[发明专利]一种基于全色图像统计特征的遥感图像云评估方法

说明书

技术领域

本发明属于遥感图像处理技术领域，具体涉及一种基于全色图像统计特征的遥感图像云评估方法。

背景技术

卫星遥感图像在采集的过程中经常会受到包括噪声、模糊、条带、低对比度、雾和云遮挡等因素影响，导致图像质量下降，影响图像的使用。其中，云遮挡是一种最普遍的遥感图像质量破坏的自然因素。云层会阻挡地球表面物体的光谱信号传输到星上成像传感器，导致无法获得清晰成像，有可能造成目标重要信息丢失，严重影响后续目标检测识别等任务的执行。

由于受到能源、重量、体积等因素的限制，星上的计算和存储资源都受到很大的限制，而且分配给每颗卫星的空间传输链路带宽也是很有限的。然而，到目前为止，各个国家的卫星处理系统对采集到的所有图像都一视同仁，做一系列同样的处理，包括压缩、校正、下传等。而其中有很多图像包含的有效目标信息很少，图像质量很差，这些图像下传到地面接收站也是没有意义的，反而极大地占用和浪费本就很有限的空间资源。因此，如果可以建立一种能在轨实时处理的客观遥感图像质量评价机制，帮助星上系统在轨判断图像质量进而决定是否对图像进行后续处理，将可以节约很大一部分资源用于完成其他更重要的任务。

在过去的二三十年间，世界各国的专家学者相继提出了很多自动云遮挡评测(ACCA，Automatic Cloud-Cover Assessment)算法。美国地质勘探局(USGS，United States Geological Survey)记载的最早的ACCA算法是在1987年美国EROS(Earth Resources Observation and Science)数据中心提出的Landsat 5号卫星云遮挡方法。该方法分别利用可见光红色、中红外和热红外三个谱段图像，通过设置阈值排除掉图像中黑色、雪和相对温度较暖的内容。该方法比较粗糙，容易漏检暖云，也区分不好云和冰雪等。1999年，美国Landsat 7号卫星发射成功，美国航空航天局(NASA)研究人员Richard R.Irish提出了针对Landsat 7图像的两通道ACCA算法。该算法首先在第一个通道中利用5个ETM+(EarthThematicMapper)谱段(Band 2至Band 6)图像信息以及8个不同的滤波器把图像中的内容分成云、非云和疑似云，然后在第二通道通过对热红外谱段(Band 6)分析对疑似云进一步检测判断。Landsat 7ACCA算法思想也是基于云的一些基本物理特性，包括高反射率和温度低等。所以，它也存在误检冰雪的情况，同时存在漏检薄卷云的问题。该套算法目前依然运用在2013年发射的Landsat 8卫星处理系统中，并作为判断标准之一。由于Richard提出的Landsat 7ACCA方法主要依赖热红外波段，而Landsat 8在设计初期并没有考虑携带热红外传感器(Thermal Infrared Sensor,TIRS)，虽然最后发射时安装了TIRS，但是其设计使用寿命只有三年时间。因此，研究人员提出了只利用可见光波段无热红外谱段的ACCA模型：AT-ACCA和C5-ACCA。AT-ACCA的设计思想是通过Landsat 8其他波段图像人为构造出一幅热红外波段图像，进而仍然可以运用Landsat 7的模型；C5-ACCA模型则是通过对多个可见光谱段的图像进行学习分离出云。

从上述分析可以看出，现有的云量评估方法有两个特点：第一是建立在云的高反射和温度低的物理特性上；第二是需要利用多个谱段图像信息。这两个特点也分别导致如下两个问题：第一是薄卷云的漏检；第二是复杂的算法网络结构，不适合在轨实现。

因此，有必要研究一种既可以在轨实时处理，又可以同时检测出厚云和薄云，并且也不需要借助热红外波段的云评估模型。

发明内容

本发明针对遥感图像中云层遮挡情况进行研究，提出一种基于全色图像统计特征的遥感图像云评估方法，其目的是为解决现有云评估方法需要借助多个谱段图像同时存在漏检薄云的问题。

为了达到上述目的，本发明的技术方案包括如下步骤：

一种基于全色图像统计特征的遥感图像云评估方法，具体过程为：

步骤一、将全色遥感图像划分成多个相邻的图像块，针对每个图像块，计算相应的均差对比度归一化系数；

步骤二、对每个图像块相应的均差对比度归一化系数，采用非对称广义高斯分布建模得到对应的特征参数；

步骤三、使用多变量高斯模型对所述特征参数进行拟合，得到均值向量和协方差矩阵；