专利名称：整合模式识别与上下文知识的光学遥感图像云判别方法
技术领域：
本发明涉及一种光学遥感图像云判别方法，特别涉及一种整合统计模式识别与上下文知识的光学遥感图像云判别方法，属于图像识别技术领域。
背景技术：
对于光学遥感图像，我们感兴趣的更多是地面目标，然而在很多情况下是存在云的遮挡的，这样云的部分是没有任何地面信息，却占用了处理系统中大量的存储空间处理能力和传输带宽。人工筛选和剔除这些数据通常需要花费大量的时间与精力，如果这些“无效区域”可以通过某种方法找出来，就可以将这部分数据去掉，进而节省数据存储空间和数据处理人员的工作量，特别对卫星上的系统，还可以节省下行带宽以传送更重要的数据。因此，一种行之有效的自动云判技术就变得非常有必要。目前的云判别的方法的主要是利用模式识别的方法进行处理，通常包括对原图的抽样分块、特征提取、分类判决以及云区域剔除。这些方法通常只利用某一个分块本身的信息，一般用来处理分块中只有单一解译对象时效果较好。但当处理云和地物交界地方的分块时，由于其含有两个或两个以上解译对象，使得模式识别的判决效果变差，甚至，变为无效。例如，当一个分块中云和地物分布集中且含量各是一半(上半个分块是云且下半个分块是地物)，这个分块本身就是既不是云也不是陆地，所以模式识别的结果就没有什么意义。
发明内容
有鉴于此，本发明提供了一种整合模式识别与上下文知识的光学遥感图像云判别方法，能够解决现有技术中只利用某一个分块本身的信息进行模式识别所带来的弊端。为了解决上述技术问题，本发明是这样实现的:一种整合模式识别与上下文知识的光学遥感图像云判别方法，包括:第一步，对原图进行抽样及分块:读入一幅光学遥感图像并进行抽样和分块；所述分块采用有重叠的分块方式，即采用LXL的正方形在光学遥感图像中进行水平和竖直方向的步进，步进量为L/2，获得多个分块，称为Tile，每四个上下左右相邻相互重叠的Tile分块可以看成是九个不重叠的大小为L/2XL/2的小分块构成，这种小分块称为Block ；第二步，对各个Tile分块进行模式识别:利用模式识别依次对每个Tile分块进行判决，并且将判决值存入Tile索引矩阵，判决值包括属于云的置信度、属于地物的置信度和不确定，这里将判决值不确定赋值为基准B，置信度间隔为D，云的判决值应该是B+mD，对应地物的判决值是B-nD，其中m和η取正整数，云或地物的置信度越高m或η的值就越大；第三步、确定不同类型对象特征的阈值范围；所述不同类型对象包括不同置信度的云、不确定和不同置信度的地物；第四步，根据Tile索引矩阵确定Block的判决值并进行微调:步骤S41)对于每一个Tile分块,分别计算组成该Tile分块的4个Block的灰度均值，基于第三步中得到的阈值范围采用门限判决法对Block进行云判决，判决值采用第二步中所用的形式，即不确定时为B，判为云时B+mD，判为地物时B-nD ；步骤S42)利用Tile分块及其内部4个Block的判决值计算Tile的微调因子Factor:
权利要求
1.一种整合模式识别与上下文知识的光学遥感图像云判别方法，其特征在于，包括: 第一步，对原图进行抽样及分块:读入一幅光学遥感图像并进行抽样和分块；所述分块采用有重叠的分块方式，即采用LXL的正方形在光学遥感图像中进行水平和竖直方向的步进，步进量为L/2，获得多个分块，称为Tile，每四个上下左右相邻相互重叠的Tile分块可以看成是九个不重叠的大小为L/2XL/2的小分块构成，这种小分块称为Block ； 第二步，对各个Tile分块进行模式识别:利用模式识别依次对每个Tile分块进行判决，并且将判决值存入Tile索引矩阵，判决值包括属于云的置信度、属于地物的置信度和不确定，这里将判决值不确定赋值为基准B，置信度间隔为D，云的判决值应该是B+mD，对应地物的判决值是B-nD，其中m和η取正整数，云或地物的置信度越高m或η的值就越大；第三步、确定不同类型对象特征的阈值范围；所述不同类型对象包括不同置信度的云、不确定和不同置信度的地物； 第四步，根据 Tile索引矩阵确定Block的判决值并进行微调: 步骤S41)对于每一个Tile分块,分别计算组成该Tile分块的4个Block的灰度均值，基于第三步中得到的阈值范围采用门限判决法对Block进行云判决，判决值采用第二步中所用的形式，即不确定时为B，判为云时B+mD，判为地物时B-nD ； 步骤S42)利用Tile分块及其内部4个Block的判决值计算Tile的微调因子Factor:
2.如权利要求1所述的方法，其特征在于，所述第三步为:利用Tile的模式识别结果确定不同类型对象特征的阈值范围；具体为: 步骤S31)利用Tile索引矩阵，在其中寻找其中判决值相同的Tile，并统计这些Tile中不同对象的特征值； 步骤S32)每种类型对象的特征都被统计到了一起以后，将这些特征的最大值和最小值作为其范围，也就是阈值的上限和下限； 步骤S33)由于不能保证每个场景中都有所有置信度的云和地物，所以对于那些缺少的类型，其阈值采用实验总结出的经验门限或训练得到的门限。
全文摘要
本发明公开了一种整合模式识别与上下文知识的光学遥感图像云判别方法，能够解决现有技术中只利用某一个分块本身的信息进行模式识别所带来的弊端。首先，采用L×L的正方形在光学遥感图像中进行水平和竖直方向的步进，获得分块称为Tile，每个Tile由4个Block组成。对各个Tile分块进行模式识别，获得Tile索引矩阵；根据Tile索引矩阵确定Block的判决值并进行微调；利用上下文知识，对Block的判决值进行修正；最后利用修正后的Block判决值所标记的云位置，对光学遥感图像进行云剔除。
文档编号G06K9/34GK103150567SQ20131004370
公开日2013年6月12日 申请日期2013年2月4日 优先权日2013年2月4日
发明者龙腾, 刘峰, 庞枫骞, 毕福昆, 陈亮 申请人:北京理工大学