一种全自动遥感影像云雾检测方法
【技术领域】
[0001] 本发明涉及一种利用遥感影像进行云雾检测的方法，特别是一种针对遥感云污染 影像能够自动地成功抑制高亮地物噪声和准确提取云雾信息的云检测方法。
【背景技术】
[0002] 随着卫星遥感技术的发展，遥感技术越来越广泛地应用于天气分析、军事、农业、 环境监测、能源调查及全球研究和区域规划等多个领域中。目前，由于遥感技术本身以及 人们认识上的局限性，遥感技术的应用实用化有两个问题有待解决：一是数据处理与实时 检测同步性不能满足实用要求；二是遥感图像的处理不能满足实用要求。如在定量遥感监 测中，需要利用可见光与近红外波段的光谱数据定量计算各类植被指数和叶面积指数等指 标，并研究其在空间与时间上的变化规律以及对全球环境变化的响应。但这些指数不仅与 地表状况有关，遥感卫星过境时的大气状况不同也会导致同一地区的指数值出现偏差。因 而在遥感资料的处理过程中，云检测是首要解决的问题之一，无论是在云图分析、不同遥 感图像融合还是光谱数据的定量反演等过程，都需要进行云检测。云检测就是通过对卫星 观测到的目标物的辐射值进行区分，然后判断是晴空辐射还是云辐射，参见检测的目的是 进行云区信息提取以及与其背景场分离。
[0003] 在过去许多年，大量的人力物力投入这一方面，涌现了较多的云检测方法，一般说 来，这些方法可以分为两类：1、二值化的云检测方法；2、定量化的云检测方法。
[0004] 二值化的云检测方法只用来产生云掩膜，即云检测的结果只包含有云和无云两种 结果，并且得到了该方法的总体评估系统，参见Irish R.R. (2000) .Landsat 7 automatic cloud cover assessment[C]//AeroSense 2000.International Society for Optics and Photonics，348-355，和 Irish R. R.，Barker J. L.，Goward S. N.，et al. (2006) · Characterization of the Landsat-7ETM+automated cloud-cover assessment (ACCA) algorithm.Photogrammetric Engineering&Remote Sensing,72(10), 1179-1188〇 这类 方法后来被发展，参见 Zhu Z.，&Woodcock C.E. (2012) .Object-based cloud and cloud shadow detection in Landsat imagery. Remote Sensing of Environment，118,83_94〇 但是该类方法只能得到云覆盖整体有云或无云的结果，而无法获得云污染厚度的信息，进 而无法为薄云雾进行纠正，从而不能有效恢复地物信息。第二类方法，定量化的云检测方 法，能够提供云雾厚度信息，从而支持去除薄云污染信息而恢复云雾下的地物信息。其中最 为广泛应用且简单实用的是HOT (Haze Optimized Transformation，云雾最优变换），HOT 是一种经典的云雾检测方法，参见 Zhang Υ·，Guindon Β·，&Cihlar J. (2002). An image transform to characterize and compensate for spatial variations in thin cloud contamination of Landsat images. Remote Sensing of Environment，82(2)，173_187〇该 方法只利用遥感影像的蓝光和红光波段，并且成功应用于植被类型，但是在冰雪，水体，和 高亮地物上失效D后来，HOT被Liu等人进一步改进，提出BSHTI (Background Suppressed Haze Thickness Index，背景压缩云雾厚度指数）算法，参见Liu C.，Hu J.，Lin Y.，et al. (2011). Haze detection, perfection and removal for high spatial resolution satellite imagery. International Journal of Remote Sensing, 32 (23), 8685-8697.。但 是对于将高亮地物误认为厚云的严峻问题依然没有被解决。因此，我们迫切需要一种针对 遥感云污染影像能够自动地成功抑制高亮地物噪声和准确提取云雾信息的云检测方法。
【发明内容】
[0005] 本发明提供了 一种全自动遥感影像云雾检测方法，该方法可减少或避免前面所提 到的问题。
[0006] 为解决上述云雾检测问题，本发明提供了一种利用遥感影像进行云检测的方法， 其包括如下步骤：
[0007] A.遥感影像的HOT初步云检测：该步骤借助一幅获取时间具有差异的无云遥感图 像建立"晴空线"，基于该晴空线将HOT应用到有云图像获得初步的云检测结果：
[0008] HOT = sin Θ · R1-Cos Θ · R3，
[0009] 其中，札和R3是蓝光和红光波段的表观反射率，Θ表示晴空线的角度；
[0010] Β.遥感影像的THOT云检测：借助一幅无云清晰图像，计算有云图像与无云图像的 差值，获得两者之间的差值图像，通过对差值图像和步骤A得到的HOT图像进行多元回归：
[0011]
[0012] 其中c是一个常数，ε是多元回归的残差，η表示遥感影像的波段个数，Ic1表示差 值图像在第i波段的回归系数，R hl和R "表示有云图像和无云图像像素在第i波段的表观 反射率；
[0013] 从而获得新的一幅THOT云检测结果：
[0014]
[0015] C.遥感影像的iHOT云检测：对有云图像和THOT图像进行再一次的多元回归：
[0016]
[0017] 其中R1表示有云图像和无云图像像素在第i波段的表观反射率差，k i表示差值图 像在第i波段的回归系数，c'是一个常数，ε '表示该多元回归的残差，从而获得一幅新的 云检测iHOT结果：
[0018]
[0019] D.遥感影像的IHOT云检测：对上述过程进行反复自适应的迭代，直到THOT与 iHOT之间的相关性提高到趋于稳定，从而选取最后迭代的结果iHOT结果作为最后云检测 结果IHOT图像。
[0020] 进一步讲，步骤A中利用无云图像在蓝-红光谱空间建立"晴空线"，将该晴空线应 用到有云图像，计算有云图像像素的HOT值；在选取无云图像的过程中，要求该无云图像的 地物类型、面积与有云图像尽可能一致。
[0021] 进一步讲，步骤C中有云图像是单景有云影像。
[0022] 进一步讲，步骤D中反复迭代的过程中，直至两次迭代的相关性差异小于等于 0. 001时，迭代终止。
[0023] 本发明基于HOT原始云检测结果，利用不同时间获取的无云图像，结合迭代优化 自适应的过程，成功抑制各类地物噪声信息，实现了可适用于大量遥感影像自动批量处理 的云雾污染程度的检测。
【附图说明】
[0024] 以下附图仅旨在于对本发明做示意性说明和解释，并不限定本发明的范围。其中，
[0025] 图1为根据本发明的一个具体实施例的一种利用遥感影像进行云检测方法的流 程不意图。
[0026] 图2为根据本发明的一个具体实施例的一种利用遥感影像进行云检测方法的流 程结果图。
[0027] 图3为利用该方法在耕地区域的云检测结果，并且与传统广泛应用的HOT、BSHTI 方法的结果进行对比。
[0028] 图4为利用该方法在城市区域的云检测结果，并且与传统广泛应用的HOT、BSHTI 方法的结果进行对比。
[0029] 图5为利用该方法在冰雪区域的云检测结果，并且与传统广泛应用的HOT、BSHTI 方法的结果进行对比。
[0030] 图6为利用方法在沙漠区域的云检测结果，并且与传统广泛应用的HOT、BSHTI方 法的结果进行对比。
[0031] 图7为该方法在利用一幅无云影像应用到一年四季多幅影像的云检测结果。
【具体实施方式】
[0032] 为了对本发明的技术特征、目的和效果有更加清楚的理解，现说明本发明的具体 实施方式。
[0033] 本发明提供一种全自动遥感影像云雾检测方法，是以一幅不同时期获取的无云图 像作参照，经过建立HOT初步云检测结果、HOT与无云与有云图像的差值图像的多元回归结 果、基于上述结果与有云图像的再一次多元回归结果，以及上述过程反复迭代的步骤，最终 获得云雾检测的结果。该方法有效克服了传统H0T、BSHTI等云厚度检测方法无法抑制高亮 地物噪声的问题，尤其实现了将冰雪与云雾进行有效区分，为大量云污染遥感影像的云雾 厚度检测提供了一种行之有效的方法。
[0034] 图1为根据本发明的一个具体实施例的一种利用遥感影像进行地表覆盖制图的 方法的流程示意图；参照图1所示，下面详细说明根据本发明提供的一种利用遥感影像进 行云检测方法的原理。所述方法包括如下步骤：
[0035] A、遥感影像的HOT初步云检测；
[0036] B、遥感影像的THOT云检测；
[0037] C、遥感影像的iHOT云检测；
[0038] D、遥感影像的IHOT云检测。
[0039] 对于上述各检测方法的定义：
[0040] HOT :Haze Optimized Transformation，云雾最优变换，为已知方法
[0041] THOT :Temporal Η0Τ，多时相 HOT
[0042] iHOT : improved HOT，改进式 HOT
[0043] IHOT iterative HOT