论文部分内容阅读
Landsat卫星影像广泛应用在资源调查、农业生产、环境监测、生态保护等领域。由于受到天气条件的影响,影像往往存在一些区域被云层覆盖,严重影响了影像的判读。准确地检测出Landsat卫星影像中的云层,对影像后续的分类、识别以及目标检测等进一步处理和应用具有重要的意义。本文通过提取Landsat卫星多光谱图像云层和地物特征,针对不同的云层检测应用需求,利用不同的支持向量机分类算法,对Landsat卫星图像的云检测问题进行了研究。主要的研究内容及研究成果包括以下几个方面：1.介绍了Landsat卫星遥感图像云检测的研究目的与意义、国内外研究现状等。简介了支持向量机分类原理和孪生支持向量机算法。2.针对单波段或者部分波段Landsat卫星多光谱图像,提出一种基于最小二乘孪生支持向量机的云检测方法。先根据云在不同波段中的大气辐射特点,结合Landsat7ETM+影像数据的光谱特性获得像元的光谱特征；再通过提取每个图像块的灰度共生矩阵得到相应像元点的纹理结构特征,以像元的光谱特性和纹理结构特征构造特征向量；最后利用最小二乘孪生支持向量机分类器进行Landsat7ETM+影像像元的云层检测,实验结果表明了方法的有效性。3.针对多波段Landsat卫星多光谱图像,提出一种基于ACCA和WSVM相结合的云检测方法。首先利用ACCA方法对Landsat遥感图像进行云检测,将图像像元分成云像元、非云像元和待定像元；然后从Landsat遥感图像数据库中提取己知内容信息的图像像元点光谱特征作为WSVM的输入特征向量,通过建立关于训练样本中心距离的权重函数来获得样本的权重系数；最后利用改进的WSVM方法进行影像像元的云层检测。实验结果表明,该方法将待定像元中ACCA方法难以检测的半透明云检测出来。4.研究了MLTK方法和半监督学习理论,并将其结合应用到遥感图像云检测中。在利用无标记签样本情况下,提出一种基于MLTK和STSVM的Landsat卫星遥感图像云检测方法,该方法先利用MLTK方法对Landsat图像进行云检测,将图像像元分成云像元和其他待定像元,再从Landsat遥感图像数据库中提取已知内容信息、未知内容信息的图像像元点光谱特征和纹理特征作为输入特征向量训练STSVM,构造最优分类超平面,最终将MLTK方法难以检测的薄云检测出来。仿真实验结果表明,与TSVM等方法相比较,该方法所获得的云检测结果在视觉效果上和定量评价上有明显提高。