论文部分内容阅读
近年来,对地观测技术蓬勃发展,对地观测系统日益完善。以资源三号、高分一号、高分二号、Pleiades等为代表的高分辨率遥感卫星技术已达到世界先进水平,影像数量呈现指数级增长,市场化程度也逐年提高。高分辨率遥感卫星影像(以下简称高分影像)及其衍生产品已经被广泛应用于变化监测、海洋开发、防灾减灾、环境保护、农业、城镇化研究等领域,为地理国情普查、国土资源“一张图”工程建设、“一带一路”等战略实施提供了重要的决策支持和信息保障。然而,并非所有的高分影像都能够满足后期的生产要求,其中对影像质量影响最大的莫过于云层覆盖。在实际生产当中,卫星影像的处理往往建立在影像无云或少云的假设前提下,但影像中云层的覆盖是不可忽视也无法避免的。云层不仅会对地面场景造成遮挡,还会在一定程度上改变影像的光谱和纹理信息,给卫星影像产品制作过程中的匹配、平差、匀色、解译等处理造成诸多不利。十几年以来,国内外许多研究学者对卫星影像进行过云检测研究,但大多围绕高光谱影像数据进行,这类影像光谱信息丰富,通过不同波段间的组合就能够对影像中的云层进行较为精确的提取。然而,高分影像波段信息较少(通常只有红、绿、蓝、近红外四个波段),通过传统方法无法获得可靠的云检测结果。本文围绕高分影像云检测过程存在的难点问题展开研究,主要内容如下:(1)回顾国内外卫星影像云检测研究现状,并根据现有研究中对云层的描述将高分影像中的云层进行类别划分,为之后的云检测工作打下基础。(2)对高分影像中云层的光谱、纹理、频率、几何等特征进行研究,并针对不同类型的云层,分别探索出对其检测工作行之有效的特征对象。(3)研究利用色彩模型变换、多特征联合提取、形态学处理等数字图像处理理论,对高分影像进行多特征联合的云检测研究。(4)为解决多特征联合云检测中存在的诸多问题,引入超像素分割、支持向量机、概率潜在语义分析模型、图割法等计算机视觉理论,对高分影像进行分级云检测研究。实验结果表明,基于多特征联合的云检测算法可实现全自动化实时云检测,与多种交互式以及自动云检测算法比较发现,该算法不仅在效率上有较为明显的提升,并且云识别精度上升了约5%。基于语义分析与支持向量机的云检测与文中不同云检测算法相比,总体精度提高了约6.8%,识别准确率达到了90%,真正实现了利用有限的四波段信息进行自动、精确云检测。