前-ASM后≤0.03，則將該當前待定影像標記為含云影像，否則標記為無云影像；其中，Mean后為待定影像均衡化處理后的均值，Mean前為待定影像均衡化處理前的均值，ASM前為待定影像均衡化處理前的二階矩，ASM后為待定影像均衡化處理后的二階矩；步驟16，重復步驟14、步驟15，直至所有的待定影像都被標記為止。4.如權利要求1所述的一種批量遙感影像預處理方法，其特征在于，步驟2中所述的檢測含云影像上的云域范圍及該云域范圍的含云量，去除含云量超過含云閾值的含云影像是指：步驟21，通過建立決策...

【專利技術屬性】
技術研發人員：韓玲，劉志恒，劉恩澤，吳婷婷，寧曉紅，鄔健健，
申請(專利權)人：長安大學，
類型：發明
國別省市：陜西;61