论文部分内容阅读
遥感图像去云的关键技术是厚云及其阴影的检测技术。常规的云处理算法随云下垫面的差异而有所不同。对于有厚云的影像,利用同一地域不同时相的Landsat ETM中分辨率遥感影像,采用同周期近时相或不同年份同一季节的ETM遥感影像数据,根据每个波段的光谱特征的相对变化,设计了厚云及其阴影地域分类增强模型,结合该模型和常规的分类模型,采用线性回归分析的图像匹配法和像元替换运算,提出了减小甚至消除LandsatETM遥感影像数据中的云区域影响的方法。研究所采用的试验数据均来自于Landsat ETM拍摄的珠海地区高分辨率卫星遥感影像,有云影像和无云影像的获取时间分别为2000年9月14日和2000年11月1日。在实验对象中,厚云与下垫面中建筑物、沙地等DN值相重合,而厚云及其阴影与水体其他阴影DN值也基本上重合,无法使用传统的阈值分割法进行厚云及其阴影的提取。在分析比较传统的阈值分割方法后,提出了一种基于小波变换的图像融合方法,利用ETM1蓝色通道图像厚云区域的完整性与ETM4近红外通道图像厚云与下垫面的明显差异,对其进行小波融合,增强图像中厚云区域与下垫面的对比度。然后用ETM2, ETM5,ETM7个波段合成图像的灰度图进行阈值分割,提取出厚云阴影区域。最后分别利用半径为3、5、7的平坦圆盘结构的膨胀图像精确地反演出厚云及其阴影区域,并确定最佳膨胀系数。该算法能将原始遥感图像中厚云区域完全替换为无云区域,基本排除建筑区域和阴影区域的干扰,增大了原始图像的可利用信息,同时也最大限度的保留了原始图像的数据信息,很好地利用了各个通道局部区域特征的优点。相比以往算法,解决了下垫面DN值重合造成的建筑物、沙地,水体等的误判情况,大大减小了系统运行时的运算消耗,加快厚云检测的处理速度,是一种简捷、高效的算法。