专利名称：一种光学遥感图像去云的泊松方法
技术领域：
本发明涉及遥感图像处理领域中一种图像预处理的方法，尤其涉及一种光 学遥感图像去云的泊松方法。
技术背景由于光学遥感图像获取时，难以避免多云多雨天气所造成获取图像受到云 的遮挡，需据云始终处于运动过程中的特征，对多时相系列图像的云层进行云 去除处理。因此，应运而生地出现了各种遥感图像云去除处理方法。通常，当 图像出现薄云或者薄雾时，可对单一图像进行各种图像恢复处理。但是，当图 像出现厚云层且覆盖区域较大时，则任何对原图像恢复处理的方法均显得乏而 无力。因此，人们考虑利用多时相系列图像的互补信息进行云去除处理，艮P: 利用时间相近的同一地区的图像对云区进行替代处理，从而达到去云的效果。目前，国内和国际上报道有关遥感图像云去除处理方法均是假设云层的位 置处于动态变化中，任何地点都存在未被云层覆盖的可能，故可选择无云层覆 盖的像元进行组合拼接，则能生成一幅完整的、无云层覆盖的组合图像。因而， 具体的处理方法主要有两种一种是组合处理(Coraposing)方法进行图像云去除预处理，它通过计算NDVI (植被指数)值，采用最大植被指数(MAX NDVI)消除太阳高度角、卫星视角 及云的影响，但它得到的是NDVI值，并未恢复原图。另一种方法是基于简单反演替代的方法，它在云去除过程中被分为两步-云检测和云剔除。其中，云检测常基于阈值技术，即在可见光、近红外波段， 云层相对于植被、土壤、水域等不同的下垫面具有较高反射率，而在热红外波 段具有较低亮温的特性而产生，它是云剔出的基础。由于本发明中云检测采用 的阈值技术采用常规方法，在此仅重点讨论云剔除方法现存的利弊。当检测到图像中云覆盖像元后，简单反演替代方法对在相对变化中的云层 图像，采用相同区域、相近时相清晰图像数据来进行反演替代云区，即对云层 覆盖像元进行剔除和修复。由于该方法设有云层的原始图像为X，替补清晰图像为Y， ymax、 ymin、 n、 xmax、 xmin禾口 m 6、另1』为替补图{象《象素最大值、最小f直、 图像像元数及原始图像(不包括云覆盖像元)的像元最大值、最小值和像元数， 那么原始图像中云层覆盖像元的替补值xi为对应替补图像像元yi的线性变换y max — y min ， IT1 ， 门 o对图像中零星分布的小块云层则可以同一图像相邻的非云像元值进行内插 来剔除。虽然，简单反演替代能恢复原始图像，但由于相近时相的图像之间存 在色调差异，简单反演替代后会出现明显的替补区接边痕迹，若要消除这些痕 迹，常需进行人机交互操作，利用图像拉伸技术调节两两图像改善可视化效果， 但仍会影响到进一步的定量应用分析。因此，需针对覆盖区域较大块厚云层进 行云剔除恢复原图像时，图像镶嵌出现的明显痕迹，且无法达到无缝拼接效果 等问题，研发遥感图像去云层的算法、成套方法和处理流程。目前，这种图像 云去除预处理方法均未见到适宜的方法可用于实际应用中。然而，随着各种光 学遥感图像(可见光、近红外和热红外波段)获取途径的增加，图像云去除优 化处理方法是具有推动技术发展的重要意义和实用价值。 发明内容针对现有技术的缺点，本发明的目的是提供一种能够在较大覆盖区域内去 除厚云层，使云剔除后的图像既恢复原始图像的灰度特征，又达到无缝拼接效 果，并形成针对可见光及近红外波段的光学遥感图像去云的泊松方法。为实现上述目的，本发明的技术方案为 一种光学遥感图像去云的泊松方 法，其包括以下步骤a、 利用图像选择器选择一组满足图像去云层处理的基本底像A及与基本底像云分布有互补性的一组图像作为替补图像组B1……Bmb、 对选择的底像A及替补图像B1经云区识别单元识别检测，提取云覆盖区域的范围，并将云覆盖区域分别制作成云区识别模版^， Cw的二值图； C、将底像A、替补图像B1及云区识别版块^， C^经金字塔处理构建分级相似单元，得到Ai， Bii， C厶G/， 、1，H 对应l到n为由细尺度到 粗尺度；d、 从第n级开始，进行逐级云区像元检测，对每一级金字塔进行逐云连通区的检测，对于第i级，利用连通性识别出c^每个连通的云区，对^'云识别模 版中每个正在处理的连通云区进行替补图像检测，判别所对应区域中是否也为 云区，若否，则进行下一步处理，若是，则检测下一级图像或放弃对该区域的 替补；e、 利用图像梯度场调节像元对替补图像BU和基础底像Ai在当前连通 云区周围的对应无云点处求线性变换参数；f 、以基础底图Ai中各连通云区周边的非云像素点作为Dirichlet边界条件，以线性变换后的替补区图像的梯度场为引导场，利用泊松去云层处理单元对图 像进行融合处理，使其满足以下列线性方程组wn WfP- 2X= Z hq + Z(gp—gq)其中，h表示基础底像，g表示替补图像，f为定义区域，Q是对应云 区的子集，其边界以W表示Np表示S上每个像素点p上的四邻域点或者八邻域 点，lNpl表示邻域上的点的数目，fp是该点的像素值。上述方法中还包括步骤g:将相近时相的另一图像B2与前一去云结果A重 复步骤b、 c、 d、 e、 f，进行多重循环的泊松云去除处理。上述方法中还包括步骤h:将基础底像及替补图像利用碎云去除处理单 元进行图像内插处理。在步骤e中，图像梯度场调节单元对当前连通云区周围的对应无云点处采 用最小二乘法求线性变换参数。在步骤b中，云区识别单元采用阈值技术或者模式识别方法检测云区。
图1为本发明的光学遥感图像去云的泊松方法的处理流程图。
具体实施方式
下面结合附图对本发明作进一步的详细说明。本发明的理论依据是泊松(Poisson)图像融合和反演替代的原理。基于这 两个原理，我们提出一种以基础图像的云检测边界上的图像像素作为边界条件， 以其它互补的相邻时间序列图像上对应区的梯度场作为引导场，对基础图像云区进行填补插值的方法，即光学遥感图像的泊松融合云去除处理方法。具体地讲，如图1所示，本发明所提出的光学遥感图像去云的泊松方法， 包括大块云层去除处理和碎云处理两种情况。当针对较大的云填补区域时，具 体的分析处理过程包括如下歩骤a、 利用图像选择器选择一组满足图像去云层处理的基本底像A及与基 本底像云分布有互补性的一组图像作为替补图像组B1……Bn。b、 对选择的底像A及替补图像Bl经云区识别单元识别检测，逐像元 提取云覆盖区域的范围，并将云覆盖区域分别制作成云区识别模版Q, Cw的二 值图。c、 将底像A、替补图像B1及云区识别版块G, G,进行金字塔(多尺 度)分解处理，构建金字塔相似单元，得到Ai， BU， c ， G/， "1，2，A，"，以便采用金字塔结构加快收敛速度，对应1到n为由细尺度到粗尺度。d、 从第n级开始，云区逐级检测单元对每一级金字塔进行逐云连通区的检测，如对于第i级，利用连通性识别出^'每个连通的云区，对每个当前处理的连通云区检测^i'中对应云区的替补图像，艮口对CA'云识别模版中每个正在 处理的连通云区检测替补图像，判别所对应区域中是否也为云区。若否，则进行下一步处理，反之寻求下一幅图像或放弃对该区域的替补。e、对于可见光、近红外波段的局部非云层区域，不同时相的数据主要受大气及太阳辐射的影响，可认为两者只存在线性差异，则利用图像梯度场调节单元对替补图像Bli和基础底像Ai当前连通云区周围的无云点存在线性关系。 因此，分别对替补图像mi和基础底像Ai在当前连通云区周围的对应无云点 求线性变换参数，可消除替补图像与基础底像的线性差异。其现行变换方 法可采用最小二乘法求解线性变换参数，使基础底图和替补图的图像象素值达 到最接近。f 、以基础底图Ai中各连通云区周边的非云像素点作为Dirichlet边界条件，以线性变换后的替补区图像的梯度场为引导场，利用泊松去云层处理单元对图 像进行融合处理，使其满足以下列线性方程组wn Wp-》q = Z hq + Z(gp—gq)其中，h表示基础底像，g表示替补图像，f为定义区域，Q是对应云 区的子集，其边界以^表示NP表示S上每个像素点p上的四邻域点或者八邻域 点，lNpl表示邻域上的点的数目，fp是该点的像素值。步骤g、将相近时相的另一图像B2与前一去云结果A重复步骤b、 c、 d、 e、 f，进行多重循环的泊松云去除处理。步骤h、将基础底像及替补图像利用碎云去除处理单元进行图像内插处理。在上述方法中，步骤a的具体操作属遥感图像优化选择的常规方法，其主 要目的是利用图像选择器选择一组满足图像去云层处理的时间序列图像数据， 使原始图像满足处理过程所需的基本条件，g卩目标地区云层覆盖量最少、质 量最好的某一个时相图像作为基本图像，以及与基本图像云分布有互补性的一 组图像作为替补图像组。步骤b属于图像云信息提取的重要步骤，其提取方法常采用云区识别单元检测云覆盖区的范围，以便分别制作云区识别模版。具体的方法是云区识别单 元采用阈值技术或者模式识别方法检测云区状态各种阈值技术是基于云对于 植被、土壤、水域等不同的下垫面在不同波谱段的物理特性，如可见光和近 红外波段具有较高反射率，而在热红外波段具有较低亮温的特性等，而产生了 云检测方法的差异。步骤C是对参与云去除处理的图像和它们的云区模板构建金字塔结构，可用高斯金字塔，变换得到Ai， Bli， c" C別'，'、1，2，A，"，对应l到n为由细 尺度到粗尺度；金字塔结构Poisson融合云去除流程目的是构建合理的逐级云 去除处理的流程，从而达到加速迭代速度、优化处理流程的目的。在上述方法中，步骤d主要是判定所选图像间的互补性，选择出适宜的替 补图像。此过程从步骤c所定义金字塔结构的第n级开始，利用云区逐级检测 单元对每一级金字塔进行逐云连通区的检测，即对某一云识别模版中的连通云 区检测替补图像，判别所对应区域中是否也为云区。若否，则进行下一步处理， 反之寻求下一幅图像或放弃对该区域的替补。在上述方法中，步骤e是利用图像梯度场调节单元对基础底图和替补 像间梯度场的差异进行调节，本方法采用最小二乘法求解线性变换参数，归结 为下式(1):，,"=|>,2 = i(乃,._A)2 ( 1 )y二ax+b中的常数a和b，使式(1)为最小。在此，分别设前述基础底图 Ai为y ，替补图像Bli为x ,在当前连通云区周围的对应无云点求线性变换参 数，以达到使两图像间象素值达到最接近，消除替补图像与基础底像间线 性差异的目的。在上述方法中，步骤f是利用泊松去云层处理算法进行云层去除图像融合 处理，假设h表示基础底图的图像，g表示替补图像，S是目标合成图像f定 义区域，Q是对应云区的子集，其边界以3Q表示，对应基础底图Ai连通云区周边的非云像素点。以边界像素作为Dirichlet边界条件，以线性变换后的替 补区图像的梯度场作为引导场，则引导插值被定义为，ffilvf-vg|l2 with fL=h|5Q， (2)▽ = 「A丄其中， L&、」是偏微分算子，其最优解是下列以Dirichlet边界条件的 Poisson方程的唯一解△"△9， with fL=hL， (3) 厶=~其中， 改 ^是Laplacian算子。对上述基础底图或替补图像均为离散的数字图像，则S是有限的离散格点， Np表示S上每个像素点p上的四邻域点或者八邻域点，lNpl表示邻域上的点的 数目，fp是该点的像素值。利用有限差分，变分问题(2)可以离散化为以下二 次优化问题'Q p qe ，with f^=hlsQ， (4)其最优解满足下列线性方程组 wn K|fP- Zfq= Z hq + S(gp—gq)(5)式是一个经典的、稀疏的、对称的线性方程组，可以用迭代法(序列 超松弛高斯-赛德尔迭代 Gauss-Seidel iteration with successive overrelaxation或者V-cycle multigrid)对其进行求解。当第i级融合完成 后，其融合结果经简单插值后作为下一级(i-1级)的初值(借此加快迭代速度)， 对下一级进行逐个连通区去云。其中第n层的初值为An本身。在上述方法中，步骤g是针对需要多幅相近时相的时间序列图像(Bn)进 行多重云去除处理的情况，如将相近时相的另一图像B2与前一去云融合结果 A重复步骤b f ，进行多重循环的泊松云去除处理。首先，第1级的融合结果 A2就是A, Bl图像的融合结果，即利用B1对A进行云剔除的结果。其次，再利 用另一相近时相的图像B2与前一步融合的结果A2按照前述方法进行融合去云。最后，循环前一步直到得出满意融合结果或所有相近时相的数据都已利用完毕， 则得到经Poisson融合云去除优化处理流程的多重去云结果图像。而对于多波段的图像，则须逐波段重复步骤b g，以获得不同波段的云去除处理图像作为进一步图像分析的基础数据。前述7个步骤，主要针对大块云层区的云去除处理，而泊松融合结果图像上仍会有一些很小的碎云存在。在上述方法中，步骤h是针对碎云的云去除方法，它采用内插的处理方法，即根据周围无云区象元进行内插，而具体内插方法需分析该区域空间实体分布特性和相关性决定，如通常可采用克里金插值(Kriging)法，即假设在足够小邻域内，相关地物的特性或属性数据高度相关，方差变化为零，则可认为 内插点与周围点的变化差异为零，即梯度为零。因而，可以此作为引导场进行 小区域内插，或采用泊松融合方法得出最后结果。综上所述，本发明提出的光学遥感图像去云的泊松方法，它是针对同一地 区、不同时相所获得的一组时间序列图像进行泊松融合云去除处理的方法。它 采用两两云去除策略进行图像替代或填补，在基于替补图像为引导场对图像进 行插值处理前，须先基于基础底像梯度场对替补图像进行线性变换，以构造合理的梯度场；然后，再利用求解以Dirichlet边界约束的Poisson方程， 实现局部灰度或颜色修改、无缝拼接，从而达到既可剔除图像中的云层，又可 保证原图像信息完好的无缝拼接去云效果。 本发明的优点或效果体现在如下方面1、 本发明的主要创新之处在于(1)方法上采用泊松融合方法进行云去 除处理。(2)优化处理流程上不仅构建金字塔处理流程达到加快迭代速度、优化处理流程的目的，还设计、实现了用多幅相近时间序列图像(Bn)进行多 重云去除的自动化处理流程。(3)针对图像遗留的碎云，本发明中的优化处理流程中补充了去除碎云的插值方法，以便获得更清晰的图像。2、 本发明的主要优点在于(1)提供了一种能够在较大覆盖区域内去除厚云层，解决了既剔除图像上的云层，又能恢复原始图像的灰度特征的泊松(Poisson)云去除处理的方法和流程，进而达到无缝拼接图像的效果。本方法适应于在可见-近红外范围进行遥感图像云去除处理。(2)实现了金字塔和多重 去云的优化处理流程，不仅可提高云去除预处理的工作效率，还解决了需多幅相近时间序列图像(Bn)进行云去除处理自动化处理流程。(3)对遥感图像无 特殊处理要求，使得这一方法的适用性更好。(4)图像云去除数据预处理简单 有效。
权利要求
1、一种光学遥感图像去云的泊松方法，其特征在于包括以下步骤a、利用图像选择器选择一组满足图像去云层处理的基本底像A及与基本底像云分布有互补性的一组图像作为替补图像组B1……Bn；b、对选择的底像A及替补图像B1经云区识别单元识别检测，提取云覆盖区域的范围，并将云覆盖区域分别制作成云区识别模版CA，CB1的二值图；c、将底像A、替补图像B1及云区识别版块CA，CB1经金字塔处理构建相似单元，得到Ai，B1i，CAi，CB1i，i＝1，2，Λ，n，对应1到n为由细尺度到粗尺度；d、从第n级开始，逐级进行云区像元检测对每一级金字塔进行逐云连通区的检测，对于第i级，利用连通性识别出CAi每个连通的云区，对CAi云识别模版中每个正在处理的连通云区进行替补图像检测，判别所对应区域中是否也为云区，若否，则进行下一步处理，若是，则检测下一级图像或放弃对该区域的替补；e、利用图像梯度场调节像元对替补图像B1i和基础底像Ai在当前连通云区周围的对应无云点处求线性变换参数；f、以基础底图Ai中各连通云区周边的非云像素点作为Dirichlet边界条件，以线性变换后的替补区图像的梯度场为引导场，利用泊松去云层处理单元对图像进行融合处理，使其满足以下列线性方程组p∈Ω，<math-cwu><![CDATA[<math> <mrow><mo>|</mo><msub> <mi>N</mi> <mi>p</mi></msub><mo>|</mo><msub> <mi>f</mi> <mi>p</mi></msub><mo>-</mo><munder> <mi>Σ</mi> <mrow><mi>q</mi><mo>∈</mo><msub> <mi>N</mi> <mi>p</mi></msub><mo>∩</mo><mi>Ω</mi> </mrow></munder><mo>=</mo><munder> <mi>Σ</mi> <mrow><mi>q</mi><mo>∈</mo><msub> <mi>N</mi> <mi>p</mi></msub><mo>∩</mo><mo>∂</mo><mi>Ω</mi> </mrow></munder><msub> <mi>h</mi> <mi>q</mi></msub><mo>+</mo><munder> <mi>Σ</mi> <mrow><mi>q</mi><mo>∈</mo><msub> <mi>N</mi> <mi>p</mi></msub> </mrow></munder><mrow> <mo>(</mo> <msub><mi>g</mi><mi>p</mi> </msub> <mo>-</mo> <msub><mi>g</mi><mi>q</mi> </msub> <mo>)</mo></mrow> </mrow></math>]]></math-cwu><!--img id="icf0001" file="S2008100264076C00011.gif" wi="294" he="40" img-content="drawing" img-format="tif"/-->其中，h表示基础底像，g表示替补图像，f为定义区域，Ω是对应云区的子集，其边界以Ω表示Np表示S上每个像素点p上的四邻域点或者八邻域点，|Np|表示邻域上的点的数目，fp是该点的像素值。
2、 根据权利要求l所述的光学遥感图像去云的泊松方法，其特征在于还包括步骤g、将相近时相的另一图像B2与前一去云结果A重复步骤b、 c、 d、 e、 f，进行多重循环的泊松云去除处理。
3、 根据权利要求2所述的光学遥感图像去云的泊松方法，其特征在于还 包括步骤h、将基础底像及替补图像利用碎云去除处理单元进行图像内插处 理。
4、 根据权利要求l所述的光学遥感图像去云的泊松方法，其特征在于在 步骤e中，图像梯度场调节单元对当前连通云区周围的对应无云点处采用最小 二乘法求线性变换参数。
5、 根据权利要求l所述的光学遥感图像去云的泊松方法，其特征在于在步骤b中，云区识别单元采用阈值技术或者模式识别方法检测云区。
全文摘要
本发明公开了一种光学遥感图像去云的泊松方法，其包括以下步骤利用图像选择器选择满足图像去云层处理的基本底像及替补图像；再经云区识别单元识别检测云覆盖区域的范围，并分别制作成云区识别模版；将底像、替补图像及云区识别版块经金字塔处理构建多级相似单元；逐级进行云区像元检测，对每一级金字塔进行逐云连通区的检测，对云识别模版中每个正在处理的连通云区进行替补图像检测；利用图像梯度场调节像元对替补图像和基础底像在连通云区周围的对应无云点处求线性变换参数；以基础底图中各连通云区周边的非云像素点作为Dirichlet边界条件，以线性变换后的替补区图像的梯度场为引导场，利用泊松去云层处理算法对图像进行融合处理。
文档编号G01S17/89GK101246545SQ20081002640
公开日2008年8月20日 申请日期2008年2月22日 优先权日2008年2月22日
发明者岩 李, 温健婷, 龚海峰 申请人:华南师范大学