[发明专利]基于支持向量机的光学卫星遥感影像云雪雾检测方法

说明书

本发明公开了一种基于支持向量机的卫星遥感影像云、雪、雾检测方法，包括以下步骤：首先，收集不同类型的大量地物和云、雪、雾样本影像数据影像作为训练集，获得影像的灰度和纹理特征组成特征集合；通过支持向量机的方法对所有样本的特征集合进行机器学习获得云、雪、雾影像分类器。其次，使用得到的云、雪、雾影像分类器确定待测影像的类别，并进行形态学闭运算和重叠区域校正，判断遥感影像中目标区域类型；最后，重新选择训练样本获得新的影像分类器，对待测卫星遥感影像进行二次检测，并与第一次检测作比较，最终确定待测遥感影像的云、雪、雾的判定结果。实验结果表明本发明方法能够获得较高的检测精度。

技术领域

本发明属于卫星遥感影像质量检测领域，具体涉及一种基于支持向量机的卫星遥感影像云、雪、雾检测方法。

背景技术

在光学卫星遥感影像中，遥感信息常常受到云、雾天气和积雪的影响，云和积雪会覆盖影像所在区域的地表信息，雾与霾等则会使遥感影像中许多特征信息被掩盖。因此，需要对遥感影像中的云、雪、雾区域进行检测，并剔除无效信息覆盖过大的相应影像数据，从而提高光学卫星遥感影像的利用率。

目前的遥感影像云、雪、雾检测方法主要集中在对云或雾的检测、云、雾和云、雪的检测识别。主要包括阈值法，特征提取法等。遥感影像云检测的方法主要通过利用不同波段下的光谱反射率来设定光谱阈值判断是否是云，或通过提取影像特征，根据特征分类来进行云检测。遥感影像雾检测方法主要是对典型个例的研究，利用遥感数据提取特征进行大雾的监测研究。云、雪的检测方法主要利用云、雪在可见光波段特征相似而在短波红外差异较大的特点，通过构建云、雪反差增大因子识别雪，或通过对全色影像的纹理特征计算分形维数实现云、雪的识别。而云、雪、雾检测方法通常是上述方法的叠加使用。

经过对现有文献检索发现，目前的云、雪、雾检测方法有如下问题：第一、现有的方法难以同时检测云、雪、雾。检测方法受检测类型的影响，单个检测方法难以适应多种检测要求；已有的阈值法可靠性不高，由于检测结果受时空类型的影响，难以推广到较为普遍的检测上；特征提取法选取的影像特征信息不足，检测准确率不够高。第二、对云、雪、雾检测方法的检测效率不高，算法的复杂度较高，对大数据影响难以快速的检测和识别，对遥感数据源有一定要求，普适性较差。

发明内容

发明的目的在于增强遥感影像质量检查的时效性，提高遥感影像利用率，使其可以应用到资源一号、资源三号、天绘一号以及高分一号等国产卫星影像产品质量检查系统中。

为了实现这一目的，本发明提出了一种基于支持向量机的卫星遥感影像云、雪、雾检测方法，本发明技术方案的具体实现包括以下步骤：

步骤1，收集大量的云、雪、雾和地物样本影像数据；

步骤2，提取各类样本影像的灰度特征和纹理特征组成特征向量；

步骤3，利用支持向量机训练样本影像的特征向量，分别得到由决策函数构成的云影像分类器、雪影像分类器和雾影像分类器；

步骤4，对待测卫星遥感影像的原始影像进行降采样处理以获取缩略图，对缩略图进行影像切分得到子影像，计算所有子影像的灰度特征和纹理特征组成的特征向量；

步骤5，对待测卫星遥感影像的子影像进行分类，包括以下子步骤，

步骤5.1，将步骤4提取的特征向量分别输入到步骤3得到的云、雪、雾影像分类器中进行预测分类；

步骤5.2，将全部子影像按照目标区域的类型划分为云区、雾区、雪区和地物区；

步骤5.3，按照云与地物区，雾与地物区，雪与地物区划分为三幅二值化图像，其中每幅图像中的地物区取相同的零值，云、雪、雾区取不同的图像值；

步骤6，对步骤5得到的分类结果进行形态学“闭”运算；