一种卫星遥感图像的积雪提取方法及装置与流程

本发明涉及遥感图像处理技术领域，特别是一种卫星遥感图像的积雪提取方法及装置。

背景技术：

制作高精度的积雪图，完善积雪观测系统，从而建立准确和长期的积雪产品数据库具有重要的意义。目前主要包括：目视判读法；多光谱图像分类；阈值法像元统计；反射率特征计算法；决策树方法。目前广泛应用的数据包括goes、avhrr、landsattm/etm+、modis、vegetation等。目前，积雪提取最常用的是ndsi指数，ndsi利用雪在可见光、近红外波段为强反射体，而在短波红外波段为强吸收体的特点。crawford等使用多时相的landsat数据进行雪覆盖的制图，用于气象资料数据的积累。

雪识别指数为ndsi，基于雪对可见光与短波红外波段的反射率的差异的一种度量。landsattm数据的积雪检测算法根据积雪的波谱特性，即具有很强的可见光反射和短波红外吸收的特性，选定了两个判别标准：ndsi和一个近红外波段的反射率。而modis的积雪算法是在分析tm图像的基础上，采用阈值划分来识别积雪和其它目标。noaa/avhrr拥有5个观测通道包括了从可见光到远红外的光谱范围，但这5个通道中并不含有区分云雪的理想波段1.55－1.75um。目前许多云雪识别的研究多利用云和雪avhrr波段3的反射和辐射率发明的差异，采用多通道信息融合技术。

具体包括以下方法：

二值化判别法：该方法的主要思想是根据积雪在不同波段下反射率的差异，利用vis波段和ir波段，构建用于地类识别的归一化雪被指数。ndsi指数能够自动区分云和雪，因为云在modis第6波段和aqua第7波段的反射率较高，但是积雪的反射率低。一般设定阈值t＝0.4，当ndsi>0.4时，认为该像素为积雪地类。考虑到森林区域中植被的影响，当ndsi<0.4时也可能存在积雪，因此加入ndvi进行判断。如果ndvi在0.1附近时，同样认为该像素为积雪地类。

概率判别方法：由于二值化算法考虑的影响因子较少，可能存在结果精度的不确定性问题，还有学者采用概率判别的方法，主要包括：监督分类：事先选择训练样本，通过遥感图像监督分类方法计算得到各像素属于积雪地类的隶属度，在此基础上完成地类识别；ndsi概率判断：通过ndsi值计算像素属于积雪地类的概率，被云遮挡的积雪地类识别：还有学者研究如何识别影像中被云遮挡的积雪地类。一种方法是通过海拔高度进行区分，通过影像中未遮挡区域计算得到雪被存在的最大海拔高度，低于此高度的云覆盖区域被识别为积雪地类。本方法对云覆盖区域较少的遥感影像较有效，但如果覆盖区域范围过大，精度难以保证。

技术实现要素：

本发明解决的技术问题是：克服现有技术的不足，提供了一种卫星遥感图像的积雪提取方法及装置。

为了解决上述技术问题，本发明实施例提供了一种卫星遥感图像的积雪提取方法，包括：

获取高时间谱的基准卫星遥感图像和辅助卫星遥感图像；所述基准卫星遥感图像为包含积雪的图像，所述基准卫星遥感图像和所述辅助卫星遥感图像为拍摄的同一地理范围的图像；

基于所述基准卫星遥感图像的积雪指数和第一阈值，对所述基准卫星遥感图像进行一次积雪提取操作，生成第一积雪提取图像；

基于所述基准卫星遥感图像的水体指数和第二阈值，对所述第一积雪提取图像进行二次积雪提取操作，生成第二积雪提取图像；

基于所述辅助卫星遥感图像的拍摄季节，对所述第二积雪提取图像进行积雪提取操作，确定所述基准卫星遥感图像中的积雪提取结果。

可选地，所述获取高时间谱的基准卫星遥感图像和辅助卫星遥感图像，包括：

获取两组高时间谱的卫星遥感图像；

将两组所述卫星遥感图像中在冬季拍摄的一组包含积雪的卫星遥感图像作为基准卫星遥感图像，并将另一组卫星遥感图像作为辅助卫星遥感图像。

可选地，所述基于所述基准卫星遥感图像的积雪指数和第一阈值，对所述基准卫星遥感图像进行一次积雪提取操作，生成第一积雪提取图像，包括：

根据归一化积雪指数函数计算得到所述基准卫星遥感图像中每个像元的积雪指数；

根据otsu算法计算得到所述基准卫星遥感图像中区分雪与非积雪的第一阈值；

基于所述第一阈值和所述积雪指数，对所述基准卫星遥感图像进行第一积雪提取操作，生成所述第一积雪提取图像。

可选地，所述基于所述基准卫星遥感图像的水体指数和第二阈值，对所述第一积雪提取图像进行二次积雪提取操作，生成第二积雪提取图像，包括：

根据归一化水体指数函数计算得到所述基准卫星遥感图像中每个像元的水体指数；

根据otsu算法计算得到所述基准卫星遥感图像中区分雪与高亮非雪物的第二阈值；

根据所述基准卫星遥感图像中每个像元的水体指数和所述第二阈值对所述第一积雪提取图像进行第二积雪提取操作，生成所述第二积雪提取图像。

可选地，所述基于所述辅助卫星遥感图像的拍摄季节，对所述第二积雪提取图像进行积雪提取操作，确定所述基准卫星遥感图像中的积雪提取结果，包括：

在所述辅助卫星遥感图像的拍摄季节为冬季的情况下，基于动态时间归整算法计算所述基准卫星遥感图像和所述辅助卫星遥感图像的时间序列特征相似度；

根据所述时间序列特征相似度对所述第二积雪提取图像进行积雪提取处理，得到所述基准卫星遥感图像的积雪提取结果。

可选地，所述基于所述辅助卫星遥感图像的拍摄季节，对所述第二积雪提取图像进行积雪提取操作，确定所述基准卫星遥感图像中的积雪提取结果，包括：

在所述辅助卫星遥感图像的拍摄季节为夏季的情况下，基于所述辅助卫星遥感图像的积雪指数和第三阈值，对所述辅助卫星遥感图像进行一次积雪提取操作，生成第三积雪提取图像；

基于所述辅助卫星遥感图像的水体指数和第四阈值，对所述第三积雪提取图像进行二次积雪提取操作，生成第四积雪提取图像；

基于动态时间归整算法计算所述第二积雪提取图像和所述第四积雪提取图像的时间序列特征相似度；

基于所述时间序列特征相似度对所述第二积雪提取图像进行积雪提取处理，得到所述基准卫星遥感图像的积雪亚类提取结果。

为了解决上述技术问题，本发明实施例还提供了一种卫星遥感图像的积雪提取装置，包括：

遥感图像获取模块，用于获取高时间谱的基准卫星遥感图像和辅助卫星遥感图像；所述基准卫星遥感图像为包含积雪的图像，所述基准卫星遥感图像和所述辅助卫星遥感图像为拍摄的同一地理范围的图像；

第一图像生成模块，用于基于所述基准卫星遥感图像的积雪指数和第一阈值，对所述基准卫星遥感图像进行一次积雪提取操作，生成第一积雪提取图像；

第二图像生成模块，用于基于所述基准卫星遥感图像的水体指数和第二阈值，对所述第一积雪提取图像进行二次积雪提取操作，生成第二积雪提取图像；

积雪提取结果确定模块，用于基于所述辅助卫星遥感图像的拍摄季节，对所述第二积雪提取图像进行积雪提取操作，确定所述基准卫星遥感图像中的积雪提取结果。

可选地，所述遥感图像获取模块包括：

卫星图像获取单元，用于获取两组高时间谱的卫星遥感图像；

遥感图像获取单元，用于将两组所述卫星遥感图像中在冬季拍摄的一组包含积雪的卫星遥感图像作为基准卫星遥感图像，并将另一组卫星遥感图像作为辅助卫星遥感图像。

可选地，所述第一图像生成模块包括：

积雪指数计算单元，用于根据归一化积雪指数函数计算得到所述基准卫星遥感图像中每个像元的积雪指数；

第一阈值计算单元，用于根据otsu算法计算得到所述基准卫星遥感图像中区分雪与非积雪的第一阈值；

第一图像生成单元，用于基于所述第一阈值和所述积雪指数，对所述基准卫星遥感图像进行第一积雪提取操作，生成所述第一积雪提取图像。

可选地，所述第二图像生成模块包括：

水体指数计算单元，用于根据归一化水体指数函数计算得到所述基准卫星遥感图像中每个像元的水体指数；

第二阈值计算单元，用于根据otsu算法计算得到所述基准卫星遥感图像中区分雪与高亮非雪物的第二阈值；

第一图像生成单元，用于根据所述基准卫星遥感图像中每个像元的水体指数和所述第二阈值对所述第一积雪提取图像进行第二积雪提取操作，生成所述第二积雪提取图像。

可选地，所述积雪提取结果确定模块包括：

特征相似度计算单元，用于在所述辅助卫星遥感图像的拍摄季节为冬季的情况下，基于动态时间归整算法计算所述基准卫星遥感图像和所述辅助卫星遥感图像的时间序列特征相似度；

第一积雪结果获取单元，用于根据所述时间序列特征相似度对所述第二积雪提取图像进行积雪提取处理，得到所述基准卫星遥感图像的积雪提取结果。

可选地，所述积雪提取结果确定模块包括：

第三图像生成单元，用于在所述辅助卫星遥感图像的拍摄季节为夏季的情况下，基于所述辅助卫星遥感图像的积雪指数和第三阈值，对所述辅助卫星遥感图像进行一次积雪提取操作，生成第三积雪提取图像；

第四图像生成单元，用于基于所述辅助卫星遥感图像的水体指数和第四阈值，对所述第三积雪提取图像进行二次积雪提取操作，生成第四积雪提取图像；

时间序列相似度计算单元，用于基于动态时间归整算法计算所述第二积雪提取图像和所述第四积雪提取图像的时间序列特征相似度；

第二积雪结果获取单元，用于基于所述时间序列特征相似度对所述第二积雪提取图像进行积雪提取处理，得到所述基准卫星遥感图像的积雪亚类提取结果。

本发明与现有技术相比的优点在于：

本发明实施例提供了一种卫星遥感图像的积雪提取方法及装置。通过获取高时间谱的基准卫星遥感图像和辅助卫星遥感图像；所述基准卫星遥感图像为包含积雪的图像，所述基准卫星遥感图像和所述辅助卫星遥感图像为拍摄的同一地理范围的图像；基于所述基准卫星遥感图像的积雪指数和第一阈值，对所述基准卫星遥感图像进行一次积雪提取操作，生成第一积雪提取图像；基于所述基准卫星遥感图像的水体指数和第二阈值，对所述第一积雪提取图像进行二次积雪提取操作，生成第二积雪提取图像；基于所述辅助卫星遥感图像的拍摄季节，对所述第二积雪提取图像进行积雪提取操作，确定所述基准卫星遥感图像中的积雪提取结果。本发明实施例利用高时间谱遥感卫星拍摄的两组不同成像时间的图像实现积雪提取过程中云干扰的去除或是新雪与陈雪之间的区分，即短时间跨度条件下云干扰的去除和长时间跨度条件下新雪与陈雪的区分，提高积雪提取的准确度和精细度。

附图说明

图1为本发明实施例提供的一种卫星遥感图像的积雪提取方法的步骤流程图；

图2为本发明实施例提供的一种卫星遥感图像的积雪提取装置的结构示意图。

具体实施方式

实施例一

参照图1，示出了本发明实施例提供的一种卫星遥感图像的积雪提取方法的步骤流程图，如图1所示，该卫星遥感图像的积雪提取方法具体可以包括如下步骤：

步骤101：获取高时间谱的基准卫星遥感图像和辅助卫星遥感图像；所述基准卫星遥感图像为包含积雪的图像，所述基准卫星遥感图像和所述辅助卫星遥感图像为拍摄的同一地理范围的图像。

本发明实施例可以应用于对卫星遥感图像中的积雪进行提取的场景中。

基准卫星遥感图像为包含积雪的图像，基准卫星遥感图像和辅助卫星遥感图像为拍摄的同一地理范围的图像，且均为高时间谱的图像。

在需要进行卫星遥感图像中的积雪提取时，可以获取两组高时间谱的卫星遥感图像，并将其中一组卫星遥感图像作为基准卫星遥感图像，并将另一组卫星遥感图像作为辅助卫星遥感图像，具体地，可以结合下述具体实现方式进行详细描述。

在本发明实施例的一种具体实现方式中，上述步骤101可以包括：

子步骤a1：获取两组高时间谱的卫星遥感图像。

子步骤a2：将两组所述卫星遥感图像中在冬季拍摄的一组包含积雪的卫星遥感图像作为基准卫星遥感图像，并将另一组卫星遥感图像作为辅助卫星遥感图像。

在本发明实施例中，可以选择两组不同成像时间的同一地理范围的卫星遥感图像，其中，至少有一组图像为冬季季相(11～2月)拍摄的、存在积雪的遥感图像，作为基准图像，另外一组图像为冬季季相(11～2月)、相近时间拍摄的(相差几小时或几天)、或积雪未发生显著变化的遥感图像或者为夏季季相(5～8月)拍摄的遥感图像，作为辅助图像。

在获取高时间谱的基准卫星遥感图像和辅助卫星遥感图像之后，执行步骤102。

步骤102：基于所述基准卫星遥感图像的积雪指数和第一阈值，对所述基准卫星遥感图像进行一次积雪提取操作，生成第一积雪提取图像。

第一阈值是指用于区分基准卫星遥感图像中雪与非雪的阈值。

在获取高时间谱的基准卫星遥感图像之后，可以结合基准卫星遥感图像的积雪指数和第一阈值，对基准卫星遥感图像进行一次积雪提取操作，以生成第一积雪提取图像，具体地，可以结合下述具体实现方式进行详细描述。

在本发明实施例的另一种具体实现方式中，上述步骤102可以包括：

子步骤b1：根据归一化积雪指数函数计算得到所述基准卫星遥感图像中每个像元的积雪指数；

子步骤b2：根据otsu算法计算得到所述基准卫星遥感图像中区分雪与非积雪的第一阈值；

子步骤b3：基于所述第一阈值和所述积雪指数，对所述基准卫星遥感图像进行第一积雪提取操作，生成所述第一积雪提取图像。

在本发明实施例中，根据归一化积雪指数ndsi计算公式计算基准卫星遥感图像中每一个像元的积雪指数数，基准卫星遥感图像以gf-4图像为例，由于gf-4图像缺少计算积雪指数必须的近红外波段，无法直接计算出积雪指数，可以通过波段拟合的方式，利用其他波段信息回归拟合出缺少的波段像元值，进而利用ndsi计算公式得到各像元的ndsi数值。

然后，根据图像中各像元ndsi数值的统计直方图，利用otsu算法自动计算出图像中区分雪与非雪的阈值t1，将像元ndsi数值小于t1的像元赋值为0，将像元ndsi数值大于等于t1的像元赋值为1得到积雪初提结果，即第一积雪提取图像。

在生成第一积雪提取图像之后，执行步骤103。

步骤103：基于所述基准卫星遥感图像的水体指数和第二阈值，对所述第一积雪提取图像进行二次积雪提取操作，生成第二积雪提取图像。

第二阈值是指用于区分基准卫星遥感图像中的雪与裸地等非雪高亮地物的阈值。

在获取基准卫星遥感图像之后，可以基于基准卫星遥感图像的水体指数和第二阈值，对第一积雪提取图像进行二次积雪提取操作，以生成第二积雪提取图像，具体地，可以结合下述具体实现方式进行详细描述。

在本发明实施例的另一种具体实现方式中，上述步骤103可以包括：

子步骤c1：根据归一化水体指数函数计算得到所述基准卫星遥感图像中每个像元的水体指数；

子步骤c2：根据otsu算法计算得到所述基准卫星遥感图像中区分雪与高亮非雪物的第二阈值；

子步骤c3：根据所述基准卫星遥感图像中每个像元的水体指数和所述第二阈值对所述第一积雪提取图像进行第二积雪提取操作，生成所述第二积雪提取图像。

在本发明实施例中，根据归一化水体指数ndwi计算公式计算基准卫星遥感图像中每一个像元的ndwi(normalizeddifferencewaterindex归一化水体指数)数值。根据图像中各像元ndwi数值的统计直方图，利用otsu算法自动计算出图像中区分雪与裸地等非雪高亮地物的阈值t2，将积雪初提结果图像中特定位置像元赋值为0，条件是该像元位置对应的基准卫星遥感图像中ndwi数值小于t2的像元，处理完积雪初提结果图像中所有像元后得到积雪二次提取结果，即第二积雪提取图像。

在生成第二积雪提取图像之后，执行步骤104。

步骤104：基于所述辅助卫星遥感图像的拍摄季节，对所述第二积雪提取图像进行积雪提取操作，确定所述基准卫星遥感图像中的积雪提取结果。

在生成第二积雪提取图像之后，可以基于辅助卫星遥感图像的拍摄季节，对第二积雪提取图像进行积雪提取操作，以提取出基准卫星遥感图像中的积雪提取结果，具体地，可以结合下述两个具体实现方式进行详细描述。

在本发明的第一个具体实现方式中，上述步骤104可以包括：

子步骤d1：在所述辅助卫星遥感图像的拍摄季节为冬季的情况下，基于动态时间归整算法计算所述基准卫星遥感图像和所述辅助卫星遥感图像的时间序列特征相似度；

子步骤d2：根据所述时间序列特征相似度对所述第二积雪提取图像进行积雪提取处理，得到所述基准卫星遥感图像的积雪提取结果。

在本发明实施例中，在辅助卫星遥感图像的拍摄季节为冬季的情况下，可以直接使用dtw(dynamictimewarping，动态时间归整)算法计算基准卫星遥感图像与辅助卫星遥感图像的时间序列特征相似度，在基准卫星遥感图像的积雪二次提取结果基础上，通过对dtw相似度进行阈值筛选剔除云的干扰，得到积雪提取结果，包括以下步骤：

根据动态时间归整dtw算法计算基准卫星遥感图像与辅助卫星遥感图像时间序列特征相似度，设定相似度阈值t3，t3为正数，将积雪二次提取结果图像中像元值为1且对应像元位置dtw相似度小于t3的像元赋值为0，排除云的干扰，其中0表示非雪，1表示积雪，从而得到最终的积雪提取结果。

在本发明的第二个具体实现方式中，上述步骤104可以包括：

子步骤e1：在所述辅助卫星遥感图像的拍摄季节为夏季的情况下，基于所述辅助卫星遥感图像的积雪指数和第三阈值，对所述辅助卫星遥感图像进行一次积雪提取操作，生成第三积雪提取图像。

在本发明实施例中，在辅助卫星遥感图像的拍摄季节为夏季的情况下，可以基于辅助卫星遥感图像的积雪指数和第三阈值，对辅助卫星遥感图像进行一次积雪提取操作，以生成第三积雪提取图像，其中，第三阈值是指用于区分辅助卫星遥感图像中的雪与非雪的阈值，可以理解地，该步骤的具体实现方式与上述步骤102的实现方式相似，本发明实施例在此不再加以赘述。

在生成第三积雪提取图像之后，执行子步骤e2。

子步骤e2：基于所述辅助卫星遥感图像的水体指数和第四阈值，对所述第三积雪提取图像进行二次积雪提取操作，生成第四积雪提取图像。

在生成第三积雪提取图像之后，可以基于辅助卫星遥感图像的水体指数和第四阈值对第三积雪提取图像进行二次积雪提取操作，以生成第四积雪提取图像，其中，第四阈值是指用于区分辅助卫星遥感图像中的雪与裸地等高亮地物的阈值，可以理解地，该步骤的具体实现方式与上述步骤103的实现方式相似，本发明实施例在此不再加以赘述。

在生成第四积雪提取图像之后，执行子步骤e3。

子步骤e3：基于动态时间归整算法计算所述第二积雪提取图像和所述第四积雪提取图像的时间序列特征相似度。

在生成第四积雪提取图像之后，可以采用动态时间归整算法计算第二积雪提取图像和第四积雪提取图像的时间序列特征相似度，进而执行子步骤e4。

子步骤e4：基于所述时间序列特征相似度对所述第二积雪提取图像进行积雪提取处理，得到所述基准卫星遥感图像的积雪亚类提取结果。

在获取第二积雪提取图像和第四积雪提取图像的时间序列特征相似度，可以结合时间序列特征相似度对第二积雪提取图像进行积雪提取处理，以得到基准卫星遥感图像的积雪提取结果，具体地，如果辅助卫星遥感图像为夏季时相拍摄，采用步骤102～步骤103相同操作计算得到辅助卫星遥感图像的积雪二次提取结果，使用dtw算法计算基准卫星遥感图像积雪二次提取结果与辅助卫星遥感图像的积雪二次提取结果的时间序列特征相似度，通过dtw相似度阈值法细分出新雪和陈雪，得到积雪亚类提取结果。

进而根据动态时间归整dtw算法计算基准卫星遥感图像积雪二次提取结果与辅助卫星遥感图像的积雪二次提取结果时间序列特征相似度，设定相似度阈值t4，t4为正数，将基准卫星遥感图像的积雪二次提取结果图像中像元值为1且对应像元位置dtw相似度小于t4的像元赋值为2，其中0表示非雪，1代表陈雪，2代表新雪，从而得到最终的积雪亚类提取结果。

本发明实施例提供的卫星遥感图像的积雪提取方法，通过获取高时间谱的基准卫星遥感图像和辅助卫星遥感图像；所述基准卫星遥感图像为包含积雪的图像，所述基准卫星遥感图像和所述辅助卫星遥感图像为拍摄的同一地理范围的图像；基于所述基准卫星遥感图像的积雪指数和第一阈值，对所述基准卫星遥感图像进行一次积雪提取操作，生成第一积雪提取图像；基于所述基准卫星遥感图像的水体指数和第二阈值，对所述第一积雪提取图像进行二次积雪提取操作，生成第二积雪提取图像；基于所述辅助卫星遥感图像的拍摄季节，对所述第二积雪提取图像进行积雪提取操作，确定所述基准卫星遥感图像中的积雪提取结果。本发明实施例利用高时间谱遥感卫星拍摄的两组不同成像时间的图像实现积雪提取过程中云干扰的去除或是新雪与陈雪之间的区分，即短时间跨度条件下云干扰的去除和长时间跨度条件下新雪与陈雪的区分，提高积雪提取的准确度和精细度。

实施例二

参照图2，示出了本发明实施例提供的一种卫星遥感图像的积雪提取装置的结构示意图，如图2所示，该卫星遥感图像的积雪提取装置具体可以包括如下模块：

遥感图像获取模块210，用于获取高时间谱的基准卫星遥感图像和辅助卫星遥感图像；所述基准卫星遥感图像为包含积雪的图像，所述基准卫星遥感图像和所述辅助卫星遥感图像为拍摄的同一地理范围的图像；

第一图像生成模块220，用于基于所述基准卫星遥感图像的积雪指数和第一阈值，对所述基准卫星遥感图像进行一次积雪提取操作，生成第一积雪提取图像；

第二图像生成模块230，用于基于所述基准卫星遥感图像的水体指数和第二阈值，对所述第一积雪提取图像进行二次积雪提取操作，生成第二积雪提取图像；

积雪提取结果确定模块240，用于基于所述辅助卫星遥感图像的拍摄季节，对所述第二积雪提取图像进行积雪提取操作，确定所述基准卫星遥感图像中的积雪提取结果。

可选地，所述遥感图像获取模块包括：

卫星图像获取单元，用于获取两组高时间谱的卫星遥感图像；

遥感图像获取单元，用于将两组所述卫星遥感图像中在冬季拍摄的一组包含积雪的卫星遥感图像作为基准卫星遥感图像，并将另一组卫星遥感图像作为辅助卫星遥感图像。

可选地，所述第一图像生成模块包括：

积雪指数计算单元，用于根据归一化积雪指数函数计算得到所述基准卫星遥感图像中每个像元的积雪指数；

第一阈值计算单元，用于根据otsu算法计算得到所述基准卫星遥感图像中区分雪与非积雪的第一阈值；

第一图像生成单元，用于基于所述第一阈值和所述积雪指数，对所述基准卫星遥感图像进行第一积雪提取操作，生成所述第一积雪提取图像。

可选地，所述第二图像生成模块包括：

水体指数计算单元，用于根据归一化水体指数函数计算得到所述基准卫星遥感图像中每个像元的水体指数；

第二阈值计算单元，用于根据otsu算法计算得到所述基准卫星遥感图像中区分雪与高亮非雪物的第二阈值；

第一图像生成单元，用于根据所述基准卫星遥感图像中每个像元的水体指数和所述第二阈值对所述第一积雪提取图像进行第二积雪提取操作，生成所述第二积雪提取图像。

可选地，所述积雪提取结果确定模块包括：

特征相似度计算单元，用于在所述辅助卫星遥感图像的拍摄季节为冬季的情况下，基于动态时间归整算法计算所述基准卫星遥感图像和所述辅助卫星遥感图像的时间序列特征相似度；

第一积雪结果获取单元，用于根据所述时间序列特征相似度对所述第二积雪提取图像进行积雪提取处理，得到所述基准卫星遥感图像的积雪提取结果。

可选地，所述积雪提取结果确定模块包括：

第三图像生成单元，用于在所述辅助卫星遥感图像的拍摄季节为夏季的情况下，基于所述辅助卫星遥感图像的积雪指数和第三阈值，对所述辅助卫星遥感图像进行一次积雪提取操作，生成第三积雪提取图像；

第四图像生成单元，用于基于所述辅助卫星遥感图像的水体指数和第四阈值，对所述第三积雪提取图像进行二次积雪提取操作，生成第四积雪提取图像；

时间序列相似度计算单元，用于基于动态时间归整算法计算所述第二积雪提取图像和所述第四积雪提取图像的时间序列特征相似度；

第二积雪结果获取单元，用于基于所述时间序列特征相似度对所述第二积雪提取图像进行积雪提取处理，得到所述基准卫星遥感图像的积雪亚类提取结果。

应当指出，以上所述具体实施方式可以使本领域的技术人员更全面地理解本发明，但不以任何方式限制本发明。因此，本领域技术人员应当理解，仍然可以对本发明进行修改或者等同替换；而一切不脱离本发明的精神和技术实质的技术方案及其改进，其均应涵盖在本发明专利的保护范围当中。

本发明说明书中未作详细描述的内容属本领域技术人员的公知技术。